与 Looker Studio 数据对话

预览版

此产品或功能 受服务专用条款的约束。 非正式版产品和功能“按原样”提供，可能只能获得有限的支持。 如需了解详情，请参阅发布阶段说明。

本页将引导您在 Looker Studio 中找到对话式分析功能，并开始与数据对话。如需了解如何连接到数据源，请参阅在 Looker Studio 中设置对话式分析文档页面。

了解 Gemini for Google Cloud 如何以及何时使用您的数据。

作为一项尚处于发展早期的技术，Gemini for Google Cloud产品可能会生成看似合理但实际上不正确的输出。我们建议您在使用 Gemini for Google Cloud 产品的输出前先进行验证。 如需了解详情，请参阅 Gemini for Google Cloud 和 Responsible AI。

前往对话式分析

您可以通过以下方式从 Looker Studio 访问对话分析：

• 直接前往对话分析。
• 从 Looker Studio 的导航面板中选择 Conversational Analytics。
• 如果您位于 Sandbox 工作区中，请从 Looker Studio 的创建菜单中选择 对话。

注意： 如果您的实例已创建数据代理，请前往与数据对话页面上的数据源标签页，以使用对话分析。

发起对话

您针对数据集提出的一系列问题会按对话进行整理。将工作拆分为多次对话有助于整理思路。如需创建新的对话，请按以下步骤操作：

1. 在对话分析中，点击 + 创建对话。

2. 选择要调查的数据源或要用于对话的数据代理：

   • 数据源：如需基于现有数据源开始对话，请选择数据源面板，然后选择一个数据源。如需创建新的数据源，请选择连接到数据。

   • 数据代理：如需与现有数据代理开始对话，请选择代理，然后选择一个数据代理。如需创建新的数据智能体，请选择 + 创建智能体。

3. 如需开始对话，请输入问题，然后按 Return 键 (Mac) 或 Enter 键 (PC)。

您可以从schedule 近期对话部分返回到对话。

积极提问

您可以提出问题，以便从数据中获取数据洞见。您可以从建议的问题入手，探索数据并熟悉对话分析。

询问与数据源相关的问题

注意： 在查询 Looker 时，对话式分析会使用内容的正式版模式。

创建对话后，您可以在对话中的send_spark 提问字段中提出有关数据的问题。

问题不需要采用特定格式或使用特定语法。不过，它们必须与您选择的数据源相关。在您撰写查询后，对话式分析可能会改述您的问题，改述后的问题会显示在对话窗口中，紧随您原来的问题之后。例如，对话式分析可能会将“What is the mean of user ages?”这个问题改述为“What is the average user age?”

在您继续对话时，对话式分析功能会考虑之前的问题和答案。您可以根据之前的回答，通过进一步优化结果或更改图表类型来继续分析。

注意： 您无法引用其他对话中的先前问题和回答，只能引用当前对话中的内容。

如需详细了解如何创建问题，请参阅问题限制。

与 Looker 数据源对话

创建与 Looker 探索相关联的新对话后，您可以提出有关 Looker 数据的问题。

当您与数据进行对话时，可折叠的storage 数据面板会显示对话所使用的 Looker 探索的名称。storage 数据面板还提供以下选项：

• open_in_new 查看字段：点击open_in_new 查看字段，即可在新浏览器窗口中查看 Looker 中的探索。
• chat_spark 新对话：与当前对话所用的 Looker 探索发起新对话。

在 Looker 探索中打开

如需在关联的 Looker 实例中以探索的形式打开查询结果，请点击查询结果中的 explore 在探索中打开。

与 BigQuery 数据对话

连接到 BigQuery 数据源后，您可以提问有关 BigQuery 数据的问题。

当您与数据对话时，可收起的 storage 数据面板会显示对话所用的 BigQuery 表的名称。storage 数据面板还提供以下选项：

• open_in_new 查看字段：在新浏览器标签页中查看 BigQuery 中的表。
• chat_spark 新对话：开始新的对话，使用当前对话所用的 BigQuery 数据。

管理对话中的查询

在与数据对话时，您可以停止正在运行的有效查询响应或删除最近的问题及其回答来管理对话。

停止查询响应

如需在发送消息后停止运行查询，请点击 停止回答。对话式分析会停止运行查询，并显示以下消息：The query was cancelled.

删除最近提出的问题

如需删除最近提出的问题及其回答，请按以下步骤操作：

1. 将光标悬停在最新问题上，然后点击 delete 删除消息。
2. 在要永久删除消息吗？对话框中，点击删除以永久删除问题及其回答。

了解查询结果和计算

当您在对话分析中询问有关数据的问题时，系统可能会根据您的具体查询和关联的数据，在回答中提供可视化图表、数据表格或其他详细信息。

除了此查询响应之外，对话式分析还提供以下选项，帮助您了解查询结果和计算：

• 有关答案计算方式的详细信息
• 用于查看有关回复的其他数据分析的选项（如果有）

确定答案的计算方式

如需了解对话式分析功能如何得出回答或创建可视化图表，请点击查询结果中的 keyboard_arrow_down 这是如何计算的？。

点击这是如何计算出来的？后，对话分析会显示以下标签页：

• 代码：显示为生成结果而运行的 SQL 查询。如果您将 Conversational Analytics 连接到 BigQuery 表，代码标签页会显示生成的 BigQuery SQL。

  注意： 如果您已通过为对话式分析启用高级分析选项来启用代码解释器，则代码标签页会显示针对任何高级查询额外生成的 Python 代码。

• 文本：以纯文本形式提供对话式分析得出给定答案所采取的步骤的说明。此说明包括所用的原始字段名称、执行的计算、应用的过滤条件、排序顺序和其他详细信息。

获取更多数据洞见

当对话式分析能够提供有关回答的其他数据洞见时，系统会显示数据洞见 keyboard_arrow_down 按钮。点击数据洞见 keyboard_arrow_down，查看有关查询的其他信息。数据洞见只会分析提示返回的数据，不会运行额外的查询来获取更多数据。数据洞见可作为有用的来源，帮助您找到后续问题的灵感，从而继续对话。

以下是提示“各州的用户数量是多少？”可能会返回的一些数据洞见示例：

• 数据量高和数据量低的区域的总体摘要。例如：
  • “根据提供的数据，加利福尼亚州、得克萨斯州和俄亥俄州是开展业务运营的关键州。”
  • “英国和中国特定区域（即安徽和广东）的商业活动显著。”
  • “根据数据，部分县（包括三重县、秋田县和岩手县）的代表性较低。”
• 对数据集变异性的评估。例如，“数据显示，不同地点的运营规模各不相同。”

管理会话

您可以更改对话的名称、删除对话或从回收站文件夹中恢复对话。

命名对话

对话分析功能会根据您的第一个问题和回答自动生成对话标题。如需更改生成的名称，请按以下步骤操作：

1. 点击对话页面顶部的标题。
2. 输入新的对话名称。
3. 如需保存更改，请点击页面上的其他位置，或按 Return 键 (Mac) 或 Enter 键 (PC)。

删除对话

如需将对话移至回收站，请打开相应对话，然后点击 移至回收站。

注意： 如果对话在回收站中保留超过 30 天，系统会自动将其删除。

恢复或永久删除对话

如需从回收站中恢复或永久删除对话，请按以下步骤操作：

1. 在“对话分析”中，选择左侧导航面板中的 回收站，以查看已移至回收站的对话列表。
2. 在回收站部分中，点击要恢复或永久删除的对话的名称。
3. 在确定吗？对话框中，选择以下选项之一：
   • 取消：取消操作。
   • 恢复：恢复对话。您可以在对话分析的左侧导航菜单中的 最近部分访问对话。
   • 永久删除：永久删除对话。

搜索对话

如需按标题搜索特定对话，请按以下步骤操作：

1. 在搜索对话式分析搜索栏中，输入搜索查询内容。在您输入时，系统会显示与您的搜索查询匹配的对话列表。
2. 从搜索结果中选择对话，即可打开相应对话。

已知限制

Conversational Analytics 存在以下已知限制：

• 可视化图表的限制
• 数据源限制
• 问题数量限制

可视化图表的限制

对话分析利用 Vega-lite 生成对话图表。以下 Vega 图表类型完全受支持：

• 折线图（一个或多个序列）
• 面积图
• 条形图（横向、竖向、堆叠）
• 散点图（一个或多个群组）
• 饼图

系统支持以下 Vega 图表类型，但在呈现这些图表时，您可能会遇到意外行为：

• 地图
• 热图
• 带有提示的图表

不支持 Vega 目录之外的图表类型。本部分中未指定的任何图表均被视为不受支持。

数据源限制

• 对于 Looker 数据源，存在以下限制：
  • 对话式分析无法设置使用 LookML parameter 参数定义的只有过滤条件的字段的值。
  • Conversational Analytics 每次查询最多可返回 5,000 行。
• 对于 BigQuery 数据源，存在以下限制：
  • 您一次只能与一个 BigQuery 表进行对话。如需与不同的 BigQuery 表或使用不同 BigQuery 表的数据代理进行对话，请开始新的对话。
  • 对话式分析不支持 BigQuery 的灵活的列名称功能。
• Conversational Analytics 无法很好地处理停用了报告中的字段修改功能的数据源，因为这样设置会阻止 Conversational Analytics 创建计算字段。

问题限制

Conversational Analytics 支持可通过单个可视化图表回答的问题，例如：

• 指标随时间变化的趋势
• 指标按维度细分或分布的情况
• 一个或多个维度的唯一值
• 单个指标值
• 维度值排行榜（按指标排序）

Conversational Analytics 尚不支持只能通过以下类型的复杂可视化图表回答的问题：

• 预测
• 高级统计分析，包括相关性和异常检测

启用代码解释器后，您可以提出更高级的问题，例如预测。

对话示例

以下对话示例展示了用户如何以自然、来回的方式与 Conversational Analytics 互动。在此示例中，用户提出了以下问题：“你能绘制 2023 年热饮与冰沙的月度销售额对比图，并突出显示每种饮料的畅销月份吗？”对话式分析功能会生成一个折线图，显示 2023 年热饮和冰沙的月度销售额，并突出显示 7 月份是这两个类别的最高销售月份。

s

如本示例对话所示，对话式分析功能可解读自然语言请求，包括使用“销售额”和“热饮”等常用字词的多部分问题，而无需用户指定确切的数据库字段名称（例如 Total monthly drink sales）或定义过滤条件（例如 type of beverage = hot）。对话式分析功能会描述其主要发现、说明其推理过程，并提供包含文字的答案，在适当情况下还会提供图表。为了鼓励您进行更深入的分析，对话式分析功能可能还会建议后续问题。

相关资源

• 对话式分析概览：对话式分析的着陆页包含设置要求、已知限制、支持的问题类型等。

• 创建数据代理并与之对话：借助数据代理，您可以提供与数据相关的具体背景信息和指令，从而自定义 AI 赋能的数据查询代理，帮助对话分析生成更准确且与上下文相关的回答。

• 使用代码解释器启用高级分析：对话分析中的代码解释器会将您的自然语言问题转换为 Python 代码并执行该代码。与基于标准 SQL 的查询相比，代码解释器使用 Python 可以实现更复杂的分析和可视化效果。