Descripción general de Conversational Analytics en Looker

Conversational Analytics es una función de chat con tus datos que funciona con Gemini para Google Cloud. Con fundamentación en la capa de modelado semántico de Looker, Conversational Analytics permite a los usuarios de tu organización hacer preguntas relacionadas con los datos en lenguaje natural normal (conversacional) para obtener estadísticas de IE de autoservicio confiables y administradas. Este enfoque acelera la adopción de estadísticas en toda tu organización, ya que proporciona administración y seguridad de nivel empresarial.

Conversational Analytics está disponible en instancias de Looker (Google Cloud Core) y en instancias de Looker (original).

Descubre cómo y cuándo Gemini para Google Cloud usa tus datos.

Características clave

Conversational Analytics incluye las siguientes funciones clave:

  • Consulta exploraciones en lenguaje natural: Conversa en lenguaje natural con una exploración individual o con un agente de datos que consulte hasta cinco exploraciones.
  • Crea un agente de datos para consultar exploraciones: Puedes personalizar un agente de consulta de exploración potenciado por IA proporcionando contexto e instrucciones específicos para tus datos, lo que ayuda al agente de datos a generar respuestas más precisas y contextuales. También puedes compartir tus agentes de datos con otros usuarios o publicarlos en otras aplicaciones, como Gemini Enterprise, para que puedan hacer preguntas con el mismo contexto. Puedes conectar este tipo de agente de datos a hasta cinco exploraciones.
  • Consulta un panel con un agente de datos (vista previa): Usa Conversational Analytics para generar un agente de datos del panel que pueda consultar el panel y sus modelos subyacentes. Los agentes del panel están disponibles cuando el parámetro de configuración Habilitar agentes del panel está habilitado en la página Gemini en Looker del panel Administrador. Los resúmenes del panel están disponibles cuando el parámetro de configuración Habilitar resumen del panel está habilitado en la página Gemini en Looker del panel Administrador.
  • Estadísticas avanzadas: La función Estadísticas avanzadas de Conversational Analytics traduce tus preguntas en lenguaje natural a código de Python y ejecuta ese código. En comparación con las consultas estándar basadas en SQL, el uso de Python de la función Estadísticas avanzadas permite análisis y visualizaciones más complejos.
  • Incorporación: Puedes incorporar Conversational Analytics en un sitio web o una aplicación con una etiqueta iframe de HTML, al igual que con otros tipos de contenido de Looker. Conversational Analytics admite la incorporación privada, en la que los usuarios se autentican con su acceso a Looker, y la incorporación firmada, en la que los usuarios se autentican a través de tu propia aplicación.
  • Supervisión de la participación del usuario: Los usuarios con acceso al contenido de la actividad del sistema de Looker pueden obtener más información sobre la participación del usuario con los agentes y las conversaciones de Conversational Analytics. El panel Conversational Analytics está disponible en la sección Actividad del sistema del panel Administrador.
  • Flujos de trabajo de agentes activados vista previa: Configura alertas y supervisión basadas en métricas directamente a través de consultas en lenguaje natural en conversaciones independientes con exploraciones o con agentes de datos de exploración. Los flujos de trabajo de agentes están disponibles cuando el parámetro de configuración Flujos de trabajo de agentes está habilitado en la página Gemini en Looker del panel Administrador.

Agentes de datos en comparación con conversaciones

Chatear con un agente de datos ofrece varias ventajas clave en comparación con tener una conversación estándar con una sola exploración. Si bien iniciar una conversación desde una exploración permite realizar consultas rápidas en lenguaje natural de esa fuente de datos específica, un agente de datos funciona como un analista independiente especializado que se puede personalizar y compartir en toda tu organización.

Los agentes de datos proporcionan la siguiente ventaja en comparación con las conversaciones con exploraciones:

  • Chatea con varias exploraciones: En una conversación con una exploración, solo puedes consultar una exploración a la vez. Sin embargo, un agente de datos puede conectarse a hasta cinco exploraciones distintas, lo que permite a los usuarios realizar análisis entre dominios y recibir respuestas más completas.
  • Chatea con un panel de Looker: Cuando chateas con un panel, Conversational Analytics crea un agente de datos del panel que puedes usar para consultar no solo un panel, sino también las exploraciones subyacentes del panel.
  • Contexto creado: Puedes proporcionar a tu agente de datos instrucciones personalizadas que no están disponibles en una conversación de exploración estándar, incluidos los siguientes recursos:
    • Consultas de referencia: Puedes proporcionar al agente pares de preguntas en lenguaje natural y consultas verificadas de Looker para anclar patrones comerciales comunes y reducir significativamente la ambigüedad del modelo.
    • Glosarios empresariales: Puedes definir jerga o acrónimos específicos de la organización directamente en las instrucciones del agente.
    • Marco de arquetipos: Puedes asignar un rol o experiencia específicos al agente, lo que establece un tono coherente y un juicio profesional para la conversación.
  • Especialización del agente: En lugar de usar la interfaz genérica única de una conversación, puedes crear agentes especializados para diferentes unidades de negocios, como un agente de ingresos o un agente de operaciones. Esto permite una experiencia de análisis más guiada, que dirige a los usuarios hacia los campos y filtros específicos más relevantes para sus necesidades.
  • Colaboración y reutilización: Las conversaciones de exploración suelen limitarse a un usuario, mientras que los agentes de datos se pueden compartir con otros miembros de tu organización. El uso compartido garantiza que varios usuarios puedan beneficiarse del mismo contexto y administración creados que desarrolló un administrador o un experto en datos.
  • Comportamiento personalizado: Puedes configurar tu agente para que opere dentro de requisitos estrictos, como usar filtros predeterminados , por ejemplo, "siempre usar los últimos 6 meses de forma predeterminada si no se menciona un período". Estas barreras de protección garantizan que el agente opere dentro de los estándares específicos de administración y seguridad de tu organización. También puedes ocultar campos en las exploraciones para evitar que el agente de datos los use en las consultas.

En la siguiente tabla, se resumen las diferencias clave en estos tipos de conversaciones y agentes de datos:

Función de Conversational Analytics Casos de uso clave Punto de entrada Capacidades de uso compartido Limitaciones
Conversaciones de exploración
  • Consultas estándar en lenguaje natural de una sola exploración de Looker
  • Organización de preguntas relacionadas sobre un conjunto de datos específico en sesiones discretas
  • Utiliza los modos de preguntas Rápido y Pensando.
  • Desde la exploración, selecciona Iniciar una conversación.
  • Desde la página de Conversational Analytics, selecciona la pestaña Conversaciones.
 Por lo general, se limita a un usuario (no se puede compartir).
  • Se limita a consultar solo una exploración a la vez.
  • No hay contexto ni instrucciones creados personalizados (por ejemplo, consultas de referencia, arquetipos, glosarios empresariales).
  • No hay especialización de agentes para diferentes unidades de negocios de una organización.
  • La opción Iniciar una conversación no está disponible cuando se usa la nueva experiencia de exploración.
Agentes de datos de exploración
  • Agentes de estadísticas de datos independientes y especializados que están diseñados para unidades de negocios específicas de una organización (por ejemplo, agente de ingresos, agente de operaciones)
  • Análisis entre dominios que usa hasta cinco exploraciones conectadas
  • Contexto creado que incluye instrucciones personalizadas, consultas de referencia, glosarios empresariales y marcos de arquetipos para aplicar barreras de protección y mejorar la precisión
  • Estadísticas avanzadas que usan la ejecución de código de Python, si está habilitada
  • No requiere permisos explore explícitos
 Desde la página de Conversational Analytics, selecciona la pestaña Agentes. Se puede compartir con otros usuarios de la organización otorgando acceso al contenido (Ver o Acceso de administrador; Editar). También se puede publicar en aplicaciones externas como Gemini Enterprise (vista previa).
  • Requiere access_data y otros permisos en los modelos subyacentes de las exploraciones (compartir el agente no otorga acceso a las exploraciones).
  • No admite consultas de referencia que contengan tablas dinámicas ni campos personalizados.
Agentes del panel
  • Consultas directas en lenguaje natural de un panel específico de Looker y sus mosaicos vinculados a consultas
  • Curación y personalización del comportamiento de los agentes en los paneles con instrucciones personalizadas
  • El acceso se administra estrictamente a través de permisos a nivel del panel (Administrar acceso; Editar en el panel) y permisos del modelo.
 Desde el panel, selecciona Chatea con este panel. No se puede compartir con otros usuarios.
  • No se pueden compartir de forma individual.
  • No aparecen en la página de Conversational Analytics. Solo se puede acceder a las conversaciones con un agente del panel desde la página Conversaciones recientes, que está disponible en el menú del panel.
  • Se limita al contexto del panel y sus mosaicos vinculados a consultas.
  • No se admite la personalización del comportamiento de los agentes del panel con instrucciones personalizadas para los paneles de LookML.
  • No se admite la función Estadísticas avanzadas.

¿Cómo funciona Conversational Analytics?

Conversational Analytics usa Gemini para Google Cloud interpretar preguntas en lenguaje natural y proporcionar respuestas en Looker en función de tus datos. Usa el modelo semántico de Looker (las definiciones de LookML de tus datos) como su fuente de información para garantizar que las respuestas sean precisas y coherentes. Conversational Analytics puede interpretar tus definiciones empresariales para métricas como "ingresos" o "baja" porque se definen en LookML, y usa estas definiciones para ofrecer preguntas precisas y coherentes.

Para fundamentar sus respuestas en tus datos y contexto empresarial específicos, Conversational Analytics usa varias técnicas:

  • Esquema de LookML: Al comienzo de una solicitud, Conversational Analytics recupera el esquema de las exploraciones que están conectadas a él. Conversational Analytics usa parámetros del modelo de LookML de varias maneras:
    • Identificación de campos: Los metadatos del esquema ayudan a Conversational Analytics a enfocarse en los campos relevantes. Estos metadatos incluyen parámetros de LookML como name, label, description, type y dimension_group. Estos parámetros ayudan a Conversational Analytics a asignar términos en las preguntas de los usuarios a los campos correctos. Por ejemplo, description puede proporcionar terminología o contexto específicos de la empresa para un campo. Conversational Analytics ignora cualquier campo que use el parámetro hidden.
    • Formato de respuesta: Conversational Analytics usa parámetros label para nombres de campos fáciles de usar y parámetros value_format para dar formato a los datos en las respuestas.
  • Generación de consultas: En lugar de consultar tu base de datos directamente, Conversational Analytics determina qué campos, filtros, ordenamientos y límites se deben usar en la consulta. Luego, Looker compone y ejecuta la consulta con el modelo de LookML subyacente. Este proceso es similar a la forma en que un usuario interactúa con una interfaz de exploración. Conversational Analytics no necesita comprender la lógica de unión compleja ni las definiciones de campos porque Looker controla la composición de consultas en función del modelo de LookML. La generación de consultas garantiza que todas las consultas cumplan con la lógica de unión, el filtrado, la agregación y los permisos de datos que se definen en tu modelo de LookML. Para generar consultas, Conversational Analytics debe determinar los valores correctos para usar en los filtros. Estos valores deben coincidir exactamente con los valores de los datos subyacentes o con expresiones de filtro más avanzadas, como comodines. Para resolver las discrepancias entre los valores que el usuario incluye en sus preguntas en lenguaje natural y los valores exactos que puede requerir un filtro, Conversational Analytics usa valores que se definen con allowed_value en parameter campos y puede usar herramientas para verificar valores específicos en los campos:
    • Datos de muestra: Muestra hasta 100 valores de un campo para ayudar a Conversational Analytics a aprender patrones o encontrar una coincidencia exacta para los valores de filtro.
    • Búsqueda aproximada: Genera un conjunto de términos de búsqueda basados en la entrada del usuario y verifica su presencia en una dimensión para encontrar valores de filtro adecuados. Tanto los datos de muestra como la búsqueda aproximada usan la API de sugerencias de Looker y, por lo tanto, están influenciados por parámetros de LookML como suggestions, suggest_explore, y suggest_dimension.
  • Análisis: Después de que Looker ejecuta las consultas, Conversational Analytics analiza los resultados de las consultas para responder las preguntas de los usuarios. Conversational Analytics puede analizar los resultados de una o más de las siguientes maneras:
    • Usa las capacidades integradas de Gemini para interpretar y resumir los resultados.
    • Usa la ejecución de código de Python a través de Estadísticas avanzadas para realizar más análisis de los resultados.
    • Crea visualizaciones basadas en los resultados de las consultas.

Al aprovechar el modelo semántico de Looker, Conversational Analytics proporciona acceso a datos de varias plataformas, como BigQuery, AlloyDB, Redshift, Snowflake y Databricks, sin necesidad de comprender la complejidad de los datos subyacentes, y garantiza que todas las respuestas sean coherentes y administradas.

¿Cómo funcionan los agentes de datos de Conversational Analytics?

Un agente de datos de Conversational Analytics basa sus respuestas en dos entradas principales: el esquema de LookML de tu instancia, que define un desarrollador de Looker, y las instrucciones del agente, que escribes cuando creas o editas el agente.

A partir de tu consulta, un agente de datos debe determinar qué campos de LookML seleccionar y qué filtros, ordenamientos o límites aplicar. Para hacerlo con precisión, asigna el lenguaje natural de tu consulta a sus propias instrucciones del agente y al esquema de LookML de los datos de las siguientes maneras:

  1. Asignación de términos semánticos: Los usuarios suelen usar jerga empresarial en sus preguntas. El agente usa las instrucciones del agente y los metadatos del campo de LookML para interpretar tu consulta. Por ejemplo, para la consulta "¿Cuánto negocio nuevo hicimos?", un agente de datos podría asignar "negocio nuevo" a una medición que calcule los ingresos recurrentes mensuales. Para la consulta "¿Quiénes son nuestros clientes principales?", un agente de datos podría asignar "principales" a un recuento de uso y "clientes" a una dimensión llamada Nombre del cliente.
  2. Asignación de valores de campo: El agente busca puntos de datos específicos, por ejemplo, "California" o "Jeans ajustados", con herramientas especializadas para tomar muestras de los datos o realizar búsquedas aproximadas. Por ejemplo, si un usuario pregunta por "jeans", el agente podría activar una búsqueda aproximada en el campo Nombre del producto para encontrar las coincidencias exactas de cadenas en tu base de datos. Si un usuario pregunta por "NY", ¿es el campo Ciudad o un campo Estado? Es posible que el agente deba tomar muestras de los datos para ver qué campo contiene "NY" o hacer una pregunta aclaratoria.
  3. Refinamiento con ejemplos de consultas: Puedes proporcionar ejemplos específicos de preguntas y respuestas, llamados "consultas de referencia", en las instrucciones del agente de datos para mejorar la precisión de las consultas comunes o críticas.

Luego, Looker usa las definiciones de LookML de estos campos y otra lógica que se define en la exploración, incluidas las definiciones de campos, las concesiones de acceso o los atributos de usuario, los filtros de panel definidos por el usuario o la lógica compleja de Liquid o de unión, para componer la consulta que se envía a la base de datos. Como el agente no escribe toda la consulta en SQL, no necesita "comprender" los datos y puede operar con mayor precisión y determinismo.

Para obtener más información sobre cómo tu agente usa LookML, consulta la página de documentación Prácticas recomendadas para configurar Conversational Analytics en Looker.

Lista de documentación

Comprende las capacidades de cumplimiento de las funciones de Gemini en Looker

Conversational Analytics aún no se incluye en los límites de autorización de FedRAMP High o FedRAMP Medium. Antes de habilitar el parámetro de configuración Gemini en Looker para tu instancia de Looker, analiza con tu organismo autorizador si las ofertas de cumplimiento de Gemini para Google Cloudsatisfacen las necesidades de tu organización.

En el caso de las instancias de Looker (Google Cloud Core), cada paquete de control de Assured Workloads que esté disponible agregará funciones de Gemini en Looker a las ofertas predeterminadas a medida que se cumplan los requisitos y procesos de cambio de ese paquete. Conversational Analytics en Looker respeta las capacidades de cumplimiento de la instancia de Looker (Google Cloud Core) asociada, con la siguiente excepción:

La compatibilidad con la residencia de datos (DRZ), específicamente para los datos inactivos, está disponible para todos los clientes de Looker. Todos los datos inactivos asociados con Conversational Analytics residen estrictamente dentro de la instancia de Looker y se limitan a una sola región. Los datos en tránsito y el aprendizaje automático (AA) se procesan con un servicio global.

Cumplimiento en la Unión Europea

Ya está disponible para los clientes de la Unión Europea (UE) una opción de procesamiento localizada que permite el procesamiento de datos dentro de la jurisdicción de la UE. Esta opción permite que el tráfico de Conversational Analytics de Looker se enrute a través de un extremo multirregional de la UE, lo que garantiza que los datos de los clientes de la UE se procesen dentro de la UE.

El procesamiento localizado se aplica a todas las funciones de Conversational Analytics en Looker (excepto los agentes de datos del panel) y a todos los extremos de Conversational Analytics de la API de Looker. No se aplica a la API de Conversational Analytics.

Esta opción está disponible a través de una lista de entidades permitidas. Para solicitar la inscripción en la lista de entidades permitidas de procesamiento de AA de Conversational Analytics de Looker en la UE, completa el formulario de solicitud de procesamiento de AA de Looker en la UE. Ten en cuenta que la capacidad es limitada. La inscripción se otorga de forma funcional "según disponibilidad" y puede afectar el rendimiento del servicio. Recibirás un correo electrónico de confirmación cuando te inscribas.

Proporcionar comentarios

Para proporcionar comentarios a Google sobre respuestas individuales en Conversational Analytics, selecciona una de las siguientes opciones:

  • thumb_up Buena respuesta: Indica que la respuesta fue útil.
  • thumb_down Respuesta incorrecta: Indica que la respuesta no fue útil.