Looker の会話分析の概要

会話分析は、Gemini for Google Cloud を活用したデータとチャットする機能です。Looker のセマンティック モデリング レイヤを基盤とする会話分析により、組織内のユーザーは、管理された信頼できるセルフサービス BI のために、データに関する質問を通常の自然言語（会話型言語）で行うことができます。このアプローチは、エンタープライズ グレードのガバナンスとセキュリティを提供することで、組織全体での分析の導入を促進します。

会話分析は、Looker（Google Cloud コア）インスタンスと Looker（オリジナル）インスタンスの両方で利用できます。

Gemini for がデータを使用する方法とタイミングに関する説明をご覧ください。 Google Cloud

主な機能

会話分析には、次の主な機能が含まれています。

  • 自然言語で Explore にクエリを実行する: 個々の Explore または最大 5 つの Explore にクエリを実行するデータ エージェントと自然言語で会話します。
  • Explore にクエリを実行するデータ エージェントを作成する: データに固有のコンテキストと手順を指定して、AI を活用したデータクエリ エージェントをカスタマイズできます。これにより、データ エージェントはより正確でコンテキストに関連性の高いレスポンスを生成できます。データ エージェントを他のユーザーと共有したり、Gemini Enterprise などの他のアプリケーションに公開したりして、同じコンテキストで質問できるようにすることもできます。このタイプのデータ エージェントは、最大 5 つの Explore に接続できます。
  • データ エージェント プレビューを使用してダッシュボードにクエリを実行する: 会話分析を使用して、ダッシュボードとその基盤となるモデルにクエリを実行できるダッシュボード データ エージェントを生成します。
  • 高度な分析: 会話分析の高度な分析機能は、自然言語の質問を Python コードに変換して実行します。標準 SQL ベースのクエリと比較して、高度な分析機能で Python を使用すると、より複雑な分析と可視化が可能になります。
  • 埋め込み: 他の Looker コンテンツ タイプと同様に、HTML iframe タグを使用して、ウェブサイトやアプリケーションに会話分析を埋め込むことができます。会話分析は、ユーザーが Looker ログインを使用して認証されるプライベート埋め込みと、ユーザーが独自のアプリケーションを介して認証される署名付き埋め込みの両方をサポートしています。

データ エージェントと会話の違い

データ エージェント とのチャットには、単一のExplore との標準的な会話と比較して、いくつかの重要な利点があります。Explore から会話を開始すると、特定のデータソースに対して自然言語で迅速にクエリを実行できますが、データ エージェントは、組織全体でカスタマイズして共有できる、専門のスタンドアロン アナリストとして機能します。

データ エージェントには、Explore との会話と比較して次の利点があります。

  • 複数の Explore とチャットする: Explore との会話では、一度に 1 つの Explore にしかクエリを実行できません。ただし、データ エージェントは最大で 5 つの異なる Explore に接続できるため、ユーザーはクロスドメイン分析を実行して、より包括的な回答を得ることができます。
  • Looker ダッシュボードとチャットする: ダッシュボードとチャットすると、会話分析によってダッシュボード データ エージェントが作成されます。このエージェントを使用すると、ダッシュボードだけでなく、ダッシュボードの基盤となる Explore にもクエリを実行できます。
  • 作成されたコンテキスト: 標準の Explore 会話では使用できない カスタム手順 をデータ エージェントに提供できます。これには、次のリソースが含まれます:
    • ゴールデン クエリ: エージェントに自然言語の質問と検証済みの Looker クエリのペアを提供して、一般的なビジネス パターンを固定し、モデルの曖昧さを大幅に軽減できます。
    • ビジネス用語集: 組織固有の専門用語や頭字語をエージェントの手順内で直接定義できます。
    • ペルソナ フレームワーク: エージェントに特定のロールや専門知識を割り当てて、会話の一貫したトーンと専門的な判断を設定できます。
  • エージェントの専門化: 会話の単一の汎用インターフェースを使用するのではなく、収益エージェント やOps エージェント など、さまざまなビジネス部門向けの専門エージェントを作成できます。これにより、よりガイド付きの分析エクスペリエンスが可能になり、ユーザーはニーズに最も関連性の高い特定のフィールドとフィルタに誘導されます。
  • コラボレーションと再利用: Explore の会話は通常 1 人のユーザーに限定されますが、データ エージェントは組織内の他のメンバーと 共有 できます。共有することで、複数のユーザーが、管理者またはデータ エキスパートが開発した同じ作成済みコンテキストとガバナンスを利用できます。
  • カスタム動作: エージェントが厳格な要件内で動作するように構成できます。たとえば、「タイムフレームが指定されていない場合は、常に過去 6 か月をデフォルトにする」などの デフォルト フィルタ を使用します。これらのガードレールにより、エージェントは組織固有のガバナンスとセキュリティ標準内で動作します。また、Explore でフィールドを非表示にして、データ エージェントがクエリで使用できないようにすることもできます。

次の表に、これらのタイプの会話とデータ エージェントの主な違いをまとめます。

会話分析機能 主なユースケース エントリ ポイント 共有機能 制限事項
Explore の会話
  • 単一の Looker Explore の標準的な自然言語クエリ。
  • 特定のデータセットに関する関連する質問を個別のセッションに整理する。
  • [高速] と [思考] の質問モードを使用します。
  • Explore から: [会話を開始] を選択します。
  • [会話分析] ページから: [会話] タブを選択します。
 通常は 1 人のユーザーに限定されます（共有できません）。
  • 一度に 1 つの Explore にしかクエリを実行できません。
  • カスタム作成のコンテキストや手順はありません（ゴールデン クエリ、ペルソナ、ビジネス用語集など）。
  • 組織のビジネス部門ごとにエージェントを専門化することはできません。
  • 新しい Explore エクスペリエンスを使用している場合、[会話を開始] オプションは使用できません。
Explore データ エージェント
  • 組織の特定のビジネス ユニット向けに設計された、専門のスタンドアロン データ分析エージェント（収益エージェント、Ops エージェントなど）。
  • 最大 5 つの接続された Explore を使用したクロスドメイン分析。
  • ガードレールを適用して精度を向上させるための、カスタム手順、ゴールデン クエリ、ビジネス用語集、ペルソナ フレームワークなどの作成済みコンテキスト。
  • 有効になっている場合は、Python コード実行を使用した高度な分析。
  • 明示的な explore 権限は必要ありません。
 [会話分析] ページから: [エージェント] タブを選択します。 コンテンツ アクセス権（[表示] または [マネージャー アクセス権; 編集]）を付与することで、組織内の他のユーザーと共有できます。Gemini Enterprise（プレビュー版）などの外部アプリケーションに公開することもできます。
  • Explore の基盤となるモデルに対する access_data 権限などの権限が必要です（エージェントを共有しても Explore にアクセスすることはできません）。
  • ピボットまたはカスタム フィールドを含むゴールデン クエリはサポートされていません。
ダッシュボード エージェント
  • 特定の Looker ダッシュボードとその クエリリンク タイルに対する直接的な自然言語クエリ。
  • カスタム手順を使用して、ダッシュボード上のエージェントの動作をキュレートしてカスタマイズする。
  • アクセスは、ダッシュボード レベルの権限（ダッシュボードに対する [アクセスの管理; 編集]）とモデル権限によって厳密に管理されます。
 ダッシュボードから: [このダッシュボードとチャット] を選択します。 他のユーザーと共有することはできません。
  • 個別に共有することはできません。
  • [会話分析] ページには表示されません。ダッシュボード エージェントとの会話には、ダッシュボード メニューからアクセスできる [最近の会話] ページからのみアクセスできます。
  • ダッシュボードとそのクエリリンク タイルのコンテキストに限定されます。
  • LookML ダッシュボードでは、カスタム手順を使用してダッシュボード エージェントの動作をカスタマイズすることはできません。
  • [高度な分析] 機能はサポートされていません。

会話分析の仕組み

会話分析は Gemini for Google Cloud を使用して自然言語の質問を解釈し、Looker のデータに基づいて回答を提供します。Looker のセマンティック モデル（データの LookML 定義）を信頼できる唯一の情報源として使用し、レスポンスの正確性と一貫性を確保します。会話分析では、「収益」や「離反」などの指標のビジネス定義を解釈できます。これらの指標は LookML で定義されているため、これらの定義を使用して正確で一貫性のある質問を提供できます。

会話分析では、レスポンスを特定のデータとビジネス コンテキストに基づいて行うために、次の手法を使用します。

  • LookML スキーマ: リクエストの開始時に、会話分析は接続されている Explore からスキーマを取得します。会話分析では、LookML モデルのパラメータが次のように使用されます。
    • フィールドの識別: スキーマのメタデータは、会話分析が関連するフィールドに絞り込むのに役立ちます。このメタデータには、name、label、description、type、dimension_group などの LookML パラメータが含まれます。これらのパラメータにより、会話分析はユーザーの質問の用語を正しいフィールドにマッピングできます。たとえば、description は、フィールドのビジネス固有の用語やコンテキストを提供できます。会話分析では、hidden パラメータを使用するフィールドは無視されます。
    • レスポンスのフォーマット: 会話分析では、ユーザーフレンドリーなフィールド名に label パラメータを使用し、レスポンスのデータのフォーマットに value_format パラメータを使用します。
  • クエリの生成: 会話分析では、データベースに直接クエリを実行するのではなく、クエリで使用するフィールド、フィルタ、並べ替え、上限を決定します。次に、Looker は基盤となる LookML モデルを使用してクエリを作成して実行します。このプロセスは、ユーザーが Explore インターフェースを操作する方法と似ています。Looker は LookML モデルに基づいてクエリを作成するため、会話分析で複雑な結合ロジックやフィールド定義を理解する必要はありません。クエリの生成により、すべてのクエリが LookML モデルで定義されている結合ロジック、フィルタリング、集計、データ権限に準拠します。クエリを生成するには、会話分析でフィルタで使用する正しい値を特定する必要があります。これらの値は、基盤となるデータの値と完全に一致するか、ワイルドカードなどのより高度なフィルタ式である必要があります。ユーザーが自然言語の質問に含める値と、フィルタに必要な正確な値との間の不一致を解決するために、会話分析では allowed_value フィールドの parameter で定義された値を使用し、ツールを使用してフィールド内の特定の値を確認できます:
    • サンプルデータ: フィールドから最大 100 個の値を返して、会話分析がパターンを学習したり、フィルタ値の完全一致を見つけたりできるようにします。
    • あいまい検索: ユーザー入力に基づいて検索語句のセットを生成し、ディメンションに存在するかどうかを確認して、適切なフィルタ値を検索します。 サンプルデータとあいまい検索の両方で Looker の提案 API が使用されるため、suggestions、suggest_explore、suggest_dimension などの LookML パラメータの影響を受けます。
  • 分析: Looker がクエリを実行した後、会話分析はクエリ結果を分析してユーザーの質問に回答します。会話分析では、次の 1 つ以上の方法で結果を分析できます。
    • 組み込みの Gemini 機能を使用して、結果を解釈して要約します。
    • Advanced Analytics による Python コード実行を使用して、結果をさらに分析します。
    • クエリ結果に基づいてビジュアリゼーションを作成します。

会話分析は Looker のセマンティック モデルを活用することで、基盤となるデータの複雑さを理解することなく、BigQuery、AlloyDB、Redshift、Snowflake、Databricks などのさまざまなプラットフォームのデータにアクセスできます。また、すべてのレスポンスの一貫性と管理を保証します。

会話分析データ エージェントの仕組み

会話分析データ エージェントは、レスポンスを 2 つの主要な入力に基づいて行います。1 つは Looker デベロッパーによって定義されるインスタンスの LookML スキーマ、もう 1 つはエージェントの作成または編集時に記述するエージェントの手順です。

データ エージェントは、クエリから選択する LookML フィールドと、適用するフィルタ、並べ替え、上限を決定する必要があります。これを正確に行うために、クエリの自然言語を独自のエージェントの手順とデータの LookML スキーマに次の方法でマッピングします。

  1. セマンティック用語のマッピング: ユーザーは質問でビジネス用語を使用することがよくあります。エージェントは、エージェントの手順と LookML フィールドのメタデータを使用してクエリを解釈します。 たとえば、「新規ビジネスはどのくらいありましたか？」というクエリの場合、データ エージェントは「新規ビジネス」を月次経常収益を計算するメジャーにマッピングできます。「主要なお客様は？」というクエリの場合、データ エージェントは「上位」を使用回数に、「お客様」を [顧客名] というディメンションにマッピングできます。
  2. フィールド値のマッピング: エージェントは、専用ツールを使用してデータをサンプリングするか、あいまい検索を実行して、「カリフォルニア」や「スリムフィット ジーンズ」などの特定のデータポイントを検索します。 たとえば、ユーザーが「ジーンズ」をリクエストした場合、エージェントは [商品名] フィールドであいまい検索をトリガーして、データベース内の完全一致する文字列を検索します。ユーザーが「NY」をリクエストした場合、それは [市区町村] フィールドですか、それとも [都道府県] フィールドですか？エージェントは、どのフィールドに「NY」が含まれているかを確認するためにデータをサンプリングするか、確認のための質問をする必要がある場合があります。
  3. クエリの例による絞り込み: データ エージェントの手順で、特定の質問と回答の例（「ゴールデン クエリ」）を指定して、一般的なクエリや重要なクエリの精度を向上させることができます。

次に、Looker は、これらのフィールドの LookML 定義と、フィールド定義、アクセス権の付与またはユーザー属性、ユーザー定義のダッシュボード フィルタ、複雑なLiquidロジックまたは結合ロジックなど、Explore で定義されている他のロジックを使用して、データベースに送信されるクエリを作成します。エージェントは SQL クエリ全体を作成しないため、データを「理解」する必要がなく、より正確かつ確定的に動作できます。

エージェントが LookML を使用する方法について詳しくは、Looker で会話分析を構成するためのベスト プラクティスのドキュメント ページをご覧ください。

ドキュメントのリスト

Gemini in Looker 機能のコンプライアンス機能について

会話分析は、FedRAMP High または FedRAMP Medium の認証境界にはまだ含まれていません。Looker インスタンスで [Gemini in Looker] 設定を有効にする前に、Gemini for Google Cloudのコンプライアンス サービスが組織のニーズを満たしているかどうかを認証機関と話し合ってください。

Looker（Google Cloud コア）インスタンスの場合、利用可能になる Assured Workloads の各コントロール パッケージは、そのパッケージの変更要件とプロセスが満たされると、Gemini in Looker 機能をデフォルトのサービスとして追加します。Looker の会話分析は、関連付けられた Looker（Google Cloud コア）インスタンスのコンプライアンス機能を尊重します。ただし、次の例外があります。

データ所在地（DRZ）のサポート（特に保存データの場合）は、すべての Looker ユーザーが利用できます。会話分析に関連付けられているすべての保存データは、Looker インスタンス内に厳密に存在し、単一のリージョンに限定されます。転送中のデータは、グローバル サービスを使用して処理される場合があります。

フィードバックを送信

会話分析の個々のレスポンスについて Google にフィードバックを送信するには、次のいずれかのオプションを選択します。

  • thumb_up [良い回答]: 回答が役に立ったことを示します。
  • thumb_down [**悪い回答**]: 回答が役に立たなかったことを示します。