Looker の会話型分析の概要

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、組織のユーザーは、ガバナンス対象の信頼できるセルフサービス BI を実現するために、データ関連の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。このアプローチでは、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加速します。

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 Google Cloud 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。

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 をクエリする: 個々の Explore または最大 5 つの Explore をクエリするデータ エージェントと自然言語で会話します。
  • Explore をクエリするデータ 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指示を指定して、AI を活用した Explore 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 エージェントを使用してダッシュボードをクエリする プレビュー: 会話型分析を使用して、ダッシュボードとその基盤となるモデルをクエリ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、そのコードを実行します。標準 SQL ベースのクエリと比較して、高度な分析機能では Python を使用することで、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、会話型分析をウェブサイトやアプリケーションに埋め込むことができます。会話型分析は、ユーザーが Looker ログインで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で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。
  • トリガーされたエージェント型ワークフロー プレビュー: 指標ベースのアラートとモニタリングを、Explore とのスタンドアロンの会話、または Explore データ エージェントとの会話で、自然言語クエリを使用して直接設定します。

データ エージェントと会話

データ エージェントとのチャットには、単一の Explore との標準的な会話よりもいくつかの重要なメリットがあります。Explore から会話を開始すると、特定のデータソースの自然言語クエリをすばやく実行できますが、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、データ探索との会話に比べて次のような利点があります。

  • 複数の Explore とのチャット: Explore との会話では、一度に 1 つの Explore に対してのみクエリを実行できます。ただし、データ エージェントは最大 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 ダッシュボードでチャットする: ダッシュボードでチャットすると、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して、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 に対してもクエリを実行できます。
  • 作成済みコンテキスト: 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: 自然言語の質問と検証済みの Looker クエリのペアをエージェントに提供して、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: エージェントの指示内で、組織固有の専門用語や頭字語を直接定義できます。
    • ペルソナ フレームワーク: エージェントに特定の役割や専門知識を割り当て、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 ユニットの専門エージェントを作成できます。これにより、分析をより効率的に進めることができ、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やフィルタにたどり着くことができます。
  • コラボレーションと再利用: 通常、探索会話は 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の他のメンバーと共有できます。共有により、複数のユーザーが、管理者またはデータ エキスパートが作成した同じ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: デフォルトのフィルタ（「期間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）を使用するなど、厳格な要件内で動作するようにエージェントを構成できます。これらのガードレールにより、エージェントが組織固有のガバナンスとセキュリティ標準内で動作することが保証されます。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フィールドを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
会話を確認する
  • 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します。
  • 高速モードと思考モードの質問モードを利用します。
  • Explore から: [会話を開始] を選択します。
  • 会話分析ページで、[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（共有不可）。
  • 一度にクエリできる Explore は 1 つのみです。
  • カスタム作成されたコンテキストや手順（ゴールデン クエリ、ペルソナ、ビジネス用語集など）がない。
  • 組織の異なるビジネス ユニットに対するエージェントの専門分野はありません。
  • 新しいデータ探索機能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。
データ エージェントを調べる
  • 組織の特定のビジネス ユニット（収益エージェント、Ops エージェントなど）向けに設計された、専用のスタンドアロン データ分析エージェント。
  • 最大 5 つの接続された Explore を使用するクロスドメイン分析。
  • カスタム指示、ゴールデン クエリ、ビジネス用語集、ペルソナ フレームワークを含むコンテキストを作成して、ガードレールを適用し、精度を向上させます。
  • Python コードの実行を使用する高度な分析（有効になっている場合）。
  • 明示的な explore 権限は必要ありません。
 会話分析ページで、[エージェント] タブを選択します。 コンテンツ アクセス権（閲覧権限または管理者権限、編集権限）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 へのアクセス権は付与されません）。
  • 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自然言語クエリを直接実行します。
  • カスタム指示を使用して、ダッシュボードでのエージェントの動作をキュレートしてカスタマイズします。
  • アクセスは、ダッシュボード レベルの権限（ダッシュボードの [アクセスを管理、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でチャットを開始] 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、カスタム指示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。

会話型分析の仕組み

会話型分析では、Gemini for Google Cloud を使用して自然言語の質問を解釈し、データに基づいて Looker で回答を提供します。Looker のセマンティック モデル（データの LookML 定義）を信頼できる情報源として使用し、回答の正確性と一貫性を確保します。会話型分析では、LookML で定義されている「収益」や「解約」などの指標のビジネス定義を解釈し、これらの定義を使用して正確で一貫性のある質問を返します。

会話分析では、特定のデータとビジネス コンテキストに基づいて回答を生成するために、次のようないくつかの手法が使用されます。

  • LookML スキーマ: リクエストの開始時に、会話型分析は接続されている Explore からスキーマを取得します。会話型分析では、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により、会話型分析は関連するフィールドに焦点を当てることができます。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は、会話分析で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するのに役立ちます。たとえば、description を使用して、フィールドのビジネス固有の用語やコンテキストを指定できます。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。
    • 回答の形式: 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、回答のデータの形式に 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。Looker は、基盤となる LookML モデルを使用してクエリを作成し、実行します。このプロセスは、ユーザーがデータ探索インターフェースを操作する方法と似ています。会話型分析では、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。Looker が LookML モデルに基づいてクエリ構成を処理するためです。クエリ生成により、すべてのクエリが LookML モデルで定義された結合ロジック、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、会話型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た値と、フィルタで必要となる可能性のある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 parameter フィールドの allowed_value 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: 会話型分析で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するために、フィールドから最大 100 個の値を返します。
    • ファジー検索: ユーザー入力に基づいて一連の検索語句を生成し、ディメンションにそれらの語句が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。サンプルデータとファジー検索の両方で Looker の候補 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 がクエリを実行すると、会話型分析が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。
    • Gemini の組み込み機能を使用して、結果を解釈して要約します。
    • 高度な分析による Python コード実行を使用して、結果の詳細な分析を行います。
    • 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。

Looker のセマンティック モデルを活用することで、会話型分析は、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ガバナンスを確保します。

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、Looker デベロッパーが定義したインスタンスの LookML スキーマと、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指示という 2 つの主な入力に基づいて回答を生成します。

クエリから、データ エージェントは、どの LookML フィールドを選択し、どのフィルタ、並べ替え、上限を適用するかを判断する必要があります。これを正確に行うため、クエリの自然言語を独自のエージェント手順とデータの LookML スキーマに次のようにマッピングします。

  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よく使用します。エージェントは、エージェントの指示と 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獲得しましたか？」というクエリに対して、データ エージェントは「新規ビジネス」を月額定期収益を計算する指標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、専用のツールを使用してデータをサンプリングしたり、ファジー検索を実行したりして、「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探します。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] フィールドでファジー検索をトリガーし、データベースで完全一致する文字列を見つけることがあります。お客様が「NY」と入力した場合、それは [City]（市区町村）フィールドですか、それとも [State]（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、明確にする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 エージェントの指示で、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高めることができます。

Looker は、これらのフィールドの LookML 定義と、Explore で定義されている他のロジック（フィールド定義、アクセス権限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 または結合ロジックなど）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 クエリ全体を記述しないため、データを「理解」する必要がなく、より正確かつ決定論的に動作できます。

エージェントが LookML を使用する方法について詳しくは、Looker で会話型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を理解する

会話型分析は、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 インスタンスの 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 オファリングが組織のニーズを満たしているかどうかについて、承認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、利用可能になった各 Assured Workloads 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 の会話型分析は、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）は、すべての Looker のお客様が利用できます。会話型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ことがあります。

フィードバックを送信

会話型分析の個々の回答について 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 Bad response（悪い回答）: 回答が役に立たなかったことを示します。