Mit der konversationellen Analyse in BigQuery können Sie Ihre Daten im offenen Format mithilfe von Prompts in natürlicher Sprache abfragen. Diese Funktion basiert auf dem Lakehouse-Laufzeitkatalog im grenzenlosen Lakehouse, um Ihre Fragen automatisch den zugrunde liegenden Tabellenschemas zuzuordnen. So können Sie SQL-Abfragen generieren und ausführen, ohne den Code manuell schreiben zu müssen.
Beim Einrichten Ihrer Abfragen können Sie Daten-Agents verwenden, um Unternehmensglossare und Systemanweisungen für eine höhere Genauigkeit bereitzustellen.
Funktionsweise von konversationeller Analyse
Bei der konversationellen Analyse werden Large Language Models (LLMs) verwendet, um Ihre in natürlicher Sprache gestellten Fragen zu verstehen und dem Schema Ihrer Tabellen zuzuordnen. Der Prozess umfasst die folgenden Schritte:
- Schemaerkennung: Das System ruft Metadaten aus dem Lakehouse-Laufzeitkatalog ab, um Tabellenstrukturen, Spaltennamen und Datentypen zu verstehen.
- SQL-Generierung: Das LLM generiert eine SQL-Abfrage, die mit der BigQuery-Engine und dem zugrunde liegenden Datenformat kompatibel ist.
- Ausführung: BigQuery führt die generierte SQL-Abfrage direkt für die Daten im offenen Format im Lakehouse von Google Cloud aus.
- Antwort: Die Ergebnisse werden an die konversationelle Oberfläche zurückgegeben, oft zusammen mit einer Zusammenfassung oder Visualisierung.
Weitere Informationen zur konversationellen Analyse, z. B. zum Verwalten von Daten-Agents, zu Preisen oder Best Practices, finden Sie unter Konversationelle Analyse – Übersicht.
Unterstützte Formate
Die konversationelle Analyse übersetzt Ihre Fragen in natürlicher Sprache in SQL-Abfragen. Es unterstützt die offenen Tabellenformate, die vom Lakehouse-Laufzeitkatalog unterstützt werden, z. B. Apache Iceberg-Tabellen.
Hinweis
Bevor Sie Ihre Daten abfragen können, müssen Sie Ihre externen Tabellen im Lakehouse-Laufzeitkatalog registrieren. Der Lakehouse-Laufzeitkatalog fungiert als einheitlicher Hub, der BigQuery Studio mit Ihren externen Daten im offenen Format verbindet. Nach der Verbindung werden die Tabellen zu auffindbaren Assets in BigQuery.
Tabellen mit konversationellen Analysen abfragen
Rufen Sie in der Google Cloud Console die BigQuery-Seite Agents auf.
KI-Datenagenten erstellen oder eine direkte Unterhaltung mit einer Datenquelle beginnen:
- Wenn Sie einen KI-Datenagenten erstellen möchten, klicken Sie im Navigationsmenü Agenten auf Agentenkatalog und dann auf Agent erstellen. Klicken Sie anschließend im Abschnitt Wissensquellen auf Quelle hinzufügen. Weitere Informationen finden Sie unter Daten-Agenten erstellen.
- Wenn Sie eine direkte Unterhaltung mit bestimmten Tabellen beginnen möchten, klicken Sie im Navigationsmenü KI-Agenten auf Neuer Chat > Quelle.
Wählen Sie die Tabellen aus.
Da der Lakehouse-Laufzeitkatalog diese Formate vereinheitlicht, können Sie externe Tabellen auf dieselbe Weise wie BigQuery-Standardtabellen finden. Führen Sie im Dialogfeld Quellen auswählen die folgenden Schritte aus:
Suchen Sie auf dem Tab Alle in den Katalogen Ihres Projekts oder geben Sie im Suchfeld den Namen oder den vollständig qualifizierten Namen Ihrer Tabelle ein und drücken Sie die Eingabetaste. Sie können beispielsweise mit den folgenden Formaten suchen:
TABLE_NAMEPROJECT_ID.CATALOG_ID.NAMESPACE_NAME.TABLE_NAME
Ersetzen Sie Folgendes:
TABLE_NAME: Name Ihrer TabellePROJECT_ID: die Projekt-IDCATALOG_ID: die ID Ihres KatalogsNAMESPACE_NAMEist der Name Ihres Namespace
Überprüfen Sie die Quelle anhand des voll qualifizierten Tabellennamens. Apache Iceberg-Tabellen, die vom Lakehouse-Laufzeitkatalog verwaltet werden, folgen in der Regel dem vierteiligen PCNT-Format (Project.Catalog.Namespace.Table), z. B.
PROJECT_ID.my_lakehouse_catalog.finance_namespace.my_iceberg_table. SAP Business Data Cloud-Tabellen haben ein fünfteiliges Format, z. B.PROJECT_ID.my_bdc_catalog.sales_share.sales_schema.delta_table.Klicken Sie in den Suchergebnissen das Kästchen neben Ihrer Tabelle an. Klicken Sie auf Bestätigen, um die Tabelle dem aktiven Konversationskontext hinzuzufügen.
Fragen in natürlicher Sprache stellen Das System übersetzt Ihren Prompt automatisch in eine BigQuery-SQL-Abfrage.
Abfragegenauigkeit verbessern
Damit die konversationelle Analyse Ihre Schemas und Terminologie besser versteht, können Sie die Konfigurationsoptionen für Daten-Agents verwenden. Zu diesen Optionen gehören Unternehmensglossare, verifizierte SQL-Abfragen und Systemanweisungen.