Eseguire query sulle tabelle Lakehouse con il linguaggio naturale

L'analisi conversazionale in BigQuery ti consente di eseguire query sui tuoi dati in formato aperto utilizzando prompt in linguaggio naturale. Questa funzionalità si basa sul catalogo di runtime Lakehouse all'interno di Lakehouse senza confini per mappare automaticamente le tue domande agli schemi delle tabelle sottostanti, in modo da poter generare ed eseguire query SQL senza scrivere il codice manualmente.

Quando configuri le query, puoi utilizzare gli agenti per i dati per fornire glossari aziendali e istruzioni di sistema per una maggiore accuratezza.

Come funziona l'analisi conversazionale

L'analisi conversazionale utilizza modelli linguistici di grandi dimensioni (LLM) per comprendere le tue domande in linguaggio naturale e mapparle allo schema delle tue tabelle. La procedura prevede i seguenti passaggi:

  1. Rilevamento dello schema: il sistema recupera i metadati dal catalogo di runtime di Lakehouse per comprendere le strutture delle tabelle, i nomi delle colonne e i tipi di dati.
  2. Generazione di SQL: l'LLM genera una query SQL compatibile con il motore BigQuery e il formato dei dati sottostante.
  3. Esecuzione: BigQuery esegue la query SQL generata direttamente sui dati in formato aperto nel Lakehouse di Google Cloud.
  4. Risposta: i risultati vengono restituiti all'interfaccia di conversazione, spesso accompagnati da un riepilogo o da una visualizzazione.

Per saperne di più sull'analisi conversazionale, ad esempio sulla gestione degli agenti per i dati, sui prezzi o sulle best practice, consulta la Panoramica dell'analisi conversazionale.

Formati supportati

L'analisi conversazionale traduce le tue domande in linguaggio naturale in query SQL. Supporta i formati di tabelle aperte supportati dal catalogo di runtime Lakehouse, come le tabelle Apache Iceberg.

Prima di iniziare

Prima di poter eseguire query sui dati, registra le tabelle esterne nel catalogo di runtime Lakehouse. Il catalogo di runtime di Lakehouse funge da hub unificato che connette BigQuery Studio ai tuoi dati esterni in formato aperto. Una volta connesse, le tabelle diventano asset rilevabili all'interno di BigQuery.

Esegui query sulle tabelle con l'analisi conversazionale

  1. Nella console Google Cloud , vai alla pagina Agenti di BigQuery.

    Vai ad Agenti

  2. Crea un agente per i dati o avvia una conversazione diretta con un'origine dati:

    • Per creare un agente per i dati, nel menu di navigazione Agenti, fai clic su Catalogo degli agenti, poi su Crea agente e infine, nella sezione Origini della conoscenza, fai clic su Aggiungi origine. Per saperne di più, consulta Crea agenti per i dati.
    • Per avviare una conversazione diretta con tabelle specifiche, nel menu di navigazione Agenti, fai clic su Nuova chat > Origine.
  3. Seleziona le tabelle.

    Poiché il catalogo di runtime di Lakehouse unifica questi formati, puoi scoprire le tabelle esterne nello stesso modo in cui scopri le tabelle BigQuery standard. Nella finestra di dialogo Seleziona origini, procedi nel seguente modo:

    1. Nella scheda Tutti, sfoglia i cataloghi del progetto o, nel campo di ricerca, inserisci il nome della tabella o il nome completo, quindi premi Invio. Ad esempio, puoi eseguire ricerche utilizzando i seguenti formati:

      • TABLE_NAME
      • PROJECT_ID.CATALOG_ID.NAMESPACE_NAME.TABLE_NAME

      Sostituisci quanto segue:

      • TABLE_NAME: il nome della tabella
      • PROJECT_ID: l'ID del progetto
      • CATALOG_ID: l'ID del tuo catalogo
      • NAMESPACE_NAME: il nome del tuo spazio dei nomi
    2. Verifica l'origine controllando il nome completo della tabella. Le tabelle Apache Iceberg gestite dal catalogo di runtime Lakehouse in genere seguono il formato PCNT (Project.Catalog.Namespace.Table) in quattro parti, ad esempio PROJECT_ID.my_lakehouse_catalog.finance_namespace.my_iceberg_table. Le tabelle SAP Business Data Cloud seguono un formato in cinque parti, ad esempio PROJECT_ID.my_bdc_catalog.sales_share.sales_schema.delta_table.

    3. Nei risultati di ricerca, seleziona la casella di controllo accanto alla tabella. Per aggiungere la tabella al contesto di conversazione attivo, fai clic su Conferma.

  4. Fai domande in linguaggio naturale. Il sistema traduce automaticamente il prompt in una query SQL di BigQuery.

Migliora l'accuratezza delle query

Per aiutare l'analisi conversazionale a comprendere meglio i tuoi schemi e la tua terminologia, utilizza le opzioni di configurazione dell'agente per i dati. Queste opzioni includono glossari aziendali, query SQL verificate e istruzioni di sistema.

Passaggi successivi