自然言語で Lakehouse テーブルをクエリする

BigQuery の会話型分析では、自然言語プロンプトを使用してオープン形式のデータにクエリを実行できます。この機能は、ボーダーレス Lakehouse 内の Lakehouse ランタイム カタログに依存して、質問を基盤となるテーブル スキーマに自動的にマッピングします。これにより、コードを手動で記述することなく、SQL クエリを生成して実行できます。

クエリを設定する際に、データ エージェントを使用してビジネス用語集とシステム指示を提供することで、精度を向上させることができます。

会話型分析の仕組み

会話型分析では、大規模言語モデル(LLM)を使用して自然言語の質問を理解し、テーブルのスキーマにマッピングします。このプロセスは次の手順で行われます。

  1. スキーマ検出: システムは、Lakehouse ランタイム カタログからメタデータを取得して、テーブル構造、列名、データ型を把握します。
  2. SQL 生成: LLM は、BigQuery エンジンと基盤となるデータ形式と互換性のある SQL クエリを生成します。
  3. 実行: BigQuery は、生成された SQL クエリを Google Cloud の Lakehouse のオープン形式データに対して直接実行します。
  4. レスポンス: 結果が会話型インターフェースに返されます。多くの場合、要約や可視化が伴います。

データ エージェントの管理、料金、ベスト プラクティスなど、会話型分析の詳細については、会話型分析の概要をご覧ください。

サポートされているファイル形式

会話型分析は、自然言語の質問を SQL クエリに変換します。Apache Iceberg テーブルなど、Lakehouse ランタイム カタログでサポートされているオープン テーブル形式をサポートしています。

始める前に

データをクエリする前に、外部テーブルを Lakehouse ランタイム カタログに登録します。Lakehouse ランタイム カタログは、BigQuery Studio を外部のオープン形式データに接続する統合ハブとして機能します。接続すると、テーブルは BigQuery 内で検出可能なアセットになります。

会話型分析を使用してテーブルにクエリを実行する

  1. Google Cloud コンソールで、BigQuery の [エージェント] ページに移動します。

    [エージェント] に移動

  2. データ エージェントを作成するか、データソースとの直接会話を開始します。

    • データ エージェントを作成するには、[エージェント] ナビゲーション メニューで [エージェント カタログ] をクリックし、[エージェントを作成] をクリックします。[ナレッジソース] セクションで、[ソースを追加] をクリックします。詳細については、データ エージェントを作成するをご覧ください。
    • 特定のテーブルと直接会話を開始するには、[エージェント] ナビゲーション メニューで、[新しいチャット>ソース] をクリックします。
  3. テーブルを選択します。

    Lakehouse ランタイム カタログはこれらの形式を統合するため、標準の BigQuery テーブルを検出するのと同じ方法で外部テーブルを検出できます。[ソースを選択] ダイアログで、次の操作を行います。

    1. [すべて] タブで、プロジェクトのカタログを参照するか、検索フィールドにテーブル名または完全修飾名を入力して、Enter キーを押します。たとえば、次の形式を使用して検索できます。

      • TABLE_NAME
      • PROJECT_ID.CATALOG_ID.NAMESPACE_NAME.TABLE_NAME

      次のように置き換えます。

      • TABLE_NAME: テーブルの名前
      • PROJECT_ID: オブジェクトの ID
      • CATALOG_ID: カタログの ID
      • NAMESPACE_NAME: 名前空間の名前。
    2. 完全修飾テーブル名を確認して、ソースを検証します。Lakehouse ランタイム カタログによって管理される Apache Iceberg テーブルは、通常、4 つの部分からなる PCNT(Project.Catalog.Namespace.Table)形式(例: PROJECT_ID.my_lakehouse_catalog.finance_namespace.my_iceberg_table)に従います。SAP Business Data Cloud テーブルは、5 つの部分からなる形式(例: PROJECT_ID.my_bdc_catalog.sales_share.sales_schema.delta_table)に従います。

    3. 検索結果で、テーブルの横にあるチェックボックスをオンにします。テーブルをアクティブな会話コンテキストに追加するには、[確認] をクリックします。

  4. 自然言語で質問します。システムは、プロンプトを BigQuery SQL クエリに自動的に変換します。

クエリの精度を向上させる

会話型分析でスキーマと用語をより深く理解できるようにするには、データ エージェントの構成オプションを使用します。これらのオプションには、ビジネス用語集、検証済みの SQL クエリ、システム指示などがあります。

次のステップ