A análise conversacional no BigQuery permite consultar seus dados de formato aberto usando comandos em linguagem natural. Esse recurso usa o catálogo do ambiente de execução do Lakehouse no Lakehouse sem fronteiras para mapear automaticamente suas perguntas para os esquemas de tabela subjacentes, permitindo que você gere e execute consultas SQL sem escrever o código manualmente.
Ao configurar as consultas, use agentes de dados para fornecer glossários empresariais e instruções do sistema para maior precisão.
Como funciona a Análise conversacional
A análise conversacional usa modelos de linguagem grandes (LLMs) para entender suas perguntas em linguagem natural e mapeá-las para o esquema das tabelas. O processo segue estas etapas:
- Descoberta de esquema: o sistema recupera metadados do catálogo do ambiente de execução do Lakehouse para entender as estruturas de tabela, os nomes de colunas e os tipos de dados.
- Geração de SQL: o LLM gera uma consulta SQL compatível com o mecanismo do BigQuery e o formato de dados subjacente.
- Execução: o BigQuery executa a consulta SQL gerada diretamente nos dados de formato aberto no Lakehouse do Google Cloud.
- Resposta: os resultados são retornados para a interface de conversação, geralmente acompanhados de um resumo ou visualização.
Para mais informações sobre a análise conversacional, como gerenciamento de agentes de dados, preços ou práticas recomendadas, consulte Visão geral da análise conversacional.
Formatos compatíveis
A análise conversacional traduz suas perguntas em linguagem natural em consultas SQL. Ele é compatível com os formatos de tabela aberta aceitos pelo catálogo do ambiente de execução do Lakehouse, como as tabelas do Apache Iceberg.
Antes de começar
Antes de consultar os dados, registre as tabelas externas no catálogo do ambiente de execução do Lakehouse. O catálogo do ambiente de execução do Lakehouse funciona como o hub unificado que conecta o BigQuery Studio aos seus dados externos de formato aberto. Depois de conectadas, as tabelas se tornam recursos detectáveis no BigQuery.
Consultar tabelas com a análise conversacional
No console do Google Cloud , acesse a página Agentes do BigQuery.
Crie um agente de dados ou inicie uma conversa direta com uma fonte de dados:
- Para criar um agente de dados, no menu de navegação Agentes, clique em Catálogo de agentes, em Criar agente e, na seção Fontes de conhecimento, clique em Adicionar fonte. Para mais informações, consulte Criar agentes de dados.
- Para iniciar uma conversa direta com tabelas específicas, no menu de navegação Agentes, clique em Nova conversa > Fonte.
Selecione as tabelas.
Como o catálogo do ambiente de execução do Lakehouse unifica esses formatos, você descobre tabelas externas da mesma forma que descobre tabelas padrão do BigQuery. Na caixa de diálogo Selecionar fontes, faça o seguinte:
Na guia Todos, navegue pelos catálogos do projeto ou, no campo de pesquisa, insira o nome da tabela ou o nome totalmente qualificado e pressione Enter. Por exemplo, é possível pesquisar usando os seguintes formatos:
TABLE_NAMEPROJECT_ID.CATALOG_ID.NAMESPACE_NAME.TABLE_NAME
Substitua:
TABLE_NAME: o nome da tabela.PROJECT_ID: ID do projetoCATALOG_ID: o ID do catálogo.NAMESPACE_NAME: o nome do namespace.
Verifique a origem conferindo o nome totalmente qualificado da tabela. As tabelas do Apache Iceberg gerenciadas pelo catálogo do ambiente de execução do Lakehouse normalmente seguem o formato PCNT (Project.Catalog.Namespace.Table) de quatro partes, por exemplo,
PROJECT_ID.my_lakehouse_catalog.finance_namespace.my_iceberg_table. As tabelas do SAP Business Data Cloud seguem um formato de cinco partes, por exemplo,PROJECT_ID.my_bdc_catalog.sales_share.sales_schema.delta_table.Nos resultados da pesquisa, marque a caixa de seleção ao lado da tabela. Para adicionar a tabela ao contexto de conversa ativo, clique em Confirmar.
Faça perguntas em linguagem natural. O sistema traduz automaticamente seu comando em uma consulta SQL do BigQuery.
Melhorar a precisão da consulta
Para ajudar a Análise conversacional a entender melhor seus esquemas e terminologia, use as opções de configuração do agente de dados. Essas opções incluem glossários empresariais, consultas SQL verificadas e instruções do sistema.
A seguir
- Saiba mais sobre a análise conversacional no BigQuery.
- Saiba como registrar tabelas externas no catálogo do ambiente de execução do Lakehouse.
- Saiba mais sobre os agentes de dados.
- Faça o tutorial Prever a demanda com base no feedback dos clientes usando o Lakehouse e a IA.