启用和使用高级分析

对话式分析中的高级分析功能会将您的自然语言问题转换为 Python 代码,并执行该代码以提供高级分析和可视化图表。高级分析功能适用于 Looker(原始版本)和 Looker (Google Cloud Core) 实例中的对话式分析数据智能体。

与标准 SQL 支持的 BI 体验不同,高级分析功能支持各种数据分析,从基本计算和图表到更高级的任务(如时序预测)。高级分析功能通过让用户能够执行这些类型的高级分析来增强对话式分析功能,否则这些分析通常需要具备高级编码或统计方法的专业知识。

本页介绍了如何启用 Looker 实例的高级分析功能,以及如何将高级分析功能与对话式分析数据智能体搭配使用。

了解 Gemini for Google Cloud 如何以及何时使用您的数据。

准备工作

如需使用高级分析功能,您必须满足在 Looker 中使用对话式分析功能的要求,包括创建和使用数据智能体的权限。

启用高级分析功能

本部分介绍了如何在以下平台中启用高级分析功能:

  • Looker(原始版本)
  • Looker (Google Cloud Core)

Looker(原始版本)

在 Looker(原始版本)中启用高级分析功能

在 Looker(原始版本)实例中,Looker 管理员必须按照以下步骤启用高级分析功能,并使其可供对话式分析用户使用:

  1. 在管理控制台 中,前往平台 部分,然后选择 Gemini in Looker 页面。
  2. 在 Gemini in Looker 启用 下,开启 启用 Gemini in Looker 设置。
  3. 在对话式分析下,开启对话式分析(会话页面)设置(适用于探索)或信息中心智能体设置(适用于信息中心),或同时开启这两项设置。
  4. 在其他选项下,开启高级分析设置。启用此设置后,数据智能体创建者可以选择为与数据智能体的所有对话启用高级分析功能。

Looker (Google Cloud Core)

在 Looker (Google Cloud Core) 中启用高级分析功能

在 Looker (Google Cloud Core) 实例中,Looker 管理员必须按照以下步骤启用高级分析功能,并使其可供对话式分析用户使用:

  1. 在管理控制台 中,前往平台 部分,然后选择 Gemini in Looker 页面。
  2. 在 Gemini in Looker 启用 下,确保 Gemini 启用状态 为开启 。如果未开启,请在 Google Cloud 控制台中为此实例启用 Gemini in Looker,然后返回到 Looker (Google Cloud Core) 实例中的 Gemini in Looker 管理页面。
  3. 在对话式分析下,开启对话式分析(会话页面)设置(适用于探索)或信息中心智能体设置(适用于信息中心),或同时开启这两项设置。
  4. 在其他选项下,开启高级分析设置。启用此设置后,数据智能体创建者可以选择为与数据智能体的所有对话启用高级分析功能。

默认情况下,即使在 Google Cloud 控制台中的 Looker (Google Cloud Core) 实例设置中启用了 Gemini in Looker ,高级分析功能也会处于停用状态。

Looker 管理员必须向用户授予其他权限,用户才能使用高级分析功能。

将高级分析功能与对话式分析数据智能体搭配使用

为给定的数据智能体启用高级分析功能后,与该智能体的所有对话都将提供增强的分析功能。

您可以在创建或修改数据智能体时为其启用高级分析功能。如需启用高级分析功能,请开启启用高级分析功能 选项。

已知限制

  • 高级分析功能使用 Python 解决问题。由于 Python 比结构化查询语言更灵活,因此高级分析功能的回答可能比核心对话式分析体验的回答具有更多变数。
  • 高级分析功能仅支持 以下 Python 库。
  • 高级分析功能的回答不支持地图可视化图表类型。
  • 高级分析功能不适用于与探索的直接对话。

如需了解其他限制,请参阅对话式分析中的已知限制文档。

受支持的 Python 库

显示受支持的 Python 库

高级分析功能支持以下 Python 库:

  • altair
  • attrs
  • chess
  • contourpy
  • cycler
  • entrypoints
  • fonttools
  • fpdf
  • geopandas
  • imageio
  • jinja2
  • joblib
  • jsonschema
  • jsonschema-specifications
  • kiwisolver
  • lxml
  • markupsafe
  • matplotlib
  • mpmath
  • numexpr
  • numpy
  • opencv-python
  • openpyxl
  • packaging
  • pandas
  • patsy
  • pdfminer-six
  • pillow
  • plotly
  • protobuf
  • pylatex
  • pyparsing
  • PyPDF2
  • python-dateutil
  • python-docx
  • python-pptx
  • pytz
  • referencing
  • reportlab
  • rpds-py
  • scikit-image
  • scikit-learn
  • scipy
  • seaborn
  • six
  • statsmodels
  • striprtf
  • sympy
  • tabulate
  • tensorflow
  • threadpoolctl
  • toolz
  • torch
  • tzdata
  • xlrd

建议的问题

启用高级分析功能后,Python 的高级分析功能可让对话式分析数据智能体回答更多问题,而不仅仅是标准类型的受支持问题。例如:

  • 您能否根据我的数据说明销售额的关键驱动因素?
  • 考虑到平均购买频率和平均订单价值,我的每个细分客户群的生命周期价值是多少?
  • 今年的销售额与去年的销售额相比如何?
  • 识别销售数据中的离群值,以帮助识别表现特别好或特别差的产品或区域。
  • 执行同类群组分析,以了解客户留存率。
  • 利润最高的产品也是热门商品吗?使用此回答提供有关如何优化产品组合的建议。
  • 过去 3 年,按商品类别划分的销售额的复合年增长率 (CAGR) 是多少?
  • 以条形图的形式显示 CAGR,其中 x 轴为商品类别,y 轴为 CAGR。