借助由 Gemini for Google Cloud 提供支持的对话式分析,您可以通过直观的聊天界面,使用对话式语言提出有关数据的问题,从而调查数据。对话式分析提供了多种与数据“对话”的方式。将对话分析与探索数据搭配使用时,您可以在对话中询问有关单个探索的问题,也可以创建探索数据智能体,一次性与最多五个探索进行对话。您还可以使用其他用户创建并与您分享的“探索”数据代理。
本页介绍了如何使用对话分析功能与探索数据互动。它涵盖以下主题:
了解 Gemini for Google Cloud 如何以及何时使用您的数据。
准备工作
在您可以使用 Conversational Analytics 与探索数据互动之前,请确保已满足 Looker 实例的设置和要求,并且您已获得适当的权限来执行本页面中描述的任务。
与单个 Explore 开始对话
如需开始与单个探索进行对话(即在聊天界面中以常规自然语言提出的一组关于数据的离散问题和答案),请按以下步骤操作:
前往对话分析界面。
默认情况下,对话的名称为“无标题”。在对话中提出第一个问题后,对话式分析会自动根据您的问题和回答生成对话标题。如需更改生成的名称,请点击对话页面顶部的标题,然后输入新的对话名称。如需保存更改,请点击页面上的其他位置,或按 Return 键 (Mac) 或 Enter 键 (PC)。
创建对话后,您可以在对话中的 Ask a question(提问)字段中提出问题。您可以从近期对话部分返回到对话。
与可查询探索的数据代理开始对话
数据代理会根据您的数据进行自定义,并提供与您的数据相关的上下文和指令。您可以与您创建的或另一用户与您分享的现有数据代理开始对话。如需与已连接到最多 5 个 Looker Explore 的现有数据代理开始对话,请按以下步骤操作:
前往对话分析界面。
默认情况下,对话的名称为“无标题”。在对话中提出第一个问题后,对话式分析会自动根据您的问题和回答生成对话标题。如需更改生成的名称,请点击对话页面顶部的标题,然后输入新的对话名称。如需保存更改,请点击页面上的其他位置,或按 Return 键 (Mac) 或 Enter 键 (PC)。
创建对话后,您可以在对话中的 Ask a question(提问)字段中提出问题。您可以从近期对话部分返回到对话。
询问有关 Looker 数据的问题
当您开始新对话时,对话式分析会建议一些可作为开场白的问题。问题不需要采用特定格式或使用特定语法。不过,这些问题必须与您选择的探索相关。
在提出问题字段中,用自然语言输入问题。选择问题模式,然后点击发送。提交查询后,您可以点击 停止回答来取消对话式分析的回答。对话式分析会停止运行查询,并显示以下消息:The query was cancelled.
如需详细了解您可以提出的问题类型,请参阅问题限制。
选择问题模式
提出问题时,您可以从下拉菜单中选择问题模式,该菜单包含快速和思考选项。界面将快速描述为旨在快速回答问题,并将思考描述为旨在解决复杂问题。对话式分析默认采用思考问题模式。在任何多轮对话中,对话式分析都会保持相同的提问模式,除非您手动更改。
快速模式
当您在快速模式下提出问题时,对话式分析会尝试将您的自然语言查询直接映射到对话所基于的探索中定义的 LookML 模型中的 LookML 参数。对话式分析功能能够快速响应,因为它依赖于 LookML 的受监管定义,并且不使用或显示任何类型的推理。
例如,系统可将“我们上个月的总收入是多少?”之类的查询快速转换为选择total_revenue指标并按上个月进行过滤的查询。
如果您的查询要求从数据中获取特定事实或预定义指标,请选择快速模式。
思考模式
思考模式适用于更复杂的分析请求,这些请求需要进行超出直接 LookML 查找范围的分析。在此模式下,代理会“规划”其方法,决定使用哪些工具以及如何组合结果。在此模式下,您可以解决多步问题并执行高级数据科学任务,而这些任务可能无法通过单个基于 SQL 的查询来完成。
在询问有关数据的原因、比较趋势或提出可能需要多个步骤的更复杂的分析请求时,请选择思考模式。在测试代理时,此模式也特别有用,可帮助您了解代理如何使用其数据源的底层 LookML。
对话式分析如何处理您的问题
在您提交查询后,Conversational Analytics 可能会改述您的问题,改述后的问题会显示在对话窗口中,紧跟在您原来的问题之后。例如,对话式分析可能会将问题“What is the mean of user ages?”改述为“What is the average user age?”
在对话式分析运行查询时,您可以观察其推理和思考过程。对话式分析可能会提出后续问题,以澄清原始查询中的任何模棱两可之处。例如,如果有多个名称相似的字段,对话式分析可能会要求您明确说明哪个字段最适合用于处理您的查询。
多轮对话
在您继续对话时,对话式分析功能会考虑之前的问题和回答。您可以根据之前的回答,通过进一步优化结果或更改图表类型来继续提问。
如需详细了解如何创建问题,请参阅问题限制。
澄清问题
在对话式分析运行查询时,您可以观察其推理和思考过程。对话式分析可能会提出后续问题,以澄清原始查询中的任何模棱两可之处。例如,如果有多个名称相似的字段,对话式分析可能会要求您明确说明哪个字段最适合用于处理您的查询。
对话元数据
当您与探索或数据代理对话时,可折叠的 数据面板会显示对话所用的 Looker 探索的名称。 数据面板还提供以下选项:
- 查看字段:与“探索”对话时,您可以点击 查看字段,在新的浏览器窗口中查看“探索”。
- 修改代理:在与数据代理聊天时,您可以点击 修改代理来修改数据代理的详细信息。
- 新对话:与当前对话所用的 Looker 探索发起新对话。
管理对话中的查询
在与数据对话时,您可以在正在运行的查询响应处于活动状态时停止该响应,也可以删除最近的问题及其回答,从而管理对话。
删除最近提出的问题
如需删除最近提出的问题及其回答,请按以下步骤操作:
- 将光标悬停在最新问题上,然后点击 删除消息。
- 在永久删除消息?对话框中,点击删除以永久删除问题及其回答。
了解查询结果和计算
当您在对话分析中询问有关数据的问题时,系统可能会根据您的具体查询和关联的数据,在回答中包含可视化图表、数据表格或其他详细信息。如需将查询结果作为探索打开,请点击查询结果中的 在探索中打开。
除了此查询响应之外,对话式分析还提供以下选项,帮助您了解查询结果和计算:
- 有关查询解读方式的详细信息
- 有关答案计算方式的详细信息
- 其他详细信息,例如分析详细信息和调试信息(如果已为代理启用)
确定您的查询是如何解读的
如果您使用思考模式提问,则可以查看对话分析功能如何推理您的查询。如需查看其推理,请展开显示推理选项。如需隐藏推理,请点击隐藏推理。
对话式分析会分析每个查询,并考虑如何回答,使用查询中的关键字从对话关联数据集的语义层推断相关维度、指标和其他参数,并根据查询内容解读可能需要执行的汇总。展开显示推理过程后,对话式分析会以纯文本形式显示其解读查询所采取的步骤。说明还包括对话式分析考虑查询所用的时长。
根据推理结果,对话式分析会生成回答,其中可能包含要求您澄清查询内容的消息。
确定答案的计算方式
如需了解对话式分析功能如何得出答案或创建可视化图表,请点击查询结果中的 这是如何计算出来的?。
点击这是如何计算出来的?后,对话式分析会显示文字部分。文本部分以纯文本形式说明了对话分析功能为得出给定答案而采取的步骤。此说明包括所用的原始字段名称、执行的计算、应用的过滤条件、排序顺序和其他详细信息。
如果数据代理支持高级分析,则代码标签页会显示针对任何高级查询额外生成的 Python 代码。
分析详细信息和调试信息
如果用于对话的数据代理启用了特定的高级选项,则回答可以包含以下详细信息:
- 显示分析详情:如果启用,智能体的回答会显示其推理步骤、生成的 Looker 查询和底层数据表。
- 显示调试信息:如果启用,智能体的回答会显示智能体为生成该回答而执行的步骤,这有助于进行问题排查。
这些设置是在创建或修改代理时,在高级选项中配置的。
管理会话
对话会按标题列在 最近部分中。您可以更改对话的名称、删除对话或从回收站文件夹中恢复对话。
删除对话
如需将对话移至回收站,请打开相应对话,然后点击 移至回收站。
恢复或永久删除对话
如需从回收站中恢复或永久删除对话,请按以下步骤操作:
- 在“对话分析”中,选择左侧导航面板中的 回收站,以查看已移至回收站的对话列表。
- 在回收站部分中,点击要恢复或永久删除的对话的名称。
- 在确定吗?对话框中,选择以下选项之一:
- 取消:取消操作。
- 恢复:恢复对话。您可以在对话分析的左侧导航菜单中的 最近部分访问对话。
- 永久删除:永久删除对话。
相关资源
- Looker 中的对话式分析概览:对话式分析的着陆页,其中包含关键功能列表,并链接到所有对话式分析文档。
- 创建和管理探索数据代理:借助探索数据代理,您可以提供特定于探索数据的背景信息和指令,从而自定义 AI 赋能的数据查询代理,这有助于对话式分析生成更准确且与上下文相关的回答。
- 使用信息中心代理查询用户定义的信息中心:使用信息中心数据代理与 Looker 用户定义的信息中心 Chat。
- 为 LookML 信息中心创建和管理数据智能体 [预览版]:使用 LookML 为 LookML 信息中心配置和管理受版本控制的数据智能体。
- 在 Looker 中配置对话式分析的最佳实践:可帮助 Looker 管理员和 LookML 开发者成功配置和优化对话式分析的策略和最佳实践。
- 启用高级分析: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。与基于标准 SQL 的查询相比,高级分析功能使用 Python 能够实现更复杂的分析和可视化效果。