Looker 中的对话式分析概览

对话式分析是一项由 Gemini for Google Cloud 提供支持的“与您的数据聊天”功能。对话式分析以 Looker 语义建模层为基础，让组织中的用户能够使用日常、自然（对话式）语言提出与数据相关的问题，从而实现受治理、可信的自助式 BI。这种方法通过提供企业级治理和安全保障，加速了分析技术在整个组织中的采用。

Looker (Google Cloud Core) 实例和 Looker（原始版本）实例中均提供对话分析功能。

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

主要特性

对话分析包括以下主要功能：

  • 使用自然语言查询探索：使用自然语言与单个探索或数据智能体对话，后者最多可查询五个探索。
  • 创建数据代理以查询探索：您可以提供针对您数据的具体背景信息和指令，从而自定义 AI 赋能的探索查询代理，这有助于数据代理生成更准确且与上下文相关的回答。您还可以与其他用户共享数据代理，或将其发布到其他应用（例如 Gemini Enterprise），以便他们可以在相同的上下文中提问。您最多可以将此类数据代理连接到五个探索。将经过验证的查询添加到数据智能体上下文，以帮助提高探索数据智能体回答的准确性。
  • 使用数据代理查询信息中心：使用 Conversational Analytics 生成可查询信息中心底层模型的信息中心数据代理。启用信息中心代理后，每个信息中心都会提供一个共享的默认代理，该代理可以查询信息中心及其与查询关联的图表。在管理控制台面板中的 Gemini in Looker 页面上启用信息中心智能体设置后，即可使用信息中心智能体。此外，信息中心创建者可以在单个信息中心级别启用或停用信息中心代理。信息中心智能体适用于用户定义的信息中心和 LookML 信息中心。
  • 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，Advanced Analytics 功能使用 Python，可实现更复杂的分析和可视化。
  • 嵌入：您可以使用 HTML iframe 标记将对话式分析嵌入到网站或应用中，就像嵌入其他 Looker 内容类型一样。对话式分析支持不公开嵌入（用户通过 Looker 登录信息进行身份验证）和签名嵌入（用户通过您自己的应用进行身份验证）。
  • 用户互动度和 token 用量：有权访问 Looker 系统活动的用户可以监控整个实例中对话式分析智能体的用户互动度和 token 用量。对话式分析信息中心位于管理面板的系统活动部分。
  • 用户查询回答和反馈 [预览版]：如果用户已同意分享其查询数据，并且 Looker 管理员已启用最终用户对话式分析 (CA) 查询审核预览版功能，则有权访问 Looker 系统活动内容的用户可以监控用户的查询数据和反馈。对话式分析信息中心位于管理面板的系统活动部分。
  • Agentic Workflows [预览版]：在与 Explore 或 Explore 数据智能体直接对话时，通过自然语言查询直接设置基于指标的提醒和监控。如需使用 Agentic Workflows，您需要在管理控制台面板的 Gemini in Looker 页面上启用启用可信测试员功能和 Agentic Workflows 设置，并启用与您所用内容对应的对话式分析设置（对于探索，启用对话式分析（“会话页面”）；对于信息中心，启用信息中心代理）。
  • 定时智能体工作流 （预览版）：设置周期性智能体工作流，以监控数据并发送周期性报告。如需使用定时智能体工作流，您需要在管理控制台面板的 Gemini in Looker 页面上启用 Agentic Workflows 设置，并启用与您所用内容对应的对话式分析设置（对于探索，启用对话式分析 [“会话页面”]；对于信息中心，启用信息中心智能体）。

如需详细了解各项功能，请参阅本页的文档列表部分。

文档列表

数据智能体与对话

与数据代理聊天相比，与单个探索进行标准对话具有几个关键优势。虽然从“探索”页面发起对话可以快速对特定数据源进行自然语言查询，但数据智能体就像一个专门的独立分析师，可以进行自定义并在整个组织内共享。

与通过探索进行对话相比，数据代理具有以下优势：

  • 与多个探索对话：在与探索对话时，您一次只能查询一个探索。不过，数据代理最多可以连接到五个不同的探索，让用户能够执行跨网域分析并获得更全面的答案。
  • 与 Looker 信息中心对话：当您与信息中心对话时，对话式分析会创建一个信息中心数据代理，您不仅可以使用该代理查询信息中心，还可以查询信息中心的底层探索。
  • 编写的上下文：您可以为数据智能体提供标准“探索”对话中不提供的自定义指令，包括以下资源：
    • 业务术语库：您可以直接在智能体的指令中定义组织特有的术语或首字母缩写词。
    • 角色框架：您可以为智能体分配特定角色或专业知识，从而在对话中保持一致的语气和专业判断。
  • 智能体专业化：您可以为不同的业务单位创建专门的智能体，例如收入智能体或Ops Agent，而不是使用单一的通用对话界面。这样可以提供更具引导性的分析体验，引导用户找到与其需求最相关的特定字段和过滤条件。
  • 协作和重复使用：探索对话通常仅限一个用户，而数据智能体可以与组织的其他成员共享。共享可确保多位用户能够从管理员或数据专家开发的相同编写上下文和治理中受益。
  • 自定义行为：您可以将代理配置为在严格的要求下运行，例如使用默认过滤条件，比如“如果未提及时间范围，则始终默认使用过去 6 个月”。这些防护措施可确保代理在组织的特定治理和安全标准范围内运行。您还可以在探索中隐藏字段，以防止数据代理在查询中使用这些字段。

下表总结了这些类型的对话和数据代理之间的主要区别：

对话式分析功能 关键使用场景 入口点 分享功能 限制
探索对话
  • 对单个 Looker 探索进行标准自然语言查询。
  • 将与特定数据集相关的各种问题整理成不同的会话。
  • 利用快速和思考问题模式。
  • 在“探索”中：选择发起对话。
  • 在“对话式分析”页面中：选择对话标签页。
 通常仅限一位用户使用（不可共享）。
  • 一次只能查询一个探索。
  • 没有自定义编写的上下文或指令（例如，经过验证的查询、角色、业务术语库）。
  • 没有针对组织的不同业务组织的智能体专业化。
  • 使用新版“探索”体验时，发起对话选项不可用。
探索数据智能体
  • 专为组织的特定业务单位设计的专用独立数据分析智能体（例如 Revenue Agent、Ops Agent）。
  • 使用最多五个关联的“探索”进行跨网域分析。
  • 包含自定义指令、经过验证的查询、业务术语库和角色框架的编写上下文，用于强制执行护栏并提高准确率。
  • 使用 Python 代码执行的高级分析（如果已启用）。
  • 不需要明确的 explore 权限。
 在“对话分析”页面中：选择代理标签页。 可通过授予内容访问权限（查看或管理访问权限；修改）与组织中的其他用户共享。也可以发布到 Gemini Enterprise（预览版）等外部应用。
  • 需要对探索所基于的模型拥有 access_data 和其他权限（共享代理并不会授予对探索的访问权限）。
  • 不支持包含透视或自定义字段的已验证查询。
信息中心智能体
  • 直接对特定 Looker 信息中心及其查询关联的图块进行自然语言查询。
  • 通过自定义指令，在信息中心内精细调整和自定义代理行为。
  • 访问权限严格通过信息中心级权限（信息中心上的管理访问权限；修改）和模型权限进行管理。
  • 对于用户定义的信息中心，可以在单个信息中心级别启用或停用。
 在信息中心内：选择与此信息中心对话。 继承信息中心的共享模型。
  • 无法独立于信息中心进行共享。
  • 不会显示在“对话式分析”页面上。与信息中心智能体的对话只能通过近期对话页面访问，该页面可从信息中心菜单中找到。
  • 仅限于信息中心及其与查询关联的图表的上下文。
  • LookML 信息中心不支持使用自定义指令自定义信息中心代理行为。
  • 不支持高级分析功能。

对话分析的工作原理是什么？

对话分析功能使用 Gemini for Google Cloud 来解读自然语言问题，并在 Looker 中根据您的数据提供回答。它使用 Looker 语义模型（即数据的 LookML 定义）作为可靠信息来源，以确保回答准确一致。对话式分析可以解读您对“收入”或“流失率”等指标的业务定义，因为这些指标是在 LookML 中定义的，并使用这些定义来提供准确且一致的问题。

为了让回答基于您的特定数据和业务背景，对话式分析采用了多种技术：

  • LookML 架构：在请求开始时，Conversational Analytics 会从与其连接的探索中提取架构。对话式分析会通过以下几种方式使用 LookML 模型中的参数：
    • 字段识别：架构中的元数据可帮助对话分析专注于相关字段。这些元数据包括 LookML 参数，例如 name、label、description、type 和 dimension_group。这些参数有助于 Conversational Analytics 将用户问题中的字词映射到正确的字段。例如，description 可以为字段提供特定于业务的术语或上下文。对话式分析会忽略使用 hidden 参数的所有字段。
    • 回答格式：对话式分析使用 label 参数来提供人性化的字段命名，并使用 value_format 参数来设置回答中的数据格式。
  • 查询生成：对话分析不会直接查询数据库，而是确定应在查询中使用哪些字段、过滤条件、排序和限制。然后，Looker 会使用底层 LookML 模型来编写和执行查询。此过程类似于用户与“探索”界面的交互方式；Conversational Analytics 无需理解复杂的联接逻辑或字段定义，因为 Looker 会根据 LookML 模型处理查询组合。查询生成功能可确保所有查询都遵循 LookML 模型中定义的联接逻辑、过滤、聚合和数据权限。为了生成查询，Conversational Analytics 必须确定要在过滤条件中使用的正确值。这些值必须与底层数据中的值完全匹配，或者使用更高级的过滤表达式（例如通配符）。为了解决用户在自然语言问题中包含的值与过滤条件可能需要的确切值之间的差异，对话式分析会使用在 parameter 字段中通过 allowed_value 定义的值，并可以使用工具检查字段中的特定值：
    • 抽样数据：从字段中返回最多 100 个值，以帮助对话式分析学习模式或找到与过滤条件值完全匹配的值。
    • 模糊搜索：根据用户输入生成一组搜索字词，并检查这些字词是否存在于维度中，以找到合适的过滤值。抽样数据和模糊搜索都使用 Looker 的建议 API，因此会受到 suggestions、suggest_explore 和 suggest_dimension 等 LookML 参数的影响。
  • 分析：Looker 运行查询后，对话式分析会分析查询结果，以回答用户问题。对话式分析可以通过以下一种或多种方式分析结果：
    • 它使用内置的 Gemini 功能来解读和总结结果。
    • 它通过高级分析功能执行 Python 代码，对结果进行进一步分析。
    • 它会根据查询结果创建可视化图表。

通过利用 Looker 语义模型，对话式分析功能可让您访问 BigQuery、AlloyDB、Redshift、Snowflake 和 Databricks 等各种平台中的数据，而无需了解底层数据的复杂性，并确保所有回答都一致且受管控。

对话式分析数据智能体如何运作？

Conversational Analytics 数据代理会根据两个主要输入来提供回答：实例的 LookML 架构（由 Looker 开发者定义）和代理指令（由您在创建或修改代理时编写）。

数据代理必须根据您的查询确定要选择哪些 LookML 字段，以及要应用哪些过滤条件、排序或限制。为了准确执行此操作，它会通过以下方式将查询中的自然语言映射到其自己的智能体指令和数据的 LookML 架构：

  1. 映射语义术语：用户经常在问题中使用业务术语。代理会使用您的代理指令和 LookML 字段元数据来解读您的查询。 例如，对于“我们开展了多少新业务？”这一查询，数据代理能够将“新业务”映射到计算每月经常性收入的衡量指标。对于“谁是我们的主要客户？”这一查询，数据代理能够将“主要”映射到使用次数，并将“客户”映射到名为客户名称的维度。
  2. 映射字段值：智能体使用专门的工具对数据进行采样或执行模糊搜索，以查找特定的数据点，例如“California”或“Slim-fit Jeans”。 例如，如果用户询问“牛仔裤”，智能体可能会在商品名称字段中触发模糊搜索，以在数据库中查找完全匹配的字符串。如果用户询问“NY”，这是城市字段还是州字段？代理可能需要对数据进行抽样，以查看哪个字段包含“NY”，或者提出澄清问题。
  3. 查询示例：您可以在数据智能体上下文中提供特定的问答示例（称为“经过验证的查询”，也称为黄金查询），以提高常见或关键查询的准确率。

然后，Looker 会使用这些字段的 LookML 定义以及在“探索”中定义的其他逻辑（包括字段定义、访问权限或用户属性、用户定义的信息中心过滤条件，或复杂的 Liquid 或联接逻辑）来编写发送到数据库的查询。由于代理无需编写整个 SQL 查询，因此它不需要“理解”数据，并且可以更准确、更确定地运行。

如需详细了解代理如何使用 LookML，请参阅在 Looker 中配置 Conversational Analytics 的最佳实践文档页面。

已知限制

Conversational Analytics 信息中心代理存在以下已知限制：

  • 信息中心代理不支持高级分析。
  • 信息中心智能体会继承信息中心的共享模型；对智能体的访问权限由对底层信息中心的访问权限决定。
  • 您无法修改 LookML 信息中心智能体的上下文或指令。

可视化图表的限制

对话式分析利用 Vega-lite 生成对话图表。完全支持以下 Vega 图表类型：

  • 折线图（一个或多个系列）
  • 面积图
  • 条形图（水平、垂直、堆叠）
  • 散点图（一个或多个组）
  • 饼图

以下 Vega 图表类型受支持，但在呈现时可能会遇到意外行为：

  • 地图
  • 热图
  • 包含提示的图表

不支持 Vega 目录之外的图表类型。本部分中未指定的任何图表均被视为不受支持。

数据源限制

对话式分析具有以下数据源限制：

  • 对话式分析每次查询最多可返回 50,000 行。
  • 对话式分析无法设置使用 LookML parameter 或 filter 参数定义的仅限过滤条件字段的值。

问题限制

Conversational Analytics 支持可通过单个可视化图表回答的问题，例如：

  • 指标随时间变化的趋势
  • 指标按维度细分或分布的情况
  • 一个或多个维度的唯一值
  • 单个指标值
  • 维度值排行榜（按指标排序）

Conversational Analytics 尚不支持只能通过以下类型的复杂可视化图表回答的问题：

  • 预测
  • 高级统计分析，包括相关性和异常检测

了解 Gemini in Looker 功能的合规性

对话分析功能尚未纳入 FedRAMP 高风险级别或 FedRAMP 中风险级别授权范围。在为 Looker 实例启用 Gemini in Looker 设置之前，请与您的授权机构讨论 Gemini for Google Cloud的合规性保证是否满足贵组织的需求。

对于 Looker (Google Cloud Core) 实例，每个可用的 Assured Workloads 控制措施套餐都会在满足该套餐的变更要求和流程后，将 Gemini in Looker 功能添加到默认产品中。Looker 中的对话式分析功能遵循关联的 Looker (Google Cloud Core) 实例的合规性功能，但以下情况例外：

所有 Looker 客户都可以使用数据驻留 (DRZ) 支持，特别是针对静态数据。与对话式分析相关的所有静态数据都严格驻留在 Looker 实例中，并仅限于单个区域。传输中的数据和机器学习 (ML) 使用全球服务进行处理。

欧盟合规性

本地化处理适用于欧盟 (EU) 客户，这些客户拥有运行 Looker 26.10 或更高版本的 Looker（原始版本）或 Looker (Google Cloud Core) 实例。此选项支持在欧盟管辖范围内进行数据处理，并允许 Looker 的对话分析流量通过欧盟多区域端点进行路由，从而确保欧盟客户数据在欧盟境内处理。

本地化处理适用于 Looker 中的所有对话式分析功能以及所有 Looker API 对话式分析端点。不适用于 Conversational Analytics API。

提供反馈

您可以通过选择以下选项之一，向 Google 提供有关对话式分析中具体回答的反馈：

  • thumb_up 回答不错：表示回答很有帮助。
  • thumb_down 答得不好：表示回答没有帮助。