以下文章來源于谷歌云服務(wù)，作者 Google Cloud

Vasiya Krishnan產(chǎn)品經(jīng)理

Jiaxun Wu高級工程經(jīng)理

企業(yè)希望快速行動并做出明智的決策，然而，在當(dāng)今組織中，數(shù)據(jù)量呈爆炸式增長，常常讓知識團隊深陷數(shù)據(jù)泥沼，而業(yè)務(wù)用戶則不得不苦苦等待，才能獲得所需的數(shù)據(jù)洞見。AI 智能體有望徹底改變這種局面，讓用戶能夠更迅速地將數(shù)據(jù)轉(zhuǎn)化為實際行動。

現(xiàn)在，我們在 BigQuery 中推出預(yù)覽版對話式分析智能體。這項新功能將讓用戶能夠使用自然語言分析數(shù)據(jù)，從而打破長期以來一直存在的知識壁壘，減少時間浪費。繼我們在 Looker 中推出正式版對話式分析功能后，這一集成將搭載先進 AI 技術(shù)的智能推理引擎直接引入了 BigQuery Studio。

面向數(shù)據(jù)專業(yè)人員的數(shù)據(jù)分析洞見，在對話中呈現(xiàn)

BigQuery 中的對話式分析智能體不僅僅是簡單的聊天機器人。它是一個智能體，能夠運用最新的 Gemini 模型，直接在 BigQuery 安全、可擴展的環(huán)境中，根據(jù)您獨特的業(yè)務(wù)背景，生成、執(zhí)行并以直觀的方式呈現(xiàn)答案。

借助 BigQuery 中的對話式分析功能，技術(shù)團隊和業(yè)務(wù)團隊可以在源頭構(gòu)建和部署智能體，利用現(xiàn)有數(shù)據(jù)和元數(shù)據(jù)快速進行創(chuàng)新。現(xiàn)在，您可以直接在數(shù)據(jù)源頭創(chuàng)建具備上下文感知和業(yè)務(wù)理解能力的智能體，讓所有用戶都能獲得由可信分析師指導(dǎo)的智能洞見，無需排隊等待答案，也無需學(xué)習(xí) SQL！

圖 1 - BigQuery 中的對話式分析功能

從提問到獲得可靠答案，只需短短數(shù)秒

與簡單的數(shù)據(jù)工具不同，BigQuery 中的對話式分析功能使用業(yè)務(wù)元數(shù)據(jù)和生產(chǎn)邏輯在用戶和數(shù)據(jù)之間建立信任。

當(dāng)用戶提出問題時，該智能體采用多階段工作流，確保每個回答不僅精確，而且與上下文相關(guān)。這些依托 AI 技術(shù)的數(shù)據(jù)分析洞見通過總結(jié)性回答、原始數(shù)據(jù)結(jié)果和可視化圖表為用戶提供全面的分析，并輔以跟進問題，幫助用戶進一步調(diào)查數(shù)據(jù)。

圖 2 - BigQuery 中的對話式分析功能

BigQuery 中的對話式分析功能具有以下特點:

●以上下文為依據(jù):通過利用您的 BigQuery 表結(jié)構(gòu)、元數(shù)據(jù)和自定義指令，智能體生成的 SQL 查詢將源于內(nèi)部邏輯，而非泛泛的猜測。

●經(jīng)過驗證的查詢和可信的邏輯:為了與生產(chǎn)指標保持一致，您可以讓智能體以經(jīng)過驗證的查詢和用戶定義的函數(shù) (UDF) 為基礎(chǔ)。這能充分利用您團隊已有的企業(yè)級資產(chǎn)，省去您從頭開始的麻煩。

●透明的邏輯和總結(jié):為了讓您對分析結(jié)果充滿信心，智能體可以顯示其 "思考過程" 以及每個回答背后生成的 SQL 查詢。然后，它會綜合分析從數(shù)千行數(shù)據(jù)中獲得的分析洞見，并提供一份簡明的摘要，解釋數(shù)字背后的推理過程。

● 從設(shè)計上保證安全和治理:用戶只能訪問他們有權(quán)查看的數(shù)據(jù)，并且每次查詢都會被記錄，以便在 BigQuery 合規(guī)框架內(nèi)進行審核。

不止是查詢: 在幾秒內(nèi)預(yù)測未來

大多數(shù)分析工具都是對數(shù)據(jù)進行回顧性報告，但 BigQuery 中的對話式分析功能可將這一體驗從回顧性轉(zhuǎn)變?yōu)轭A(yù)測性。借助 BigQuery AI，智能體可以使用簡單的語言預(yù)測結(jié)果并揭露隱藏的模式。

在后臺，智能體使用AI.FORECAST等函數(shù)來預(yù)測趨勢，或使用AI.DETECT_ANOMALIES來實時發(fā)現(xiàn)離群值。這樣，任何用戶無需離開聊天界面，即可在幾秒鐘內(nèi)執(zhí)行高級預(yù)測性分析。智能體能夠利用生成式 AI 將數(shù)百萬行數(shù)據(jù)提煉成清晰的故事，快速生成易于分享且與上下文相關(guān)的分析洞見。

圖 3 - 利用 BigQuery AI 函數(shù)進行預(yù)測性分析

釋放非結(jié)構(gòu)化數(shù)據(jù)的價值

借助 BigQuery 中的對話式分析，您的分析對象將不再局限于行和列中的數(shù)據(jù)。智能體可以對非結(jié)構(gòu)化數(shù)據(jù) (例如存儲在 BigQuery 對象表中的圖片) 進行推理。這樣，您就可以通過單個界面查詢所有數(shù)據(jù)資產(chǎn)，將之前無法訪問的信息轉(zhuǎn)化為富有實用價值的分析洞見，整個過程無需手動處理。

圖 4 - BigQuery 中的對話式分析支持非結(jié)構(gòu)化數(shù)據(jù)

讓智能體變?yōu)楝F(xiàn)實

我們構(gòu)建了 BigQuery 中的對話式分析功能，讓您只需花費極少的精力，就能將原始數(shù)據(jù)轉(zhuǎn)換為可主動運行的智能體。只需連接表并添加特定的業(yè)務(wù)說明和元數(shù)據(jù)，您就可以告別手動查詢，通過自動化分析輕松獲取數(shù)據(jù)洞見。借助 BigQuery 的輔助編寫功能，您可以快速創(chuàng)建高質(zhì)量的智能體，這些智能體還可以通過 Looker Studio Pro 和 BigQuery 界面共享。

這些智能體還可以通過 API 和 ADK 工具集成到企業(yè)自己的自定義應(yīng)用和現(xiàn)有的智能體生態(tài)系統(tǒng)中。

立即轉(zhuǎn)變數(shù)據(jù)分析體驗

如果您已準備好打破數(shù)據(jù)分析瓶頸，現(xiàn)在就可以開始在 BigQuery 中體驗預(yù)覽版對話式分析功能。如需了解更多信息，包括深入了解有關(guān)基于上下文的接地和 API 集成的最佳實踐，請參閱我們的文檔，或詳細了解Google Cloud 用于數(shù)據(jù)分析的 AI 智能體。