Beszélgetési analitikát hozva az egész adatökoszisztémájába

A generatív AI vállalaton belüli elterjedésének növeléséhez többre van szükség, mint egy általános chatbot használatára egyedi burkolattal. Az üzletileg kritikus adatbázisokkal való interakció abszolút bizalmat, szigorú irányítást és mély ismeretet igényel a vállalati szemantikában. Az elmúlt évben a Google Cloud Konverzációs Analitika (CA) izolált kísérletekből a nagy léptékű, vállalatokra kiterjedő alkalmazások felé fejlődött. A BigQuery Konverzációs Analitika és a Konverzációs Analitika API most már általánosan elérhető, hozzáadva a tavalyi évben a Looker-ben elérhető Konverzációs Analitika lehetőségekhez. Ezen a lendületen építve a Konverzációs Analitika az adatbázisokban is elérhető előzetes fázisban. És még sok más is történt — a Google Cloud Konverzációs Analitika több adat, több felület, több vállalati kontroll és nagyobb képességek mellett bővült, mint valaha. Nézzük meg alaposabban a Konverzációs Analitika állapotát a Google Data Cloud-ban — mit tehetsz vele, milyen előnyöket nyújt, és hogyan kezdhetsz neki ma. Lekérdezések multi-cloud és adatbázis terheléseken A Konverzációs Analitika most már általánosan elérhető a BigQuery és Looker számára, és előzetes státuszban van az AlloyDB, Cloud SQL és Spanner esetében. Az adatokat a Lakehouse Managed Service táblákban, Apache Iceberg REST katalógusokban és a federált AWS S3 Unity Katalógusokban is elemezheted. Akár az adataid kizárólag a Google Cloud-ban, akár több felhőszolgáltató között helyezkednek el, az ügynökeid natívan lekérdezhetik őket. Az adatkezelők számára a Konverzációs Analitika közvetlenül integrálva van a BigQuery Stúdióba, a BigQuery Adatvászonba és az Adatbázis Stúdióba. Az üzleti csapatok számára ezek a konverzációs képességek közvetlenül a Looker-be, Data Studio-ba és Gemini Enterprise-ba terjednek ki. Az adatcsapatok közvetlenül megoszthatják a BigQuery, Looker, AlloyDB, Spanner és Cloud SQL rendszerekben létrehozott Konverzációs Analitika ügynököket a Gemini Enterprise-ban, így a vállalati vezetők központosított felületet kapnak bonyolult adatlekérdezések biztonságos végrehajtására. API-jaink és MCP eszközeink lehetővé teszik, hogy a Konverzációs Analitikát oda építsd be, ahol az üzleti felhasználók dolgoznak, például egyedi alkalmazásokban és multi-agent rendszerekben, vagy akár Slack chatbotként, amely kérdésekre tud válaszolni az adatforrásokon keresztül, ahogyan azt a Google Cloud Next-en bemutattuk. Vállalati biztonság és irányítási ellenőrzések A generatív AI vállalatok ezreinek kiszolgálása szigorú irányítást és átlátható költségellenőrzést igényel. A Konverzációs Analitika tartalmazza az Ügyfélkezelésű Titkosítási Kulcsokat (CMEK), Privát IP-t és Virtuális Magánhálózati (VPC) ellenőrzéseket. Garantáljuk az Adatlakóhely (DRZ) védelmét és a gépi tanulási feldolgozást a több régiós végpontokon belül az Európai Unióban és az Egyesült Államokban, a HIPAA előírások betartása mellett. Az adat-hozzáféréshez a szerepalapú ellenőrzések, beleértve az AlloyDB-ben lévő paraméterezett biztonságos nézeteket, segítenek biztosítani, hogy a felhasználók csak az arra jogosult adatokat láthassák, a sor- és oszlopszintű engedélyek érvényesítésével. A BigQuery-ben végzett Konverzációs Analitika nyomon követi az ügynök flotta egészségét, az aktív felhasználókat, a lekérdezés mennyiségeket és a legfontosabb tudásforrásokat. A használat növekedésével az adminisztrátoroknak szükségük van eszközökre a költségek kezelésére, a rendszer egészségének figyelemmel kísérésére és a pontosság javítására. Natív költségellenőrzéseket állíthatsz be a maximális lekérdezési méretek bájtban történő meghatározásakor, és nyomon követheted a használatot a BigQuery lekérdezési címkéi és Looker rendszeraktivitási naplói által. Az ügynökök számára a flotta láthatóságának fenntartásához az állapot, az eszközhasználat, a késlekedés és a tokenfogyasztás metrikáit is exportálhatják az OpenTelemetry (OTEL) szabványokon keresztül. Az integrált visszajelzési hurkok lehetővé teszik az adminisztrátorok számára, hogy felülvizsgálják az ügynökök nyomait és a felhasználói visszajelzéseket, létrehozva egy alapot a folyamatos értékeléshez és a pontosság folyamatos javításához az idő múlásával. Megalapozott kontextus az ügynök és az adatok közös tervezésével Az általános LLM köré tervezett vállalati adatbázis néha illuzórikus logikához vezethet. Ennek minimalizálása érdekében a Konverzációs Analitika ügynököket közösen tervezték azokkal az adatplatformokkal, amelyeket lekérdeznek. Például az ügynökök a Tudás Katalógust használják az adatok felfedezésére, szójegyzékek és automatizált kontextusbővítés révén, mint a táblák összekapcsolása és leírások. A BigQuery Grafikonok és Spanner Grafikonok lehetővé teszik az ügynökök számára a strukturált és strukturálatlan adatok lekérdezését több lépéses kapcsolatokon keresztül. Ezenkívül a Looker szemantikai rétege (LookML) megalapozza az ügynökök válaszát központilag irányított metrikák definícióiban, segítve ezzel, hogy a válaszok determinisztikusak maradjanak, a véletlenszerű SQL összekapcsolások helyett. A Tudás Katalógus, a BigQuery Grafikon és a Looker szemantikai modell közötti integráció segít biztosítani a determinisztikus, vállalat által irányított válaszokat. A Konverzációs Analitika ügynökeit is közösen tervezték az adatokkal, amelyeket lekérdeznek. Ez azt jelenti, hogy az eszközeik ismerik a kontextust, hogy a legjobb megértést nyújtsák a metaadatokhoz. Az olyan beépített képességekből is profitálnak, mint a multimodális adatlekérdezés a BigQuery objektumtábláin keresztül, multimodális adatokkal való működés az ai.search, ai.generate_embedding, ai.classify, ai.score segítségével, és az ai.forecast és ai.detect_anomalies használatával, amelyek a TimesFM alapját használják a jóslásra és anomáliák észlelésére. Ezenkívül az ai.key_drivers automatikus hozzájárulási elemzést végez, hogy pontosan azonosítsa, mi okozza a váratlan változásokat az adataidban. A Lookerrel való integráció esetén ezek az ügynökök a szemantikai réteget használják, hogy a válaszokat központilag irányított, determinisztikus metrikákra alapozzák. Az AI illúziók elkerülése érdekében ez az API-első megközelítés (az ‘Arany Lekérdezések’ használatával) biztosítja, hogy az ügynökök hitelesített üzleti logikát kérdezzenek le, a SQL összekapcsolások kitalálása helyett. A Looker ezenkívül felkészíti az ügynököket arra, hogy zökkenőmentesen navigáljanak a magas kártyás adathalmazon, dinamikus szűréssel, automatikusan érvényesítve a sor szintű biztonságot a csevegési élmény során, és felvetett kontextusra figyelmeztető kérdéseket javasolva. Proaktív betekintés az Ügynöki Munkafolyamatokkal Az analitika túllép a reakciós kérdés-válasz megközelítésen a proaktív intelligencia érdekében. Vagyis ahelyett, hogy megkövetelné a felhasználóktól, hogy a megfelelő kérdéseket tegyék fel a megfelelő időben, a Konverzációs Analitika ügynökei multidimenzionális mélyelemzéseket végezhetnek, hogy elemezzék a változások mögött álló 10-20 hozzájáruló tényezőt egy metrikában. Az Ügynöki Munkafolyamatokkal, amelyek most előzetes fázisban vannak, automatizált jelentési rutinokat ütemezhetsz, amelyek közvetlenül a csevegési munkafolyamatodba érkeznek. Az ügynökök folyamatosan végzik az anomáliák észlelését a kulcsmértékek mentén, napi vagy heti összefoglalókat küldve közvetlenül a csapatodnak. Az élő anomáliák észlelése automatikusan elindíthat egy ügynököt abban a pillanatban, amikor egy kulcsmérték eltér az alapérték küszöbértékeitől. A Konverzációs Analitikában több lépésből álló mélyelemzést futtathatsz, hogy automatikusan vizsgálhasd a bonyolult adatkapcsolatokat a vállalati adathalmazon. Rugalmas integráció API-kkal, SDK-kkal és MCP-vel A Konverzációs Analitika elérhető a fejlesztők és az üzleti felhasználók számára meglévő környezetükben. A Konverzációs Analitika API natív SDK-kat tartalmaz Node.js, Java, Go, Python, PHP, Ruby és .NET nyelvekhez, és az elemzéseket ott tartja, ahol a munka zajlik. Bővítjük, hogyan és hol használják az emberek a Konverzációs Analitikát, kezdve a Looker irányítópultoktól és az Adat Stúdiótól, valamint támogatjuk az ügynökök publikálását a Gemini Enterprise-ba. A Konverzációs Analitikát más többügynökös rendszerekhez is hozzáadhatod. Az Ügynök Fejlesztő Készlet (ADK) és a Modell Kontextus Protokoll (MCP) segítségével beépítheted a Konverzációs Analitikát egyedi alkalmazásokba, Slack botokba vagy többügynökös orchestrátorokba. Például egy ellátási láncot orchestráló ügynök egy pénzügyi adat ügynöktől lekérdezheti a szállítási késlekedés margin hatását valós időben. Kezdj neki a Konverzációs Analitikának A Google Cloud Konverzációs Analitika egyesíti az adatbirtokot, a biztonsági vezérlőréteget és a fejlesztői API-kat, hogy proaktív adatbővítményeket nyújtson, bárhol is dolgozik a csapatod. Fedezd fel a Konverzációs Analitika dokumentációját, nézd át a gyors kezdő tárolóinkat, és iratkozz fel, hogy ma kipróbálhasd az új előzeteseinket.