内容来源于谷歌云官方，由谷歌云谷歌地图合作伙伴CloudAce深圳云一进行翻译发布。
企业希望快速行动并做出明智的决策，但如今组织中数据爆炸式增长，往往导致知识团队疲于应对，业务用户也需要长时间排队等待才能获得所需的数据洞察。人工智能代理有望从根本上改变这种状况，使用户能够更快地将数据转化为行动。
今天，我们正式发布BigQuery中的对话式分析预览版。这项新功能使用户能够使用自然语言分析数据，打破长期以来困扰人们的知识壁垒和时间消耗。继Looker 中的对话式分析正式发布之后，此次集成将先进的 AI 推理引擎直接引入 BigQuery Studio。
面向数据专业人士的数据洞察，以对话形式呈现
BigQuery 中的对话分析不仅仅是一个简单的聊天机器人。它是一个智能代理，利用最新的 Gemini模型，直接在 BigQuery 安全且可扩展的环境中， 根据您的特定业务上下文生成、执行和可视化答案。
借助 BigQuery 中的对话分析功能，技术和业务团队可以在数据源头构建和部署智能代理，利用现有数据和元数据实现快速创新。现在，您可以直接在数据所在位置创建上下文感知和业务感知的代理，让所有用户都能获得由值得信赖的分析师指导的智能洞察，而无需排队等待或学习 SQL！
从提问到获得可靠答案，只需几秒钟
与简单的数据工具不同，BigQuery 中的对话分析利用您的业务元数据和生产逻辑来建立用户与其数据之间的信任。
当用户提出问题时，智能体会采用多阶段工作流程，以确保每个回复都既准确又与上下文相关。这些由人工智能驱动的洞察通过总结性答案、原始数据结果和可视化图表，为用户提供全面的分析，并辅以后续问题，以促进更深入的探究。
BigQuery 中的对话分析具有以下特点：
- 立足现实：通过利用您的 BigQuery 架构、元数据和自定义指令，代理可确保 SQL 生成基于内部逻辑，而不是通用假设。
- 经过验证的查询和可信的逻辑：为了与生产指标保持一致，您可以将代理程序基于经过验证的查询和用户定义函数 (UDF)。这样可以充分利用团队现有的企业级资源，避免重复造轮子。
- 透明的逻辑和总结：为了增强您的信心，该代理会公开其“思考过程”以及每个答案背后生成的 SQL 语句。然后，它会综合分析从数千行数据中获得的洞察，并提供简洁的执行摘要，解释这些数字背后的“原因”。
- 从设计上实现安全性和治理：用户只能访问他们有权查看的数据，并且每次查询都会被记录下来，以便在 BigQuery 合规框架内进行审计。
超越查询：秒速预测下一步操作
大多数工具都以回顾性的方式分析数据，而 BigQuery 中的对话分析则将这种体验从回顾转变为预测。通过利用 BigQuery AI，客服人员可以使用简单的语言预测结果并发现隐藏的模式。
在后台，该代理利用各种功能实时AI.FORECAST预测趋势或AI.DETECT_ANOMALIES识别异常值。这使得任何用户都能在几秒钟内完成高级预测分析，而无需离开聊天界面。该代理利用生成式人工智能将数百万行数据提炼成清晰的故事，快速生成易于分享且具有上下文关联的洞察。
释放非结构化数据的价值
借助 BigQuery 中的对话分析，您不再局限于行和列形式的数据。代理可以处理非结构化数据，例如存储在 BigQuery 对象表中的图像。这使您可以通过单一界面查询整个数据集，无需手动处理即可将以前无法访问的信息转化为可执行的洞察。
赋予agents生命
我们在 BigQuery 中构建了对话分析功能，让您能够以最小的努力将原始数据转化为活跃的智能代理。只需连接您的表并添加特定的业务指令和元数据，即可摆脱手动查询，实现自动化洞察。BigQuery 的辅助创作功能可帮助您快速创建高质量的代理，这些代理随后可在 Looker Studio Pro 和 BigQuery 用户界面之间共享。
还可以通过API和ADK 工具将代理集成到他们自己的自定义应用程序和现有的代理生态系统中。