Looker 中对话式分析的推荐设置和发布策略

本指南旨在帮助规划向 Looker 实例用户推出对话式分析。它建议采用以下分阶段方法在 Looker 中实现对话式分析：

这种方法可让您从较小的受控范围开始，验证设置，然后扩大到更多用户和数据。

第 1 阶段：整理数据并确定初始范围

在此阶段，您需要准备数据，以便用户使用对话式分析进行查询，并确定初始部署的范围。如需从较小的受控范围开始，请遵循以下建议：

  • 初始设置：按照在 Looker 中设置对话式分析中的设置步骤为您的实例设置对话式分析。
  • 限制初始用户访问权限：如需进行内部测试和验证，请使用 Looker 的权限系统向一小部分熟悉数据的用户授予使用对话式分析所需的权限。首先，您可以考虑限制对您为对话式分析整理的一个或两个模型的访问权限。
  • 选择整理后的探索：首先选择一个或两个结构良好的探索，这些探索基于相对干净的数据，并提供明确的商业价值。如需在 Looker 中针对对话式分析优化这些探索，请按照在 Looker 中配置对话式分析的最佳实践 中的详细说明进行操作。

第 2 阶段：配置智能体并在内部进行验证

在此阶段，构建和完善对话式分析智能体，然后与内部用户一起对其进行全面测试，以确认其准确性和有效性。此阶段涉及以下步骤：

  1. 创建整理后的智能体：创建对话式分析智能体，这些智能体仅基于您在整理和初始设置阶段准备的整理后的探索。

  2. 使用智能体说明进行完善：使用智能体说明提供更多上下文和进一步的指导。例如：

    • 使用 synonym LookML 参数为字段名称或值定义同义词。
    • 提供有关如何使用某些字段的具体上下文或规则。

  3. 在内部进行验证和迭代：与熟悉数据的用户一起全面测试智能体。提出各种问题，测试极端情况，并找出弱点。根据测试反馈进行以下更改：

    1. 完善 LookML。例如，调整 label、description 或 hidden LookML 参数的值。
    2. 调整智能体说明。
    3. 继续标记数据质量问题。

第 3 阶段：将对话式分析的采用范围扩大到更多用户

在此阶段，您需要通过授予访问权限、收集反馈和迭代智能体，将对话式分析的采用范围扩大到更多用户。此阶段涉及以下步骤：

  1. 授予有针对性的访问权限：向其他用户授予对话式分析访问权限，并鼓励这些用户使用您创建的特定且经过审核的智能体。

  2. 发布并收集反馈：积极征求有关以下主题的反馈：

    • 回答的准确性
    • 易用性
    • 信息缺失或结果令人困惑

  3. 持续迭代：使用反馈进一步完善 LookML 和智能体说明，并优先处理数据清理工作。

  4. 扩大访问权限：在智能体被证明稳定且有价值后，通过向其他相关用户群组授予适当的权限，扩大访问权限并引入新的整理后的智能体。您还可以按照前几个阶段中使用的相同流程，引入新的整理后的智能体，并扩大对 Gemini 角色可用的模型的访问权限。