Bringing Conversational Analytics to your entire data ecosystem

Google 数据云中 Q326 季度的对话式分析 | Google Cloud 博客

数据分析

将对话式分析扩展到您的整个数据生态系统

2026 年 7 月 29 日

##### Richard Kuzma

数据代理团队产品组经理

##### Ganesh Kumar Gella

数据代理团队工程高级总监

##### 立即试用 Gemini Enterprise Business Edition

职场人工智能的入口

立即试用

要在企业中广泛采用生成式人工智能，您需要做的不仅仅是部署一个带有自定义包装器的通用聊天机器人。与业务关键型数据库的交互需要绝对信任、严格的治理和对企业语义的深入理解。

在过去一年中，Google Cloud 的对话式分析（CA）已从孤立的实验扩展到企业级的规模化部署。BigQuery 对话式分析和对话式分析 API 现已正式发布，与去年 Looker 中对话式分析的正式发布相辅相成。在此基础上，数据库中的对话式分析也已进入预览阶段。还有更多进展——Google Cloud 对话式分析现在支持更多数据、更多界面、更完善的控制功能，能力比以往任何时候都更强大。

让我们深入了解 Google 数据云中对话式分析的现状——您可以使用它实现哪些功能，它能带来哪些优势，以及如何立即开始使用。

跨多云和数据库工作负载进行查询

BigQuery 和 Looker 的对话式分析现已正式发布，AlloyDB、Cloud SQL 和 Spanner 的对话式分析也已进入预览阶段。您还可以分析存储在 Lakehouse Managed Service 表、Apache Iceberg REST 目录和联邦式 AWS S3 Unity Catalogs 中的数据。无论数据是否仅存储在 Google Cloud 中，还是跨多个云提供商，您的代理都可以原生查询这些数据。

对于数据从业者，对话式分析已直接集成到 BigQuery Studio、BigQuery Data Canvas 和 Database Studio 中。对于业务团队，这些对话功能可直接扩展到 Looker、Data Studio 和 Gemini Enterprise。数据团队可将 BigQuery、Looker、AlloyDB、Spanner 和 Cloud SQL 中创建的对话式分析代理直接发布到 Gemini Enterprise，使业务领导者能够通过集中式界面安全地查询复杂数据。

我们的 API 和 MCP 工具可让您在业务用户工作的任何地方嵌入对话式分析，例如自定义应用程序和多代理系统，或作为能够跨数据源回答问题的 Slack 机器人，如我们在 Google Cloud Next 上展示的那样。

企业安全与治理控制：将生成式人工智能扩展到数万名用户需要坚不可摧的治理和透明的成本控制。对话式分析包含客户管理加密密钥（CMEK）、私有 IP 和虚拟私有云（VPC）控制。

我们保证在欧洲联盟和美国的多区域端点内，对静态数据和机器学习处理均符合数据驻留（DRZ）要求，并符合 HIPAA 合规性。对于数据访问，基于角色的控制（包括 AlloyDB for PostgreSQL 中的参数化安全视图）可确保与代理聊天的用户仅能看到其被授权查看的数据，权限可细化到行级和列级。

在 BigQuery 中监控对话式分析，以跟踪代理舰队健康状况、活跃用户、查询量和主要知识来源。

随着使用量的增长，管理员需要工具来管理成本、监控系统健康状况并提高准确性。您可以配置原生成本控制功能，以定义最大查询大小（以字节为单位）的限制，并通过 BigQuery 查询标签和 Looker 系统活动日志跟踪使用情况。

为了保持舰队可见性，代理还可以通过 OpenTelemetry (OTEL) 标准导出健康状况、工具使用情况、延迟和令牌消耗指标。集成的反馈循环使管理员能够审查代理追踪和用户反馈，为持续评估和准确性改进奠定基础。

通过代理与数据协同设计实现基于实际背景的上下文 将通用大语言模型封装在企业数据库周围有时可能导致幻觉逻辑。为减少这种情况，我们与查询的数据平台共同设计了会话分析代理。

例如，代理利用知识目录进行数据发现、术语表和自动上下文丰富（如表连接和描述）。BigQuery 图和 Spanner 图允许代理跨多跳关系查询结构化和非结构化数据。此外，Looker 的语义层（LookML）通过集中管理的度量定义使代理响应基于确定性指标，帮助确保答案保持确定性，而不是依赖猜测的 SQL 连接。

通过知识目录、BigQuery 图和 Looker 语义模型实现会话分析的上下文关联，有助于确保确定性、企业治理的响应。

会话分析代理还与查询的数据协同设计。这意味着它们的工具具有上下文感知能力，能对元数据有最佳理解。它们还受益于内置功能，如使用 BigQuery 对象表进行多模态数据查询，通过 ai.search、ai.generate_embedding、ai.classify、ai.score 使用多模态数据，利用 ai.forecast 和 ai.detect_anomalies 以 TimesFM 基础进行预测和异常检测。此外，ai.key_drivers 可执行自动化贡献分析，准确识别导致数据中意外变化的因素。与 Looker 集成时，这些代理利用语义层将响应基于集中管理的确定性指标。为避免 AI 幻觉，这种以 API 优先的方法（使用“黄金查询”）确保代理检索经过验证的业务逻辑，而不是猜测 SQL 连接。Looker 还为代理配备了无缝导航高基数数据集的动态过滤功能，在聊天体验中自动执行行级安全策略，并提供上下文感知的建议问题。

通过智能代理工作流实现主动洞察

分析正在从被动问答向主动智能演进。也就是说，不再需要用户在正确的时间提出正确的问题，会话分析代理可以运行多维深度分析，分析导致指标变化的 10 到 20 个潜在因素。

通过 Agentic Workflows（目前处于预览阶段），您可以安排自动化报告流程，直接交付到聊天工作流中。代理持续在关键指标上运行异常检测，每天或每周向您的团队发送摘要。流式异常检测还可以在关键指标偏离基线阈值时自动启动代理。

运行多步骤的对话分析深度探索，以自动调查企业数据集中的复杂数据关系。

与 API、SDK 和 MCP 的灵活集成

对话分析可在开发人员和业务用户的现有环境中使用。对话分析 API 提供了针对 Node.js、Java、Go、Python、PHP、Ruby 和 .NET 的原生 SDK，并将洞察保持在工作发生的地方。我们正在扩展对话分析的使用方式和场景，首先从 Looker 仪表板和 Data Studio 开始，并支持发布代理到 Gemini Enterprise。

您还可以将对话分析添加到其他多代理系统中。通过使用代理开发工具包 (ADK) 和模型上下文协议 (MCP)，您可以将对话分析集成到自定义应用、Slack 机器人或多代理协调器中。例如，供应链协调代理可以实时查询财务数据代理，以计算运输延迟对利润率的影响。

开始使用对话分析

Google Cloud 对话分析通过统一您的数据资产、安全控制平面和开发人员 API，将主动数据洞察传递到团队工作的任何地方。查看我们的对话分析文档，查阅我们的快速入门代码库，并立即注册试用我们的新预览版本。

发布分类：

• 数据分析
• 人工智能与机器学习
• 商业智能