對話式數據分析總覽

BigQuery 對話式數據分析可讓您與代理對話，以自然語言解讀資料。如要取得資料相關問題的解答，請按照下列步驟操作：

• 建立資料代理程式，自動為一組知識來源 (例如您選取的資料表、檢視畫面、圖表或使用者定義函式 (UDF)) 定義資料內容，並查詢處理指令。
• 如有需要，您可以為代理建立內容和指令，方法包括：使用自訂表格和欄位中繼資料、提供代理解讀及查詢資料的指令，或是建立通過驗證的查詢 (先前稱為黃金查詢)，設定資料代理，以便有效回答特定用途的問題。

建議您先使用代理建立的內容和指示，再自訂代理。

以下列舉一些您提供給代理程式的背景資訊和指令：

• 背景資訊。銷售分析資料代理可以設定為瞭解「績優人員」是指收益最高的銷售代表，而不只是成交最多交易的銷售代表。
• 操作說明。您可以指示資料代理程式，在被問及「趨勢」時，一律篩選出最近一季的資料，或預設依「產品類別」分組結果。

建立資料代理後，您就能與代理對話，以自然語言詢問有關 BigQuery 資料的問題。你也可以與一或多個資料來源建立直接對話，回答基本的一次性問題。

對話式數據分析功能採用 Gemini for Google Cloud，並支援部分 BigQuery AI 和機器學習函式。詳情請參閱「BigQuery AI 和機器學習支援」一節。

瞭解 Gemini for Google Cloud 如何使用您的資料。

資料代理

資料代理程式包含一或多個知識來源，以及一組專為特定用途設計的指令，用於處理資料。建立資料代理時，可使用下列選項進行設定：

• 使用資料代理程式搭配資料表、檢視畫面、圖表和 UDF 等知識來源。您也可以連結無邊界 Lakehouse 資料表做為來源。詳情請參閱「使用自然語言查詢 Lakehouse 資料表」。
• 提供自訂表格和欄位中繼資料，以最適合特定用途的方式說明資料。
• 提供解讀及查詢資料的操作說明，例如定義下列項目：
  • 欄位名稱的同義字和業務用語
  • 篩選和分組作業最重要的欄位和預設值
• 建立已驗證的查詢，供資料代理使用，藉此建立代理的回覆結構，並瞭解貴機構使用的商業邏輯。驗證過的查詢先前稱為「黃金查詢」。經過驗證的查詢可以使用支援的 BigQuery AI 和機器學習函式，並支援查詢參數。
• 為每個代理程式建立 BigQuery 自訂詞彙表字詞，或從 Knowledge Catalog 匯入組織詞彙表字詞。這些字詞可協助代理程式解讀使用者提示。如需各類型詞彙的適用時機建議，請參閱「建立或審查詞彙表字詞」。

管理資料代理程式

您可以在 Google Cloud 控制台的「Agent Catalog」分頁中，建立、管理及使用下列類型的資料代理：

• 每個 Google Cloud 專案都有預先定義的範例代理程式。
• 草擬、建立及發布的代理清單。
• 其他使用者建立並與您共用的代理清單。

詳情請參閱「建立資料代理程式」。

專案中支援資料代理的其他服務 (例如 Conversational Analytics API 和 數據分析) 可以存取您在 BigQuery 中建立的資料代理。您也可以使用 Conversational Analytics API 呼叫代理，存取在 Google Cloud 控制台中建立的代理。

對話

對話是指與資料代理程式或資料來源進行的持續性對話。您可以向資料代理程式提出多個問題，使用「銷售額」或「最受歡迎」等常見字詞，不必指定資料表欄位名稱或定義篩選資料的條件。您也可以詢問 PDF 等物件中的資料。代理程式建構回覆時，可以判斷要查詢哪些資料來源，並善用資料表分區或搜尋索引等最佳化功能。

傳回給你的對話回覆提供下列功能：

• 以文字、程式碼或圖片 (多模態) 形式呈現問題的答案。答案可以包含支援的 BigQuery AI 和機器學習函式。
• 視需要生成圖表。
• 代理推論結果的理由。
• 對話的中繼資料，例如使用的代理和資料來源。

直接與資料來源建立對話時，對話式數據分析 API 會解讀您的問題，但不會提供資料代理提供的背景資訊和處理指示。因此，直接對話結果的準確度可能較低。如果案件需要更高的準確度，請使用資料代理。

您可以使用Google Cloud 控制台，在 BigQuery 中建立及管理對話。詳情請參閱「透過對話分析資料」。

BigQuery AI 和機器學習支援

對話式數據分析支援下列 AI 和 ML 函式，可回應與資料代理和資料來源的對話，以及您建立的已驗證 SQL 查詢。

• AI.FORECAST
• AI.DETECT_ANOMALIES
• AI.KEY_DRIVERS
• AI.GENERATE
• AI.IF
• AI.SCORE
• AI.CLASSIFY
• AI.SIMILARITY
• AI.SEARCH
• AI.AGG
• AI.PREDICT
• ML.DETECT_CHANGE_POINTS
• ML.SEASONALITY
• ML.TREND
• ML.DESCRIBE_DATA
• ML.CORRELATION

您必須具備必要權限，才能執行生成式 AI 查詢。

代理程式只會對已啟用自主嵌入生成功能的表格使用 AI.SEARCH 函式。否則，代理程式會使用 AI.SIMILARITY 函式，這需要即時產生嵌入。

用途

如要啟用支援的功能，請使用下列方式：

• 建立代理並新增已驗證的查詢時 (例如，您是準備定期報表的資料科學家)，可以在已驗證的查詢中使用支援的 AI 函式來描述預設值，並自動產生報表。
• 當您在對話中或使用關鍵字進行驗證查詢時，向代理提出有關資料的高階問題，代理會生成 SQL 來回覆問題。

下表列出單樣本提示範例，可啟用 AI 或 ML 函式：

支援分析工作

對話式數據分析支援購物籃分析 (也稱為關聯規則學習)，這項技術可用於發掘購買模式。這項分析會找出單一交易中經常一起購買的商品之間的關係。

舉例來說，在以 bigquery-public-data.iowa_liquor_sales.sales 資料表做為資料來源的對話中，你可以提出下列問題：

What are the best product bundling opportunities based on data from 2025?

對話式數據分析會使用內建的 SQL 範本，傳回準確的回覆，包括槓桿、支援、信賴度和升幅指標。

圖表支援

對話式數據分析支援使用圖譜做為資料來源。當你詢問有關圖表的問題時，虛擬服務專員會建構查詢來回答問題。代理可以運用您在圖譜標籤和屬性中定義的 說明和同義詞，提升結果品質。代理也可以利用圖譜中定義的測量指標執行多層級彙整。如果回覆包含圖表路徑，系統就會提供圖表視覺化內容。

視圖形結構定義和您提出的問題而定，代理程式會使用 Graph Query Language (GQL) 或 SQL 中的GRAPH_EXPAND表值函式查詢圖形。GQL 查詢需要BigQuery Enterprise 或 Enterprise Plus 版預留項目。在採用隨選價格的專案中，GQL 查詢會失敗並顯示錯誤訊息。 含有 GRAPH_EXPAND 函式的查詢可使用隨選價格執行，但該函式不支援所有類型的圖表。如要瞭解相關規定和限制，請參閱 GRAPH_EXPAND。

舉例來說，您可以在 BigQuery 的「Agents」頁面使用Look Graph範例代理，詢問有關bigquery-public-data.thelook_ecommerce.graph圖表的下列問題：

• Which product is most popular among 25-year-olds?
• Show me the connection between bow tie orders and distribution centers

安全性

您可以使用 Conversational Analytics API IAM 角色和權限，管理 BigQuery 對話式數據分析的存取權。如要瞭解特定作業所需的角色，請參閱「資料代理程式必要角色」和「對話必要角色」。

對話分析包含下列安全功能和防護措施：

• 只能存取您有權存取的資料和資源。
• 並遵守 VPC-SC 安全性控管措施。
• 無法執行寫入作業，也無法執行 DML 查詢。
• 無法執行遠端函式。
• 只能存取您明確選取的知識來源。
• 只有您能查看對話記錄。無法與其他使用者共用。
• 建立資料代理程式時，您必須有權查詢新增的每個知識來源。

位置

對話式數據分析支援三種位置，可控管服務專員和對話資源的儲存位置，以及用於 ML 處理的位置：

• 美國 (多區域端點)
• 歐盟 (多區域端點)
• 全球

建立代理和對話時，系統會套用下列預設行為：

• 如果所有知識來源都來自美國境內區域，系統就會使用美國 MREP。
• 如果所有知識來源都來自歐盟境內區域，系統就會使用歐盟 MREP。
• 否則會使用全域位置資訊。

建立代理程式時，您可以視需要選取其他位置。儲存代理後，就無法變更其位置。

2026 年 6 月 4 日前建立的代理程式位於全球位置。

定價

建立資料代理，以及與資料代理或資料來源進行對話時，系統會按照 BigQuery 計算價格收取查詢費用。詳情請參閱服務專員定價。

最佳做法

使用對話式數據分析時，請遵循下列最佳做法：

• 請先清理資料表，再將其新增為資料來源。

• 在檢視區塊中聯結相關資料表，並將該檢視區塊做為資料來源，而不是依賴代理程式判斷聯結資料的正確方式。

• 對資料執行剖析掃描。

• 設定代理的範圍。範圍廣泛的代理程式可能會發生指令衝突、輸出內容模稜兩可，以及效能不一致等問題。如果代理程式需要超過 20 個資料來源、供不同團隊使用 (這些團隊有不同的指標定義)，或是優先處理某種結果而忽略其他結果，建議您建立其他代理程式。

• 向服務專員說明情況。請依下列方式設定脈絡資訊的優先順序：

  1. 已驗證的查詢。確定性 SQL，會在符合使用者提示時執行。
  2. 詞彙表。將資料欄連結至語意情境的字詞定義。
  3. 服務專員指示。使用自然語言編寫的全域行為規則和定義，例如會計年度定義或格式規則。

• 在資料表中新增資料表和資料欄說明。

• 請勿在 Knowledge Catalog 和 BigQuery 自訂詞彙表中重複詞彙定義。

• 設定專案層級、使用者層級和查詢層級的支出上限，控管代理程式的費用。

• 在對話中提出有效問題。

• 瞭解資料代理程式和對話的資料保留和刪除方式。

限制

每個代理最多可新增 100 個知識來源。

如要進一步瞭解查詢、對話、資料和視覺化效果的限制，請參閱「對話式 Analytics API 已知限制」。

動態共用配額

Gemini Enterprise Agent Platform 中的動態共用配額 (DSQ) 可管理 Gemini 模型的容量。與傳統配額不同，DSQ 可讓您存取大型共用資源集區，且模型輸送量沒有固定的專案限制。

延遲等效能可能會因整體系統負載而異。共用集區需求量過高時，您偶爾可能會遇到暫時性 429 Resource Exhausted 錯誤。這些錯誤表示共用集區容量暫時受限，但並非專案達到特定配額上限。如要查看容量，請稍後再重試要求。

識別及分析代理產生的查詢

資料代理執行的 BigQuery 工作會包含特定標籤。您可以透過這些標籤識別、篩選及分析代理程式的工作。

你可以使用這些標籤執行下列工作：

• 依標籤篩選帳單報表，瞭解代理費用。
• 稽核代理活動。
• 分析查詢效能。

找出資料代理程式標籤

BigQuery 會為對話式數據分析執行的工作套用標籤。這些標籤會計入工作資源的 64 個標籤限制。如要取得用於篩選和其他分析的標籤，請在Google Cloud 控制台中查看標籤。您也可以對資料代理程式套用自訂標籤。您無法使用自訂標籤覆寫系統產生的標籤。

如要查看資料代理人的標籤，請按照下列步驟操作：

1. 在 Google Cloud 控制台中查看工作詳細資料。

2. 在「查詢工作詳細資料」窗格中，找到「標籤」部分，並尋找下列標籤：

   • ca-bq-job: true 表示作業是透過對話式數據分析執行。
   • data-agent-id: DATA_AGENT_ID 表示作業是由資料代理程式執行。這個值是從資料代理程式資源名稱擷取的資源 ID 區隔。
   • conversation-id: CONVERSATION_ID 表示這項工作與對話相關聯。此值是從對話資源名稱擷取的 ID 區隔。

分析代理產生的工作

使用標籤分析代理程式產生的工作。舉例來說，如要查看資料代理執行了多少項工作，請對 INFORMATION_SCHEMA.JOBS 檢視區塊執行下列查詢：

SELECT
  COUNT(*) AS job_count
FROM
  `PROJECT_ID`.`region-REGION`.INFORMATION_SCHEMA.JOBS
WHERE
  EXISTS (
    SELECT 1
    FROM UNNEST(labels) AS label
    WHERE label.key = 'ca-bq-job' AND label.value = 'true'
  );

更改下列內容：

• PROJECT_ID：您的 Google Cloud 專案 ID。
• REGION：工作執行的區域 (例如 us 或 eu)。

後續步驟

• 進一步瞭解 Conversational Analytics API。
• 建立資料代理。
• 透過對話分析資料。
• 將對話內容分析與 Lakehouse 搭配使用。
• 瞭解如何使用標籤篩選資源。