使用对话式分析的 Data Cloud 连接器的最佳实践

当您在联合查询模式下连接 Data Cloud 连接器时，Gemini Enterprise 会使用 Model Context Protocol (MCP) 就地查询您的数据源。虽然 MCP 工具定义为助理提供了执行 SQL 的机制，但要以高精确度、低延迟回答自然语言业务问题，还需要另外两层指导：

  • 默认分析框架：特定于引擎的程序化技能，可指导 Gemini Enterprise 助理如何像专家数据分析师一样规划查询、解析过滤值、使用高级分析函数以及处理错误。
  • 组织背景信息：特定领域的技能、自定义指令和 Knowledge Catalog 元数据，可将公司的业务词汇、KPI 定义和治理护栏映射到正确的底层表和模型。

本文档介绍了 Data Cloud 连接器如何使用由 Google 管理的内置分析技能，以及如何使用 Knowledge Catalog、自定义技能和助理指令为数据提供组织上下文。

了解默认分析框架

开箱即用的 MCP 工具会公开底层操作（例如列出表或运行 SQL 字符串），这些操作本身通常不足以进行复杂的多步数据分析。第一方数据 Data Cloud 连接器通过捆绑默认分析工具（一组内置的、由 Google 管理的技能，这些技能源自对话式分析智能体 Harness）来弥合这一差距。这些内置技能会自动处理核心分析任务，例如生成只读 SELECT 查询、从 SQL 编译器错误中恢复，以及调用内置 BigQuery AI、机器学习和图函数（例如 AI.FORECAST、AI.DETECT_ANOMALIES、AI.CLASSIFY、AI.AGG、AI.GENERATE 和 GRAPH_TABLE），而无需您进行任何配置或执行任何操作。

由于 Google 控制这些内置连接器技能，因此您无法直接修改连接器或向连接器添加上下文。您可以改为通过配置连接器设置、在知识目录中整理元数据，或在 Gemini Enterprise 应用中创建和使用自定义技能，来解决常见的查询执行、搜索延迟和指标准确性问题。

下表介绍了您在使用 Data Cloud 连接器时可能会遇到的常见问题以及解决方法：

问题 可供选择的解决方式
确保所有 BigQuery 查询都在单个项目中运行

创建 BigQuery 数据存储区时，配置结算项目 ID（位于高级选项下）。设置结算项目可确保通过连接器执行的所有 BigQuery 查询作业都在该指定 Google Cloud 项目中运行并计费。
缩短搜索延迟时间或优先处理特定数据

使用以下一个或两个选项来缩小代理搜索和查询数据的范围：

  • 创建自定义技能：在 Gemini Enterprise 应用中创建并分享技能，引导智能体仅在特定 Google Cloud 项目、数据集或表中搜索或查询数据。例如，在技能中添加以下指令：

    “在回答有关销售、收入或客户活动的问题时，仅搜索元数据并针对 analytics-prod.sales_mart 数据集中的表运行 SQL 查询。请勿扫描预演、沙盒或归档数据集。”

  • 创建 Knowledge Catalog 数据产品：将高优先级表整理到 Knowledge Catalog 数据产品中（请参阅创建数据产品），以便代理可以直接发现权威资产。
智能体使用了错误的指标定义或在错误的键上进行联接

使用以下一个或多个选项来标准化定义和联接逻辑：

如需比较使用 Knowledge Catalog 与自定义技能的优势，请参阅选择在何处定义业务指标：自定义技能与 Knowledge Catalog。如需了解如何在应用中创建和启用技能的分步说明，请参阅创建和管理技能以及管理技能。

通过技能和 Knowledge Catalog 提供组织背景信息

由于 Data Cloud 连接器不限于单个数据集或表，而是可以访问连接的数据源中经过身份验证的用户有权查询的所有资源，因此助理需要组织上下文来了解哪些资产具有权威性，以及您的业务如何计算关键指标。

采用分层方法，将Knowledge Catalog、组织级自定义技能和用户个性化相结合：

1. 使用 Knowledge Catalog 进行接地数据发现

当您在联合查询模式下连接 BigQuery 或数据库连接器时，系统会自动在 Gemini Enterprise 应用的助理标签页中启用 Knowledge Catalog。该智能体不会跨原始数据库架构进行顺序探索性调用，而是使用 Knowledge Catalog 工具在单个工作流中搜索用户有权访问的数据并查找丰富的元数据上下文。

如果贵组织在第三方目录（例如 DataHub）或内部文档 Wiki 中整理元数据，请将这些说明同步到 Knowledge Catalog，或在组织范围内的自定义技能中捕获基本业务规则，以便智能体能够发现这些规则。

2. 选择在何处定义业务指标：自定义技能还是 Knowledge Catalog

如需在对话中编纂组织特定的分析规则，并标准化业务指标定义和 SQL 公式，您可以执行以下任一操作：

为公司 KPI 定义确切的计算逻辑和过滤规则，可确保助理无需猜测。例如，您可以定义“活跃客户”严格指在过去 30 天内平台登录次数超过 10 次的 analytics_prod.crm.user_events_log 账号（event_type = 'LOGIN' 和 is_test_account = FALSE），或者“净边际贡献”必须排除促销赠品 (order_type != 'PROMO') 和库存损耗 (status != 'SHRINKAGE')。

在选择是在 Gemini Enterprise 的自定义技能中还是在 Knowledge Catalog 中实现指标定义时，请考虑以下权衡：

  • Knowledge Catalog：
    • 优势：
    • 强制执行 Identity and Access Management (IAM) 访问权限控制，以便用户和代理只能发现他们有权查看的元数据和定义。
    • 可在 Gemini Enterprise 之外的其他智能体 Harness、工具和平台（例如 BigQuery Studio 和 MCP 客户端）中重复使用。
    • 由数据治理团队集中维护，无需单个应用用户启用技能。
    • 缺点：
    • 提供描述性元数据上下文和示例查询，而不是严格的程序化指令，因此智能体可能需要额外的提示来处理复杂的多步骤计算流程。
  • Gemini Enterprise 中的组织级自定义技能：
    • 优势：
    • 提供具体、规范的程序化指令和确切的 SQL 公式，智能体在应用内会严格遵循这些指令和公式。
    • Gemini Enterprise 应用管理员可以快速创建和更新，而无需修改企业目录资源。
    • 缺点：
    • 必须与用户共享并在 Gemini Enterprise 中启用，且仅在 Gemini Enterprise 中应用，不适用于其他框架或平台。

3. 根据用户技能和个性化需求量身定制分析

个人分析师和业务用户可以在组织级技能的基础上添加个人使用场景：

  • 用户创建的技能：最终用户可以创建个人技能，用于执行周期性分析任务或团队特定的默认任务。例如，用户可以创建一项技能，规定每当用户询问“每周产品效果”时，助理应自动按其产品线进行过滤、排除 QA 流量，并按会计周对结果进行分组。
  • Gemini Enterprise 记忆和个性化功能：启用个性化后，助理可以跨会话保留用户特定的偏好设置和说明，从而减少重复的消除歧义提示。

选择在何处配置每种类型的上下文

由于 Google 控制着与 Data Cloud 连接器关联的内置技能，因此您无法直接向连接器添加自定义上下文。请改用下表来确定在何处配置分析规则和业务上下文：

上下文层 管理者 最佳用途 示例
Knowledge Catalog 元数据 数据监管员和目录管理员 跨大型数据资产的动态资产发现、表和列说明、数据质量信号、数据集词汇表以及经过验证的示例 SQL 查询。 在 analytics_prod 中精选经过认证的数据产品和业务术语库术语，以便智能体能够发现权威表和指标定义。
组织级自定义技能和助理指令 Gemini Enterprise 管理员和数据操作员 确定性项目和数据集范围、公司范围内的 KPI 定义、消除歧义规则和响应惯例。 将查询限制在特定的生产数据集；为“加权净 ARR”定义确切的 SQL 计算。
用户技能和个性化 个人最终用户和分析师 特定于角色的默认过滤条件、首选指标布局和周期性团队工作流程。 当用户询问“每月流水线指标”时，自动应用欧洲、中东和非洲区域以及活跃 QA 过滤条件。

后续步骤