使用對話式分析的 Data Cloud 連接器最佳做法

在聯合查詢模式下連結 Data Cloud 連接器時，Gemini Enterprise 會使用 Model Context Protocol (MCP) 查詢資料來源。雖然 MCP 工具定義可讓助理執行 SQL，但若要以高準確度和低延遲回答自然語言業務問題，還需要額外兩層指引：

  • 預設分析架構：引擎專屬程序技能，可教導 Gemini Enterprise 助理如何規劃查詢、解析篩選器值、使用進階分析函式，以及像專業資料分析師一樣處理錯誤。
  • 組織背景資訊：特定領域技能、自訂指令和 Knowledge Catalog 中繼資料，可將貴公司的業務詞彙、KPI 定義和管理護欄，對應至正確的基礎資料表和模型。

本文說明 Data Cloud 連接器如何使用 Google 管理的內建分析技能，以及如何使用 Knowledge Catalog、自訂技能和助理指令，為資料提供組織背景資訊。

瞭解預設分析架構

現成的 MCP 工具會公開低階作業 (例如列出資料表或執行 SQL 字串)，但這些作業本身通常不足以處理複雜的多步驟資料分析。第一方資料 Data Cloud 連接器可解決這個問題，方法是綁定預設數據分析工具，這是一組內建、由 Google 管理的技能，衍生自對話式數據分析代理駕馭系統。這些內建技能會自動處理核心分析工作，例如生成唯讀 SELECT 查詢、從 SQL 編譯器錯誤中復原，以及叫用內建 BigQuery AI、機器學習和圖表函式 (例如 AI.FORECAST、AI.DETECT_ANOMALIES、AI.CLASSIFY、AI.AGG、AI.GENERATE 和 GRAPH_TABLE)，您不需進行任何設定或操作。

由於 Google 控制這些內建連接器技能，因此您無法直接修改連接器或新增背景資訊。您可以透過調整連接器設定、在 Knowledge Catalog 中整理中繼資料，或在 Gemini Enterprise 應用程式中建立及使用自訂技能，解決常見的查詢執行、搜尋延遲和指標準確度問題。

下表說明使用 Data Cloud 連接器時可能遇到的常見問題，以及解決方法：

問題 解決方式
確保所有 BigQuery 查詢都在單一專案中執行

建立 BigQuery 資料儲存庫時，請設定「進階選項」下方的「計費專案 ID」。設定帳單專案後，透過連接器執行的所有 BigQuery 查詢工作，都會在指定的 Google Cloud 專案中執行並計費。
縮短搜尋延遲時間或優先處理特定資料

您可以透過下列其中一或兩種方式，縮小代理搜尋和查詢資料的範圍：

  • 建立自訂技能：在 Gemini Enterprise 應用程式中建立及共用技能，引導代理只在特定 Google Cloud 專案、資料集或資料表中搜尋或查詢資料。舉例來說，您可以在技能中加入下列指示：

    「回答有關銷售、收益或顧客活動的問題時，請只搜尋中繼資料，並對 analytics-prod.sales_mart 資料集中的資料表執行 SQL 查詢。請勿掃描測試、沙箱或封存資料集。

  • 建立 Knowledge Catalog 資料產品：將高優先順序的資料表彙整至 Knowledge Catalog 資料產品 (請參閱「建立資料產品」)，讓代理直接找到權威資產。
代理使用錯誤的指標定義，或依據錯誤的鍵彙整資料

請使用下列一或多個選項，標準化定義和彙整邏輯：

如要比較使用 Knowledge Catalog 與自訂技能的優點，請參閱「選擇定義業務指標的位置：自訂技能與 Knowledge Catalog」。如需在應用程式中建立及啟用技能的逐步說明，請參閱「建立及管理技能」和「管理技能」。

透過技能和 Knowledge Catalog 提供組織背景資訊

Data Cloud 連接器不限於單一資料集或資料表，只要通過驗證的使用者有權查詢，就能存取連結資料來源中的所有資源。因此，助理需要組織背景資訊，才能知道哪些資產具有權威性，以及貴公司如何計算重要指標。

採用分層做法，結合 Knowledge Catalog、全組織自訂技能和使用者個人化：

1. 使用 Knowledge Catalog 探索基準資料

在聯合查詢模式下連結 BigQuery 或資料庫連接器時，Gemini Enterprise 應用程式的「Assistant」分頁會自動啟用 Knowledge Catalog。代理不會在原始資料庫結構定義中依序執行探索呼叫，而是使用 Knowledge Catalog 工具搜尋使用者有權存取的資料，並在單一工作流程中查詢豐富的中繼資料背景資訊。

如果貴組織在第三方目錄 (例如 DataHub) 或內部說明文件 Wiki 中管理中繼資料，請將這些說明同步至 Knowledge Catalog，或在組織層級的自訂技能中擷取重要業務規則，讓代理能找到這些規則。

2. 選擇定義業務指標的位置：自訂技能或 Knowledge Catalog

如要將組織專屬的分析規則編碼，並在對話中標準化業務指標定義和 SQL 公式，您可以：

為公司 KPI 定義精確的計算邏輯和篩選規則，確保助理不必猜測。舉例來說，您可以定義「活躍客戶」嚴格來說是指 analytics_prod.crm.user_events_log 中過去 30 天內登入平台超過 10 次的帳戶 (event_type = 'LOGIN' 和 is_test_account = FALSE)，或「淨邊際貢獻」必須排除促銷贈品 (order_type != 'PROMO') 和庫存縮減 (status != 'SHRINKAGE')。

選擇要在 Gemini Enterprise 的自訂技能中，還是在 Knowledge Catalog 中導入指標定義時，請考量下列優缺點：

  • Knowledge Catalog：
    • 優點：
    • 強制執行 Identity and Access Management (IAM) 存取控管機制，確保使用者和代理只能探索有權查看的中繼資料和定義。
    • 可重複用於 Gemini Enterprise 以外的其他代理駕馭系統、工具和平台 (例如 BigQuery Studio 和 MCP 用戶端)。
    • 由資料治理團隊集中維護，個別應用程式使用者不需啟用技能。
    • 缺點：
    • 提供描述性中繼資料背景資訊和範例查詢，而非嚴格的程序指示，因此代理可能需要額外提示，才能處理複雜的多步驟計算流程。
  • Gemini Enterprise 的組織專屬自訂技能：
    • 優點：
    • 提供具體、規範性的程序操作說明和精確的 SQL 公式，讓代理在應用程式中確實遵循。
    • Gemini Enterprise 應用程式管理員可以快速建立及更新，無須修改企業目錄資源。
    • 缺點：
    • 必須與使用者共用，並在 Gemini Enterprise 中啟用，且僅適用於 Gemini Enterprise，不適用於其他工具或平台。

3. 根據使用者技能和個人化需求調整分析

個別分析人員和商業使用者可以將個人化脈絡疊加在組織層級的技能上：

  • 使用者建立的技能：使用者可以建立個人技能，用於週期性數據分析任務或團隊專屬預設設定。舉例來說，使用者可以建立一項技能，只要詢問「每週產品業績」，助理就會自動篩選產品系列、排除品質確保流量，並依會計週分組結果。
  • Gemini Enterprise 記憶和個人化：啟用個人化功能後，助理可以跨工作階段保留使用者專屬偏好設定和釐清資訊，減少重複出現的釐清提示。

選擇各類情境的設定位置

由於 Google 控制 Data Cloud 連接器附加的內建技能，因此您無法直接在連接器中新增自訂情境。請改用下表，決定要在何處設定分析規則和業務情境：

背景資訊層 管理員： 最適用 範例
Knowledge Catalog 中繼資料 資料監管者和目錄管理員 在大型資料資產中動態探索資產、資料表和資料欄說明、資料品質信號、資料集詞彙，以及經過驗證的範例 SQL 查詢。 在 analytics_prod 中整理經過認證的資料產品和組織詞彙字詞，讓代理能找到權威資料表和指標定義。
全組織自訂技能和助理指令 Gemini Enterprise 管理員和資料操作員 確定性專案和資料集範圍、全公司 KPI 定義、消除歧義規則和回應慣例。 將查詢限制在特定實際工作環境資料集；定義「加權淨 ARR」的確切 SQL 計算方式。
使用者技能和個人化 個別使用者和分析師 特定角色的預設篩選器、偏好的指標版面配置，以及週期性團隊工作流程。 使用者要求「每月管道指標」時，自動套用歐洲、中東和非洲地區和有效品質確保篩選器。

後續步驟