Interpréteur de code Conversational Analytics

L'analyse conversationnelle est un outil d'analyse de données optimisé par l'IA qui vous aide à dégager des insights avancés à partir de vos données en posant des questions en langage naturel (conversationnel). Vous n'avez pas besoin d'expérience en codage ni d'expertise en données pour utiliser l'analyse conversationnelle.

L'interpréteur de code de l'analyse conversationnelle traduit vos questions en langage naturel en code Python et exécute ce code pour fournir des analyses et des visualisations avancées. Contrairement aux expériences de BI standards basées sur SQL, l'interprète de code prend en charge un large éventail d'analyses de données, des calculs et des graphiques de base aux tâches plus avancées telles que les prévisions de séries temporelles. L'interprète de code améliore l'analyse conversationnelle en permettant aux utilisateurs d'effectuer ces types d'analyses avancées, qui nécessiteraient autrement des connaissances spécialisées en codage avancé ou en méthodes statistiques.

Découvrez comment et quand Gemini pour Google Cloud utilise vos données. Comme il s'agit d'une technologie encore à un stade précoce, il se peut que les produits Gemini pour Google Cloud génèrent des résultats qui semblent plausibles, mais qui sont en fait incorrects. Nous vous recommandons de valider toutes les sorties des produits Gemini pour Google Cloud avant de les utiliser. Pour en savoir plus, consultez Gemini pour Google Cloud et l'IA responsable.

Avant de commencer

Pour utiliser l'interprète de code dans l'analyse conversationnelle de Looker Studio, vous devez remplir les conditions suivantes:

  1. Vous devez être un utilisateur disposant d'un abonnement Looker Studio Pro. Les licences Looker Studio Pro sont disponibles sans frais pour les utilisateurs de Looker.
  2. Un administrateur doit avoir activé Gemini dans Looker pour Looker Studio.
  3. Un administrateur doit également avoir activé l'option Fonctionnalités pour les testeurs de confiance dans les paramètres Gemini de Looker Studio.

Activer l'interprète de code

Pour activer l'interprète de code pour vos conversations, procédez comme suit:

  1. Dans Looker Studio, accédez à Analyse conversationnelle.
  2. Dans le panneau de navigation de gauche de Conversational Analytics, cliquez sur le bouton d'activation Analyses avancées pour activer l'interprète de code.
  3. Lorsque l'interprète de code est activé, vous pouvez utiliser Conversational Analytics comme d'habitude pour engager des conversations et poser des questions à vos données. L'interpréteur de code utilise le moteur qui alimente Gemini Chat pour traduire vos requêtes en code Python et l'exécuter.

Limitations connues

  • L'interpréteur de code utilise Python pour résoudre les problèmes. Étant donné que Python est plus flexible que les langages de requête structurés, les réponses de l'interprète de code peuvent être plus variables que celles de l'expérience Conversational Analytics de base.
  • Pour les données Looker, Conversational Analytics peut renvoyer au maximum 5 000 lignes par requête.
  • L'interprète de code est compatible avec ces bibliothèques Python. Pour demander de l'aide concernant d'autres bibliothèques Python, envoyez un e-mail à l'adresse conversational-analytics-feedback@google.com.
  • Les types de graphiques de visualisation suivants ne sont pas acceptés dans les réponses de l'interprète de code :
    • Maps

Pour en savoir plus sur les limites supplémentaires, consultez la documentation sur les limites connues de l'analyse conversationnelle.

Bibliothèques Python compatibles

Afficher les bibliothèques Python compatibles

L'interprète de code est compatible avec les bibliothèques Python suivantes:

  • altair
  • attrs
  • chess
  • contourpy
  • cycler
  • entrypoints
  • fonttools
  • fpdf
  • geopandas
  • imageio
  • jinja2
  • joblib
  • jsonschema
  • jsonschema-specifications
  • kiwisolver
  • lxml
  • markupsafe
  • matplotlib
  • mpmath
  • numexpr
  • numpy
  • opencv-python
  • openpyxl
  • packaging
  • pandas
  • patsy
  • pdfminer-six
  • pillow
  • plotly
  • protobuf
  • pylatex
  • pyparsing
  • PyPDF2
  • python-dateutil
  • python-docx
  • python-pptx
  • pytz
  • referencing
  • reportlab
  • rpds-py
  • scikit-image
  • scikit-learn
  • scipy
  • seaborn
  • six
  • statsmodels
  • striprtf
  • sympy
  • tabulate
  • tensorflow
  • threadpoolctl
  • toolz
  • torch
  • tzdata
  • xlrd

Questions suggérées

Lorsque vous activez l'interprète de code, les fonctionnalités d'analyse avancées de Python permettent à Conversational Analytics de répondre à un plus grand nombre de questions, en plus des types de questions standards compatibles. Exemple :

  • Pouvez-vous m'expliquer les principaux facteurs de vente en fonction de mes données ?
  • Quelle est la valeur vie de chacun de mes segments de clientèle, en tenant compte de la fréquence d'achat moyenne et de la valeur moyenne de la commande ?
  • Comment les ventes de cette année se comparent-elles à celles de l'année dernière ?
  • Identifier les anomalies dans mes données de vente pour m'aider à identifier les produits ou les régions qui enregistrent des performances particulièrement bonnes ou mauvaises
  • Effectuez une analyse des cohortes pour comprendre la fidélisation des clients.
  • Mes produits les plus rentables sont-ils aussi les plus populaires ? Utilisez cette réponse pour me suggérer comment optimiser mon assortiment de produits.
  • Quel est le taux de croissance annuel composé (CAGR) des ventes par catégorie de produits au cours des trois dernières années ?
  • Présentez le TCAC sous forme de graphique à barres, avec la catégorie de produits sur l'axe X et le TCAC sur l'axe Y.