От запроса к вопросу. Google представил Conversational Analytics в BigQuery
Вчера Google в блоге показал возможности решения Conversational Analytics в BigQuery. Теперь можно задавать вопросы к данным обычным языком, а система сама строит и выполняет SQL запрос и показывает результат с графиками и пояснениями в веб-интерфейсе. Используются агенты с последними моделями Gemini.
Осенью такое решение было представлена для гуглового Looker. Но Looker - это BI-слой. А здесь - прямое взаимодействие с DWH, без BI посредника.
Это ещё один шаг к демократизации данных.
〰 Гайды Conversational Analytics для BigQuery и Looker.
Что это даёт бизнесу:
〰 Демократизация аналитики. Можно получать ответы без знания SQL и без очереди к аналитикам.
〰 Быстрее инсайты. Бизнес-пользователь напрямую взаимодействует с данными.
〰 Меньше ручного контекста. ИИ читает метаданные и описания таблиц, формируя контекст данных
Давате разберём, почему это не революция:
〰 Ответы ИИ надо проверять. Гугл сам об этом предупреждает.
〰 Для метаданных и описаний таблиц надо проделать колоссальную работу: их нужно описывать, поддерживать и тестировать как агенты работают с метаданными.
〰 Запросы BigQuery стоят денег (https://cloud.google.com/bigquery/pricing#analysis_pricing_models). В крупных компаниях на запросы уходят десятки тысяч долларов в месяц. Неоптимальные SQL-запросы от ИИ будут сжирать бюджеты. Бизнес-пользователей придётся ограничивать и обучать формулировке вопросов.
〰 Сложные бизнес-инсайты пока это не даст. Нужно много контекста и процессинга данных.
Похоже, что в ближайшем будущем отдельным навыком станет умение формулировать правильные бизнес-вопросы к данным.
💚 А про то, как самому локально развернуть базу данных и подключить к ней Claude через MCP для Conversational Analytics, я писал в посте "AI отчеты на основе данных". На Хабре сделал полный гайд "Подключаем Claude по MCP к базе данных на домашнем компьютере".
#conversational_analytics #genbi
@data_bar 🍀
Вчера Google в блоге показал возможности решения Conversational Analytics в BigQuery. Теперь можно задавать вопросы к данным обычным языком, а система сама строит и выполняет SQL запрос и показывает результат с графиками и пояснениями в веб-интерфейсе. Используются агенты с последними моделями Gemini.
Осенью такое решение было представлена для гуглового Looker. Но Looker - это BI-слой. А здесь - прямое взаимодействие с DWH, без BI посредника.
Это ещё один шаг к демократизации данных.
〰 Гайды Conversational Analytics для BigQuery и Looker.
Что это даёт бизнесу:
〰 Демократизация аналитики. Можно получать ответы без знания SQL и без очереди к аналитикам.
〰 Быстрее инсайты. Бизнес-пользователь напрямую взаимодействует с данными.
〰 Меньше ручного контекста. ИИ читает метаданные и описания таблиц, формируя контекст данных
Давате разберём, почему это не революция:
〰 Ответы ИИ надо проверять. Гугл сам об этом предупреждает.
〰 Для метаданных и описаний таблиц надо проделать колоссальную работу: их нужно описывать, поддерживать и тестировать как агенты работают с метаданными.
〰 Запросы BigQuery стоят денег (https://cloud.google.com/bigquery/pricing#analysis_pricing_models). В крупных компаниях на запросы уходят десятки тысяч долларов в месяц. Неоптимальные SQL-запросы от ИИ будут сжирать бюджеты. Бизнес-пользователей придётся ограничивать и обучать формулировке вопросов.
〰 Сложные бизнес-инсайты пока это не даст. Нужно много контекста и процессинга данных.
Похоже, что в ближайшем будущем отдельным навыком станет умение формулировать правильные бизнес-вопросы к данным.
💚 А про то, как самому локально развернуть базу данных и подключить к ней Claude через MCP для Conversational Analytics, я писал в посте "AI отчеты на основе данных". На Хабре сделал полный гайд "Подключаем Claude по MCP к базе данных на домашнем компьютере".
#conversational_analytics #genbi
@data_bar 🍀