BigQuery Conversational Analytics通用发布，自然语言提速企业数据分析

如今企业的决策节奏越来越快，但掌握数据洞察的团队往往被大量日常请求淹没，导致需要即时数据的用户只能漫长等待。近日，BigQuery对话分析功能正式面向全量用户开放，不管是业务团队还是技术团队，都可以直接在数据存储的位置，通过自然语言完成数据查询、多步骤分析以及可视化报告生成。此次更新后，BigQuery对话分析的智能助手就像一位熟悉企业业务的专业分析师：会先梳理逻辑再给出结论，并且对分析结果负责。该功能基于最新的Gemini大模型以及BigQuery安全合规的底层架构，让每一位企业成员都能拥有专属的可信数据分析助手。

面向企业级数据的对话分析能力

BigQuery的对话分析功能内置在平台中，无需额外配置即可直接使用。对于需要更深入、更一致的分析结果的数据专业人员，可以基于企业的核心数据源创建专属的智能助手，支持的数据源范围包括项目、数据集、数据表、视图、图谱以及用户自定义函数。考虑到企业的数据往往分散在不同的平台，对话分析功能不仅支持原生BigQuery数据表，还可以对接湖仓托管的Apache Iceberg表，以及跨云的湖仓数据源比如Databricks Unity、AWS Glue、SAP和Salesforce，帮助企业打破数据孤岛，通过一次对话就能完成跨云环境的数据整合分析。数据从业者可以直接在BigQuery Studio和Data Canvas中使用该功能，并且可以通过对话分析API将创建好的智能助手发布到Gemini企业版、数据工作室或者自建应用中，让业务团队可以在自己熟悉的工作环境中使用这些分析能力。

“BigQuery对话分析彻底改变了我们团队获取数据洞察的方式。原本需要几周才能完成的分析工作，现在只需要几分钟就能完成，我们的财务分析师每周可以节省约半天的工作时间。通过实现分析的自助服务，我们帮助团队更快地获取洞察，从而支持更高效的产品和商业决策。”

—— 某跨境金融比价平台数据主管

面向信任与可解释性的设计

对话分析功能的准确性从设计之初就被重点考量，而非后期优化目标：每一个智能助手都基于企业自身的业务上下文进行训练，而非依赖通用大模型的预设假设。这些业务上下文来自知识目录（包括术语表、数据概览扫描和上下文数据包）、BigQuery图谱用于多跳查询，以及企业自己验证过的查询语句和自定义助手指令。通过全新的开放知识格式，企业团队维护的wiki文档可以直接同步到知识目录中。在执行查询时，对话分析会利用AI.GENERATE_EMBEDDINGS生成的列值嵌入向量，将用户的问题匹配到正确的数据表，比如当用户询问“德克萨斯州”时，可以准确找到存储为“TX”的相关数据行。

只有当用户可以验证分析过程时，这种基于上下文的分析才能真正获得信任。因此每一个分析结果都可以被追溯查看，具体包括：

• 可见的思考步骤：用户可以查看智能助手的分步推理过程，以及在返回结果前生成的完整SQL语句。
• 上下文引用：可以查看每一个结果背后的精确数据源，包括数据表、模式定义、已验证的查询语句以及用于计算结果的术语表条目。
• 主动消歧：当用户的提问不够明确时，智能助手会提出针对性的澄清问题，而非盲目猜测。
• 长期记忆能力：智能助手会记住用户使用的术语和提问的上下文，避免重复进行消歧工作。

内置安全与治理体系

规模化部署AI的常见障碍之一就是治理问题。当面向数万用户提供服务时，需要严格的安全管控、治理机制以及透明的成本控制措施。BigQuery对话分析继承了BigQuery原生的治理模型，确保用户只能查询自己有权限访问的数据，并且所有的查询都会被记录在BigQuery的合规框架中用于审计。在此基础上，该功能还支持访问透明度工具、客户管理加密密钥、私有IP访问以及VPC服务控制，并且现在可以为欧盟和美国多区域端点中的静态数据和机器学习处理提供数据驻留保障。

对于核心业务用户，平台还提供了规模化运营所需的管控能力：可以配置云原生的成本控制策略，避免用户或项目超出预算上限，可以限制智能助手的最大查询字节数，还可以通过作业的标签追踪使用情况。

将BigQuery AI能力转化为自然语言交互

这款智能助手不仅可以直接检索数据行，还可以调用BigQuery的AI功能，将复杂的数据分析工作转化为用户可以用日常语言提出的问题。具体能力包括：

• 探寻变化背后的原因：当用户询问某一指标变动的驱动因素时，智能助手会通过AI.KEY_DRIVERS函数执行根因分析，展示出导致指标变动的具体细分群体。
• 预测未来趋势：跳出传统的历史报表模式，用户可以在对话中直接触发AI.FORECAST和AI.DETECT_ANOMALIES功能，进行趋势预测和异常值标记，无需手动构建或维护机器学习模型。
• 覆盖全栈数据资产：通过对象表功能，智能助手可以同时处理关系型数据和非结构化文件，包括PDF、图片、日志和视频，让一次对话就能覆盖企业的全量数据资产。

从被动问答到主动数据分析

对话分析智能助手已经从人工规模的响应式分析，升级为代理级别的主动行动。用户不再局限于提出问题然后等待结果。

深度探索模式：当用户询问“某一指标为何发生变动”时，智能助手会自动构建分析计划，梳理关键问题，完成完整的多步骤调查过程，无需用户手动编写SQL语句，最大限度减少分析盲区。最终生成的全面分析报告还可以下载并分享给团队成员。

代理工作流：企业可以部署自主运行的智能助手，用于监控数据情况、基于事件进行推理、按计划执行多步骤工作流，并将分析结果直接推送到对话中。比如可以设置周一晨间的业务报告，或者每日关键指标异常检测任务，每个任务都可以配置自定义指令，确保智能助手只关注企业关心的分析内容。

BigQuery对话分析的正式通用发布，标志着企业数据可视化报表的静态时代正式落幕。通过将Gemini的深度认知推理能力直接嵌入数据仓库，企业可以构建自我管理的数据分析环境，将原始数据转化为活跃的企业级知识。此次发布也是代理型数据云的核心组成部分，提供了真正的行动驱动系统，超越了传统的回顾性报表，内置安全与治理体系，并且从设计之初就面向企业级信任打造。

如果您准备开始使用该功能，可以查阅官方文档，联系您的云服务客户经理，或者直接在BigQuery Studio中创建并部署您的第一个智能助手。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。