Коннекторы Data Cloud в Gemini for business, которые сейчас доступны в режиме предварительной версии, предоставляют бизнес-пользователям и аналитикам прямой способ запроса актуальных корпоративных данных на естественном языке. В большинстве организаций вопросы, связанные с данными, возникают быстрее, чем аналитики успевают на них отвечать: проекты застаиваются в очередях заявок, руководители полагаются на догадки, а неуправляемые электронные таблицы распространяются по командам. Ранние инструменты генеративного ИИ обещали разговорный доступ к данным, но они часто испытывали трудности с генерацией точного SQL для сложных схем или с соблюдением правил управления. Коннекторы Data Cloud позволяют запрашивать регулируемые данные прямо из вашего рабочего пространства, одновременно обеспечивая безопасность на уровне строк и столбцов и соблюдая учетные данные конечного пользователя.
Новый способ запроса корпоративных данных
Gemini встраивает разговорную аналитику непосредственно в ваш повседневный рабочий процесс с помощью двух путей: агентов Conversational Analytics, которые позволяют создавать агенты данных, включающие контекст и инструкции для эффективного ответов на вопросы для конкретных вариантов использования, и коннекторов Data Cloud, позволяющих запрашивать актуальные данные напрямую с помощью Gemini. Конечные пользователи могут извлекать данные напрямую из BigQuery (предварительная версия), операционных баз данных, таких как Spanner, AlloyDB и Cloud SQL (предварительная версия), а также управляемых данных из Looker (предварительная версия). Оттуда вы можете переносить полученные результаты непосредственно в повседневные инструменты, например преобразовывать результаты запросов в документ Google Документов, черновик письма в Gmail или презентацию в Google Презентациях.
Задавайте вопросы на естественном языке по корпоративным данным с помощью коннекторов Data Cloud.
Как работают коннекторы Data Cloud
Коннекторы Data Cloud работают совместно с Knowledge Catalog для поиска релевантных данных, интерпретации вашего вопроса и выполнения запросов с ограниченными правами доступа под вашей учетной записью.
Knowledge Catalog интерпретирует запрос пользователя и определяет правильный источник данных для запроса.
Когда вы задаете вопрос в Gemini, система координирует обнаружение, семантическую интерпретацию и выполнение запроса, используя следующие возможности:
- Вопрос на естественном языке: вы задаете исследовательский вопрос на простом языке (например: «Каковы были наши продажи в этом месяце по всем товарам для холодной погоды?»). От конечных пользователей не требуется знать таблицу или проект для использования.
Вопрос на естественном языке: вы задаете исследовательский вопрос на простом языке (например: «Каковы были наши продажи в этом месяце по всем товарам для холодной погоды?»). От конечных пользователей не требуется знать таблицу или проект для использования.
- Семантическое обнаружение: Gemini ищет в Knowledge Catalog потенциальные данные по всей вашей системе, учитывая ключевые атрибуты, такие как шаблоны использования.
Семантическое обнаружение: Gemini ищет в Knowledge Catalog потенциальные данные по всей вашей системе, учитывая ключевые атрибуты, такие как шаблоны использования.
- Сопоставление контекста: система использует технические метаданные, бизнес-глоссарии и семантические модели для сопоставления повседневных терминов с точными структурами баз данных, например преобразование «товаров для холодной погоды» в конкретные категории, такие как свитера, пальто и куртки в каталоге электронной коммерции.
Сопоставление контекста: система использует технические метаданные, бизнес-глоссарии и семантические модели для сопоставления повседневных терминов с точными структурами баз данных, например преобразование «товаров для холодной погоды» в конкретные категории, такие как свитера, пальто и куртки в каталоге электронной коммерции.
- Выполнение с учетом разрешений: Gemini генерирует SQL-запрос и запускает его через коннектор под вашими учетными данными пользователя, соблюдая существующие разрешения базы данных на уровне строк и столбцов.
Выполнение с учетом разрешений: Gemini генерирует SQL-запрос и запускает его через коннектор под вашими учетными данными пользователя, соблюдая существующие разрешения базы данных на уровне строк и столбцов.
Пошаговый процесс передачи запроса пользователя из Gemini к выполнению запроса.
Для точной навигации по массиву корпоративных данных языковым моделям необходим бизнес-контекст наряду с прямым доступом к базе данных. Knowledge Catalog предоставляет готовый пакет контекста, включающий технические метаданные, бизнес-логику, связи между таблицами и проверенные запросы, что повышает точность запросов при одновременном снижении задержки и потребления токенов.
Визуальная навигация по графу контекста в Knowledge Catalog.
Корпоративная аналитика долгое время была фрагментирована физическими границами: данные, заблокированные в проприетарных хранилищах, открытые таблицы Lakehouse в облачном объектном хранилище и наборы данных, распределенные по мультиоблачным средам. Помимо собственного хранилища BigQuery, коннектор BigQuery переносит разговорную аналитику в озеро данных без границ, объединяя эти среды в единый разговорный интерфейс для запроса открытых форматов таблиц (включая Apache Iceberg, Delta Lake и Parquet) и кросс-облачных наборов данных в AWS или Azure с помощью BigQuery. Коннектор наследует политики детализированного доступа из BigQuery и Knowledge Catalog, поэтому элементы управления доступом на уровне строк и столбцов применяются независимо от того, запрашиваете ли вы собственные таблицы или открытые файлы Lakehouse.
Gemini получает доступ к данным в BigQuery и AWS S3 (через федеративный каталог AWS Glue) для ответа на вопросы на простом языке.
Выбор между коннекторами и агентами данных
Помимо использования прямых коннекторов Data Cloud для запроса данных на простом языке, вы также можете использовать агенты Conversational Analytics для включения этих возможностей. В то время как коннекторы Data Cloud позволяют предоставлять пользователям возможности исследовательского и специального анализа, агенты разговорной аналитики представляют собой специализированные агенты, созданные и сертифицированные непосредственно командами по работе с данными в вашей организации. Они могут быть созданы для таких продуктов Data Cloud, как BigQuery, Looker, и операционных баз данных, включая Spanner, AlloyDB и Cloud SQL.
Эти предварительно настроенные агенты позволяют пользователям выполнять строго регламентированный многоэтапный стратегический анализ, ограниченный определенными подмножествами данных, что поддерживает требования соответствия и предсказуемые результаты отчетности. Эти агенты данных также могут быть опубликованы в Gemini для использования или предоставлены через API для создания ваших собственных разговорных приложений на уровне предприятия.
Эти подходы дополняют друг друга. Прямое подключение Gemini также выводит на экран соответствующие опубликованные агенты, созданные центральными командами по обработке данных, поэтому пользователи могут решить, продолжать ли специальный анализ с помощью коннекторов или использовать специализированный агент. Вы можете выбрать правильный подход для каждой рабочей нагрузки.
Встроенные средства контроля доступа и управления
Запросы коннекторов Data Cloud выполняются под учетной записью конечного пользователя. Сотрудник, не имеющий доступа к данным о зарплатах руководства или защищенным медицинским записям, не может запрашивать эти данные с помощью запросов на естественном языке. Агент обнаруживает в Knowledge Catalog только те метаданные, к которым у вас есть доступ, и выполняет только те запросы, на выполнение которых у вашей учетной записи есть разрешение.
Как создавать коннекторы Data Cloud
Администраторы могут настраивать коннекторы Data Cloud в консоли администратора Gemini. Оттуда администраторы настраивают подключения «только для чтения» по умолчанию к наборам данных в BigQuery, операционным базам данных или Looker с автоматическим включением Knowledge Catalog. После настройки конечные пользователи могут включить коннектор в Gemini, чтобы начать запросы данных и создание отчетов на простом языке.
Создайте подключенное хранилище данных в Gemini и авторизуйте его при первом использовании.
Документация по настройке доступна для коннекторов BigQuery, Spanner, Cloud SQL и AlloyDB for PostgreSQL, а Looker также доступен в режиме предварительной версии.
В отличие от режима приема данных, который копирует данные в хранилище данных Gemini, коннектор Data Cloud использует режим федеративных запросов для запроса данных на месте без их копирования или индексирования, автоматически используя Knowledge Catalog для поиска доступных метаданных и контекста бизнеса.
Почему стоит использовать коннекторы Data Cloud вместо пользовательского MCP
По сравнению с подключением к общедоступным или самостоятельно управляемым серверам Model Context Protocol (MCP), фирменные коннекторы Data Cloud предоставляют два основных преимущества:
- Встроенные навыки для повышения качества ответов: коннекторы Data Cloud включают предварительно настроенные навыки агентов, адаптированные под каждый механизм данных, такие как расширенный SQL и генерация функций ИИ для BigQuery и операционных баз данных, что позволяет повысить точность запросов и качество ответов.
Встроенные навыки для повышения качества ответов: коннекторы Data Cloud включают предварительно настроенные навыки агентов, адаптированные под каждый механизм данных, такие как расширенный SQL и генерация функций ИИ для BigQuery и операционных баз данных, что позволяет повысить точность запросов и качество ответов.
- Пошаговая настройка и управляемая аутентификация: фирменные коннекторы обеспечивают простую настройку с управляемой аутентификацией для баз данных Google Cloud и BigQuery, устраняя необходимость развертывания промежуточного ПО MCP или управления собственной конфигурацией клиента OAuth для служб Google Cloud. Кроме того, специфичные для коннекторов настройки, такие как указание проекта выставления счетов Google Cloud по умолчанию для выполнения запросов BigQuery, помогают администраторам обеспечивать соблюдение политик управления и контролировать расходы на запросы.
Пошаговая настройка и управляемая аутентификация: фирменные коннекторы обеспечивают простую настройку с управляемой аутентификацией для баз данных Google Cloud и BigQuery, устраняя необходимость развертывания промежуточного ПО MCP или управления собственной конфигурацией клиента OAuth для служб Google Cloud. Кроме того, специфичные для коннекторов настройки, такие как указание проекта выставления счетов Google Cloud по умолчанию для выполнения запросов BigQuery, помогают администраторам обеспечивать соблюдение политик управления и контролировать расходы на запросы.
Начните работу сегодня
Коннекторы Data Cloud помогают командам находить ответы в корпоративных источниках данных, не дожидаясь обработки накопившихся задач. Чтобы начать работу, ознакомьтесь с документацией по коннекторам Data Cloud или изучите агентов Conversational Analytics.
- Аналитика данных
- BigQuery
- Базы данных
- ИИ и машинное обучение
