Các Khám Phá Chuyên Sâu Về Gemini Trong Looker

Các Khám Phá Chuyên Sâu Về Gemini Trong Looker

Đứng trước sự bùng nổ về những đổi mới nhờ ứng dụng Generative AI, lĩnh vực business intelligence (BI) cũng đang trải qua những sự thay đổi đáng kể. Google Cloud đang dẫn đầu xu hướng tích hợp AI vào BI với Gemini in Looker, dựa trên nền tảng đám mây và lớp ngữ nghĩa của Looker. Gemini in Looker đơn giản hóa việc tiếp cận thông tin, tăng cường cộng tác và tăng tốc quá trình biến dữ liệu thô thành insight giá trị. Tại Google Cloud Next 25, Google đã thông báo mở rộng quyền truy cập vào Gemini in Looker dành cho tất cả người dùng nền tảng Looker. Bài viết dưới đây, hãy cùng Cloud Ace khám phá các tính năng chính, kiến trúc cơ bản và những tiềm năng đối với các nhà phân tích dữ liệu và doanh nghiệp nhé.

Được thiết kế cho mục tiêu nâng cao năng suất làm việc cho các nhà phân tích và người dùng doanh nghiệp nhờ ứng dụng AI. Gemini in Looker giúp việc chuẩn bị dữ liệu và xây dựng mô hình ngữ nghĩa cho BI dễ dàng hơn, đồng thời đơn giản hóa quy trình tạo báo cá và trực quan hóa dữ liệu trên dashboard. Thêm vào đó, Gemini in Looker còn nâng cao khả năng hiểu và sử dụng dữ liệu của doanh nghiệp bằng cách kể các câu chuyện dựa trên dữ liệu trong các bài thuyết trình, đặt câu hỏi bằng ngôn ngữ tự nhiên để tìm câu trả lời nhanh chóng.

Formula Assistant: đơn giản hóa việc tạo các trường tính toán cho các phân tích đặc biệt bằng cách cho phép người dùng mô tả phép tính mong muốn bằng ngôn ngữ tự nhiên. Công thức sẽ được tự động tạo bằng AI, giúp tiết kiệm thời gian và công sức xây dựng báo cáo.

LookML Assistant: đơn giản hóa việc tạo code LookML bằng cách cho phép người dùng mô tả những gì họ muốn xây dựng bằng ngôn ngữ tự nhiên và tự động tạo ra các measure và dimension LookML tương ứng. Điều này giúp tối ưu hóa quy trình tạo và duy trì dữ liệu được quản trị.

Advanced Visualization Assistant: tạo ra các hình ảnh trực quan hóa dữ liệu tùy chỉnh mà người dùng mô tả bằng ngôn ngữ tự nhiên. Trong khi đó, Gemini trong Looker sẽ tạo ra các cấu hình code JSON cần thiết.

Một thành phần quan trọng trong kiến trúc AI Looker là LookML semantic modeling layer (tầng mô hình ngữ nghĩa LookLM). Layer này khi kết hợp với các LLM như Gemini, nó cung cấp các ngữ cảnh cần thiết để LLM hiểu dữ liệu đồng thời giúp thiết lập các định nghĩa chỉ số một cách tập trung, ngăn chặn những sai lệch có thể gây ảnh hưởng tiêu cực đến các mô hình AI.

Mô hình ngữ nghĩa của Looker tạo điều kiện thuận lợi cho việc tích hợp quản trị dữ liệu, bảo đảm tuân thủ các quy định, đồng thời phát triển linh hoạt theo nhu cầu doanh nghiệp - liên tục cập nhật tập dữ liệu và chỉ số đảm bảo AI luôn đưa ra kết quả chính xác. Theo các thử nghiệm nội bộ của Google cloud, lớp ngữ nghĩa Looker có khả năng giảm thiểu lỗi dữ liệu trong các truy vấn bằng ngôn ngữ tự nhiên của AI tạo sinh đến 2/3.

Theo thông báo tại Next 25, Looker Conversational Analytics API đóng vai trò là nền tảng tác nhân (agentic backend) cho Looker AI, nó sử dụng nhiều công cụ khác nhau để giải đáp các thắc mắc phân tích. Điểm đặc biệt là API này còn ghi nhớ lịch sử trò chuyện, cho phép trả lời các câu hỏi nối tiếp một cách mạch lạc và tối ưu hóa hiệu quả của các truy vấn Looker, bao gồm cả khả năng mở trực tiếp các truy vấn này trong giao diện Explore.

Để đảm bảo độ chính xác và chất lượng cao nhất, kiến trúc AI của Looker tiếp cận vấn đề này một cách toàn diện thông qua:

Suy luận dựa trên tác nhân (Agentic reasoning)
Nền tảng tầng ngữ nghĩa (A semantic layer foundation)
Biểu đồ tri thức động (A dynamic knowledge graph) cung cấp ngữ cảnh cho Retrieval Augmented Generation - RAG
Các mô hình đã được tinh chỉnh để tạo code SQL và Python

Nhờ kiến trúc mạnh mẽ này, Looker có khả năng vượt xa việc trả lời những câu hỏi đơn giản như "Cái gì?", mà còn có thể giải quyết các truy vấn phức tạp hơn như "So sánh như thế nào?", "Tại sao lại như vậy?", "Điều gì có thể xảy ra?" và cuối cùng là "Chúng ta nên hành động ra sao?""

Code Interpreter for Conversational Analytics: giúp việc phân tích nâng cao trở nên dễ dàng, cho phép người dùng thực hiện các tác vụ phức tạp như dự báo và phát hiện bất thường bằng ngôn ngữ tự nhiên mà không cần kiến thức chuyên sâu về Python.

Conversational Analytics API cho phép các developer tích hợp Conversational Analytics vào nhiều trải nghiệm khác nhau như: ứng dụng khách hàng, ứng dụng trò chuyện, Agentspace và BigQuery.

Agentspace giúp tập trung hóa và chia sẻ các tác nhân Looker, cung cấp khả năng truy cập tập trung, triển khai nhanh hơn, tăng cường cộng tác nhóm và quản trị an toàn.

Automated semantic model generation giúp tăng năng suất của developer và khai phá insight từ dữ liệu bằng nhiều phương thức đầu vào. Gemini tận dụng các loại đầu vào đa dạng như mô tả bằng ngôn ngữ tự nhiên, truy vấn SQL và lược đồ cơ sở dữ liệu.