来源：InfoWorld 作者：Anirban Ghoshal
谷歌在其BigQuery数据仓库和Looker商业智能平台中添加了新的agents，以帮助数据从业人员自动化和简化分析任务。
在该公司的Google Cloud Next会议上宣布的数据agents包括数据工程和数据科学agents——两者都已普遍提供。
数据工程agents嵌入在BigQuery中，旨在通过提供支持来构建数据管道、执行数据准备和自动元数据生成来帮助数据从业人员。
据谷歌称，数据工程agents将简化和加速分析任务，因为数据从业人员通常必须花费大部分时间创建数据管道并准备数据，以便从中获得可操作的见解。
目前正在预览的数据工程agents的另一项功能是检测异常以保持数据质量的能力。
数据科学agents可通过公司免费的基于云的Jupyter笔记本服务——Colab访问，旨在帮助数据科学家实现功能工程自动化。
数据科学中的特征工程是指将原始数据改造成模型可用于预测的特征的过程。
该agent还能够提供智能模型选择，并实现可扩展的培训以及更快的迭代周期。
这将使企业数据科学团队能够专注于构建数据科学工作流程，而不必担心数据改造和管理基础设施。
谷歌还在Looker中添加了一个对话分析工具，目前正在预览中，以帮助企业用户使用自然语言与数据进行交互。
该工具本质上是一个agent，展示了其对查询的响应背后的理由，以帮助最终用户理解和监控其行为——这是大多数部署代理以逃避幻觉陷阱的企业的要求。
然而，谷歌指出，该工具由Looker的语义层提供支持，预计将提高其准确性。
云服务提供商还向开发人员提供了对话分析的API，以帮助他们将其集成到应用程序和工作流程中。
该公司在一份声明中表示，通过BigQuery、Looker和Colab提供的agents无需额外费用。
BigQuery获得了一个新的知识引擎和人工智能查询引擎
作为BigQuery更新的一部分，云服务提供商正在添加一个知识引擎，以帮助企业分析自主数据——独立于任何应用程序的仓库内数据集。
据谷歌称，知识引擎将使用Gemini分析架构关系、表格描述和查询历史，以即时生成元数据，并建模数据关系。
谷歌表示，该引擎将作为企业在商业背景下建立人工智能模型和agents的基础层。
为了进一步帮助数据从业者，谷歌表示，它正在向BigQuery笔记本添加智能SQL单元。
该公司表示，当科学家编写代码时，这些单元可以理解数据的上下文并提供建议，同时使他们能够直接在笔记本中加入数据源。
笔记本的其他更新包括功能，例如跨企业共享见解和构建交互式数据应用程序的能力。
为了帮助数据从业人员在BigQuery中一起分析结构化和非结构化数据，谷歌增加了一个新的人工智能查询引擎。
谷歌云数据分析董事总经理Yasmeen Ahmad在一篇博文中写道：“该引擎使数据科学家能够从简单的检索结构化数据，无缝处理结构化和非结构化数据，同时添加现实世界的上下文。”
Ahmad补充说，人工智能查询引擎与Gemini共同处理传统SQL，以注入对现实世界知识、语言理解和推理能力的运行时访问。
BigQuery的其他更新
谷歌正在向BigQuery添加多模态表，以扩大其帮助数据从业人员进一步分析非结构化数据的努力。
目前正在预览的多模态表将允许企业将复杂的数据类型带到BigQuery中，并将它们与结构化数据一起存储在统一存储中进行查询。
Ahmad写道：“为了有效地管理这个全面的数据资产，我们增强的BigQuery治理为数据管理员和专业人士提供了一个单一的统一视图，以处理发现、分类、策划、质量、使用和共享，包括自动编目和元数据生成。”
虽然BigQuery治理仍在预览中，但自动编目作为一项功能已经普遍提供。BigQuery的其他更新包括Apache Kafka的Google Cloud的普遍可用性，以促进实时数据流、分析；以及在预览中添加Apache Spark工作负载的无服务器执行。
本文转载自InfoWorld，本文观点不代表雅典娜AI助手YadiannaAI立场。
