BigQuery Graph bổ sung tính năng Measures, hỗ trợ AI Agent suy luận quan hệ chính xác

Khi các doanh nghiệp chuyển đổi từ việc sử dụng trợ lý trò chuyện đơn giản sang các khối lượng công việc tự chủ, mang tính tác nhân (agentic), họ nhanh chóng đối mặt với một sự thật phũ phàng: Các tác nhân (agents) dễ đưa ra những thông tin thiếu chính xác khi làm việc trực tiếp với các bảng dữ liệu thô.

BigQuery Graph giúp các tổ chức vượt ra khỏi các bảng dữ liệu phẳng, tĩnh để thể hiện doanh nghiệp đúng như cách chúng tồn tại trong thế giới thực: dưới dạng các thực thể kinh doanh có kết nối với các phụ thuộc thực tế. Với sự hỗ trợ của các thước đo (measures) trong BigQuery Graph (bản xem trước), chúng tôi đang hợp nhất các chỉ số được quản trị với việc lập bản đồ mối quan hệ. Điều này cho phép các tác nhân của bạn suy luận dựa trên các phụ thuộc phức tạp được ghi lại trong đồ thị với độ chính xác của các thước đo.

Tại sao các mối quan hệ lại quan trọng

Các cấu trúc dữ liệu truyền thống không nhận diện được bối cảnh kinh doanh đa chặng, khiến các tác nhân AI đưa ra các quyết định vận hành không chính xác:

Vấn đề cụ thể: Nếu một nhà bán lẻ có một tác nhân được hỏi tại sao doanh số áo khoác mùa đông lại giảm 12% ở Seattle, nó có thể truy vấn các bảng phẳng để báo cáo cái gì (mức giảm 12%). Nhưng nó lại thất bại ở câu hỏi tại sao vì không thể truy vết lộ trình quan hệ: Đơn hàng tại Seattle ➔ trung tâm phân phối ➔ nhà cung cấp bị trì hoãn do bão khu vực.

Rủi ro của các hệ thống rời rạc: Thiếu bối cảnh về mối quan hệ, tác nhân đề xuất một chiến dịch giảm giá 15% không liên quan, làm xói mòn biên lợi nhuận một cách không cần thiết. Hơn nữa, việc duy trì các hệ thống riêng biệt - nơi một nhóm lập bản đồ mối quan hệ nhà cung cấp trong một cơ sở dữ liệu đồ thị riêng trong khi nhóm khác duy trì các chỉ số SQL - buộc tác nhân của bạn phải tự kết nối các ngăn xếp này trong thời gian chạy. Quá trình này chậm, tốn kém và dẫn đến các tính toán KPI không nhất quán.

Các thước đo trong BigQuery Graph giải quyết vấn đề này bằng cách cho phép bạn lập bản đồ các bảng hiện có vào một đồ thị thuộc tính (property graph) tại chỗ mà không cần ETL. Thiết lập hợp nhất này cho phép sự phát triển logic của việc truy vấn:

Metadata grounding (nền tảng siêu dữ liệu) xác định bạn có những dữ liệu gì.

Business metrics (các thước đo kinh doanh) tính toán hiệu suất hoạt động của doanh nghiệp bạn.

Relationship mapping (lập bản đồ mối quan hệ - đồ thị) khám phá lý do tại sao điều đó xảy ra.

Cơ chế vận hành bên dưới

Trước đây, các phép nối (joins) SQL tiêu chuẩn trong quá trình duyệt đồ thị thường làm trùng lặp các hàng, dẫn đến các tính toán tổng hợp không chính xác. BigQuery Graph giải quyết vấn đề này một cách nguyên bản.

Các nhà mô hình hóa dữ liệu định nghĩa một MEASURE (như SUM hoặc AVG) trực tiếp trong DDL của Property Graph. Sử dụng SQL tiêu chuẩn thông qua hàm GRAPH_EXPAND và bộ tổng hợp AGG, công cụ sẽ giải quyết các đường dẫn đồ thị cấu trúc trước khi đánh giá các chỉ số. Điều này đảm bảo tác nhân của bạn đủ thông minh để biết khi nào cần máy tính (SQL) và khi nào cần bản đồ (đồ thị).

Vì các dự án công khai như bigquery-public-data chỉ ở chế độ chỉ đọc, bạn phải lập bản đồ đồ thị thuộc tính logic bên trong dự án của riêng mình bằng cách sử dụng biến giữ chỗ (YOUR_PROJECT_ID), đồng thời tham chiếu trực tiếp đến các bảng công khai chỉ đọc dưới dạng các nút (nodes) và cạnh (edges).

Phổ cập trí tuệ đồ thị trong BigQuery Studio

Để việc quản lý và triển khai các mạng lưới quan hệ này trở nên dễ dàng cho cả nhà phát triển và người dùng doanh nghiệp, chúng tôi đã xây dựng các công cụ vận hành trực quan, nguyên bản ngay trong BigQuery Studio:

Visual graph modeler: Một giao diện kéo-thả không cần mã (no-code) bên trong BigQuery Studio cho phép bạn xây dựng, chỉnh sửa và lập bản đồ các đồ thị thuộc tính, các nút và các cạnh một cách trực quan mà không cần viết các tập lệnh DDL phức tạp theo cách thủ công.

Ngữ nghĩa hợp nhất: Tích hợp Looker nguyên bản

Để tránh việc duy trì các ngăn xếp logic phân mảnh, các chỉ số kinh doanh phải nằm ở tầng dữ liệu. Bằng cách tích hợp Looker (LookML) một cách nguyên bản với BigQuery Graphs dưới dạng các mô hình phân tích trong cơ sở dữ liệu, bạn định nghĩa logic một lần tại cốt lõi: