تجزیه و تحلیل داده‌های FCM BigQuery با استفاده از هوش مصنوعی

جعبه ابزار BigQuery MCP مجموعه‌ای از ابزارهای MCP را ارائه می‌دهد که برای ساده‌سازی تعامل با داده‌های BigQuery طراحی شده‌اند. می‌توان از آن برای پرس‌وجو از داده‌های خروجی FCM BigQuery استفاده کرد. این مستندات نحوه استفاده از جعبه ابزار BigQuery MCP و یک عامل هوش مصنوعی را برای پرس‌وجو و تجزیه و تحلیل سریع و مؤثر این داده‌ها نشان می‌دهد.

تنظیم خروجی BigQuery

  • مطمئن شوید که پروژه FCM شما برای ارسال داده‌ها به BigQuery پیکربندی شده است. برای شروع، به بخش درک تحویل پیام مراجعه کنید.
  • پس از فعال شدن، FCM به طور خودکار مجموعه داده‌های BigQuery را با رویدادهای تحویل پیام پر می‌کند.

جعبه ابزار BigQuery MCP را تنظیم کنید

  1. برای نصب و پیکربندی جعبه ابزار BigQuery MCP، دستورالعمل‌های موجود در بخش «استفاده از BigQuery با عوامل» را دنبال کنید.

پرس و جو در BigQuery با استفاده از یک عامل هوش مصنوعی، داده‌های خروجی را استخراج کنید

پس از اتمام راه‌اندازی، عامل هوش مصنوعی شما باید بتواند ابزارهای موجود را فهرست کند. عامل هوش مصنوعی خود را بررسی کنید تا مطمئن شوید ابزارهای زیر در دسترس هستند:

  • execute_sql
  • get_dataset_info
  • get_table_info
  • list_dataset_ids
  • list_table_ids

اکنون می‌توانید از مثال‌های زیر برای عامل هوش مصنوعی خود استفاده کنید:

  • در 7 روز گذشته چند اعلان FCM ارسال شده است؟
  • داده‌ها را بر اساس تاریخ نمودار کنید.
  • خطاهای رایج برای از دست دادن اعلان‌ها چیست؟

مزایای استفاده از عامل هوش مصنوعی برای کاوش داده‌ها

برخی از مزایای استفاده از عامل هوش مصنوعی برای کاوش داده‌ها عبارتند از:

  • دسترسی‌پذیری: این به کاربران شما اجازه می‌دهد تا داده‌ها را با استفاده از زبان طبیعی جستجو کنند.
  • تجسم آسان: می‌توانید از قابلیت‌های LLM برای تجسم داده‌های برگردانده شده از BigQuery استفاده کنید.

کانال‌های بازخورد

برای ارائه بازخورد، با موارد زیر تماس بگیرید:

  • برای مشکلات مربوط به پاسخ عامل هوش مصنوعی، با مالک مدل یا تیم عامل هوش مصنوعی تماس بگیرید.
  • برای مشکلات مربوط به جعبه ابزار BigQuery MCP، با تیم پشتیبانی Google Cloud تماس بگیرید.