ChatGPT在Looker上：通过Dot将分析自助服务提升到新的水平

Looker用户，这是值得庆祝的事情！Dot，您的数据仓库的AI聊天代理刚刚发布了与LookML（Looker建模层）语义层的Looker连接，它是备受追捧的自助式灵活性与Looker客户习惯的一致性和结构的完美结合。

Looker上的数据采纳仅限于受过培训的用户。

作为使用Looker的数据专业人士，您将会知道该工具的自助服务功能非常强大。然而，并非每个利益相关方都能获得可灵活探索Looker上所有数据的构建者许可证，有些人甚至可能根本不会获得许可证。通常，组织会选择启用一个名为公民分析师或数据冠军的选定利益相关方群体，在Looker和数据模型上接受培训，并与数据团队并肩工作，创建仪表板并回答团队的问题。理论上，这听起来很棒，并在某种程度上起作用，但事实上，它经常导致数据知识和访问的孤立，有些利益相关方或整个团队会被落下。

仪表板和固定报告只能到达一定程度来纠正这一问题，往往它们能非常好地回答一组预定义的问题，但未能使消费者彻底了解他们真正想知道的内容。而且，坦白地说，并不是所有的问题都需要仪表板；通常只需要快速回答那些一次性的查询就足够了。不幸的是，现在往往是一个人花费宝贵的时间来回答问题 - 或者是常驻冠军，或者是一个数据人员他们更好地花时间在其他地方。

Dot on Looker使用自然语言实现可信赖的洞察力。

使用 Dot，每个人都可以以自然语言、轻松快捷的方式进一步学习并探索数据。同时，数据团队可以确保结果正确无误，并与他们已在 Looker 实例中进行的工作保持一致（请参阅什么是语义层和 Looker 语义层）。

在Looker语义层之上的聊天体验

1.1. 图表：使用 LookML 层定义的度量标准，Dot 通过图表回答数据问题。

1.2. 图表：使用LookML定义的度量、字段和维度来回答数据问题的点形图表。

不仅可以提高数据的可访问性和覆盖范围，而且可以为数据团队节省时间，让他们专注于解决他们才能解决的问题，比如改善数据模型、对KPI定义进行调整、记录数据，并进行深入分析和跨职能分析，为组织增加真正的价值。

通过使用Looker API和OpenAI最新的聊天GPT4模型，Dot利用数据团队定义的业务关键绩效指标、表格和探索来确保聊天中显示的结果与利益相关者熟悉的仪表板一致。连接后，字段名称和描述都可以立即使用，图表和表格的显示方式与Looker内部类似，以创建一个几乎没有设置工作的无缝体验。

Dot培训空间整合了Looker探索、指标、字段的文档，以提高聊天准确性。

2.1 图表：Dot 中数据治理的示例，选择表格，探索，字段同步文档，为数据设置样本。

结论

在 Looker 中实现 Dot 的集成是解决真正的分析自助服务面临的两个关键挑战的一种优雅方式。一方面，易于采用：Dot 通过会话界面使任何人都能回答他们的数据问题，无论其技术技能如何。另一方面，信任：通过与 LookML 集成，Dot 确保任何问题都指向具有一致度量定义的单一真理源。

把以下英文文本保留HTML结构，翻译成简体中文：

如果你有兴趣测试Dot，你可以在这里免费注册。

把下面的英文文本翻译成简体中文，保留HTML结构：

Welcome to our website

We offer a wide range of products and services to meet all your needs. Whether you're looking for electronics, fashion, or home goods, we've got you covered. Our team is dedicated to providing the highest level of customer service and we're always here to help if you have any questions or concerns.