Gemini in Looker คือ Gemini ที่เป็นผู้ช่วยอัจฉริยะในการใช้เครื่องมือวิเคราะห์ข้อมูลแบบ BI (Business Intelligence) โดยมีฟีเจอร์เด่น ๆ อย่าง Conversational Analysis ซึ่งจะช่วยให้คุณโต้ตอบกับข้อมูลทางธุรกิจได้เหมือนคุยกับเพื่อนร่วมงาน
Gemini in Looker คืออะไร ?
เดิมทีชื่อ Gemini in Looker มีชื่อว่า Duet AI in Looker ซึ่งมีความสามารถที่ช่วย Business Users ทำงานกับ BI บน Looker และ Looker Studio ได้ดีขึ้น มีความสามารถ เช่น ช่วยเขียนสูตร, สร้าง Chart, ถาม-ตอบกับข้อมูล รวมถึงสร้าง Google Slide ซึ่งทั้งหมดถูกฝังอยู่บน Looker และ Looker Studio โดยทุกท่านสามารถศึกษาเพิ่มเติมได้จาก Blog นี้เลยครับ
Conversational Analytics คืออะไร ?
![](https://storage.googleapis.com/gweb-cloudblog-publish/original_images/1-Conversational-Analytics.gif)
Conversational Analytics เป็นหนึ่งในฟีเจอร์ที่ Looker Studio มี เช่น สร้าง Report อัตโนมัติ, สร้าง Google Slide อัตโนมัติ, ช่วยเขียน Formula และถาม-ตอบกับข้อมูล ซึ่ง Conversational Analytics ก็คือฟีเจอร์ที่ช่วยให้เราถาม-ตอบกับข้อมูลเปรียบเสมือนคุยกับเพื่อนร่วมงานในลักษณะแชทครับ มันเหมือนกับพลังแห่งธุรกิจที่เกิดได้จากบทสนทนาเล็ก ๆ เช่น
- “สินค้าอะไรขายดีที่สุด ?”
- “ดูรายละเอียดการขายหน่อย”
- “เจาะลึกยอดขายตามภูมิภาค”
เบื้องต้น Gemini in Looker ยังอยู่ในช่วง Preview ที่ให้ใช้ได้เฉพาะ AI Trusted Tester อดใจรอกันสักนิด ทาง Google จะปล่อยในอีกไม่ช้าครับ ดังนั้นวันนี้เราจะมาลองเล่นกันก่อนให้เห็น Look & Feel เวลาปล่อยออกมาจะได้คุ้นเคยกัน!
เริ่มต้นกับ Conversational Analytics บน Looker Studio
เมนู Conversation Analytics จะอยู่ในเมนู Create บน Looker Studio ครับ
![01-เมนู-Conversation-Analytics-จะอยู่ในเมนู-Create-บน-Looker-Studio](https://www.tangerine.co.th/wp-content/uploads/2024/07/01-เมนู-Conversation-Analytics-จะอยู่ในเมนู-Create-บน-Looker-Studio.png)
เมื่อเข้ามาแล้ว เราสามารถเลือกจาก Data ที่เราเคย Add ไว้เป็น Data Source บน Looker Studio ได้เลย หรือเลือก Add Data ใหม่ดังภาพข้างล่างครับ ซึ่งวิธีการ Add ก็จะเหมือนเราต่อ Looker Studio กับ Dataset ปกติครับ
![02-Add-Looker-Studio-Dataset](https://www.tangerine.co.th/wp-content/uploads/2024/07/02-Add-Looker-Studio-Dataset.png)
ในที่นี้ผมเลือกที่จะต่อกับ telco_churn ที่เป็น Sample Dataset ที่เตรียมไว้บน BigQuery ก็สามารถเลือกชุดข้อมูลที่จะคุยได้เลยแบบนี้
![03 BigQuery Looker Studio](https://www.tangerine.co.th/wp-content/uploads/2024/07/03-BigQuery-Looker-Studio.png)
มาที่ Dataset ชุดนี้กันนิดนึง โดยข้อมูลชุดนี้เป็นข้อมูลของลูกค้า Telecom ที่มีการ Churn เกิดขึ้น (ก็คือเลิกใช้บริการกับบริษัทเราต่อ) มีข้อมูลต่าง ๆ เช่น เพศ, บริการที่ใช้ และ Tennure คือระยะเวลาที่ใช้บริการกับเราครับ ผมจะให้ดูเวลา Data ที่เตรียมไว้มี Schema และเนื้อหาอย่างไรบ้าง โดยผู้อ่านที่อยากจะลองเล่นกับชุดข้อมูลนี้ตามผมก็สามารถดาวน์โหลดได้จาก Kaggle นะครับ
![04-Dataset-Kaggle](https://www.tangerine.co.th/wp-content/uploads/2024/07/04-Dataset-Kaggle.png)
Column Name | Description |
customerID | Customer ID |
gender | Whether the customer is a male or a female |
SeniorCitizen | Whether the customer is a senior citizen or not (1, 0) |
Partner | Whether the customer has a partner or not (Yes, No) |
Dependents | Whether the customer has dependents or not (Yes, No) |
tenure | Number of months the customer has stayed with the company |
PhoneService | Whether the customer has a phone service or not (Yes, No) |
MultipleLines | Whether the customer has multiple lines or not (Yes, No, No phone service) |
InternetService | Customer’s internet service provider (DSL, Fiber optic, No) |
OnlineSecurity | Whether the customer has online security or not (Yes, No, No internet service) |
OnlineBackup | Whether the customer has online backup or not (Yes, No, No internet service) |
DeviceProtection | Whether the customer has device protection or not (Yes, No, No internet service) |
TechSupport | Whether the customer has tech support or not (Yes, No, No internet service) |
StreamingTV | Whether the customer has streaming TV or not (Yes, No, No internet service) |
StreamingMovies | Whether the customer has streaming movies or not (Yes, No, No internet service) |
Contract | The contract term of the customer (Month-to-month, One year, Two years) |
PaperlessBilling | Whether the customer has paperless billing or not (Yes, No) |
PaymentMethod | The customer’s payment method (Electronic check, Mailed check, Bank transfer (automatic), Credit card (automatic)) |
MonthlyCharges | The amount charged to the customer monthly |
TotalCharges | The total amount charged to the customer |
Churn | Whether the customer churned or not (Yes or No) |
ใน Dataset นี้จะมี 21 Columns ซึ่งมีรายละเอียดตามตารางข้างต้น ทีนี้เรามาดูเนื้อหา Data บางส่วนกัน
![05-Example-Dataset](https://www.tangerine.co.th/wp-content/uploads/2024/07/05-Example-Dataset.png)
เนื้อหาข้อมูลจะเห็นว่าดูมีอะไรให้เราวิเคราะห์กันต่อนะครับ ดังนั้นจะเริ่มตั้งคำถามกับข้อมูลเปรียบเหมือนกับเราเป็น Business User โดยที่ไม่ต้องลาก Chart อะไรต่าง ๆ หรือ เขียน SQL แนว ๆ Ad-hoc Analysis กันครับเริ่มต้นผมลองถามว่า “Top 10 customers who have subscribed to Phone Service and Streaming TV used the service for more than 50 months” ตัว AI ก็จะตอบเป็นข้อมูลที่ผมอยากได้ออกมาครับ
![06-Prompt-in-Looker-Studio](https://www.tangerine.co.th/wp-content/uploads/2024/07/06-Prompt-in-Looker-Studio.png)
จากตารางข้างต้นบริเวณใต้ข้อมูลจะมี Details ที่เราสามารถกางออกมาดูว่าคำตอบนี้มีขั้นตอนการคิดออกมาอย่างไรได้
![07-Suggest-Prompt-in-Looker-Studio](https://www.tangerine.co.th/wp-content/uploads/2024/07/07-Suggest-Prompt-in-Looker-Studio.png)
ขณะเดียวกันเราสามารถกดที่รูปดินสอ ในการแก้ไขบางขั้นตอนที่อาจจะทำให้ละเอียดขึ้นหรือตรงใจมากขึ้นก็ได้ครับ ซึ่งเป็นข้อดีเวลาเราถามกำกวมหรือพิมพ์ไม่ละเอียดแล้วทำ AI สับสน ตรงนี้ช่วยทำให้เรา Correct ข้อมูลได้อย่างดีครับ
![08-AI-Answer-in-Looker-Studio](https://www.tangerine.co.th/wp-content/uploads/2024/07/08-AI-Answer-in-Looker-Studio.png)
แต่ความเด็ดอยู่ที่เราสามารถถามเป็นภาษาไทยได้ เช่นตัวอย่างนี้ครับ “มีผู้ใช้บริการ Internet Service แบ่งตามเพศมีกี่คนและ Tenure โดยเฉลี่ยเป็นเท่าไร?”
![09-Prompt-ภาษาไทย](https://www.tangerine.co.th/wp-content/uploads/2024/07/09-Prompt-ภาษาไทย.png)
พอดู Details ที่ AI คิดออกมาก็ค่อนข้างตรงและมีความฉลาดอีกด้วย เพราะ Internet Service ถ้าลูกค้าไม่ Subscribe จะขึ้นว่า No แต่ถ้าใช้จะขึ้นเป็นชื่อบริการ ซึ่งเราจะ Filter ด้วย Yes ว่าใช้บริการไม่ได้ ต้องเลือก Filter ข้อมูลที่ Column InternetService != ‘No’ ครับ ตรงนี้ Gemini คิดได้ดีเยี่ยม
![10-Google-Gemini-Prompt](https://www.tangerine.co.th/wp-content/uploads/2024/07/10-Google-Gemini-Prompt.png)
ลองถามในลักษณะวิเคราะห์ดูสัดส่วนของ Internet Service ตัว AI ก็สร้าง Pie Chart มาให้เลย
![AI-ก็สร้าง-Pie-Chart](https://www.tangerine.co.th/wp-content/uploads/2024/07/AI-ก็สร้าง-Pie-Chart.png)
การสร้าง Chart ของ AI ผมว่าค่อนข้างเหมาะสมกับข้อมูลแต่หากเราอยากจะปรับ Chart ก็สามารถทำได้โดยกดรูปดินสอใน Chart ก็จะมี Chart ต่าง ๆ ให้เลือกครับ
![Custom-Dashboard](https://www.tangerine.co.th/wp-content/uploads/2024/07/Custom-Dashboard.png)
หรืออีกตัวอย่าง “ขอจำนวนลูกค้าที่ chrun แบ่งตามประเภทสัญญา”
![AI-Chart](https://www.tangerine.co.th/wp-content/uploads/2024/07/AI-Chart.png)
ทีนี้ลองถามแบบซับซ้อนดูนะครับ ซึ่งการถาม AI ที่ดีควรจะถามแบบมีเนื้อหาหรือบอกมันอย่างละเอียดว่าต้องการสิ่งใด เช่น ตัวอย่างนี้ครับ
“วิเคราะห์ Churn Rate สำหรับลูกค้าที่มีค่าบริการรายเดือนเกิน $100 โดยจัดกลุ่มตามประเภทสัญญา บริการอินเทอร์เน็ต เพศ วิธีการชำระเงิน และคำนวณ total customer : จำนวนลูกค้าที่ไม่ซ้ำในแต่ละกลุ่ม, churn customer : จำนวนลูกค้าที่ churn แต่ละกลุ่ม และ churn rate : เปอร์เซ็นต์ของลูกค้าที่ chrun ในแต่ละกลุ่ม”
![AI-data-analysis](https://www.tangerine.co.th/wp-content/uploads/2024/07/AI-data-analysis.png)
ดู Detail ที่ AI คิดบ้าง ต้องบอกเลยครับว่า คำถามข้างต้นยากจริง ๆ เพราะในกลุ่มที่เราต้องการต้องมีการ filter เอาเฉพาะลูกค้าที่ Churn และไม่ Churn ซึ่งต้องมี Logic ในการ Filter ภายในตัวแปรที่คำนวณใหม่ หรือแม้กระทั่ง Churn Rate เราก็ต้องหาลูกค้าที่ Churn หารด้วยลูกค้าทั้งหมดแต่ Gemini ก็ทำได้ดีครับ
![Google-Gemini-Churn-Analysis](https://www.tangerine.co.th/wp-content/uploads/2024/07/Google-Gemini-Churn-Analysis.png)
กระบวนการคิดข้างต้นเทียบเท่ากับ Query ที่ Data Analyst สักคนจะพยายาม SQL เพื่อตอบคำถามผู้บริหารออกมาได้แบบนี้
SELECT
Contract,
InternetService,
Gender,
PaymentMethod,
COUNT(DISTINCT customerID) AS total_customers,
SUM(CASE WHEN Churn = TRUE THEN 1 ELSE 0 END) AS churned_customers,
(SUM(CASE WHEN Churn = TRUE THEN 1 ELSE 0 END) / COUNT(DISTINCT customerID)) * 100 AS churn_rate
FROM
`sample.telco_churn`
WHERE
MonthlyCharges > 100
GROUP BY
Contract,
InternetService,
Gender,
PaymentMethod;
ผมขออนุญาต Breakdown Query ข้างต้นเพื่อ Cross Check กับขั้นตอนที่ Gemini คิดออกมานะครับ
-- 1) Selected columns Contract, InternetService, Gender, PaymentMethod from the table and aliased them.
SELECT
Contract,
InternetService,
Gender,
PaymentMethod,
-- 2) Calculated total_customer by counting distinct customerID.
COUNT(DISTINCT customerID) AS total_customers,
-- 3) Calculated churn_customer by summing up customers where Churn is True.
SUM(CASE WHEN Churn = TRUE THEN 1 ELSE 0 END) AS churned_customers,
-- 4) Calculated churn_rate by dividing churn_customer by total_customer and rounding to 2 decimal places.
(SUM(CASE WHEN Churn = TRUE THEN 1 ELSE 0 END) / COUNT(DISTINCT customerID)) * 100 AS churn_rate
FROM
`sample.telco_churn`
WHERE
-- 5) Filtered the data to include rows where MonthlyCharges is greater than 100.
MonthlyCharges > 100
-- 6) Grouped the data by Contract, InternetService, Gender, and PaymentMethod.
GROUP BY
Contract,
InternetService,
Gender,
PaymentMethod;
-- 7) Sorted the results in ascending order by Contract, InternetService, Gender, and PaymentMethod.
-- ใน Query ผมไม่ได้ Sort ข้อมูลไว้ แต่ Looker Studio มีการคิดขั้นตอน Sort ให้เพิ่มด้วย
สังเกตว่าถ้าเทียบกับ SQL จริง ๆ ที่เราไว้ตอบ Management ก็ค่อนข้างทำออกมาได้ดีเลย ดังนั้นแล้วการ Prompt จึงสำคัญมากที่จะทำให้เราได้ข้อมูลที่ตรงใจ และทำให้ AI มีการคิดอย่างเป็นระบบในการหาคำตอบให้เราครับ
ประโยชน์ของ Gemini in Looker Studio
- เข้าถึงข้อมูลได้ง่าย : ไม่จำเป็นต้องเขียนโค้ดหรือเป็นนักวิเคราะห์ข้อมูลผู้เชี่ยวชาญ
- รวดเร็วและแม่นยำ : ได้รับคำตอบจากข้อมูลจริงภายในไม่กี่วินาที
- สร้างรายงานอัตโนมัติ : สร้างรายงานพร้อม Summary อัตโนมัติ
- เชื่อมต่อกับ Google Workspace : สร้างรายงาน Looker Studio จากข้อมูลบน Google Sheets และนำเสนอข้อมูลใน Google Slides ได้อย่างสะดวก
ตัวอย่าง Use-cases
- ฝ่ายขาย : วิเคราะห์ประสิทธิภาพการขายตามพนักงาน สินค้า และภูมิภาค
- ฝ่ายการตลาด : ติดตามผลลัพธ์ของแคมเปญทางการตลาด
- ฝ่ายบริหาร : ประเมินผลประกอบการและตัดสินใจทางธุรกิจ
Conclusion
Gemini in Looker Studio เป็นเครื่องมือที่จะช่วยให้ทุกคนในองค์กรเข้าถึงและวิเคราะห์ข้อมูลได้อย่างง่ายดาย นำไปสู่การตัดสินใจเชิงธุรกิจที่ชาญฉลาดยิ่งขึ้น หากองค์กรเราใช้ Looker Studio กันอยู่แล้ว แนะนำให้ลองอัปเกรดเป็น Looker Studio Pro และลองใช้ Gemini วิเคราะห์ข้อมูลเสมือนเพื่อนร่วมงานด้วยกันนะครับ
หากท่านสนใจบริการหรือต้องการคำปรึกษาเพิ่มเติม
ติดต่อเราได้ที่ marketing@tangerine.co.th หรือโทร 094 999 4263
ท่านจะได้รับคำตอบจากผู้เชี่ยวชาญที่ได้รับการรับรองมาตรฐาน