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 ?
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
เมื่อเข้ามาแล้ว เราสามารถเลือกจาก Data ที่เราเคย Add ไว้เป็น Data Source บน Looker Studio ได้เลย หรือเลือก Add Data ใหม่ดังภาพข้างล่างครับ ซึ่งวิธีการ Add ก็จะเหมือนเราต่อ Looker Studio กับ Dataset ปกติครับ
ในที่นี้ผมเลือกที่จะต่อกับ telco_churn ที่เป็น Sample Dataset ที่เตรียมไว้บน BigQuery ก็สามารถเลือกชุดข้อมูลที่จะคุยได้เลยแบบนี้
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
| 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
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
จากตารางข้างต้นบริเวณใต้ข้อมูลจะมี Details ที่เราสามารถกางออกมาดูว่าคำตอบนี้มีขั้นตอนการคิดออกมาอย่างไรได้
ขณะเดียวกันเราสามารถกดที่รูปดินสอ ในการแก้ไขบางขั้นตอนที่อาจจะทำให้ละเอียดขึ้นหรือตรงใจมากขึ้นก็ได้ครับ ซึ่งเป็นข้อดีเวลาเราถามกำกวมหรือพิมพ์ไม่ละเอียดแล้วทำ AI สับสน ตรงนี้ช่วยทำให้เรา Correct ข้อมูลได้อย่างดีครับ
แต่ความเด็ดอยู่ที่เราสามารถถามเป็นภาษาไทยได้ เช่นตัวอย่างนี้ครับ “มีผู้ใช้บริการ Internet Service แบ่งตามเพศมีกี่คนและ Tenure โดยเฉลี่ยเป็นเท่าไร?”
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
ลองถามในลักษณะวิเคราะห์ดูสัดส่วนของ Internet Service ตัว AI ก็สร้าง Pie Chart มาให้เลย
การสร้าง Chart ของ AI ผมว่าค่อนข้างเหมาะสมกับข้อมูลแต่หากเราอยากจะปรับ Chart ก็สามารถทำได้โดยกดรูปดินสอใน Chart ก็จะมี Chart ต่าง ๆ ให้เลือกครับ
หรืออีกตัวอย่าง “ขอจำนวนลูกค้าที่ chrun แบ่งตามประเภทสัญญา”
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”
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
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 ให้เพิ่มด้วยสังเกตว่าถ้าเทียบกับ 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
