تجزیه‌وتحلیل داده‌های FCM BigQuery بااستفاده از هوش مصنوعی

‫BigQuery MCP Toolbox مجموعه‌ای از ابزارهای MCP را ارائه می‌دهد که برای ساده‌سازی تعامل با داده‌های BigQuery طراحی شده‌اند. می‌توان از آن برای پُرسمان داده‌های صادرشده FCM BigQuery استفاده کرد. این سند نشان می‌دهد که چگونه از BigQuery MCP Toolbox و عامل هوشواره برای پُرسمان کردن و تجزیه‌وتحلیل کردن این داده‌ها به‌سرعت و به‌طور مؤثر استفاده کنید.

راه‌اندازی BigQuery Export

• مطمئن شوید پروژه FCM شما برای صادر کردن داده‌ها به BigQuery پیکربندی شده باشد. برای شروع، آشنایی با تحویل پیام را ببینید.
• پس‌از فعال شدن، FCM به‌طور خودکار مجموعه‌داده BigQuery را با رویدادهای ارسال پیام پر می‌کند.

راه‌اندازی BigQuery MCP Toolbox

1. دستورالعمل‌های استفاده از BigQuery با نمایندگان را برای نصب و پیکربندی جعبه‌ابزار BigQuery MCP دنبال کنید.

پُرسمان داده‌های صادرشده BigQuery بااستفاده از عامل هوش مصنوعی

پس‌از تکمیل راه‌اندازی، عامل هوش مصنوعی شما باید بتواند ابزارهای دردسترس را فهرست کند. عامل هوش مصنوعی‌تان را بررسی کنید تا مطمئن شوید ابزارهای زیر دردسترس هستند:

• execute_sql
• get_dataset_info
• get_table_info
• list_dataset_ids
• list_table_ids

اکنون می‌توانید از پیام‌واره‌های نمونه زیر با عامل هوش مصنوعی خود استفاده کنید:

• در ۷ روز گذشته چند اعلان FCM ارسال شده است؟
• داده‌ها را براساس تاریخ نمودار کنید.
• برخی‌از خطاهای رایج برای اعلان‌های ازدست‌رفته چیست؟

مزایای استفاده از عامل هوش مصنوعی برای کاوش داده‌ها

برخی‌از مزایای استفاده از عامل هوش مصنوعی برای کاوش داده‌ها عبارت‌اند از:

• دسترس‌پذیری: این ویژگی به کاربران شما امکان می‌دهد بااستفاده از زبان طبیعی داده‌ها را پُرسمان کنند.
• دیداری‌سازی آسان: می‌توانید از قابلیت‌های مدل‌های زبانی بزرگ برای دیداری‌سازی داده‌های برگشتی 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 جعبه‌ابزار BigQuery MCP، با تیم پشتیبانی Google Cloud تماس بگیرید.