Comment intégrer Google Gemini dans les tableaux de bord Tableau?

Exploitation de la puissance de Google Gemini dans les tableaux de bord Tableau: une amélioration alimentée par l'IA

Les capacités de visualisation robustes de Tableau, la préparation des données couvrant les données (Tableau Prep Builder), la narration des données (Tableau Desktop) et le partage collaboratif (Tableau Server), sont considérablement améliorées par l'intégration de l'IA. Cet article explore comment tirer parti de Google Gemini pour augmenter la compréhension du tableau de bord, réduisant le temps d'interprétation manuelle. Nous allons construire une extension de tableau de bord qui permet aux utilisateurs d'interagir avec les visualisations et de recevoir des informations dirigées directement dans Tableau.

Le défi consiste à combler l'écart entre la fonctionnalité de Tableau et la puissance des modèles de gros langues (LLM) comme les Gémeaux. Ceci est réalisé grâce à des extensions de tableau de bord personnalisées, qui sont essentiellement des applications Web intégrées dans Tableau. Ces extensions communiquent avec les composants internes de Tableau à l'aide de l'API d'extensions Tableau.

Objectifs d'apprentissage clés:

• Master les extensions de tableau de bord Tableau pour une fonctionnalité améliorée.
• Configuration de l'environnement de développement pour l'intégration des Gémeaux dans Tableau.
• Utiliser Python et Anvil pour gérer l'interaction entre Tableau et Gemini.
• Permettre aux utilisateurs d'interroger des visualisations et de recevoir des réponses immédiates.
• Répondre aux problèmes de sécurité potentiels liés au partage des données avec les LLM.

Comprendre les extensions du tableau de bord:

L'architecture de Tableau rend le codage direct des nouvelles fonctionnalités difficiles. Les extensions de tableau de bord fournissent une solution. Ce sont des applications Web intégrées dans un tableau de bord Tableau, agissant comme composants supplémentaires. Ils communiquent avec Tableau via l'API Extensions Tableau, tombant en deux catégories:

• Informatique en réseau: ces extensions résident sur des serveurs externes, offrant une flexibilité et une évolutivité.
• Sandboxed: Ces extensions s'exécutent dans l'environnement de Tableau, offrant une fonctionnalité limitée mais une sécurité améliorée.

Une riche bibliothèque d'extensions est disponible sur Tableau Exchange, offrant diverses fonctionnalités. Pour notre objectif, nous allons créer une extension compatible avec le réseau qui facilite les requêtes utilisateur et l'analyse alimentée par les Gemini directement dans le tableau de bord.

Configuration de la boîte à outils de développement:

Pour simplifier le processus de développement, nous levons Anvil, une plate-forme d'application Web complète basée sur Python, ainsi que sa bibliothèque trexjacket . trexjacket comble l'écart entre Python et l'API JavaScript de Tableau. Notre configuration comprend:

• Accès à l'API Gemini: Obtenez une clé API de Google AI pour les développeurs.
• Projet Anvil: créez un nouveau projet Anvil (choisissez le modèle "Tableau Extension") et installez la bibliothèque google-generativeai Python.
• Tableau Tableau: Préparez un tableau de bord Tableau pour les tests.

Connexion Tableau and Encil:

Une application Anvil simple (avec une étiquette) montre la connexion. Le fichier manifeste généré (.trex) est chargé dans Tableau, établissant une communication entre le tableau de bord et le serveur Anvil.

Construire l'interface utilisateur d'extension (Anvil):

L'interface Anvil permet une conception d'interface utilisateur facile. Notre extension comprendra:

• Une zone de texte pour les questions des utilisateurs.
• Soumettre et effacer les boutons.
• Une étiquette pour afficher l'analyse de Gemini.

Codage de la logique d'extension:

Le code de l'application Anvil gère les interactions utilisateur et la communication avec l'API Gemini. La bibliothèque trexjacket donne accès aux points de données sélectionnés de Tableau. Le code côté serveur (module Anvil Server) interagit en toute sécurité avec l'API Gemini à l'aide de la clé API obtenue.

Intégration de l'API Gemini (module Anvil Server):

Le module de serveur comprend une fonction appelable ( generateDataSummary ) qui reçoit des requêtes utilisateur et des données sélectionnées, les envoie à Gemini et renvoie l'analyse. La clé API Gemini est stockée en toute sécurité à l'aide de secrets d'Anvil.

Test et sécurité:

Après avoir intégré l'API Gemini, testez soigneusement l'extension. N'oubliez pas de traiter les risques de sécurité potentiels associés au partage de données sensibles avec les LLM. Des techniques d'anonymisation des données peuvent être nécessaires pour les ensembles de données sensibles.

Conclusion:

Ce guide démontre l'intégration de Google Gemini dans les tableaux de bord Tableau, améliorant l'analyse des données avec l'IA. Bien que cet exemple utilise des Gémeaux, l'approche est adaptable à d'autres LLM. Les avantages comprennent une réduction du temps d'interprétation manuelle et une amélioration de l'accessibilité des données. Cependant, priorisez toujours la sécurité des données et la confidentialité lorsque vous travaillez avec LLMS.

(La section Q&R reste la même que dans l'article original.)

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!