Looker 中的 Gemini 是一款在线服务：谷歌 Looker BI 中的 Gemini 对话分析能力。

这些技巧适合已经会基本操作、想进一步提效的用户。

8 条进阶用法

  1. 把「口径」等关键设置弄清楚再调参。
  2. 遇到瓶颈时，用 Tableau 做一次对照，判断是工具问题还是用法问题。
  3. 给一个你满意的样例，让它模仿结构而不是复制内容。
  4. 要求输出「不确定清单」，把需要人工核实的地方单独列出。
  5. 把固定的背景和规则保存为预设或模板，避免每次重复输入。
  6. 长材料分段处理，每段完成后再要一份汇总。
  7. 记录每次的输入、设置和结果，形成自己的经验库。
  8. 先要大纲或计划，再要全文，复杂任务分两到三步完成。

示例：分步完成的写法

图表建议

输入：一组需要汇报的数据。

根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。

检查点：指出了误导风险。

延伸练习

评测大模型应用

适用情况：手头有一批真实用户问题和应用回答时。

为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。

交付前确认：评分标准清晰可复用。

自然语言问数

适用情况：手头有一张销售明细表时。

请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。

验收标准：给出了可复核的计算过程。

指标异动解读

适用情况：手头有一个突然下降的业务指标时。

日活本周下降了，请列出可能原因的排查清单，按「数据问题 / 产品变化 / 外部因素」分类，每项写明需要查看的数据。

检查点：先排查数据本身问题。

常见问题：敏感数据暴露给模型

使用脱敏视图或只读账号，限制可访问的表。

常见问题：问数结果看似合理但错误

准备几道已知答案的问题做抽检。

常见问题：图表结论被过度解读

区分相关与因果，在报告中标注假设。

概念补充：评测集

用于反复检验模型或应用效果的标准问题集合。

概念补充：文本转 SQL

把自然语言问题转换为数据库查询语句。

适合人群：HR 与招聘

HR 与招聘可以用 Looker 处理岗位描述撰写、面试题与评估表等工作。需要注意：简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。

适合人群：销售

销售可以用 Looker 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。

适合人群：电商运营

电商运营可以用 Looker 处理商品详情与主图、活动方案与客服话术等工作。需要注意：商品参数和促销规则必须与后台一致，避免虚假宣传。

写在最后

涉及个人信息、商业机密或受监管数据时，先确认 Looker 中的 Gemini 的数据处理条款，再决定能否使用。

本文基于 Looker 中的 Gemini 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

延伸阅读