メインコンテンツへスキップ
記事一覧へ戻る

BigQuery ให้ถามข้อมูลใน Connected Sheets ด้วยภาษาธรรมชาติแล้ว: สิ่งที่ทีมข้อมูลต้องตรวจ

Google Cloud เปิด GA conversational analytics ใน Connected Sheets ให้ใช้ Gemini ถาม BigQuery สร้าง SQL และแทรกผลลงชีต พร้อมประเด็นสิทธิ์ ต้นทุน และความถูกต้อง

BigQuery ให้ถามข้อมูลใน Connected Sheets ด้วยภาษาธรรมชาติแล้ว: สิ่งที่ทีมข้อมูลต้องตรวจ

BigQuery ให้ถามข้อมูลใน Connected Sheets ด้วยภาษาธรรมชาติแล้ว: สิ่งที่ทีมข้อมูลต้องตรวจ

Google Cloud ระบุใน บันทึกการอัปเดต BigQuery วันที่ 27 ตุลาคม 2026 ว่า conversational analytics ใน Connected Sheets เปิดใช้งานแบบ General Availability (GA) แล้ว ผู้ใช้สามารถพิมพ์คำถามเกี่ยวกับข้อมูล BigQuery ในแผง Gemini ด้านข้างของ Google Sheets ให้ระบบแปลงคำถามเป็น SQL รันคำสั่ง สรุปแนวโน้ม และแทรกผลลัพธ์ที่รีเฟรชได้ลงในสมุดงาน ข่าวนี้เกี่ยวกับการวิเคราะห์ข้อมูลจาก BigQuery ผ่าน Sheets โดยตรง ไม่ใช่การเปิดให้ Gemini อ่านทุกไฟล์ใน Drive โดยอัตโนมัติ

การทำงานเปลี่ยนไปตรงไหน

Connected Sheets เดิมช่วยให้ผู้ใช้สร้าง pivot table สูตร และกราฟจากข้อมูล BigQuery โดยไม่ต้องคัดลอกตารางทั้งชุดมาใส่ชีต เมื่อใช้วัตถุเหล่านั้น ระบบส่ง query ไปยัง BigQuery และเก็บผลลัพธ์ในสเปรดชีต ความสามารถที่ประกาศครั้งนี้เพิ่มช่องสนทนาให้ผู้ใช้ตั้งคำถามต่อเนื่องได้ เช่น อยากรู้ยอดขายตามภูมิภาคหรือช่วงเวลาที่ผิดปกติ จากนั้น Gemini ช่วยแปลเป็น SQL และเสนอผลที่แทรกกลับเข้าเวิร์กบุ๊กได้

จุดที่ควรเข้าใจคือคำตอบไม่ได้เกิดจากการมองตัวเลขบนหน้าจอเพียงไม่กี่แถว Connected Sheets แสดงข้อมูลตัวอย่าง แต่การคำนวณส่งไปทำกับ BigQuery ตามสิทธิ์และโปรเจ็กต์ที่เชื่อมไว้ ทีมข้อมูลจึงยังต้องดูแหล่งตาราง นิยามคอลัมน์ เงื่อนไขกรอง และต้นทุน query แม้ผู้ใช้ปลายทางจะไม่ได้เขียน SQL เอง

วิธีลองใช้อย่างมีกรอบ

เริ่มจากสเปรดชีตที่เชื่อม BigQuery อยู่แล้ว หรือเปิดตารางจากหน้า BigQuery ด้วยคำสั่ง Open in Connected Sheets ตาม คู่มือของ Google ใน Sheets ให้เปิดแผง Gemini แล้วเริ่มถามเกี่ยวกับตารางที่เชื่อมไว้ การใช้งานครั้งแรกอาจมีหน้าขออนุญาตเข้าถึง BigQuery ให้กด Get connected หลังจากนั้นถามคำถามที่ระบุช่วงเวลา มิติ และตัวชี้วัดให้ชัด เช่น “สรุปจำนวนคำสั่งซื้อรายเดือนตามภูมิภาคในไตรมาสล่าสุด” มากกว่าถามกว้าง ๆ ว่า “ยอดขายเป็นอย่างไร”

เมื่อได้คำตอบ ให้ตรวจ SQL ที่ระบบสร้างและผลรวมเทียบกับ query อ้างอิงที่ทีมข้อมูลเชื่อถือก่อนนำไปประชุมหรือเผยแพร่ รายงานที่ได้สามารถกด Insert เพื่อเพิ่มวัตถุลงในชีต แล้วรีเฟรชเองหรือกำหนดเวลารีเฟรชได้ตามสิทธิ์ของผู้ใช้ การถามต่อเนื่องรักษาบริบทการสนทนาไว้ได้ แต่ไม่ควรสมมติว่าบริบทแทนนิยามทางธุรกิจที่ยังไม่เคยบันทึกไว้ เช่น “ลูกค้าที่ใช้งานจริง” อาจหมายถึงการซื้อใน 30 วันหรือบัญชีที่ยังเปิดอยู่ ซึ่งให้ผลต่างกันมาก

สิทธิ์และความปลอดภัยยังเป็นเรื่องหลัก

การแชร์ชีตกับผู้ร่วมงานไม่ได้เท่ากับให้สิทธิ์เข้าถึงตาราง BigQuery โดยตรง ตามเอกสาร Connected Sheets ผู้ที่มีสิทธิ์แค่ Google Sheets วิเคราะห์ผลที่อยู่ในชีตได้ แต่จะกดรีเฟรชข้อมูล BigQuery หรือกำหนดเวลารีเฟรชเองไม่ได้หากไม่มีสิทธิ์ที่จำเป็น ฝั่งผู้ดูแลควรทดสอบด้วยบัญชีตัวอย่างหลายระดับสิทธิ์ ทั้งเจ้าของข้อมูล นักวิเคราะห์ และผู้ดูรายงาน เพื่อดูว่าใครถามข้อมูลใหม่ได้ ใครเห็นเฉพาะผลเดิม และข้อมูลใดไม่ควรปรากฏในชีตที่แชร์กว้าง

ถ้ามี row-level security, policy tag หรือข้อกำหนดข้อมูลส่วนบุคคล ให้ทดสอบคำถามที่พยายามรวมข้อมูลข้ามกลุ่มด้วย ระบบแปลงภาษาธรรมชาติเป็น SQL ไม่ได้ยกเลิกนโยบาย BigQuery แต่การสรุปผลและแชร์ไฟล์อาจทำให้ข้อมูลที่อนุญาตให้คนหนึ่งเห็นถูกส่งต่อไปยังผู้ที่ไม่ควรเห็นได้ การกำหนดสิทธิ์ไฟล์และการตรวจผลลัพธ์ก่อนแชร์จึงต้องอยู่ในขั้นตอนใช้งานจริง

องค์กรที่ใช้ VPC Service Controls ต้องดูเป็นพิเศษ เพราะ Google ระบุว่า Sheets ไม่ได้อยู่ภายในขอบเขตบริการแบบเดียวกับ BigQuery อาจต้องมี ingress และ egress policy ที่อนุญาตตามรูปแบบใช้งาน และ scheduled refresh ไม่ส่งบริบทผู้ใช้ปลายทางอย่าง IP หรือข้อมูลอุปกรณ์ไปด้วย เงื่อนไข perimeter ที่อาศัยบริบทเหล่านี้อาจทำให้การรีเฟรชตามเวลาล้มเหลว การเปิดให้ใช้งานในองค์กรควรลองกับชุดข้อมูลไม่อ่อนไหวก่อน แล้วค่อยเพิ่มขอบเขต

ตรวจต้นทุนและคุณภาพคำตอบ

ข้อดีของภาษาธรรมชาติคือคนทำรายงานเริ่มสำรวจข้อมูลได้เร็วขึ้น แต่ทุกการสำรวจอาจสร้าง BigQuery job เพิ่ม เมื่อถามซ้ำ เปลี่ยนเงื่อนไข หรือรีเฟรชวัตถุในชีต ควรระบุโปรเจ็กต์ที่รับค่าใช้จ่ายให้ชัด ตั้ง budget และติดตาม job history เป็นระยะ เอกสาร Google แนะนำว่าสามารถดู query ที่ Connected Sheets ส่งไป BigQuery จากรายละเอียดของวัตถุในชีตได้ และใช้ log ที่มี sheetsMetadata.docId เพื่อระบุคำขอจาก Sheets

สำหรับทีม data engineering งานเตรียม semantic layer สำคัญกว่าเดิม ชื่อคอลัมน์ควรสื่อความหมาย นิยาม metric ต้องไม่กำกวม และควรใช้ view ที่คัดเฉพาะข้อมูลพร้อมวิเคราะห์แทนการเปิดตารางดิบทุกคอลัมน์ให้ผู้ใช้ถามโดยตรง เมื่อคำถามผิดความหมาย ระบบอาจสร้าง SQL ที่รันได้แต่ตอบคนละประเด็น ลองจัดชุดคำถามทดสอบ เช่น ยอดขายสุทธิหลังคืนสินค้า จำนวนผู้ใช้ใหม่ที่ไม่ซ้ำ และช่วงเวลาที่ใช้ timezone ธุรกิจ แล้วเทียบกับผลอ้างอิงก่อนขยายการใช้งาน

การประกาศ GA เมื่อ 27 ตุลาคมเป็นสัญญาณว่าฟีเจอร์พร้อมสำหรับการใช้ทั่วไป แต่ไม่ได้หมายความว่าทุก Workspace หรือทุกนโยบายองค์กรจะเปิดให้เห็นทันที ผู้ใช้ควรตรวจเงื่อนไขแพ็กเกจ สิทธิ์ และการเปิดใช้ Gemini ในสภาพแวดล้อมของตนเองจากเอกสารล่าสุด หากยังไม่เห็นแผงหรือคำสั่ง ให้ตรวจการตั้งค่าและสิทธิ์ก่อนสรุปว่า BigQuery มีปัญหา

แหล่งต้นทาง: BigQuery release notes ประจำวันที่ 27 ตุลาคม 2026 และ คู่มือ Use Connected Sheets