Hoppa till innehåll
BigQuery · Microsoft Teams · Copilot Studio

Så kopplar du BigQuery till Microsoft Teams via Copilot Studio

En praktisk genomgång av hur ni låter Teams-användare fråga BigQuery direkt på naturligt språk - utan att bygga en egen chatbot. Arkitektur, kod-snutt och fallgropar.

~9 min läsningUppdaterad 2026Simon Axelsson
01

Varför kombinationen är intressant

BigQuery är ofta er sanning för rapportering och analys. Microsoft Teams är ofta er kommunikationsyta. Att låta affärspersoner fråga BigQuery direkt i Teams - "vad sålde vi förra veckan i region nord?" - utan att gå till en BI-app, eliminerar en stor friktionsyta. Copilot Studio är bryggan som gör det möjligt utan att bygga en egen Slack-bot.

02

Arkitektur i fyra delar

  • 1. Copilot Studio-agent i Teams - tar emot naturligt språk
  • 2. Custom connector eller Power Automate-flöde - anropar BigQuery
  • 3. Auktorisering via Entra ID + GCP service account - tenant-isolerad
  • 4. Resultat formaterat av agenten - kort tabell eller graf, tillbaka i chatten
03

Konkreta steg

  1. Skapa GCP service account med bigquery.jobUser-rättighet på specifika dataset.
  2. Skapa custom connector i Power Platform mot BigQuery REST API:s jobs.query.
  3. Lägg credential-hantering i Power Platform - service account-key i Azure Key Vault, refererad från connectorn.
  4. Bygg Copilot Studio-agent med instruktion: översätt fråga till SQL, anropa connectorn, formatera tillbaka.
  5. Begränsa SQL-generering till SELECT mot specifika tabeller. Whitelist måste vara hård.
  6. Publicera till Teams. Begränsa till specifika säkerhetsgrupper i Entra ID.
04

Prompt-design för säker SQL

Stora risken är prompt injection som genererar förstörande SQL. Hantering:

Du är en BigQuery-agent. Du har tillgång till tre tabeller:
- sales.orders (kund_id, produkt_id, datum, belopp)
- sales.customers (id, region, segment)
- sales.products (id, namn, kategori)

REGLER (bryts dessa, avbryt och svara "Frågan kan inte
besvaras med tillgänglig data"):
1. Generera ENDAST SELECT-frågor mot dessa tre tabeller.
2. Använd ALLTID LIMIT 1000.
3. Inga JOIN mot andra dataset.
4. Inga DROP, INSERT, UPDATE, DELETE.

Översätt användarens fråga till SQL, anropa BigQuery,
sammanfatta resultatet i en tabell på max 20 rader.
05

Fallgropar

  • För bred GCP-behörighet

    Service account har bigquery.dataEditor istället för jobUser. Risk för datakorruption.

  • Saknad rate-limiting

    En användare kör 100 frågor → BigQuery-notan exploderar. Sätt maximum_bytes_billed på connectorn.

  • Hallucinerade tabellnamn

    Agenten hittar på en tabell som inte finns och får felmeddelande. Schema måste vara explicit i prompten.

  • Inga audit-logg

    Vid säkerhetsincident kan ingen säga vem som frågade vad. Aktivera BigQuery audit-logg + Purview audit.

  • Naturligt språk blir tvetydigt

    'Förra veckan' tolkas olika beroende på dag i veckan. Lägg datum-tolkning explicit i prompten.

06

Kostnad i praktiken

Räkna med 0,50-2 SEK per fråga i kombinerad kostnad (Copilot Studio-meddelande + BigQuery-skanning). Med maximum_bytes_billed + partitionerade tabeller stannar BigQuery-delen oftast under 0,10 SEK per fråga.

FAQ

Vanliga frågor

Nästa steg

Hjälp att bygga er Copilot-BigQuery-koppling?

Tjänsten Microsoft 365 & Copilot Studio bygger den här typen av integrationer från grunden, med säkerhet och audit på plats från första leverans.
Läs om tjänsten