Meilleures pratiques de Tableau Agent
Tableau Agent s’efforce de comprendre l’intention de vos questions ainsi que le contexte de vos données et de votre entreprise. Toutefois, si les données ne sont pas optimisées pour l’IA, Tableau Agent peut produire des résultats erronés.
Cet article décrit certaines mesures que vous pouvez prendre pour obtenir les meilleurs résultats possibles avec Tableau Agent.
Généralités
Utiliser des données propres et bien modélisées
Les données désordonnées sont difficiles à analyser, et Tableau Agent est conçu pour l’analyse, et non pour le nettoyage et la préparation de vos données.
À faire : nettoyer et préparer vos données désordonnées avant de les analyser. Essayez d’utiliser Tableau Agent dans Tableau Prep(Le lien s’ouvre dans une nouvelle fenêtre) pour nettoyer vos données.
À ne pas faire : s’attendre à ce qu’un agent analytique effectue la préparation des données.
À faire : utiliser des relations dans la modélisation des données.
À ne pas faire : jointures codées en dur
À ne pas faire : utiliser la fusion des données
À faire : utiliser des sources de données certifiées et les mettre à jour pour l’utilisation par l’IA.
À faire : masquer les champs inutiles. Si un utilisateur ne doit pas créer de visualisation avec ces données, l’agent ne doit pas non plus y avoir accès.
Utiliser des noms de champs et des descriptions clairs
Tableau Agent ne comprend pas les données de la même manière qu’un humain. Sans noms et descriptions clairs, Tableau Agent peut mal interpréter un champ. Éliminez toute ambiguïté quant à la façon dont les données s’intègrent à une analyse.
À faire : utiliser des noms de champ uniques, descriptifs et complets.
À ne pas faire : laisser le nom d’un champ sous la forme « Âge » alors qu’il pourrait être « Âge du dossier à la clôture »
À ne pas faire : laisser les abréviations ou les champs ambigus, comme « P_ID » ou « Nom »
À faire : fournir une description qui définit ce que représente le champ.
À faire : inclure le contexte opérationnel ainsi que les synonymes attendus.
À ne pas faire : supposons que tous vos utilisateurs désigneront toujours le champ par son nom officiel.
À faire : décrire la façon dont le champ est généralement utilisé dans les analyses et ce qui le distingue des champs similaires.
À ne pas faire : copier et coller les descriptions dans des champs similaires
À faire : conserver les descriptions des champs Salesforce standard.
À faire : documenter toute logique opérationnelle particulière ou toute anomalie dans les données (par exemple, la façon d’interpréter les valeurs Null ou les situations où il faut utiliser « Date de facturation » plutôt que « Date d’achat »).
Prédéfinir les champs calculés
Tableau Agent peut vous aider à créer des calculs en langage naturel, mais si un utilisateur effectue une demande de calcul incorrecte ou imprécise, il peut en résulter un calcul incorrect.
À faire : créer à l’avance les calculs couramment utilisés afin d’en assurer la cohérence et la précision.
Spécifier les propriétés des champs
L’agent s’appuie sur les propriétés des champ comme garde-fous pour l’analytique. Des propriétés par défaut ou mal configurées peuvent générer de mauvais résultats analytiques.
À faire : vérifier les rôles des champs (dimensions et mesures) et les types de données (comme date, numérique, booléen).
À ne pas faire : laisser un champ tel que Code postal comme champ numérique (mesure) alors qu’il devrait être considéré comme un attribut (dimension).
À ne pas faire : laisser les dates stockées sous forme de texte.
À faire : définir une agrégation par défaut.
À ne pas faire : supposons que l’utilisateur ou l’agent saura qu’il faut utiliser la moyenne plutôt que la somme pour le champ « prix unitaire »
Liste de contrôle de préparation de l’IA
Utilisez cette liste de contrôle pour mettre en œuvre les meilleures pratiques lors de la préparation de votre source de données publiée et de vos classeurs en vue de leur utilisation par l’IA.
Structure du modèle
Nettoyer les données
Relations plutôt que jointures
Aucune fusion des données
Champs
Les noms des champs sont précis et contextuels
Tous les champs comportent des descriptions utiles et distinctes
Les champs inutiles sont masqués
Les calculs courants ou attendus existent déjà
Les champs ont les propriétés correctes : rôle, type de données, agrégation par défaut