Tableau Agent fait de son mieux pour comprendre l’intention de vos questions ainsi que le contexte de vos données et de votre entreprise.Mais sans des données optimisées pour l’IA, Tableau Agent peut faire des erreurs.

Cet article décrit certaines étapes à suivre pour être sûr d’obtenir les meilleurs résultats de Tableau Agent.

Informations générales

Utilisez des données propres et bien modélisées

Les données désordonnées sont difficiles à analyser et Tableau Agent ne sait pas nettoyer ni préparer vos données à votre place.

• À faire : nettoyer et préparer les données désordonnées avant l’analyse.Essayez d’utiliser Tableau Agent dans Tableau Prep(Le lien s’ouvre dans une nouvelle fenêtre) pour nettoyer vos données.
  • Mauvaise pratique : penser qu’un agent analytique va préparer les données.
• Bonne pratique : utiliser des relations dans la modélisation des données.
  • Mauvaise pratique : coder en dur les jointures
  • Mauvaise pratique : utiliser la fusion des données
• Bonne pratique : utiliser des sources de données certifiées et les mettre à jour pour l’utilisation de l’IA.
• Bonne pratique : masquer les champs inutiles.Si un utilisateur ne doit pas utiliser ces champs pour créer une visualisation, l’agent ne doit pas les voir.

Utilisez des noms et des descriptions clairs pour les champs

Tableau Agent ne comprend pas les données de la même manière qu’un humain.En l’absence de noms ou de descriptions appropriés, Tableau Agent risque de mal interpréter un champ ou ne pas savoir quel champ interroger.Supprimez toute conjecture quant à la manière dont les données s’intègrent dans une analyse.

• Bonne pratique : utiliser des noms de champs uniques, descriptifs et complets.
  • Mauvaise pratique : conserver un nom de champ en tant que « Âge » alors qu’il pourrait s’agir de « Âge de l’incident à sa clôture »
  • Mauvaise pratique : laisser des abréviations ou des champs ambigus tels que « P_ID » ou « Nom »
  • À ne pas faire : utiliser des noms de champ en double ou des noms trop similaires.Par exemple « Region1 », « Region1_copy ».Utilisez un nom distinct pour chaque champ ou masquez les doublons s’ils ne sont pas nécessaires à votre analyse.
• Bonne pratique : inclure une description qui définit le champ.
• Bonne pratique : inclure le contexte métier et les synonymes attendus.
  • Mauvaise pratique : partir de l’hypothèse que tous vos utilisateurs désigneront toujours le champ par son nom officiel
• Bonne pratique : décrire comment le champ est généralement utilisé dans l’analyse et comment il se distingue des champs similaires.
  • Mauvaise pratique : copier et coller des descriptions dans des champs similaires
• Bonne pratique : conserver les descriptions des champs Salesforce standard.
• Bonne pratique : documenter toute logique métier ou anomalie des données (par exemple comment interpréter les valeurs null ou quand utiliser « Date de facturation » plutôt que « Date d’achat »).

Création de préférences d’entreprise

S’applique à Tableau Agent dans les tableaux de bord pour la fonctionnalité Q&R de tableau de bord uniquement

Pour ancrer Tableau Agent dans les connaissances métier de votre organisation, vous pouvez créer et charger un fichier de préférences d’entreprise.Les préférences d’entreprise peuvent inclure des éléments tels que les règles de votre organisation, la terminologie et la logique d’entreprise (comme la définition d’années fiscales ou de seuils de stock).Pour plus d’informations, consultez Améliorer la qualité des réponses pour Q&R de tableau de bord(Le lien s’ouvre dans une nouvelle fenêtre).

Lorsque vous créez votre fichier de préférences d’entreprise, suivez ces recommandations :

• À faire : créez des préférences claires, concises et individuelles identifiées par un « # » au début de chaque élément de préférence.Tableau Agent interprète cette entrée de ligne comme le séparateur entre les préférences.Vous pouvez ajouter une ou plusieurs lignes supplémentaires au sein de ce séparateur pour expliquer plus en détail la préférence d’entreprise.

  Exemple :

  # Le chiffre d’affaires est en USD

  Mettez en forme avec un $, utilisez une virgule comme séparateur de milliers.N’incluez pas les centimes.

  • À ne pas faire : inclure plus de 50 préférences ou plus de 8 000 caractères.

  • À ne pas faire : inclure des instructions complexes.Décomposez-les plutôt en préférences simples et distinctes.

• À faire : faites directement référence aux noms exacts des champs ou aux champs calculés de votre source de données pour préciser à quels champs s’applique votre préférence d’entreprise.

  • À ne pas faire : utiliser des références de champ vagues ou ambiguës qui obligent Tableau Agent à deviner à quel champ ou à quelle statistique vous faites référence.

• À faire : créez des champs calculés directement dans votre source de données avant d’écrire vos préférences, puis référencez ces champs calculés dans vos instructions.

  • À ne pas faire : rédiger, dans vos préférences d’entreprise, des règles qui obligent Tableau Agent à effectuer des manipulations mathématiques brutes ou à définir des formules en plusieurs étapes à la volée.Par exemple, « Multiplier les pourcentages par 100 ».

• À faire : incluez des directives spécifiques au domaine, une terminologie propre à votre organisation.Par exemple, « Lorsqu’il s’agit d’opportunités, TPS est l’abréviation de total des ventes de produits », ou des informations non incluses dans le schéma de votre modèle sémantique.

  • À ne pas faire : inclure des informations générales sur l’entreprise.Tableau Agent a besoin d’informations spécifiques sur la manière d’interpréter ou d’afficher les données.

Les types de préférences d’entreprise suivants ne sont pas pris en charge actuellement :

• Exclure de l’utilisation par l’IA : blocage de sujets ou de questions.Par exemple, « Ne répondre à aucune question portant sur les salaires ».

• Mise en forme visuelle : par exemple « Utilisez un graphique en courbes pour afficher le Montant des ventes au fil du temps. »

• Structure de réponse du LLM : par exemple, « Lors de la réponse, ne pas afficher de visualisation » ou « À chaque réponse, dire d’abord "Merci" à l’utilisateur, puis afficher la réponse, puis terminer par "Au revoir". »

Prédéfinir des champs calculés

Tableau Agent peut aider à créer des calculs via le langage naturel, mais si un utilisateur demande un calcul de manière incorrecte ou ambiguë, il peut en résulter un calcul incorrect.

• Bonne pratique : créer tous les calculs courants à l’avance afin de garantir la cohérence et la précision.

Spécifier les propriétés des champs

L’agent s’appuie sur les propriétés des champs comme garde-fous analytiques.Des propriétés par défaut ou mal configurées peuvent générer des résultats analytiques médiocres.

• Bonne pratique : vérifier les rôles des champs (dimensions et mesures) et les types de données (tels que date, numérique, booléen).
  • Mauvaise pratique : conserver un champ tel que le code postal en tant que champ numérique (mesure) s’il doit être considéré comme un attribut (dimension).
  • Mauvaise pratique : laisser les dates stockées en tant que texte.
• Bonne pratique : définir une agrégation par défaut.
  • Mauvaise pratique : supposer que l’utilisateur ou l’agent saura utiliser la moyenne avec le « prix unitaire » plutôt que la somme

Liste de contrôle de la préparation à l’IA

Utilisez cette liste de contrôle pour mettre en œuvre les meilleures pratiques lors de la préparation de votre source de données et de vos classeurs publiés pour l’utilisation de l’IA.

Structure du modèle

Nettoyer les données

Les préférences d’entreprise (.md ou .txt) sont importées avec des règles claires qui décrivent une logique de domaine unique

Remarque : cette fonctionnalité n’est actuellement utilisée que par Tableau Agent dans les tableaux de bord, dans Q&R de tableau de bord.

Relations au lieu de jointures

Pas de fusion des données

Champs

Les noms de champ sont spécifiques et contextuels

Tous les champs ont des descriptions utiles et différenciées

Les champs inutiles sont masqués

Des calculs courants ou attendus existent déjà

Les champs ont des propriétés correctes : rôle, type de données, agrégation par défaut