Élaboration d'un modèle sémantique prêt pour l'IA

Compréhension de la préparation à l’IA dans les modèles sémantiques

L'élaboration du modèle sémantique nécessite de suivre les meilleures pratiques lors de sa conception et de sa définition. Tableau Next fournit également des outils qui facilitent l'utilisation du modèle sémantique avec Tableau Agent.

Familiarisez-vous avec les concepts de Conception de modèles sémantiques pour la préparation à l’IA.

Sélectionner un modèle sémantique

Créez un modèle sémantique ou utilisez un modèle qui existe déjà. Ajoutez des objets modèle de données (DMO) et définissez des relations. Vous pouvez le faire manuellement, ou avec l'assistance de l'IA en utilisant Einstein ou Data Pro dans le Générateur de modèle sémantique.

Créer des champs calculés

Si nécessaire, créez des champs calculés. Vous pouvez le faire manuellement, ou avec l'assistance de l'IA en utilisant Einstein ou Data Pro dans le Générateur de modèle sémantique. Par exemple, vous pouvez créer des champs calculés pour des indicateurs de performance clés d'intérêt ou pour des champs de dimension qui n'existent pas physiquement dans votre jeu de données.

Ajouter des descriptions

Ajoutez des descriptions pour réduire l'ambiguïté dans les objets et les champs calculés. Vous pouvez le faire manuellement ou utiliser des descriptions générées par l’IA.

Définir les préférences métiers

Ajoutez des préférences métiers pour définir des Knowledge spécifiques à votre activité au sein du modèle sémantique. Vous souhaitez fournir des préférences métiers adaptées pour un jargon, une logique et des concepts uniques dans votre domaine. Vous pouvez revisiter cette étape pendant l'optimisation en testant et en affinant davantage le modèle.

Par exemple, si vous savez que le terme « retour sur investissement » fait référence aux dépenses publicitaires, vous pouvez écrire une préférence métier pour informer l'agent que le retour sur investissement signifie Dépenses publicitaires.

Définir des métriques

Définissez des métriques dans le modèle sémantique pour des champs calculés ou des mesures de champ à fort impact et très utilisés. Les métriques contiennent des calculs ciblés, une logique temporelle, des filtres contextuels et une mise en forme. Ils fournissent un contexte qui guide les agents à comprendre où et quand une logique spécifique s'applique.

Tout champ calculé fréquemment affiché dans l'analyse ou la prise de décision est un bon candidat pour être mis à niveau vers une métrique.

Remarque

Dans le cadre de cette étape, examinez également les visualisations et les tableaux de bord associés que vous avez créés en fonction du modèle sémantique. Assurez-vous que les données sont pertinentes et que les noms des champs sont compréhensibles pour vos utilisateurs.

Activer la préparation des agents

Activez le modèle sémantique pour l'utiliser avec un agent créé à partir du modèle Analytics and Visualization.

Analytics Agent Readiness est un paramètre qui marque un modèle sémantique comme mature et prêt à être utilisé par un agent Analytics. Cette étape est requise pour pouvoir utiliser l'agent Analytics.

Remarque Les administrateurs peuvent créer des listes de secours de modèles sémantiques par agent pour des scénarios dans lesquels le contexte sémantique n'est pas clair. Pour plus d'informations, consultez Configuration de l'étendue de l'agent pour Tableau Agent.

Valider le modèle

Validez et testez le modèle dans le Générateur de modèle sémantique pour vous assurer qu'il est complet : tous les objets modèle de données, relations et champs calculés requis sont inclus. Assurez-vous également que les métriques et les champs calculés ne sont pas dupliqués dans le modèle.

Utilisez l'optimisation de l'IA du modèle sémantique (bêta) pour obtenir une visibilité claire sur l'état de santé et la préparation à l'IA de votre modèle sémantique, et consultez des recommandations suggérées pour l'améliorer. Cet outil exécute une série de contrôles automatisés par rapport à votre modèle sémantique et calcule l'intégrité globale du modèle pour la préparation à l'IA.

Utilisez l'étalonnage Q&A (bêta) dans Tableau Next pour améliorer la précision dans Tableau Agent. Testez les questions dans Tableau Agent et validez les réponses de l'agent par rapport à vos données et règles spécifiques. La liste des questions vérifiées que vous compilez et enregistrez améliore la précision des agents pour les questions similaires. Lorsque vous marquez une question comme Inexacte, vous pouvez affiner les préférences métiers, mettre à jour les champs et les métadonnées, et mettre à jour les calculs pour améliorer la précision et les performances. Après avoir apporté les modifications, vous pouvez retester les questions jusqu'à ce qu'elles soient exactes.

Remarque

Après avoir utilisé l'étalonnage Q&A, vous pouvez également utiliser un test manuel pour déterminer si le modèle est complet et génère les requêtes attendues.