Suggerimenti per migliorare le prestazioni in portineria: Domande e risposte su Analytics

Visualizzare le versioni supportate.

Per una panoramica completa delle fasi necessarie per implementare Concierge, vedere Pianificazione dell'implementazione di Concierge in Tableau Next.

Preparare la serie di dati intenzionalmente

• Il design si unisce con attenzione. Evitare join molti-a-molti o non restrittivi (ad esempio TRA) che espandono gli insiemi di risultati e rallentano le query. Esempio: Se si uniscono le opportunità agli account, assicurarsi che le chiavi di join siano univoche (ad esempio AccountID) per evitare l'esplosione dei risultati.
• Invio della complessità in ETL. I calcoli pesanti o i campi derivati (ad esempio Reddito previsto) devono essere precalcolati nelle trasformazioni Data Cloud, non ricalcolati in fase di esecuzione.

  Esempio: Anziché calcolare la percentuale di chiusura in fase di esecuzione, calcolarla in ETL ed esporla come metrica.

• Gestire con attenzione le tabelle Fatto di grandi dimensioni (>100 milioni di righe). Precalcolare le aggregazioni (ad esempio, i totali dei ricavi mensili) o applicare filtri del modello semantico per ridurre i dati acquisiti in fase di esecuzione.

  Esempio: Per una tabella Fatto delle vendite con 500 milioni di righe, preaggregare ACV per trimestre per aiutare il concierge a rispondere "Mostra ACV per trimestre" senza eseguire la scansione dell'intera serie di dati.

Seguire le procedure consigliate per la progettazione di modelli semantici

• Includere solo gli oggetti e i campi necessari per l'azienda.
• I modelli semantici semplificati garantiscono una generazione più rapida delle query e migliorano la precisione delle mappature dei campi.

Per linee guida approfondite sulla progettazione e il perfezionamento dei modelli semantici in Tableau Next, vedere Progettazione di modelli semantici e Creazione di un modello semantico

Metriche predefinite

Definire metriche nel modello semantico che supportano direttamente le enunciazioni con domande frequenti.

• Le metriche offrono un contesto che può aiutare gli agenti di Analytics a capire dove e quando si applica una logica specifica.
• La definizione delle metriche migliora la latenza evitando costosi percorsi di query ad hoc e garantisce la coerenza in tutta l'organizzazione.

  Esempio: "Qual è il mio ACV?" crea la metrica ACV una volta nel modello semantico. Le enunciazioni future che fanno riferimento ad "ACV" traggono vantaggio da un instradamento più rapido e da una logica coerente.

Fare domande mirate

Porre domande mirate anziché domande aperte in Concierge. Le domande mirate riducono la quantità di dati che devono essere analizzati, migliorano la latenza delle query e impediscono i timeout su serie di dati molto grandi.

• Limitare l'ambito delle domande (enunciazioni) per ridurre l'ambito della query.
• Porre domande che specificano chiaramente intervalli di tempo. Esempio: "Mostrami le vendite per il primo trimestre 2025" vs. "Mostrami le vendite"
• Semplificare le domande per includere meno categorie, misure o aggregazioni.
• Evitare di richiedere lunghi elenchi di record. Porre domande che non richiedono migliaia di record per ridurre l'ambito della query. Esempio: "Quali sono le prime 10 opportunità?" e "Mostrami tutte le opportunità?"