改善服務台效能的小秘訣:Analytics 問與答

檢視支援的版本。

如需實作「服務台」所需階段的完整概觀,請參閱在 Tableau Next 中規劃服務台實作。

刻意準備資料集

• 設計仔細聯結。避免展開結果集和緩慢查詢的多對多或非嚴格聯結 (例如「間」)。範例：如果將機會聯結至帳戶,請確保聯結索引鍵是唯一的 (例如 AccountID),以防止結果爆炸。
• 將複雜性推送至 ETL。大量計算或衍生的欄位 (例如「預測收入」) 應在 Data Cloud 轉換中預先計算,而非在執行階段重新計算。

  範例：請以 ETL 計算並將其公開為度量,而不是在執行階段計算預測機會結束率。

• 謹慎處理大型資料表 (> 1 千萬列)。預先計算彙總 (例如,每月收入總計),或套用語意模型篩選,以減少執行階段掃描的資料。

  範例：針對具有 500 億列的「銷售」實情表格,請依季度預先彙總 ACV,以協助服務台回答「依季度顯示 ACV」,而無須掃描完整的資料集。

遵循語意模型設計的最佳作法

• 僅包含業務需要的物件和欄位。
• 簡化的語意模型可確保更快速地產生查詢,並改善欄位對應的準確度。

如需在 Tableau Next 中設計及精簡語意模型的深入原則,請參閱為 AI 整備設計 語意模型和 建立 AI 整備語意模型。

預先定義度量

在語意模型中定義直接支援常見問題說話方式的度量。

• 度量提供內容,可協助分析工作人員瞭解特定邏輯的套用位置和時機。
• 定義度量可透過避免耗費的臨時查詢路徑來改善延遲,並確保整個組織的一致性。

  範例：「我的 ACV 是什麼?」會在語意模型中建立 ACV 度量一次。參照「ACV」的未來說話方式會受益於更快的路由和一致的邏輯。

詢問目標問題

在 Concierge 中詢問目標性問題,而非開放式問題。目標問題會減少必須分析的資料量、改善查詢延遲,並防止非常大的資料集逾時。

• 限制問題的範圍 (覆寫),以減少查詢範圍。
• 提出清楚指定時間範圍的問題。範例：「顯示我 2025 年第 1 季的銷售」與「顯示我銷售」比較
• 簡化問題以包含較少的種類、度量或彙總。
• 避免要求長的記錄清單。詢問不需要數千筆記錄才能縮短查詢範圍的問題。範例：「前 10 個機會為何?」與「顯示所有機會?」