Loading
Tableau Suivant
À propos des analytiques conversationnelles dans Tableau Agent

À propos des analytiques conversationnelles dans Tableau Agent

Tableau Agent avec le sous-agent Analyse des données est une couche intelligente et profondément intégrée pour les analytiques conversationnelles, conçue pour répondre aux utilisateurs professionnels où ils travaillent, dans Tableau Next, Salesforce et Slack. Posez des questions de forme libre à Tableau Agent sur vos données, et obtenez des réponses sous forme de texte enrichi et de visualisations, basées sur la sémantique et la logique métier de votre organisation.

Éditions requises

Afficher les éditions prises en charge.
Remarque
Remarque À compter de juillet '26, Agentforce pour Analytics dans Tableau Next s'intitule désormais Tableau Agent. Concierge : Analytics Q&A s'intitule désormais capacité d'analyse conversationnelle dans Tableau Agent et est activée en utilisant le sous-agent Analyse des données dans le modèle Analytics and Visualization. Lors de la transition vers ces nouvelles conditions, une combinaison des nouvelles et des anciennes conditions peut être affichée dans notre documentation.

Lorsque vous avez accès à un agent Tableau configuré pour l'analyse des données, vous pouvez explorer les données par le biais d'une conversation naturelle dans le panneau Agentforce. Posez des questions sur vos données pour obtenir des réponses sous forme de connaissances et de visualisations pertinentes. Par souci de transparence, les réponses de l'agent comprennent les sources et le raisonnement utilisés pour l'analyse.

Remarque
Remarque Analystes et administrateurs : Pour plus d'informations sur la planification, l'activation et l'implémentation de Tableau Agent avec les capacités d'analyse conversationnelle, consultez Planification de votre implémentation Tableau Agent dans Tableau Next.

Lorsque Agentforce n'est pas activé, la page de détail des métriques utilise l'expérience d'exploration des connaissances par défaut sans utiliser l'IA générative.

Les analytiques conversationnelles sont activées dans Tableau Agent via le modèle Analytics and Visualization dans Agentforce. Ce modèle inclut le sous-agent Analyse des données prédéfini avec l'action par défaut Analyser les données pour élaborer des réponses en texte enrichi et en langage naturel qui répondent directement à vos questions sur les données.

Lorsque Tableau Agent est activé dans Slack, vous pouvez l'utiliser pour poser des questions sur les métriques Tableau Next partagées et les données de tableau de bord dans ce contexte. Pour plus d'informations, consultez Questions sur les métriques et les tableaux de bord partagés dans Slack en utilisant Tableua Agent.

Tableau Agent nécessite que tous les modèles sémantiques qu'il interroge soient activés pour être utilisés dans Tableau Next. Un utilisateur de Tableau Next qui dispose de l'autorisation de modification Modèle sémantique doit activer le modèle sémantique dans la boîte de dialogue Analytics Agent Readiness. Pour plus d'informations, consultez Activation de la préparation des agents Analytics dans l'aide de Data 360.

Remarque
Remarque Tableau Agent et la plate-forme Agentforce reposent sur la couche Einstein Trust et héritent de toutes ses capacités en matière de sécurité, de gouvernance et Trust. Lorsque vous et d'autres utilisateurs interagissez avec l'agent d'analyse créé pour votre organisation Tableau Next, aucune donnée ni conversation n'est enregistrée dans le Grand modèle de langage (LLM) et aucune donnée client n'est jamais utilisée pour entraîner le modèle.

Trust est intégré dans l'expérience en invitant des évaluations pouce vers le haut ou pouce vers le bas et des commentaires ouverts. Ces réponses sont utilisées pour améliorer l'expérience conversationnelle. Pour plus d'informations, voir Trust et Agentforce

.

Capacités de Tableau Agent avec l'analyse des données

Les analytiques conversationnelles dans Tableau Agent fournissent un raisonnement avancé et une large gamme d'analyses approfondies.

  • Répondez de façon cohérente et précise. Les agents produisent des réponses fiables et raisonnables à travers une variété de types de question. En outre, l'agent force l'adhésion au contexte et aux conseils métiers.
  • Raisonnement avancé et génération narrative. L'agent fournit des récits instructifs et une justification derrière ses conclusions pour vous aider à comprendre le raisonnement derrière une réponse. Les réponses comprennent des observations utiles et des connaissances générales en plus des réponses aux questions. Lorsque l'agent réfléchit à votre question, il fournit des mises à jour transparentes sur son processus de raisonnement.
  • Contexte profond et mémoire pour les conversations à plusieurs tours. Affinez les questions, consultez les questions et les réponses précédentes dans une session ou posez des questions de suivi naturel sans rappeler le contexte à l'agent. Les conversations avec l'agent sont précises et efficaces, car l'agent se souvient que vous l'avez demandé et gère le contexte dans les conversations aller-retour.
  • Alternatives guidées. Lorsque l'agent ne peut pas répondre directement à une question, il suggère d'autres questions ou instructions pour approfondir l'exploration.
  • Connaissance et découverte des métadonnées. Les utilisateurs peuvent demander à l'agent « À quelles questions pouvez-vous répondre ? » ou « Comment la métrique ACV est-elle définie ? » pour mieux comprendre les données disponibles et comment les interroger. Les utilisateurs peuvent demander à l'agent quels objets de données, champs, métriques, dimensions et définitions sémantiques sont disponibles dans les données.
  • Prise en charge de plusieurs types de visualisation. En plus des graphiques à barres, des graphiques en courbes et des graphiques en tableaux, l'agent prend en charge les graphiques en anneau, les graphiques en nuage de points et les cartes thermiques. Les utilisateurs peuvent demander à changer un type de visualisation existant pour explorer rapidement les mêmes données sous différentes perspectives sans avoir à reposer une question.
  • Prise en charge de divers types de question. L'agent gère de façon transparente les requêtes avancées, notamment d'une période à l'autre, l'analyse des tendances, les principaux moteurs, et la distribution et la corrélation statistique. Pour la liste complète des types de question que vous pouvez poser à Tableau Agent avec l'analyse des données, consultez Questions prises en charge et surfaces pour Tableau Agent.

Comment l'agent Tableau interroge les données

Tableau Agent utilise un chemin de requête sémantique unique pour les questions. Les requêtes sémantiques interagissent dynamiquement avec le modèle sémantique sous-jacent, ce qui permet des répartitions personnalisées, des comparaisons d'entités et une exploration approfondie. Tableau Agent génère et exécute une requête sémantique sur le modèle sémantique sous-jacent d'une métrique ou d'un tableau de bord associé. Il synthétise les données de sortie de la requête pour créer une réponse textuelle et crée une visualisation basée sur la requête sémantique.

Agent Tableau avec le sous-agent Analyse des données :

  • Répond aux questions d'une session en utilisant les données sous-jacentes du modèle sémantique comme source ancrée pour interroger et analyser.
  • Clarifie l'intention lorsqu'elle rencontre une complexité ou une ambiguïté dans une question pour fournir une réponse plus précise et plus précise.
Remarque
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 des agents dans Tableau Suivant
 
Chargement
Salesforce Help | Article