Forbedring af dataanalyse med vektorsøgning i Tableau

Find og analyser data baseret på betydninger, ikke kun nøgleord, ved brug af vektorsøgning i en Tableau-forespørgsel. Vektorsøgning udvider omfanget af dataudforskning samt forbedrer nøjagtigheden og relevansen af indsigterne ved at identificere semantiske ligheder i stedet for udelukkende at være afhængig af nøjagtige nøgleordmatches.

En forretningsanalytiker opretter f.eks. en Voice for dashboardet Kundeanalyse. Analytikeren hentede dataene fra en fil i en Amazon S3-inddeling, oprettede en Data 360-datastream fra dette indhold og tilknyttede de tilpassede felter til et tilpasset DMO, de kaldte dc_voc. Analysen oprettede derefter en søgeindekskonfiguration fra dc_voc og segmenterede og vektoriserede feltet Beskrivelse fra objektet. Analysen kan nu bruge et søgefilter i Tableau, der er skræddersyet til kundens Voice-beskrivelser.

Tableau-dashboardet viser både strukturerede og ustrukturerede dataanalyser. Den venstre side bruger et kategorifilter, og den højre side bruger semantisk søgning til at forbedre dataudforskning.

Når du f.eks. indtaster udtrykket "realtid" i den semantiske søgning i højre side, viser registreringerne poster, der inkluderer relaterede udtryk, f.eks. aktivering i realtid, dataoverførsel i nærtid og datastream i realtid.

Matchingsscoren rangerer resultaterne baseret på ligheden mellem deres beskrivelser og søgeudtrykket. Dette scoringssystem fremhæver fordelen ved semantisk søgning, fordi det registrerer forskellige udtryk for lignende koncepter og giver mere avancerede indsigter end en enkel søgeordsøgning.

For at implementere denne funktionalitet oprettede analytikeren en tilpasset SQL-forespørgsel i Tableau, der bruger funktionen vector_search( )( ). (Bemærk, at forespørgslen indeholder ikke-standardobjekter eller tilpassede objekter, der er eksempler, og som muligvis ikke svarer til objekter i kundeorganisationer).

SELECT distinct "dc_voc__dlm"."Accounts_Impacted__c" AS "# Accounts Impacted",
  "dc_voc__dlm"."Opportunities_Impacted__c" AS "# Opportunities Impacted",
  "dc_voc__dlm"."Created_By_Role_Name__c" AS "Created By: Role: Name",
  "dc_voc__dlm"."Created_Date__c" AS "Created Date",
  "dc_voc__dlm"."Description__c" AS "Description",
  "dc_voc__dlm"."Input_Name__c" AS "Input Name",
  "dc_voc__dlm"."Product_Area__c" AS "Product Area",
  "dc_voc__dlm"."Total_ACV_Impacted_converted__c" AS "Total ACV Impacted (converted)",
  "dc_voc__dlm"."Total_AOV_Impacted__c" AS "Total AOV Impacted",
  "Chunk__c", "score__c" FROM vector_search(table("dc_voc_str_id_vector__dlm"), <Parameters.Query String>, '', 500) vs
INNER JOIN "dc_voc_str_id_chunk__dlm" USING ("RecordId__c")
INNER JOIN "dc_voc__dlm" USING("Str_id__c")
ORDER BY "score__c" DESC
LIMIT <Parameters.Limit VOC Matches>

Bemærk to specifikke parametre:

• Query String til indtastning af søgeudtryk.
• Limit VOC Matches styrer antallet af VOC-registreringer, der vises.

Denne integration af vektorsøgning i Tableau udvider ikke kun omfanget af dataudforskning, men forbedrer også nøjagtigheden og relevansen af indsigter, der er afledt fra kundefeedback, ved at identificere semantiske ligheder snarere end udelukkende at være afhængig af nøjagtige nøgleordmatches.