Ottimizzazione dell'analisi dei dati con la ricerca vettoriale in Tableau

Trovare e analizzare i dati in base ai significati, non solo alle parole chiave, utilizzando la ricerca vettoriale in una query Tableau. La ricerca vettoriale amplia l'ambito dell'esplorazione dei dati e migliora la precisione e la pertinenza degli approfondimenti identificando le somiglianze semantiche anziché basarsi esclusivamente sulle corrispondenze esatte delle parole chiave.

Ad esempio, un analista aziendale crea un cruscotto digitale di analisi Voice of the Customer. L'analista ha ricavato i dati da un file in un bucket Amazon S3, ha creato uno stream di dati di Data 360 da quel contenuto e ha mappato i campi personalizzati a un DMO personalizzato denominato dc_voc. L'analista ha quindi creato una configurazione dell'indice di ricerca dall'oggetto dc_voc e ha suddiviso e vettorializzato il campo Descrizione dall'oggetto. L'analista può ora utilizzare un filtro di ricerca in Tableau appositamente progettato per le descrizioni di Voice of the Customer.

Il cruscotto digitale Tableau visualizza sia l'analisi dei dati strutturati che non strutturati. Il lato sinistro utilizza un filtro categoria e il lato destro utilizza la ricerca semantica per migliorare l'esplorazione dei dati.

Ad esempio, quando si immette il termine "tempo reale" nella ricerca semantica sul lato destro, i record mostrano voci che includono termini correlati, ad esempio attivazione in tempo reale, inserimento dati quasi in tempo reale e stream di dati in tempo reale.

Il punteggio corrispondente classifica i risultati in base alla somiglianza delle descrizioni con il termine di ricerca. Questo sistema di calcolo del punteggio evidenzia il vantaggio della ricerca semantica, poiché acquisisce varie espressioni di concetti simili, offrendo approfondimenti più completi di una semplice ricerca di parole chiave.

Per implementare questa funzionalità, l'analista ha creato una query SQL personalizzata in Tableau che utilizza la funzione vector_search( ). (Si noti che la query contiene oggetti non standard o personalizzati che sono esempi e potrebbero non corrispondere a oggetti nelle organizzazioni dei clienti).

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>

Si noti due parametri specifici:

• Query String per l'immissione dei termini di ricerca.
• Limit VOC Matches controlla il numero di record COV visualizzati.

Questa integrazione della ricerca vettoriale in Tableau non solo amplia l'ambito dell'esplorazione dei dati, ma migliora anche la precisione e la pertinenza degli approfondimenti derivati dai feedback dei clienti identificando le somiglianze semantiche anziché basarsi esclusivamente sulle corrispondenze esatte delle parole chiave.