Allgemeine Probleme

Sehen Sie sich die folgenden Probleme an, auf die Sie stoßen können, sowie die Best Practices, um sie zu vermeiden.

Der Kontext der Frage ist zu komplex, um verarbeitet zu werden

Wenn Sie eine Frage an Auto Answers übermitteln, besteht die Möglichkeit, dass das Dateneingabelimit erreicht wird, bevor eine Antwort zurückgegeben wird. In diesem Fall erhalten Sie die folgende Antwort: Die Dashboard-Definition ist zu groß, um MicroStrategy Auto zu verwenden. Bitte verfeinern Sie die Datensätze und das Dashboard, bevor Sie es erneut versuchen.

Mehrere Faktoren können sich auf die Gewichtung der Frage auswirken:

Die Anzahl der Objekte im Dashboard, auf der Dashboard-Seite oder in Datensätzen.
Der Name eines semantischen Diagramms. Die Anzahl der Wörter in einem Objektnamen wirkt sich auf die Komplexität der Frage aus.

Best Practice

Autoren sollten die Funktionen und die Leistung von Auto Answers vor der Veröffentlichung prüfen und die häufigsten Geschäftsszenarien und Typfragen von Benutzern berücksichtigt.
Autoren sollten ihre Datensätze für Auto Answers durch Überprüfung, Komplexität und Inhaltstiefe reduzieren. Autoren sollten eine klare Namenskonversation übernehmen und eine reduzierte Version des Datensatzes erstellen, um die Benutzerfreundlichkeit mit Auto Answers für Benutzer zu verbessern.
Benutzer können den Bereich der Fragen auf das beschränken, was auf der Seite angezeigt wird.

Mehrere Fragen

Wenn Sie Auto Answers mehrere Fragen in einer Frage stellen, bezieht sich die Antwort möglicherweise nur auf eine Frage, beantwortet beide Fragen teilweise oder interpretiert die Frage möglicherweise falsch.

Wenn Sie zum Beispiel fragen: „Welche Filiale hatte den höchsten Umsatz und welche Produktkategorie die niedrigste Gewinnmarge?“, identifiziert Auto Answers die Filiale mit dem höchsten Umsatz möglicherweise genau, geht jedoch nicht auf die Gewinnmarge ein.

Best Practice

Vermeiden Sie es, mehrere Fragen in einer Frage zu stellen. Konfigurieren Sie sich auf jeweils eine Frage. Je spezifischer die Frage ist, umso präziser ist das Ergebnis.

Beantwortung nicht aggregierbarer Werte

Gelegentlich erhalten Sie unerwartete Antworten von Auto Answers, selbst wenn Sie korrekt formellierte Fragen verwenden. Dies ist häufig aufgrund bestimmter Metrikdefinitionen und Aggregationsfunktionen der Fall. Wenn Metriken nicht für dynamische Aggregation konzipiert sind und abgefragt werden, kann die sich daraus ergebende Berechnung zu falsch- oder NULL-Werten führen. Wenn eine Metrik (z. B. die jährlich auf der Grundlage von Jährlichkeiten) abgefragt wird, ohne die erforderlichen Dimensionen (z. B. das Jahr) anzugeben, kann die Aggregation von Daten über die Zeit hinweg falsch sein.

Wenn eine Frage zum Beispiel das Jahr nicht berücksichtigt, führt eine Antwort von Auto Answers zu verworfenen Ergebnissen und ergibt die Summe der Grundgesamtheit über alle Jahre im Datensatz. In der Grafik unten wird links der richtige Wert und rechts der inkorrekte Wert angezeigt:

Best Practice

Für genaue Antworten auf Abfragen, die nicht aggregierbare Werte enthalten, verwenden Sie nicht aggregierbare Metriken, die auf dem MicroStrategy Projektschema in Ihrem Dashboard basieren. Nicht aggregierbare Metriken, z. B. Lagerberechnungen, sind in Einzelhandels- und Banking-Branchen sehr häufig vorhanden. In Anwendungen, die auf dem Projektschema basieren, verarbeitet Auto Answers die Metriken auf der richtigen Aggregationsebene und berücksichtigt nicht aggregierbare Einstellungen, sofern definiert, um sichere und präzise Antworten zu geben.

Wenn Sie zum Beispiel fragen: „Wie hoch war der verfügbare Lagervorrat von Diskussionsforen im Dezember 2020?“, zeigt Auto Answers den Lagerplatz zum Monatsende korrekt an, ohne ihn für die folgenden Monate zusammenzufassen.