Problemi comuni

Consulta i seguenti problemi che possono verificarsi e le best practice per evitarli.

Il contesto della domanda è troppo complesso per essere elaborata

Quando si invia una domanda a Auto Answers, è possibile che il limite di immissione dei dati venga raggiunto prima di restituire una risposta. In questo caso, si riceverà la seguente risposta: La definizione della dashboard è troppo grande per utilizzare l’assistente Auto. Affinare i dataset e la dashboard prima di riprovare.

Diversi fattori possono influenzare la gravità della domanda:

• Il numero di oggetti nella dashboard, nella pagina della dashboard o nei dataset.

• Nome di un grafico semantico. Il numero di parole del nome di un oggetto influisce sulla complessità della domanda.

Best practice

• Prima del rilascio, gli autori dovrebbero esaminare le funzionalità e le prestazioni di Auto Answers, prendere in considerazione i casi aziendali comuni e le domande tipiche poste dagli utenti.

• Gli autori dovrebbero semplificare i propri dataset per Auto Answers rivedendo, riducendo la complessità e la densità dei contenuti. Con Auto Answers per gli utenti gli autori dovrebbero adottare una convenzione di assegnazione dei nomi chiara e creare una versione più leggera del dataset per migliorarne l'usabilità.

• Gli utenti possono limitare l'ambito delle domande a ciò che viene visualizzato nella pagina.

Domande multiple

Se Auto Answers poni più domande in una stessa domanda, la risposta potrebbe rispondere solo a una domanda, rispondere a entrambe le domande parzialmente o interpretare erroneamente la domanda.

Ad esempio, se si chiede "Quale negozio ha registrato le entrate più alte e quale categoria di prodotti ha avuto il margine di profitto più basso?", Auto Answers potrebbe identificare con precisione il negozio con le entrate maggiori, ma potrebbe non risolvere il margine di profitto.

Best practice

Evita di porre più domande in una stessa domanda. Concentrati su una domanda alla volta, più la domanda è specifica, più preciso sarà il risultato.

Risposta ai valori non aggregati

Di tanto in tanto è possibile ricevere risposte inaspettate da Auto Answers, anche quando si utilizzano domande formulate in modo accurato. Ciò si verifica spesso a causa di determinate definizioni metriche e funzioni di aggregazione. Quando le metriche non sono progettate per l'aggregazione dinamica e vengono sottoposte a query, il calcolo risultante può generare valori fuorvianti, errati o nulli. Ad esempio, quando viene eseguita una query su una metrica, come i dati sulla popolazione annua, senza specificare le dimensioni necessarie (ad esempio l'anno), è possibile che si verifichi un'aggregazione dei dati non accurata nel tempo.

Ad esempio, se una domanda non considera l'anno, una risposta di Auto Answers produce risultati distorti e somma il valore di popolazione in tutti gli anni nel dataset. L'immagine seguente mostra il valore corretto a sinistra e il valore errato a destra:

Best practice

Per ottenere risposte precise alle query che includono valori non aggregabili, utilizzare metriche non di aggregazione basate su MicroStrategy schema del progetto nella dashboard. Le metriche non aggregate, come i calcoli delle scorte, sono prevalenti nei settori verticale Vendita al dettaglio o bancario. Nelle applicazioni basate sullo schema del progetto, Auto Answers elabora le metriche al livello di aggregazione corretto e rispetta le impostazioni non aggregabili, dove definite, per fornire risposte affidabili e precise.

Ad esempio, se si chiede "A dicembre 2020, qual era il livello di inventario di fine disponibilità di Discman?", Auto Answers fornirà correttamente l'inventario di fine mese, senza riassumerlo nei mesi precedenti.