Estrutura de resposta

Noções básicas sobre a resposta

O painel automático fornece respostas compostas por texto em linguagem natural e uma visualização associada. O chatbot suporta uma variedade de tipos de visualização, incluindo Grade, Gráficos verticais, horizontais e de barras agrupadas, Gráfico de pizza, Gráfico de linhas, Indicadores-chave, Mapa de calor, Caixa de mapa, Gráfico de bolha, Análise de driver principal e Gráficos de linhas de percepção para análise de tendências e previsões. O painel automático escolhe de forma inteligente o tipo de visualização apropriado com base na análise solicitada e no número de linhas na resposta, aprimorando a capacidade de consumo e a legibilidade dos insights. Por exemplo, a Análise de classificação usa gráficos de barras horizontais, a Análise de tendência usa gráficos de linhas, gráficos de combinação ou gráficos de área, Anomalias/correlações usam gráficos de bolha, Análise baseada em local usa Mapbox, Análise de distribuição usa gráficos de pizza ou mapas de calor e Estatísticas descritivas padrão para gráficos de barras. Os usuários também podem declarar explicitamente o tipo de visualização desejado, e as Respostas automáticas o gerarão, contanto que os parâmetros de entrada atendam às condições exigidas para a visualização.

Para obter mais informações sobre como os tipos de visualização são selecionados por Automático, consulte Práticas recomendadas para construção de pergunta de .

A resposta é acompanhada por um painel de navegação, que fica visível no canto inferior esquerdo quando você passa o mouse sobre a resposta. Você pode:

• Solicitação de interpretação
• Adicionar a visualização à página

Ao fazer perguntas no painel automático, você pode notar variações nos tipos de narrativa ou visualização para a mesma consulta, enquanto os dados numéricos permanecem precisos. Por exemplo, a consulta "Quais lojas tiveram melhorias consistentes na receita?" pode resultar em resumos ligeiramente diferentes a cada vez, mas a lista de lojas será consistente. Essa variação decorre da natureza não determinística do Modelo de Linguagem Grande (LLM), que visa fornecer a resposta mais relevante e precisa sempre que uma pergunta é feita, mesmo que isso signifique alterar ligeiramente a abordagem.