يمكنك تحسين النتائج من مساعد Oracle Analytics AI Assistant بالذكاء الاصطناعي بالفهرسة الدقيقة وتنظيم بياناتك.
يتم تشغيل Oracle Analytics AI Assistant بواسطة نموذج لغوي كبير (LLM). تكون نماذج LLM أفضل في فهم النص من الأرقام، لذا قم بتغيير القيم الفارغة في مجموعات البيانات إلى نص ذي معنى مثل "غير معروف" أو "غير متاح". يمكنك تحسين نتائجك من خلال إدخال القيم الرقمية مثل إدخال العملاء في المجموعات القائمة على إجمالي المبيعات أو إدخال كميات الطلبات إلى النطاقات صغير أو متوسط أو كبير. يرجى الاطلاع على تكوين عمود خلية عند إعداد البيانات.
يمكن أن يوفر إثراء بياناتك وتحويلها باقتراحات من Oracle Analytics سياقًا أكبر للمساعد. على سبيل المثال، يعني تحويل مجموعة بيانات لتضمين عمليات استخراج أجزاء البيانات حيث تقوم باستخراج يوم أسبوع من تاريخ رقمي أن المساعد يمكنه الاستجابة بشكل أكثر دقة لموجه مثل "إظهار المبيعات لجميع أيام الجمعة في عام 2024". يرجى الاطلاع على إثراء البيانات وتحويلها.
يمكنك تقليل الغموض في بياناتك المفهرسة بوضع أسماء أعمدة واضحة يمكن لأي شخص فهمها بقراءتها، وتجنب تكرار الأسماء، والاستفادة من المترادفات. على سبيل المثال، غالبًا ما يكون لمجموعات البيانات عدة حقول بيانات (تاريخ الطلب، تاريخ الشحن، تاريخ الفاتورة). قد يسبب هذا الارتباك عندما يطرح شخص ما سؤالاً مثل "عرض المبيعات حسب الشهر". يمكنك تجنب ذلك عن طريق إنشاء مرادف يسمى "التاريخ" في العمود الذي تريد تعيينه كتاريخ افتراضي. يرجى الاطلاع على تحديد المرادفات لأعمدة مجموعة البيانات.
عند فهرسة البيانات، حدد الأعمدة التي تريد فهرستها بعناية. ضع في اعتبارك الأعمدة التي من المرجح أن يطلب المستخدمون من المساعد توفير رؤى وتمثيلات مرئية لها، مثل المقاييس والمناطق والتواريخ. تجنب فهرسة الأعمدة عالية الارتباط، مثل معرفات العملاء أو معرفات وحدات التخزين أو العناوين، حيث يمكن أن تؤدي هذه الأعمدة إلى إضافة تعقيد دون تحسين رؤى المساعد. ابدأ بتحديد استخدام إعدادات الفهرس الموصى بها عند فهرسة مجموعة البيانات وتنقيح اختيارات الأعمدة الفردية لتحسين فهرس البحث الخاص بك من هناك. يرجى الاطلاع على حول إعدادات الفهرسة الموصى بها.