คุณสามารถปรับปรุงผลลัพธ์จาก Oracle Analytics AI Assistant ของคุณได้ด้วยการจัดทำดัชนีและการจัดระเบียบข้อมูลของคุณอย่างรอบคอบ
Oracle Analytics AI Assistant ของคุณขับเคลื่อนโดยโมเดลภาษาขนาดใหญ่ (LLM) LLM ทําความเข้าใจข้อความได้ดีกว่าตัวเลข ดังนั้นให้เปลี่ยนค่าที่เป็นนัลในชุดข้อมูลของคุณเป็นข้อความที่มีความหมาย เช่น "ไม่ทราบ" หรือ "ไม่พร้อมใช้งาน" คุณยังสามารถปรับผลลัพธ์ให้เหมาะสมโดยการรวมค่าตัวเลข เช่น การรวมลูกค้าออกเป็นกลุ่มตามยอดขายรวม หรือการรวมจำนวนคำสั่งซื้อเป็นช่วงเล็ก กลาง และใหญ่ โปรดดู สร้างการกำหนดช่วงคอลัมน์ขณะจัดเตรียมข้อมูล
การเพิ่มความสมบูรณ์และการแปลงรูปแบบข้อมูลของคุณด้วยคําแนะนําจาก Oracle Analytics สามารถให้คอนเท็กซ์ที่ดียิ่งขึ้นแก่ Assistant ได้ ตัวอย่างเช่น การแปลงรูปแบบชุดข้อมูลเพื่อรวมการดึงข้อมูลในส่วนที่เป็นวันของสัปดาห์แทนที่จะเป็นวันที่ที่เป็นตัวเลข จะทำให้ Assistant สามารถตอบกลับพรอมต์ได้อย่างแม่นยํายิ่งขึ้น เช่น "แสดงยอดขายสําหรับทุกวันศุกร์ในปี 2024" โปรดดู เพิ่มความสมบูรณ์และแปลงรูปแบบข้อมูลของคุณ
คุณสามารถลดความกำกวมในข้อมูลที่จัดทำดัชนีได้โดยการใช้ชื่อคอลัมน์ที่ชัดเจนซึ่งใครก็ตามที่อ่านคอลัมน์เหล่านี้สามารถเข้าใจได้ หลีกเลี่ยงชื่อที่ซ้ำกัน และใช้ประโยชน์จากคำพ้องความหมาย ตัวอย่างเช่น ชุดข้อมูลมักจะมีฟิลด์วันที่หลายฟิลด์ (วันที่สั่งซื้อ วันที่จัดส่ง วันที่ในใบแจ้งหนี้) ซึ่งอาจทำให้เกิดความสับสนเมื่อมีคนถามคำถามเช่น "แสดงยอดขายแยกตามเดือน" คุณสามารถหลีกเลี่ยงปัญหานี้ได้โดยการสร้างคําพ้องความหมายที่ชื่อ "วันที่" ในคอลัมน์ที่คุณต้องการกําหนดเป็นวันที่ดีฟอลต์ โปรดดู ระบุชื่อแทนสำหรับคอลัมน์ชุดข้อมูล
เมื่อสร้างดัชนีข้อมูล ให้เลือกคอลัมน์ที่คุณต้องการสร้างดัชนีอย่างรอบคอบ พิจารณาว่าคอลัมน์ใดที่ผู้ใช้น่าจะขอให้ Assistant ระบุข้อมูลเชิงลึกและการแสดงข้อมูล เช่น เมตริค ภูมิภาค และวันที่ หลีกเลี่ยงการสร้างดัชนีคอลัมน์ที่มีความหลากหลายของข้อมูลสูง เช่น ID ลูกค้า, SKU หรือที่อยู่ เนื่องจากอาจเพิ่มความซับซ้อนโดยไม่ช่วยปรับปรุงข้อมูลเชิงลึกของ Assistant เริ่มต้นโดยเลือก ใช้การตั้งค่าดัชนีที่แนะนํา เมื่อสร้างดัชนีชุดข้อมูลของคุณและปรับแก้ตัวเลือกคอลัมน์แต่ละรายการเพื่อเพิ่มประสิทธิภาพดัชนีการค้นหาของคุณจากที่นั่น โปรดดู ข้อมูลกับการตั้งค่าดัชนีที่แนะนำ