Förbereda data för interaktion med vanligt språk i Ask Data

För datakällor med säkerhet på radnivå profilerar, indexerar eller lagrar inte Ask Data metadata för fälten i den semantiska modellen. Om metadata saknas kan inte Ask Data tillhandahålla filterstandarder (enligt figur 2), känna igen jämförbara koncept som ”cheap” (billig) eller ”high” (hög) eller visa profildata i verktygstips i datafönstret.

Men vi förstår att säkerhetskrav på radnivå finns för vissa datakällor. Vid sådana förutsättningar kan inte Ask Data indexera dina datakällor men du kan fortfarande dra fördel av Ask Data genom att ange exakta värden du vill filtrera på och sätta sådana värden inom citattecken.

Låt oss exempelvis anta att du vill visa ”wineries in california that have pinot noir” (vingårdar i Kalifornien som har pinot noir). Om datakällan har säkerhet på radnivå ska du ställa din fråga som:

Du behöver inte använda citattecken för datum, booleaner eller siffror eftersom Ask Data automatiskt kan tolka värden av dessa typer och matcha dem med lämpliga fält.

Om du redan publicerar vissa certifierade datakällor för din organisation kan teamen använda dessa källor i Ask Data. Men du kanske vill öppna upp ytterligare källor för dina slutanvändare eller omforma befintliga källor för enklare analys i Ask Data. För att få ut mesta möjliga av funktionen Ask Data ska du kuratera dina data med följande faktorer i åtanke.

Kuratera dina data med tanke på slutanvändaren

Användare av Ask Data lyckas betydligt bättre med att få svar på frågor om data har kuraterats nogsamt av en datasteward eller analytiker, vilka både vet hur de ska förbereda data för analys och kan förutsäga vilken typ av frågor som användarna kommer att ställa data på vanligt språk.

Läs mer om bästa praxis för att kuratera en publicerad datakälla.

När du kuraterar data för Ask Data börjar du med att förenkla dina publicerade datakällor så långt som är möjligt. Det innebär att ha ett minimalt antal fält som användare ställer frågor till under interaktionen med Ask Data och att ta bort (eller dölja) onödiga fält som finns i datakällan. Ask Data har stöd för datakällor med upp till 1 000 fält men ju färre tvetydigheter, desto bättre. Det hjälper till för det övergripande systemets prestanda med kortare initieringstider och tolkning av uttryck på vanligt språk. Om datakällan är långsam kan du använda datautdrag med datakällfilter (vid behov) för bättre prestanda.

Överväg följande faktorer när du kuraterar datakällor för att fråga i Ask Data:

Förbered dina data. Försök att förutse vilka typer av frågor användarna vill ha svar på från datakällan. Det kan behövas dataformning, sammanslagningar och relaterade funktioner för dataförberedelse för att ge data en lämplig form för att svara på de frågor som förväntas.

Ställ in lämpliga standardvärden för fälten. Se till att alla fält har korrekt datatyp (som sträng, numerär, geografisk, datum, datumtid, booleansk) och datafältroll (som separat eller fortlöpande, värde eller dimension). Varje värde ska tilldelas standardfunktioner för sammanslagning. Exempelvis kan SUM vara lämplig standard för ”Sales” (försäljning), medan AVERAGE kanske är en bättre standard för ”Test Score” (testresultat).

Ställ in procent- och valutaformat. Som stöd för vanliga vardagskoncept som människor har en tendens att fråga sina data om inkluderar Ask Data koncept som ”low” (låg), ”high” (hög), ”lowest” (lägsta), ”highest” (högsta) och valutabaserade koncept som ”cheap” (billig) och ”expensive” (dyr) samt deras motsvarande synonymer. För att underlätta vid uttryck som ”show me the cheapest wineries in France” (visa mig de billigaste vingårdarna i Frankrike) ställer du in värden i datakällan med lämpligt valutaformat (enligt figur 3 och 4).

Ställa in logiska hierarkier. Med detta kan användare gå både uppåt och neråt i visualiseringar som gjorts med Ask Data. Detta gäller geografiska dimensioner (som stad, stat, land), datum och tid (som år, kvartal, månad) och funktionellt beroende dimensioner (som kategori och underkategori).

Skapa meningsfulla grupperade fält (med lämpliga gruppstorlekar) för kvantitativa variabler i följande scenarier:

Visa en grupperad version av ett fält som inte är ett värde i datakällan.
Exempelvis är ”Age” (ålder) en numerisk dimension som inte kan representeras som ett histogram i Tableau och därmed inte i Ask Data. Men genom att skapa ett grupperat fält för ålder i datakällan kan användaren ställa en fråga med den grupperade versionen (enligt figur 5).

Få fram histogramsvar i Ask Data med anpassade gruppinställningar.
Att skapa grupperade fält med värden som har anpassade gruppstorlekar ger bättre kontroll över hur dessa fält visas i Ask Data. I exemplet nedan (Figur 7) kan användaren skriva ”Fare as a histogram” (biljettpris som histogram) varpå Ask Data använder de anpassade gruppinställningarna från grupperade fältet ”Fare (bin)” (pris (grupp)) för att generera ett histogram.

Ge fälten unika och meningsfulla namn

För att göra datakällan enklare att förstå för slutanvändare – och öka möjligheterna att människor får de svar de söker från Ask Data – kan du redigera fältnamnen i datakällan.

Vidta följande åtgärder för en idealisk användarupplevelse:

Skapa meningsfulla alias för fältvärden. I Tableau Desktop kan du skapa användarvänliga fältnamn med alias (som ”CustID” är ”Customer ID” (kund-id)). Detta rekommenderas som standard för datakuratering. För Ask Data kan du ta detta ett steg längre genom att lägga till synonymer. Exempelvis kan människor även använda ”Customer Number” (kundnummer) för ”Customer ID” (kund-id). I dessa fall kan du lägga till dessa ytterligare synonymer i Ask Data som stöd för användarnas frågor.

Differentiera dina attribut. Att tilldela unika namn på attributen i din datakälla kan ge en bättre användarupplevelse i Ask Data. Om det finns tveksamheter i uttrycket söker Ask Data fram strängar som ungefär stämmer med ett mönster i dina data med upp till ett teckens skillnad, kallas även otydlig strängmatchning. Sedan visar Ask Data dessa ytterligare matchningar som alternativ. I exemplet nedan (Figur 8) finns flera attribut med ordet ”Sales” (försäljning) i datakällan. Men att bara skriva ”sales” (försäljning) matchar bara tre attribut eftersom det inmatade ordet ”sales” (försäljning) och attributet ”Sales Foo” (försäljning foo) skiljer sig med mer än ett tecken.

Vi rekommenderar även att namnge attributen till domänen för datakällan så att frågor ställda i Ask Data är intuitiva med avseende på analysuppgiften. Exempelvis ”Number of Records” (antal registreringar) döps om till ”Number of Earthquakes” (antal jordbävningar) där varje registrering i datakällan motsvarar en jordbävning (Figur 9).

Kontrollera fältnamnen. Ask Data filtrerar värden utifrån fälten i datakällan. Namnge inte fält som värden för att förhindra att Ask Data misstolkar datafält som värden (som siffror, datum eller booleanska värden som ”true” (sant) eller ”false” (falskt)). För prestandans skull indexerar Ask Data inte heller fält som överlappar de analytiska uttryck som stöds. Undvik exempelvis att använda fältnamn som ”Average” (genomsnitt), ”Sales in 2015” (försäljning 2015) eller ”Most Products Sold” (flest sålda produkter).

Geokoda geografiska fält. Se till att fält med geografiska roller har värden som är korrekt geokodade. Fält med korrekt geokodade värden känns igen som geografiska attribut i Ask Data, vilket visas av en ikon i datafönstret (Figur 10). Sådana attribut stödjer uttryck som ”where are the highest fire fatalities?” (var sker de flesta dödsfall i bränder?) där systemet känner igen att token ”where” (var) indikerar en karta och antar ett giltigt geografiskt attribut som ”County” (län).

Lägg till relevanta beräknade fält

Ask Data kan inte skapa beräkning i farten så du måste i förväg lägga till förväntade beräkningar till datakällan. Att exempelvis skapa ett beräknat fält som heter ”Total Compensation” (total ersättning) och lägger samman lägsta baslön från ”Base (Variable)” (bas, variabel) med total kommission från ”Commission (Variable)” (kommission, variabel) gör att användare kan skriva frågor som ”what is the total compensation for each sales person?” (vilken total ersättning får varje försäljare?”. (Figur 11 och 12).

Förbättra data med användarsynonymer

Du kan definiera synonymer för fält i en datakälla genom Ask Datas fältfönster. Låt oss exempelvis anta att du har en datakälla med bilinköp och ett av fälten är ”New Vehicle Model” (ny fordonsmodell). Att lägga till ”vehicle purchased” (köpt fordon) och ”car” (bil) som synonymer för ”New Vehicle Model” (ny fordonsmodell) kan stödja uttryck på vanligt språk som ”vehicles purchased by city” (bilar köpta efter stad) (Figur 13).