为使用“数据问答”以自然语言交互准备数据

对于采用行级安全保护机制的数据源，“数据问答”不会对字段的元数据进行特征分析、编制索引，也不会将它们存储在语义模型中。由于缺少元数据，“数据问答”无法提供默认筛选词（如图 2 所示）、识别诸如“cheap”（便宜）或“high”（高）这样的对比概念，也无法在数据窗格内的工具提示中显示配置文件数据。

不过，我们知道有些数据源确实有行级安全性方面的要求。在这类情况下，“数据问答”无法为数据源编制索引，但您仍然可以利用“数据问答”的优势，只需指定要作为筛选条件的确切值并用引号将这些值引起来即可。

例如，假设您想查看“wineries in california that have pinot noir”（加州酿造黑皮诺酒的葡萄酒厂）。如果数据源采用的是行级安全保护机制，那么您需要按如下所示输入查询内容：

对于日期、布尔值和数字，无需加引号，这是因为“数据问答”可以自动解读这些类型的值，并将它们与相应的字段进行匹配。

如果您在组织中发布了已认证数据源，团队便可在“数据问答”中利用这些源。但您可能希望为最终用户开放其他源或重新整理现有源，以便能在“数据问答”中更轻松地进行分析。若要充分利用“数据问答”功能，请在整理数据时谨记以下几个方面。

整理数据时需考虑最终用户

如果数据管理员或分析师既了解如何准备数据以供分析，又能预测用户将使用自然语言询问哪些数据数据，那么使用经他们精心整理的数据，“数据问答”用户便能更好地回答问题。

阅读有关整理已发布数据源的最佳做法的更多内容。

为“数据问答”整理数据时，首先要尽可能简化已发布数据源。这意味着仅保留最小字段集供用户在“数据问答”中交互查询，并删除（或隐藏）数据源中不必要的字段。“数据问答”支持包含多达 1,000 个字段的数据源，但数据应越明确越好。这有助于提升整体系统性能，从而缩短初始化时间并加快解析自然语言话语。如果数据源运行较慢，可使用带有数据源筛选器（如果需要）的数据提取来提高性能。

整理数据源以便在“数据问答”中查询时，请考虑以下因素：

准备数据。尝试预测用户希望使用数据源回答哪些类型的问题。可能需要使用数据整理、联接操作和相关的数据准备功能来整理数据，以使其适用于回答这些预测问题。

设置适当的字段默认值。为每个字段指定正确的数据类型（例如字符串、数字、地理位置、日期、日期时间、布尔值）和数据字段角色（例如离散与连续、度量与维度）。为每个度量指定默认聚合函数。例如，“销售额”的适当默认值是 SUM，而对于“测试分数”，AVERAGE 或许是更合适的默认值。

设置百分比和货币数字格式。为了支持人们询问数据时惯于使用的常见口语概念，“数据问答”囊括了“low”（低）、“high”（高）、“lowest”（最低）、“highest”（最高）等基本概念和基于货币的概念，如“cheap”（便宜）和“expensive”（昂贵）及其相应的同义词。为了方便解析“show me the cheapest wineries in France”（显示法国最便宜的葡萄酒厂）等话语，需将数据源中的度量设置为适当的货币格式（如图 3 和图 4 所示）。

设置逻辑分层结构。这允许用户在使用“数据问答”生成的可视化中上钻和下钻查询。这适用于地理维度（例如城市、省/市/自治区、国家/地区）、日期和时间（例如年、季度、月）以及功能相关维度（例如类别和子类别）。

在以下方案中，为定量变量创建有意义的分桶字段（数据桶大小适当）：

查看数据源中非度量字段的分桶版本。
例如，“Age”（年龄）是一个数值维度，在 Tableau 中不能以直方图表示，因此使用“数据问答”。但是，在数据源中为“Age”（年龄）创建分桶字段后，用户可以使用其分桶版本提问（如图 5 所示）。

使用自定义数据桶设置在“数据问答”中引发直方图响应。
使用自定义数据桶大小创建度量的分桶字段，可以更好地控制这些字段在“数据问答”中的显示方式。在下面的示例中（图 7），用户可以键入“Fare as a histogram”（票价直方图），“数据问答”将使用分桶字段“Fare (bin)”（票价(数据桶)）中的自定义数据桶设置生成直方图。

为字段指定唯一且有意义的名称

为了使最终用户更容易理解您的数据源，并增大人们通过“数据问答”获取所需答案的可能性，您应该审核数据源中的字段名称。

采取以下步骤，打造理想的用户体验：

为字段值创建有意义的别名。在 Tableau Desktop 中，您可以使用别名创建简单易用的字段名称（例如使用“CustID”表示“Customer ID”（客户 ID））。这是数据整理的标准建议。对于“数据问答”，您可以通过添加同义词获得更优体验。例如，人们也可以在内部使用“Customer Number”（客户编号）指代“Customer ID”（客户 ID）。在这些情况下，您可以将这些额外的同义词添加到“数据问答”以支持用户提问。

区分属性。为数据源中的属性分配唯一名称可以优化“数据问答”中的用户体验。如果表达不明确，则“数据问答”会查找与数据中的模式大致匹配的字符串（最多有一个字符差异），这也称为模糊字符串匹配。“数据问答”随后显示多个匹配项以供用户选择。在下面的示例中（图 8），数据源中存在多个包含“Sales”（销售额）一词的属性。但是，输入“sales”（销售额）仅出现三个匹配属性，因为输入的单词“sales”（销售额）和属性“Sales Foo”（销售额 Foo）相差不止一个字符。

此外，若属性对数据源的域有语义意义，则建议为这些属性命名，以便分析任务可以直观理解“数据问答”中提出的问题。例如，数据源中的每条记录都表示地震，则将“Number of Records”（记录数）重命名为“Number of Earthquakes”（地震次数）（图 9）。

检查字段名称。“数据问答”根据数据源中的字段筛选值。避免将字段命名为值，以防“数据问答”将数据字段误解为值（例如数字、日期或布尔值，如“true”或“false”）。此外，出于性能原因，“数据问答”不会对与支持的分析表达式重叠的字段进行索引。例如，避免使用“平均”、“2015 年销售额”或“最畅销产品”等字段名称。

对地理区域字段进行地理编码。对于具有地理角色的字段，请确保数据值已成功进行地理编码。对字段值成功进行地理编码后，该字段在“数据问答”中将被识别为地理属性，且数据窗格中将使用图标指示（图 10）。这类属性支持诸如“where are the highest fire fatalities?”（哪个地区的火灾死亡率最高？）之类的话语，系统识别令牌“where”（哪个地区）指示地图，并推断出“County”（县/市）等有效的地理属性。

添加相关计算字段

“数据问答”无法创建动态计算，因此您需要提前将预期的计算添加到数据源中。例如，创建一个名为“Total Compensation”（总薪酬）的计算字段，该字段的值由“Base (Variable)”（基本薪资(变量)）中的最低基本薪资与“Commission (Variable)”（佣金(变量)）中的总佣金相加所得，如此，用户即可输入“what is the total compensation for each sales person?”（每个销售人员的总薪酬是多少？）等问题。（图 11 和图 12）。

使用用户同义词丰富数据

您可以通过“数据问答”字段窗格为数据源中的字段定义同义词。例如，假设您有一个关于汽车购买情况的数据源，其中一个字段是“New Vehicle Model”（新车车型）。添加“vehicle purchased”（购买的车辆）和“car”（汽车）作为“New Vehicle Model”（新车车型）字段的同义词，即可支持“vehicles purchased by city”（各城市购买的车辆）（图 13）等自然语言话语。