在 Ask Data 中為自然語言互動準備資料

對於採用行級安全性的資料來源，Ask Data 不會對語義模型中的欄位進行概要分析、編制索引或儲存中繼資料。由於缺少中繼資料，Ask Data 無法提供篩選條件預設值 (如圖 2 所示)、識別比較概念 (例如「便宜」或「高」)，或在資料窗格的工具提示中顯示設定檔資料。

但是，我們瞭解某些資料來源有行級安全性的要求。在這些情況下，Ask Data 無法針對您的資料來源編制索引，但您仍然可以藉由指定確切的篩選值並用引號將該值括住來善用 Ask Data 的優勢。

例如，假設您想查看「wineries in california that have pinot noir」(加州有釀造黑皮諾的葡萄酒廠)。如果資料來源採用行級安全性，則需要如下所示輸入查詢內容：

無需針對日期、布林值或數字使用引號，因為 Ask Data 可以自動解釋這些類型的值，並將這些值與適當的欄位比對。

如果您已經為組織發佈經過認證的資料來源，則團隊可以在 Ask Data 中運用這些來源。但您可能希望為一般使用者開啟其他來源或重新整理現有來源，更輕鬆地在 Ask Data 中進行分析。若要充分運用「Ask Data」功能，在整理資料時請僅記以下因素。

整理資料時需考慮到一般使用者

如果資料管理員或分析師瞭解如何準備資料供進行分析，又能預測使用者會使用自然語言對資料提出各種問題，那麼資料在經過他們精心整理後，Ask Data 使用者就能更順利地回答問題。

閱讀有關整理已發佈資料來源最佳實務的詳細資訊。

在為 Ask Data 整理資料時，首先要盡可能簡化已發佈的資料來源。這表示僅保留最小的欄位集供使用者在與 Ask Data 的互動中查詢，並從資料來源中移除 (或隱藏) 不必要的欄位。Ask Data 支援最多 1,000 個欄位的資料來源，但資料越明確越好。這有助於提升整體系統效能，藉以加快初始化時間並解析自然語言。如果資料來源很慢，請使用具有資料來源篩選條件的資料擷取 (如果需要) 來提高效能。

在為 Ask Data 中的查詢整理資料來源時，請考慮下列因素：

準備資料。嘗試預測使用者希望使用資料來源回答的問題類型。可能需要使用資料整理，聯接操作和相關資料準備功能，才能讓資料適合用於回答這些預期的問題。

設定適當的欄位預設值。為每個欄位指定正確的資料類型 (例如字串、數字、地理位置、日期、日期時間、布林值) 和資料欄位角色 (例如，離散與連續、度量與維度)。請為每個度量指派預設的匯總函數。例如，「Sales」(銷售額) 適合的預設值是 SUM，但如果是「Test Score」(測試分數)，則 AVERAGE 可能是更好的預設值。

設定百分比和貨幣數字格式。為了支援使用者詢問資料常用的口語概念，Ask Data 包括例如「low」(低)、「high」(高)、「lowest」(最低)、「highest」(最高) 等基本概念，同時也支援貨幣概念，例如「cheap」(便宜) 和「expensive」(昂貴) 等，以及這些概念相對應的同義詞。為了便於瞭解「show me the cheapest wineries in France」(顯示法國最便宜的葡萄酒廠) 等話語，必須將資料來源中的度量設為適當的貨幣格式 (如圖 3 和圖 4 所示)。

設定邏輯階層。這允許使用者在使用 Ask Data 產生的視覺化內容中上鑽查詢和下鑽查詢。這適用於地理維度 (例如城市、州/省、國家/地區)，日期和時間 (例如年、季、月) 和功能相關維度 (例如，類別和子類別)。

在下列方案中，為定量變數建立有意義的資料桶欄位 (具有適當的資料桶大小)：

查看不是資料來源中度量的欄位的資料桶版本。
例如，「Age」(年齡) 是一個數字維度，在 Tableau 中無法以直方圖表示，因此使用 Ask Data。但是，在資料來源中為「Age」(年齡) 建立資料桶欄位可讓使用者使用其資料桶版本提出問題 (如圖 5 所示)。

使用自訂資料桶設定在 Ask Data 中引發直方圖回應。
使用自訂資料桶大小建立度量的資料桶欄位可以進一步控制這些欄位在 Ask Data 中的顯示方式。在下面的範例中 (圖 7)，使用者可以輸入「Fare as a histogram」(以直方圖顯示票價)，Ask Data 將使用資料桶欄位「Fare (bin)」(票價 (資料桶)) 中的自訂資料桶設定來產生直方圖。

為欄位指定唯一且有意義的名稱

為了讓一般使用者更容易瞭解您的資料來源，並且讓其他人更有機會從 Ask Data 獲得所需的答案，您應該稽核資料來源中的欄位名稱。

採取下列步驟以打造理想的使用者體驗：

為欄位值建立有意義的別名。在 Tableau Desktop 中，您可以使用別名建立簡單易用的欄位名稱 (例如使用「CustID」表示「Customer ID」(客戶 ID))。這是資料管理的標準建議。對於 Ask Data，您可以更進一步新增同義詞。例如，其他人也可以在內部使用「Customer Number」(客戶編號) 來表示「Customer ID」(客戶 ID)。在這些情況下，您可以將這些額外的同義詞新增到 Ask Data 以支援使用者的問題。

區分您的屬性。為資料來源中的屬性指派唯一名稱可以在 Ask Data 中達到更好的使用者體驗。如果運算式不夠明確，則 Ask Data 會查找與資料中的模式大致相符的字串 (最多可達到一個字元的差異)，這也稱為模糊字串配對。接著 Ask Data 會顯示多個相符選項供使用者選擇。在下列範例中(圖 8)，資料來源中包含多個「Sales」(銷售額) 一詞的屬性。但是，輸入「sales」(銷售額) 僅會出現三個相符的屬性，因為輸入的「sales」(銷售額) 這個字和属性「Sales Foo」(銷售額 Foo) 相差不止一個字元。

此外，如果屬性對資料來源領域具有語意上的意義，則建議將這些屬性命名，讓分析任務能夠直覺地理解 Ask Data 中提出的問題。例如，資料來源中的每筆記錄都是表示地震，因此將「Number of Records」(記錄數) 重新命名為「Number of Earthquakes」(地震次數) (圖 9)。

檢查欄位名稱。Ask Data 會根據資料來源中的欄位來篩選值。避免將欄位命名為值，以防止 Ask Data 將資料欄位誤解為值 (諸如數字、日期或布林值，例如「true」或「false」)。此外，基於效能原因，Ask Data 不會對於與支援的分析運算式重疊的欄位編制索引。例如，避免使用「平均」、「2015 年銷售額」或「銷售量最大的產品」等欄位名稱。

對地理欄位進行地理編碼。對於具有地理角色的欄位，請確保資料值已成功進行地理編碼。值已成功進行地理編碼的欄位在 Ask Data 中會被識別為地理屬性，在資料窗格中會以圖示指示 (圖 10)。這類屬性支援像是「where are the highest fire fatalities?」(哪個地方火災死亡率？) 之類的話語，系統識別令牌「where」(哪個地方) 以指示地圖並推斷出有效的地理屬性，例如「County」(縣)。

新增相關的計算欄位

Ask Data 無法建立動態計算，因此您需要提前將預期的計算新增到資料來源中。例如，建立名稱為「Total Compensation」(總薪酬) 的計算欄位，將「Base (Variable)」(基礎 (變數)) 中的最低基本工資與「Commission (Variable)」(佣金 (變數)) 的總佣金相加，允許使用者輸入「what is the total compensation for each sales person?」(每位銷售人員的總薪酬是多少？) 等問題。(圖 11 和 12)。

使用使用者同義詞讓資料更豐富

您可以透過「Ask Data」欄位窗格為資料來源中的欄位定義同義詞。例如，假設您有關於汽車購買情況的資料來源，其中一個欄位是「New Vehicle Model」(新車車型)。新增「vehicle purchased」(購買的汽車) 和「car」(汽車) 做為「New Vehicle Model」(新車車型) 欄位的同義詞，即可支援「vehicles purchased by city」(各城市購買的汽車) 之類的自然語言話語 (圖 13)。