Utilisation d'applications dans Qlik Answers

Dernière mise à jour : 30/09/2026

Les applications permettent à Qlik Answers de fournir des réponses à partir de sources de données structurées. Les applications peuvent être ajoutées comme source de contenu pour les assistants. Les applications peuvent également être mises à disposition individuellement pour Qlik Answers.

Qlik Answers peut également générer des graphiques et des feuilles pour l'utilisateur, permettant ainsi la création rapide de contenu d'application.

Qlik Answers utilise les éléments suivants pour comprendre les données des applications :

• Modèle de données

  Les champs et le modèle de données de l'application sont les principales informations utilisées par Qlik Answers.

• Modèle logique

  Le modèle logique créé par la logique métier est utilisé par Qlik Answers, mais uniquement les informations dans Vue d'ensemble et Champs et éléments principaux.

  Pour plus d'informations, consultez Optimisation de votre application pour Qlik Answers via la logique métier.

  Les champs masqués dans le modèle logique et les éléments dégroupés ne sont pas utilisés par Qlik Answers.

• Éléments principaux

  Qlik Answers donne la priorité à l'utilisation des dimensions et des mesures principales lors de l'indexation du modèle de données, car elles sont créées par l'utilisateur.

• Descriptions de champ générées par Qlik Answers

  Lorsque Qlik Answers indexe une application, il génère automatiquement des descriptions pour l'ensemble des champs et des éléments principaux du modèle de données. Ces descriptions générées par l'IA fournissent un contexte sémantique qui aide Qlik Answers à comprendre la signification des champs et à sélectionner les métriques appropriées. Vous pouvez examiner et affiner ces descriptions dans Compréhension sémantique.

  Pour plus d'informations, consultez Gestion des descriptions de champs et d'éléments principaux générées par Qlik Answers.

• Description des éléments principaux

  Les descriptions fournies par l'utilisateur dans les éléments principaux sont utilisées en combinaison avec les descriptions générées par l'IA pour fournir des informations contextuelles supplémentaires sur les champs et leur utilisation.

• Synonymes de la logique métier

  Les termes ajoutés comme synonymes sont utilisés pour fournir une terminologie alternative pour les questions des utilisateurs.

• Termes du glossaire métier

  Les définitions et les synonymes des termes du glossaire liés à des éléments principaux sont utilisés pour apporter un contexte supplémentaire.

  Note InformationsLes éléments principaux et leurs termes du glossaire métier liés sont évalués au moment de l'indexation. Si la définition d'un terme du glossaire change après l'indexation de l'application, Qlik Answers ne récupère pas automatiquement cette mise à jour. Réindexez l'application pour que le changement prenne effet.

  Pour plus d'informations sur la façon dont les définitions d'éléments principaux et les termes du glossaire métier sont utilisés par Qlik Answers, consultez Combinaison des descriptions des éléments principaux et des termes du glossaire métier.

Pour plus d'informations sur la préparation de vos applications pour qu'elles puissent être utilisées avec Qlik Answers, consultez Bonnes pratiques pour la préparation d'applications pour Qlik Answers.

Création de l'index de recherche lors du chargement

Vous pouvez ajouter la variable CreateSearchIndexOnReload afin de créer un index de recherche pour Qlik Answers lors du prochain chargement.

Si vous n'ajoutez pas cette variable, la première question posée à Qlik Answers utilisant cette application prendra plus de temps, car Qlik Answers créera l'index de recherche tout en répondant à la question.

Procédez comme suit :

1. Dans votre application, ouvrez Éditeur de chargement de données.
2. Ajoutez ce qui suit à votre script de chargement : SET CreateSearchIndexOnReload = 1;
3. Cliquez sur Charger les données.

Bonnes pratiques pour la préparation d'applications pour Qlik Answers

Bien que toute application puisse être utilisée pour Qlik Answers, le temps passé à préparer l'application pour qu'elle puisse être utilisée avec Qlik Answers améliore la qualité des réponses.

La clarté et le contexte sont les facteurs les plus importants pour garantir de bons résultats de Qlik Answers. La clarté facilite la compréhension par Qlik Answers des données d'une application. Le contexte aide Qlik Answers à interpréter et à utiliser correctement les données d'une application. Les bonnes pratiques suivantes pour préparer une application contribuent à garantir la clarté et le contexte :

• Utilisez des noms de champ non ambigus et descriptifs

• Rationalisez votre modèle de données

• Vérifiez les formats de données des champs

• Utilisez des éléments principaux

• Utilisez le vocabulaire de la logique métier pour ajouter des éléments de terminologie

• Supprimez les champs inutiles de votre modèle de données

• Examen et affinement des descriptions de champ générées par l'IA

Utilisez des noms de champ non ambigus et descriptifs

Votre modèle de données doit utiliser des champs descriptifs et non ambigus. Les noms de champ doivent remplir les conditions suivantes :

• Clarifier la signification métier de chaque champ.

• Appliquer un nommage clair, aligné sur le métier, décrivant les différences ou les similitudes par rapport à d'autres champs.

Essayez de suivre les conseils ci-dessous pour clarifier les champs pour Qlik Answers :

• Utilisez la formulation intégrale telle que Nom du client au lieu de NM_CLI. Cela aide à aligner les champs sur les questions en langage naturel.

• Fournissez des qualificatifs contextuels dans les noms de champ pour aider à lever toute ambiguïté entre les champs. Par exemple :

• Rendez les emplacements clairs. Utilisez Ville du client et Ville du magasin au lieu de deux champs tous les deux nommés Ville.

• Rendez les dates/l'heure claires. Utilisez Date de commande et Date d'expédition au lieu de deux champs tous les deux nommés Date.

• Essayer d'indiquer le rôle et le type du champ. Intégrez des termes comme nombre, total, montant ou pourcentage pour clarifier leur nature agrégative. Par exemple, Nombre de commandes. Si vos noms de champ utilisent des valeurs booléennes, ils doivent se lire comme des prépositions, par exemple en utilisant des préfixes tels que est_actif ou s_'_est_désabonné.

Examen et affinement des descriptions de champ générées par l'IA

Lorsque Qlik Answers indexe votre application, il génère automatiquement des descriptions pour l'ensemble des champs et des éléments principaux. Bien que Qlik Answers crée des descriptions de référence utiles, l'examen et l'affinement de ces descriptions peut considérablement améliorer l'exactitude, en particulier pour les champs spécifiques à un domaine ou ambigus.

Vous pouvez afficher et modifier les descriptions générées par l'IA dans Compréhension sémantique. Concentrez-vous sur l'affinement des descriptions des éléments suivants :

• Champs portant des noms techniques ou abrégés qui ne sont peut-être pas explicites

• Champs fréquemment interrogés par les utilisateurs

• Champs ayant des significations spécifiques à un domaine qu'un LLM pourrait ne pas interpréter correctement

• Champs sur lesquels les utilisateurs posent souvent des questions en utilisant une terminologie différente

Pour plus d'informations sur la gestion des descriptions de champ, consultez Gestion des descriptions de champs et d'éléments principaux générées par Qlik Answers. Pour connaître les bonnes pratiques de rédaction de descriptions sémantiques, consultez Rédaction de descriptions sémantiques pour Qlik Answers.

Évitez d'utiliser des noms de champ qui ont le comportement suivant :

• Utilisent des codes opaques ou un jargon technique.

• Utilisent Indicateur ou un adjectif neutre tel que Actif pour un champ booléen, car cela peut nuire à l'interprétation par Qlik Answers.

• Utilisent des noms ambigus ou génériques sans contexte. Un champ appelé Montant, par exemple, n'indique pas de quoi il s'agit. La présence de plusieurs champs génériques peut compliquer le mappage fiable par Qlik Answers des requêtes en langage naturel vers le champ correct.

• Utilisent des abréviations cryptiques telles que nbr_cli pour numéro de client ou txn pour transaction. Cela peut rendre le champ plus difficile à comprendre pour Qlik Answers.

Rationalisez votre modèle de données

La rationalisation de votre modèle de données en supprimant les champs inutiles produit des réponses plus précises et prévisibles de la part de Qlik Answers. Une sélection organisée de champs réduit les risques de sélection incorrecte de champs ou de confusion de la part de Qlik Answers. Les modèles de données rationalisés sont également plus rapides à indexer. Pour rationaliser votre modèle de données :

• Masquez les champs techniques.

• Consolidez les champs redondants ou quasi-doublons en une seule version faisant autorité.

Masquez les champs techniques

Votre modèle de données devrait présenter à Qlik Answers des champs qui contiennent une réelle valeur analytique. Évitez d'inclure des champs techniques qui ne facilitent pas la compréhension de l'application par Qlik Answers. Les champs techniques contiennent des informations telles que :

• IDs

• Clés

• Horodatages de chargement

• Colonnes intermédiaires

Vous pouvez supprimer les champs inutiles en les masquant. Les champs masqués restent disponibles pour la logique du script ou les calculs internes, mais sont exclus de l'analyse Qlik Answers.

• Dans le script de chargement ou le Gestionnaire de données, ajoutez un préfixe % à leur nom (par exemple, %Remise2).

• Dans le modèle logique de la logique métier, définissez leur visibilité sur Masqué.

  Pour plus d'informations, consultez Visibilité.

Consolidez et renommez les champs

Il est recommandé de consolider les champs redondants ou quasi-doublons en une seule version faisant autorité. Les champs ambigus rendent difficile l'interprétation correcte des données par Qlik Answers.

Renommez ou consolidez les champs pour rendre le modèle de données aussi clair que possible à comprendre pour Qlik Answers.

Exemple : Rationalisation du modèle de données en corrigeant les champs ambigus

Prenez les noms de champ suivants d'un modèle de données :

• Montant_Remise

• Valeur_Remise

• Remise1

• Remise2

Ces noms de champ créent un certain nombre de problèmes pour Qlik Answers lorsqu'il tente de les interpréter :

• Plusieurs champs sont en concurrence pour le terme remise, créant ainsi une ambiguïté pour Qlik Answers.

• Les suffixes numériques (1, 2) et les noms de champ vagues n'offrent aucune signification métier claire.

• Les conventions de nommage mixtes réduisent la clarté.

Pour résoudre ces problèmes, il convient de renommer les champs lors de la préparation de l'application pour qu'elle puisse être utilisée avec Qlik Answers. Si les champs représentent des concepts différents, ils doivent être renommés pour indiquer plus clairement leur utilisation et leur objectif. Par exemple :

• Remise sur produit

• Remise promotionnelle

• Remise sur coupon

• Remise fidélité

S'ils représentent le même concept, ils doivent être consolidés en un seul champ faisant autorité tel que Montant de la remise. Si l'un de ces champs est technique ou hérité, il doit être masqué.

Formatez les champs de date/d'heure chargés sous forme de texte brut

Certains champs contiennent des informations de date/d'heure, mais sont chargés sous forme de texte brut dans le modèle de données. Comme ils ne sont pas classés comme des champs de date/d'heure, mais plutôt comme des champs de texte, ils ne seront pas utilisés correctement dans les analyses Qlik Answers, car ils ne seront pas traités comme de véritables champs de date.

Si un champ contenant des informations de date/d'heure est balisé ou stocké sous forme de texte, convertissez-le au format approprié lors du chargement, soit à l'aide des outils du Gestionnaire de données, soit via les fonctions de date du script de chargement. Cela garantit que :

• Le champ est reconnu comme contenant des dates.

• La génération de calendrier automatique fonctionne.

• Les questions basées sur le temps des utilisateurs se mappent correctement vers les champs de date/d'heure.

• Le tri et le filtrage se comportent correctement.

Utilisez des éléments principaux

Les éléments principaux améliorent la capacité de Qlik Answers à interpréter les données de l'application. Lors de l'interprétation des questions, Qlik Answers accorde plus d'importance aux éléments principaux qu'aux champs du modèle de données, car ils sont créés par l'utilisateur. Ils sont importants, parce qu'un utilisateur a jugé qu'ils étaient suffisamment importants pour les créer.

Les éléments principaux ajoutent de la clarté et réduisent l'ambiguïté en créant une seule version fiable de chaque métrique ou de chaque champ important(e) dans un modèle de données. Cela permet également de conserver des réponses similaires alignées entre les utilisateurs. Lorsqu'une personne pose une question sur la Marge bénéficiaire et qu'il existe une mesure principale correspondante, la réponse est basée sur la même définition, peu importe qui pose la question ou comment elle est formulée.

L'un des composants les plus importants des éléments principaux est la description. Les descriptions sont utilisées par Qlik Answers pour fournir un contexte permettant d'interpréter les éléments principaux. Des descriptions fortes des éléments principaux expliquent clairement les points suivants :

• Intention

• Signification

• Contexte métier

Les descriptions des éléments principaux facilitent la compréhension d'une dimension ou d'une mesure principale pour Qlik Answers et lui permettent de sélectionner plus facilement la métrique correcte, même si les utilisateurs posent la question de manière imprévue.

Pour d'autres bonnes pratiques concernant les éléments principaux et Qlik Answers, consultez Rédaction de descriptions sémantiques pour Qlik Answers.

Exemple : Description utile d'un élément principal

Mesure principale : Coût d'acquisition client

Description : Coût moyen pour acquérir un nouveau client. Calculé comme les dépenses totales de marketing et de vente divisées par le nombre de nouveaux clients acquis. Exclut les dépenses de rétention ou de renouvellement. Également connu sous le nom de CAC.

Utilisez des synonymes de la logique métier pour ajouter de la valeur

Les synonymes de la logique métier vous aident à affiner la façon dont Qlik Answers interprète la terminologie. Bien que Qlik Answers comprenne le langage métier courant, votre modèle de données peut inclure une terminologie qu'un LLM ne reconnaîtrait ou n'interpréterait pas naturellement de manière correcte. Les synonymes aident Qlik Answers à comprendre la terminologie propre aux données de votre organisation. Les catégories de termes suivantes profitent de l'ajout de synonymes :

• Jargon ou acronymes spécifiques à l'organisation

• Surnoms d'ICP internes

• Codes de produit ou de processus qui servent également de termes métier

• Métriques qui semblent similaires, mais qui ont des définitions internes distinctes

• Langage spécifique au domaine qui n'est pas largement utilisé en dehors de votre secteur

Essayez d'éviter les synonymes qui ont le comportement suivant :

• Ajoutent de l'ambiguïté. Le fait d'inclure meilleur ou pire, par exemple, peut causer des problèmes, car ces termes ne sont pas clairs. Par exemple, 0 pourrait signifier les 5 meilleurs, les 10 % supérieurs, les meilleurs en termes de revenus ou de nombre de transactions.

  L'ajout de synonymes qui dupliquent des valeurs de champs peut également ajouter de l'ambiguïté.

• Dupliquent le vocabulaire pour les mêmes termes, par exemple, en ajoutant le synonyme ventes à deux champs distincts.

• Incluent des mots vides, car ils peuvent entraîner le rejet de certaines questions.

Pour en savoir plus, consultez Ajout de synonymes pour Qlik Answers.