Felsöka Qlik Answers-svar med resonemangsspårningen

Resonemangsspårningen visar de steg Qlik Answers tog för att bearbeta en fråga och generera ett svar. Genom att granska spårningen kan du verifiera att rätt data användes och identifiera var du kan göra förbättringar när ett svar inte är vad du förväntade dig.

För Qlik Answers-användare kan det hjälpa till att validera dina frågor eller vägleda dig i att ställa uppföljningsfrågor. För ägare av innehåll som assistenter och applikationer kan det hjälpa dig att verifiera att applikationsdata eller kunskapsbaser ger svar som förväntat eller om du behöver göra förbättringar

Få åtkomst till resonemangsspårningen

När Qlik Answers returnerar ett svar klickar du på Visa källa under svaret och klickar sedan på Visa resonemang. Spårningen expanderar för att visa varje steg som pipelinen utförde.

Förstå spårningsstrukturen

Resonemangsspårningen är en logg över de agenter som kördes och de beslut de fattade. Vilka agenter som är inblandade och hur många gånger var och en körs beror på den ställda frågan och de datakällor som konfigurerats i din applikation. Spårningen följer inte en fast sekvens. En enkel fråga kan involvera färre agenter, medan en komplex fråga i flera delar kan anropa samma agent flera gånger innan ett slutgiltigt svar produceras.

Följande agenter kan visas i en spårning:

• Answers Agent

• Data Analyst Agent

• Knowledge Base Agent

Answers Agent

Answers Agent visas i början och slutet av varje spårning. I början läser den frågan, avgör vilka datakällor som behövs och dirigerar arbetet till lämpliga specialistagenter. I slutet sammanställer den delresultaten till det slutgiltiga svaret som visas för användaren.

Det inledande Answers Agent-blocket beskriver vad agenten förstod av frågan.

Verifiera att ämnet och eventuella entiteter har identifierats korrekt. Om agenten missförstod frågan i detta skede kommer specialistagenterna längre ner i kedjan att ställa frågor mot fel kontext.

Data Analyst Agent

Data Analyst Agent hanterar frågor som involverar strukturerade data. Den söker i datamodellen efter relevanta fält och mått, bygger beräkningsuttryck och skapar de diagramobjekt som visas i svaret.

För komplexa frågor kan Data Analyst Agent visas mer än en gång i spårningen. Till exempel kan den köra en första omgång för att upptäcka fält, en andra omgång för att verifiera att ett specifikt värde finns i data och en tredje omgång för att bygga visualiseringarna.

Knowledge Base Agent

Knowledge Base Agent hanterar frågor som involverar ostrukturerat innehåll, såsom interna dokument, mötesutskrifter, PM eller PDF-filer som är anslutna till din applikation som en kunskapsbas-datakälla.

När en fråga kräver både strukturerade och ostrukturerade data dirigerar Answers Agent arbetet till både Knowledge Base Agent och Data Analyst Agent. Varje agent returnerar sina resultat oberoende av varandra, och Answers Agent kombinerar dem i det slutgiltiga svaret.

Om en användare ställer en fråga som tydligt refererar till ett dokument eller ett möte och Knowledge Base Agent inte visas i spårningen, verifiera att en kunskapsbas-datakälla är ansluten till din applikation och att innehållet har indexerats.

Läsa likhetspoäng

Det viktigaste avsnittet i en spårning är utdata för fältupptäckt inuti Data Analyst Agent. Detta avsnitt listar varje fält och originalobjekt som agenten övervägde, tillsammans med en likhetspoäng för var och en.

Likhetspoängen indikerar hur väl den semantiska sökningen matchade ett fält eller originalobjekt med användarens fråga. Agenten använder de fält och originalobjekt som har högst poäng för att bygga svaret. Om ett fält eller originalobjekt som du förväntade dig skulle användas saknas i listan, eller finns med men fick lägre poäng än ett konkurrerande fält eller originalobjekt, byggdes svaret troligen med andra data än du avsåg.

Tolka poäng

Vad du ska leta efter

När du granskar listan över fält och originalobjekt, kontrollera följande:

• Finns ditt avsedda fält eller originalobjekt med?

  Om det saknas helt kanske fältets eller originalobjektets etikett och beskrivning inte matchar språket som används i frågan.

• Har ditt avsedda fält eller originalobjekt en högre poäng än konkurrerande fält eller originalobjekt?

  Om ett annat fält eller originalobjekt fick högre poäng och användes i stället kan svaret verka korrekt men hämtas från fel data.

• Finns det fält eller originalobjekt i listan som inte borde vara där?

  Ett fält eller originalobjekt som får oväntat höga poäng kan dra bort fokus från rätt fält eller originalobjekt.

De fält och originalobjekt som är viktigast för att svara på användarfrågor bör konsekvent få högre poäng än andra fält och originalobjekt som agenten kan förväxla dem med.

Förbättra likhetspoäng

Likhetspoäng beräknas från namn, beskrivningar och metadata för fält och originalobjekt. Att förbättra dessa höjer direkt poängen för relevanta frågor.

Uppdatera metadata för fält och originalobjekt

Gör följande:

1. I din applikation öppnar du Datahanteraren eller Skriptredigeraren.

2. Leta upp fältet eller originalobjektet med en låg eller saknad likhetspoäng.

3. Uppdatera namnet på fältet eller originalobjektet för att använda ett tydligt affärsspråk som återspeglar hur användare kommer att fråga om det.

   För Datahanteraren, se Redigera en tabell

   För Skriptredigeraren, se Byta namn på fält.

   För originalobjekt, se:

   • Redigera en originaldimension

   • Redigera ett originalmått

4. Lägg till eller utöka originalobjektets beskrivning för att tydligt förklara vad originalobjektet innehåller, vilket affärskoncept det representerar och när det ska användas. Se:

   • Redigera en originaldimension

   • Redigera ett originalmått

5. Ladda om applikationen.

6. Ställ samma fråga igen och öppna resonemangsspårningen för att verifiera att poängen har förbättrats.

Ett fält med namnet NETWR utan beskrivning kommer att få betydligt lägre poäng än ett fält med etiketten Net Sales Amount med en beskrivning som lyder "Totala intäkter från slutförda försäljningstransaktioner, efter att rabatter har tillämpats." Ju mer din metadata återspeglar naturligt affärsspråk, desto högre poäng får fältet när användare ställer relevanta frågor.

Lösa konflikter mellan fält och originalobjekt

När två fält eller originalobjekt täcker liknande koncept och konkurrerar om samma fråga, väljer agenten det med högst poäng. Om fel fält eller originalobjekt används bör du revidera det.

Gör följande:

1. Granska metadata för båda fälten eller originalobjekten.

2. Gör det avsedda fältets eller originalobjektets namn och beskrivning mer specifik och mer direkt anpassad till den affärsterm som användarna söker efter.

   För fältnamn:

   För Datahanteraren, se Redigera en tabell

   För Skriptredigeraren, se Byta namn på fält.

   För originalobjekt, redigera namnet eller beskrivningen. Se:

   • Redigera en originaldimension

   • Redigera ett originalmått

3. Om det konkurrerande fältet eller originalobjektet är mindre relevant, uppdatera dess namn eller beskrivning för att återspegla dess faktiska omfattning mer exakt så att det får lägre poäng på orelaterade frågor.

Diagnostisera ett felaktigt eller ofullständigt svar

Använd följande vägledning när svaret från Qlik Answers inte stämmer överens med vad du förväntade dig.

Svaret använde fel fält eller originalobjekt

Gör följande:

1. Öppna resonemangsspårningen och leta upp utdata för fältupptäckt i Data Analyst Agent.

2. Hitta fältet eller originalobjektet som användes och notera dess likhetspoäng.

3. Hitta fältet eller originalobjektet som du förväntade dig skulle användas. Om det finns i listan, jämför dess poäng med det fält eller originalobjekt som valdes.

4. Om ditt avsedda fält eller originalobjekt fick lägre poäng, uppdatera dess namn eller beskrivning för att förbättra dess relevans för frågan.

   För originalobjekt, redigera beskrivningen. Se:

   • Redigera en originaldimension

   • Redigera ett originalmått

5. Om ditt avsedda fält eller originalobjekt inte finns med i listan alls, granska dess namn och beskrivning. Det beskrivs troligen i tekniska termer som inte matchar hur användare formulerar frågor.

Ett fält eller originalobjekt saknas helt i listan

Gör följande:

1. Öppna utdata för fältupptäckt i spårningen.

2. Bekräfta att fältet eller originalobjektet finns i datamodellen.

3. Om du använder en logisk modell för affärslogik, bekräfta att fältet eller originalobjektet inte är ogrupperat.

4. Granska fältets eller originalobjektets namn och beskrivning.

   Om något av dem saknas eller använder interna namngivningskonventioner (som SAP-fältkoder för fält), lägg till ett namn och en beskrivning i klartext.

   Se:

   • Redigera en originaldimension

   • Redigera ett originalmått

5. Ladda om applikationen och kör frågan igen för att verifiera att fältet eller originalobjektet nu visas i spårningen.

Svaret är korrekt men ofullständigt

Data Analyst Agents planeringsutdata beskriver vilka diagram som byggdes och vilka dimensioner som valdes. Om en dimension eller ett mått saknas i de planerade diagrammen var dess likhetspoäng troligen tillräckligt hög för att visas i listan över fält och originalobjekt, men under tröskeln för diagramval. Genom att förbättra relaterad metadata för fält eller originalobjekt kommer det att hamna över urvalströskeln.

Berättelsen och diagrammet visar olika siffror

Answers Agents slutgiltiga syntes inkluderar bevis-ID:n inom parentes som länkar varje påstående i texten till det diagramobjekt det kom ifrån. Till exempel:

Brand 1 sold 24 vehicles generating total revenue of $1,584,041.82 [d1f09de1-4a5a...]

Om siffran i texten inte stämmer överens med diagrammet refererade syntesen till ett annat diagramobjekt än det som visas. Leta upp det refererade objektet med hjälp av ID:t och jämför dess uttryck med det synliga diagrammet.

Referens: Agenter och deras roller