Felsökning Qlik Answers svar med resonemangsspårning

Resonemangsspåret visar stegen Qlik Answers tog för att bearbeta en fråga och generera ett svar. Att granska spårningen hjälper dig att 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 följa upp frågor. 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

Åtkomst till resonemangsspåret

Efter Qlik Answers returnerar ett svar, klicka på Visa källa under svaret och klicka sedan på Visa resonemang. Spårningen expanderas för att visa varje steg som pipelinen körde.

Förstå spårstrukturen

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

Följande agenter kan förekomma i en spårning:

• Svarsagent

• Dataanalytikeragent

• Kunskapsbasagent

• Sammanfattningsagent

Svarsagent

Svarsagenten visas i början och slutet av varje spår. I början läser den frågan, bestämmer vilka datakällor som behövs, och dirigerar arbetet till lämpliga specialistagenter. I slutet sätter den samman delresultaten till det slutgiltiga svaret som visas för användaren.

Det inledande blocket Answers Agent beskriver vad agenten förstod om frågan.

Verifiera att ämnet och eventuella entiteter har identifierats korrekt. Om handläggaren misstolkade frågan i detta skede, kommer de specialiserade handläggarna nedströms att söka mot fel kontext.

Dataanalytikeragent

Dataanalysagenten hanterar frågor som rör strukturerad data. Den söker i datamodell efter relevanta fält och mått, bygger beräkningsuttryck och skapar de diagramobjekt som visas i svaret.

För komplexa frågor kan Dataanalysagenten förekomma mer än en gång i spårningen. Till exempel kan den köra en första genomgång för att upptäcka fält, en andra genomgång för att verifiera att ett specifikt värde finns i datan, och en tredje genomgång för att bygga visualiseringarna.

Kunskapsbasagent

Kunskapsbasagenten hanterar frågor som involverar ostrukturerat innehåll, såsom interna dokument, mötesprotokoll, PM eller PDF-filer anslutna till din applikation som en kunskapsbasdatakälla.

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

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

Läsa likhetspoäng

Det viktigaste delavsnittet i en spårning är fältidentifieringsutdata inuti Data Analyst Agenten. Detta delavsnitt listar varje fält och originalobjekt som agenten övervägde, tillsammans med en likhetspoäng för varje.

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

Tolka poäng

Vad du ska titta efter

När du granskar fältet och originalobjektlistan, kontrollera följande:

• Finns ditt avsedda fält eller originalobjekt?

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

• Har ditt avsedda fält eller originalobjekt ett högre resultat än konkurrerande fält eller originalobjekt?

  Om ett annat fält eller originalobjekt fick högre poäng och användes istället, kan svaret verka korrekt men hämta data från fel källa.

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

  Ett fält eller originalobjekt som får oväntat höga poäng kan dra fokus från det korrekta fältet eller originalobjekt.

Fälten och masterobjekten som är viktigast för att besvara användarfrågor bör konsekvent rankas högre än alla andra fält och masterobjekt som agenten kan förväxla dem med.

Förbättra likhetspoäng

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

Uppdaterar fält och originalobjektmetadata

Gör följande:

1. I din applikation, öppna Datahanteraren eller Skriptredigeraren.

2. Leta reda på fältet eller originalobjektet med ett lågt eller saknat likhetspoäng.

3. Uppdatera fältet eller originalobjektnamnet så att det använder enkelt affärsspråk som återspeglar hur användare kommer att fråga om det.

   För Datahanteraren, se Redigera en tabell

   För Skriptredigeraren, se Byta namn på fält.

   För huvudartiklar, 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 applikationen på nytt.

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

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

Lösa fält- och originalobjektkonflikter

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

Gör följande:

1. Granska metadata för båda fälten eller masterobjekten.

2. Gör det avsedda fältet eller originalobjektets namn och beskrivning mer specifika och mer direkt anpassade till den affärsterm som användarna söker efter.

   För fältnamn:

   För Datahanteraren, se Redigera en tabell

   För Skriptredigeraren, se Byta namn på fält.

   För huvudartiklar, redigera namn eller beskrivning. Se:

   • Redigera en originaldimension

   • Redigera ett originalmått

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

Diagnostisering av 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 resonemangsspåret och lokalisera utdata för fältidentifiering i Dataanalysagenten.

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 fältet eller originalobjektet 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 huvudartiklar, 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 från listan

Gör följande:

1. Öppna fältidentifieringsresultatet 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 avgrupperat.

4. Granska fältet 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 programmet och kör frågan igen för att verifiera att fältet eller originalobjektet nu visas i spårningen.

Svaret är korrekt men ofullständigt

Dataanalysagentens planeringsresultat beskriver vilka diagram som byggdes och vilka dimensioner som valdes. Om en dimension eller ett mått saknas från de planerade diagrammen, var dess likhetspoäng troligen tillräckligt hög för att visas i fältet och originalobjektlistan men under tröskeln för diagramval. Att förbättra metadata för det relaterade fältet eller originalobjektet kommer att höja det över urvalströskeln.

Berättelsen och diagrammet visar olika siffror

Answers Agentens slutgiltiga syntes inkluderar bevis-ID inom hakparenteser som länkar varje påstående i texten till det diagramobjekt det kom ifrån. Exempel:

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

Om numret i texten inte matchar 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