Fragen und Antworten in einer Exploration
Stellen Sie die KI-spezifischen Fragen in Now Assist Explorer, Auf die mit Datenvisualisierungen, einer Zusammenfassung und vorgeschlagenen Folgefragen geantwortet wird.
Starten Sie, um eine Frage in einer Exploration zu stellen Now Assist Explorer Aus einer Datenvisualisierung oder -Liste oder öffnen Sie eine vorhandene Exploration. Sie sehen ein Feld mit dem Platzhalter „Now Assist eine Frage zu Daten stellen“. Weitere Informationen finden Sie unter Starten Now Assist Explorer.
- Die Frage, die Sie stellen müssen, muss sich auf Daten in einer der Tabellen beziehen, die in aufgeführt sind Abfragegenerierung Konfigurationstabelle für semantische Tabelle. Diese Tabellen können enthalten Workflow Data Fabric Tabellen. Weitere Informationen finden Sie unter Fügen Sie der semantischen Datenebene eine Tabelle hinzu.
- Wenn Sie eine Frage übermittelt haben, können Sie keine weitere Frage übermitteln oder andere Arbeiten in der Exploration ausführen, bis Ihre Frage verarbeitet wurde. Sie können die Verarbeitung Ihrer Frage abbrechen.
Ihre ursprüngliche Frage. Sie können diese Frage bearbeiten, um eine neue Ausgabe zu generieren.
Der Titel der Antwort und eine Zusammenfassung der KI-Ergebnisse.
Eine Liste oder Datenvisualisierung. Diese Antwort kann eine vorhandene Visualisierung anstelle einer generierten Visualisierung sein. Weitere Informationen finden Sie unter Starten Now Assist Explorer. Sie können die Höhe der Liste oder Visualisierung ändern, indem Sie mit dem Doppelpfeilsymbol in der Ecke interagieren. Sie können eine Visualisierung auch an andere Stellen in der Exploration ziehen.
Vorschläge für Folgefragen.
Antwortquelle wird angezeigt
- Die Quelltabelle
- Die Filterbedingungen
- Die Metrik
- Beliebige Gruppierungskriterien
Antwort wird gelöscht
Tipps zum Stellen von Fragen
Das Ziel von Now Assist Explorer Dient dazu, Ihre Prompts in Ihren eigenen Worten zu verstehen und die gewünschten Analytics-Einblicke bereitzustellen. Wenn Sie jedoch nicht wissen, wo Sie mit der Formulierung von Fragen beginnen sollen, oder wenn Sie mit den Ergebnissen nicht zufrieden sind, hier sind einige Tipps:
- Benennen Sie Ihre Tabelle
- Wenn Sie den Namen der Tabelle kennen, die die Daten enthält, die Sie interessieren, fügen Sie sie Ihrem Prompt hinzu. Teilnamen oder ähnliche Namen sind ebenfalls in Ordnung.
Beispiel: Schreiben Sie anstelle von „wie viele P1s diese Woche geöffnet wurden“ „wie viele P1-Anforderungen diese Woche geöffnet wurden“, was auf die Anforderungstabellen verweist. Noch besser, schreiben Sie „wie viele P1-Kataloganforderungen diese Woche geöffnet wurden“, was auf die spezifische Kataloganforderungstabelle verweist.
- Erklären Sie, was Sie meinen
- Abfragegenerierung Versucht, Ihre Begriffe zu verstehen, aber Sie können Details hinzufügen, um sie zu leiten. Wenn Sie unerwartete Ergebnisse erhalten, versuchen Sie, genauer zu sein, was Sie suchen.
Beispiel: Schreiben Sie anstelle von „alle veralteten Incidents anzeigen“ „alle Incidents anzeigen, die seit mehr als 5 Tagen nicht aktualisiert wurden“.
- Geben Sie spezifische Namen an
- Wenn Sie nach referenzierten Datensätzen wie Anwendern, Gruppen oder Services filtern, versuchen Sie, ihre vollständigen Anzeigenamen zu verwenden, um beste Ergebnisse zu erzielen. Das KI-Modell kann aus vorherigen Abfragen im selben Dokument lernen, die Verwendung vollständiger Namen stellt jedoch die Richtigkeit sicher.
Beispiel: Schreiben Sie anstelle von „Fälle mit Arbeitsplatzvorgängen“ „Fälle mit Arbeitsplatzvorgängen“.
- Bearbeiten und verfeinern Sie Abfragen
- Wenn die generierte Abfrage nicht ganz richtig ist, können Sie die Filterbedingungen manuell bearbeiten. Das KI-Modell lernt aus Ihren Bearbeitungen und wendet sie auf zukünftige Fragen im selben Dokument an. Weitere Informationen finden Sie unter Ändern Sie die Frage- oder Filterbedingungen
Beispiel: Sie fragen „kritische Incidents aus dem Netzwerkteam anzeigen“, sind jedoch mit der Antwort nicht zufrieden. Anstatt wiederholte Variationen derselben Frage zu stellen, in der Hoffnung auf ein besseres Ergebnis, bearbeiten Sie den Filter, um Datensätze zu finden, bei denen die Zuweisungsgruppe „Netzwerkvorgänge“ und die Priorität „1 – Kritisch“ ist. Fragen Sie dann „Zeigen Sie mir den Inflow-Trend für diese Incidents im Zeitverlauf“.
- Lassen Sie keine schlechten Abfragen in Ihrer Exploration
- Das KI-Modell verwendet den vorherigen Dokumentkontext, um die nächste Abfrage zu schreiben. Löschen Sie daher, wenn Sie eine Abfrage nicht verfeinern können, um eine nützliche Antwort zu erhalten. Andernfalls können sich in Ihrer Exploration fehlerhafte Abfragen ansammeln, was zu einer immer schlechteren Antwort führen kann.
- Importieren Sie komplexe Filter
- Importieren Sie für komplexe Daten, die schwer zu beschreiben sind, Datenvisualisierungen oder -Listen in Ihre Exploration. Wenn sich die Visualisierung oder Liste in einem Dashboard befindet, können Sie vor dem Import alle Filter auf das Dashboard anwenden. Das KI-Modell verwendet importierte Abfragen, um zugehörige Fragen im selben Dokument zu verstehen.
Beispiel: Fragen Sie nicht „Server anzeigen, die stillgelegt werden sollen, nach Standort“. Ein solcher Prompt ist vage und komplex. Importieren Sie stattdessen eine Visualisierung aus einem Dashboard mit dem Titel „PostgreSQL-Server kurz vor der Stilllegung“ mit den gewünschten Werten für die Dashboard-Filter „Lebenszyklusstatus“ und „Tage bis zur Stilllegung“ vor der Anwendung. Fragen Sie dann „Zeigen Sie mir dieselben Server, aber gruppiert nach Standort“.
Sobald Sie eine produktive Erkundung mit viel Kontext durchgeführt haben, können Sie möglicherweise abstraktere Fragen stellen und nützliche Antworten erhalten. Diese Tipps können Ihnen jedoch den Einstieg erleichtern.