Quick BI：Menyiapkan Data

Konfigurasi Q&A

Sebelum menggunakan Q-Copilot, Anda harus mengonfigurasi pengaturan Q&A untuk dataset tersebut.

Akses

Anda dapat mengakses halaman konfigurasi Q&A melalui dua cara berikut:

• Metode 1: Di halaman pengeditan dataset, klik Konfigurasi Q&A, seperti yang ditunjukkan pada gambar berikut.

  

• Metode 2: Di halaman Buat dataset, klik Konfigurasi Q&A, seperti yang ditunjukkan pada gambar berikut.

  

Informasi Dasar

Di halaman Konfigurasi Q&A, konfigurasikan Informasi Dasar.

• Anda dapat mengubah Nama tampilan dataset.

  Catatan

  Anda dapat mengonfigurasi nama tampilan untuk dataset yang mudah dipahami oleh pengguna bisnis. Nama ini terlihat oleh pengunjung dan membantu mereka memahami isi data, seperti "Data Pendapatan 2023 Berdasarkan Industri".

• Deskripsi

  Berikan deskripsi sederhana untuk membantu pengguna menemukan dataset.

• Tipe dataset

  Memilih tipe dataset membantu Q-Copilot memahami struktur data Anda, sehingga meningkatkan akurasi jawaban. Tipe yang didukung meliputi Detail Table, Multi-metric Periodical Table, Key-Value Table, dan Other.

  • Tabel Detail

    Menampilkan data detail dengan satu catatan per baris. Setiap catatan berisi beberapa nilai dimensi atau informasi metrik, seperti "Order ID", "User ID", "Order Status", dan "Order amount".

  • Tabel Multi-metrik Periodik

    Menampilkan nilai statistik metrik dalam periode berbeda, seperti "7-day cumulative sales", "15-day cumulative sales", dan "30-day cumulative sales".

  • Tabel Key-Value

    Tabel pasangan kunci-nilai yang mencakup bidang untuk tanggal, dimensi, nama metrik, dan nilai metrik. Contohnya termasuk "Statistics Date", "KPI Metric Name", "KPI Actual Value", dan "KPI Target Value".

• Klik Learn now agar sistem dapat mempelajari dataset tersebut.

  

  Setelah proses pembelajaran selesai, Anda dapat mengklik Pelajari ulang jika dataset berubah.

  

• Pada Advanced Configuration, atur Dimension Value Matching Mode. Mode yang didukung adalah Automatic mode dan Custom mode.

  

  Jika pertanyaan pengguna berisi nilai dimensi yang belum dipelajari sistem karena jumlah total nilai dimensi melebihi batas pembelajaran, dua kebijakan pencocokan didukung:

  • Automatic mode: Sistem secara otomatis menentukan apakah akan menulis ulang nilai dimensi pengguna menjadi nilai dimensi yang telah dipelajari dan mirip dengannya.

  • Custom mode: Administrator dapat mengatur apakah akan mengaktifkan penulisan ulang untuk setiap dimensi secara individual.

    • Enable rewriting: Mengizinkan sistem memetakan nilai dimensi pengguna ke nilai dimensi yang telah dipelajari.

    • Disable rewriting: Melakukan pencocokan ketat terhadap input pengguna tanpa penulisan ulang.

• Klik Next untuk menuju halaman Field quality assessment.

Evaluasi Kualitas Bidang

Di halaman evaluasi kualitas bidang, sistem mengevaluasi kualitas bidang dalam dataset saat ini untuk meningkatkan hasil Q&A.

• Klik Mulai Evaluasi.

  Catatan

  Evaluasi kualitas bidang membutuhkan waktu sekitar satu hingga dua menit. Anda dapat melanjutkan ke langkah berikutnya sementara evaluasi sedang berjalan. Anda akan diberi tahu ketika evaluasi selesai.

• Setelah evaluasi kualitas bidang selesai, sistem memberikan saran modifikasi. Anda dapat memilih apakah akan menerimanya.

  

• Klik Terapkan dan pelajari ulang untuk menerapkan perubahan ke informasi bidang dataset. Lalu, klik Selanjutnya untuk pergi ke halaman Pertanyaan cepat.

  

Pertanyaan Cepat

Pertanyaan yang direkomendasikan muncul setelah pengguna memilih dataset untuk membantu mereka memulai dengan cepat. Tiga mode didukung: System recommendations, Expert customization, dan Object-based recommendations.

• Rekomendasi Sistem

  Anda dapat melihat pratinjau pertanyaan cepat. Klik Segarkan untuk mendapatkan batch baru pertanyaan cepat.

• Kustomisasi Ahli

  Pada mode expert customization, klik Add question untuk memasukkan pertanyaan yang ingin ditampilkan kepada pengguna. Secara default, empat pertanyaan pertama yang direkomendasikan akan ditampilkan. Jika Anda memasukkan lebih dari empat, pengguna dapat mengklik Refresh untuk melihat pertanyaan lainnya.

  

  Untuk menambahkan beberapa pertanyaan cepat, klik Tambahkan secara massal dan masukkan mereka.

  Catatan

  Masukkan satu pertanyaan per baris. Anda dapat menambahkan hingga 10 pertanyaan.

  

• Rekomendasi Berbasis Objek

  Dalam mode Rekomendasi Berbasis Objek, Anda dapat menambahkan aturan dengan mengikuti langkah-langkah berikut.

  1. Klik Tambah aturan rekomendasi atau Tambah aturan di pojok kiri bawah.

     

  2. Di halaman Tambah aturan rekomendasi, masukkan nama aturan, objek target, dan pertanyaan yang direkomendasikan.

     1. Nama aturan rekomendasi: Masukkan nama aturan untuk memudahkan identifikasi.

     2. Objek target: Pilih pengguna target.

     3. Pertanyaan yang direkomendasikan: Klik Tambah pertanyaan untuk menambahkan satu pertanyaan, atau klik Tambahkan secara massal untuk menambahkan beberapa pertanyaan yang direkomendasikan.

        Catatan

        Anda dapat menambahkan hingga 10 pertanyaan.

        

  3. Untuk pengguna lainnya, pilih Rekomendasi Sistem atau Kustomisasi Ahli sebagai aturan yang berlaku.

     

Klik Konfirmasi perubahan untuk menyelesaikan konfigurasi.

Setelah selesai, Anda dapat menuju halaman konfigurasi Q&A permissions dengan mengklik Go to Q-Copilot permission management atau tab Q&A permissions. Pada halaman ini, Anda dapat memberikan izin kepada pengguna untuk dataset Q&A ini. Untuk informasi selengkapnya, lihat Q&A permission configuration.

Konfigurasi Izin Q&A

Setelah mengonfigurasi pengaturan Q&A, Anda dapat mengelola izin Q&A.

1. Gambar berikut menunjukkan halaman konfigurasi Izin Q&A.

   

2. Di halaman konfigurasi Izin Q&A, klik Tambah Otorisasi.

   

   Anda juga dapat mengklik Add authorization pada halaman konfigurasi Q&A sebelumnya.

   

3. Pilih pengguna untuk diberi otorisasi. Anda juga dapat menetapkan tanggal kedaluwarsa.

   

4. Klik Selesai. Sekarang Anda dapat melihat dan mengelola pengguna yang telah diberi otorisasi untuk dataset Q&A ini.

   

   Jika Anda memiliki izin Centralized management, Anda dapat melakukan tugas pengelolaan izin tambahan pada halaman Q-Copilot > Permission management. Untuk informasi selengkapnya, lihat Permission Management.

Manajemen Basis Pengetahuan

Basis pengetahuan digunakan untuk mengonfigurasi pengetahuan dan terminologi khusus perusahaan. Setelah dikonfigurasi, model mempelajari pengetahuan ini dan menggunakannya untuk pengambilan data dan analisis. Anda dapat mengelola basis pengetahuan pada halaman pengeditan dataset, tempat Anda dapat mengonfigurasi aturan untuk business logic dan regular expression matching.

Akses

Pergi ke halaman Manajemen Basis Pengetahuan, seperti yang ditunjukkan pada gambar berikut.

Tambah logika bisnis

Di tab Manajemen Basis Pengetahuan > Dari dataset saat ini > Logika Bisnis, Anda dapat menambahkan logika bisnis.

1. Di pojok kanan atas, klik Add business logic.

2. Masukkan Business definition, Data explanation, dan Synonyms. Lalu, konfigurasikan opsi Enable forced rewriting.

   • Business definition: Mendefinisikan konsep umum dalam perusahaan, seperti progres penjualan atau tahun fiskal. Panjangnya maksimal 100 karakter. Bidang ini harus unik secara global. Anda dapat memasukkan istilah Q&A yang sering digunakan di sini.

   • Data explanation: Memberikan penjelasan spesifik mengenai definisi bisnis dan mengaitkannya dengan metrik data. Hal ini membantu model mengidentifikasi dan memahami metrik yang berbeda. Panjangnya maksimal 3.000 karakter.

   • Sinonim: Mendefinisikan nama berbeda untuk istilah bisnis dalam perusahaan. Ini membantu model mengenali cara berbeda dalam mengajukan pertanyaan.

   • Aktifkan penulisan ulang paksa: Jika Anda mengaktifkan opsi ini, ketika pertanyaan pengguna cocok dengan Definisi Bisnis atau Sinonim-nya, pertanyaan tersebut ditulis ulang sebagai konten di Penjelasan Data. Gunakan opsi ini dengan hati-hati.

3. Klik Simpan.

   Untuk terus menambahkan entri, klik Simpan dan tambahkan lainnya.

Tambahkan pencocokan ekspresi reguler

Pada tab Knowledge base management > From current dataset > Regular expression match, Anda dapat menambahkan pencocokan ekspresi reguler.

1. Di pojok kanan atas, klik Tambah pencocokan ekspresi reguler.

2. Masukkan Business definition, Regular expression, dan Data explanation. Lalu, konfigurasikan opsi Enable forced rewriting.

   • Definisi Bisnis: Hanya digunakan untuk mengidentifikasi nama ekspresi reguler. Tidak digunakan untuk mencocokkan pertanyaan pengguna. Panjangnya bisa mencapai 100 karakter dan harus unik dalam dataset.

   • Ekspresi Reguler: Digunakan untuk mengidentifikasi pertanyaan pengguna. Operasi dilakukan berdasarkan metode aplikasi yang dipilih. Tulis ekspresi dalam gaya Python. Panjangnya bisa mencapai 100 karakter.

     Anda dapat memasukkan teks untuk dicocokkan untuk menguji ekspresi dan melihat hasil pencocokan.

   • Penjelasan Data: Memberikan deskripsi spesifik tentang konten yang sesuai dalam ekspresi reguler. Ketika digabungkan dengan metode aplikasi, ini dapat menjelaskan atau menulis ulang konten ekspresi.

   • Aktifkan penulisan ulang paksa: Jika Anda mengaktifkan opsi ini, ketika pertanyaan pengguna cocok dengan ekspresi reguler, pertanyaan tersebut ditulis ulang sebagai konten di Penjelasan Data. Gunakan opsi ini dengan hati-hati.

3. Klik Simpan.

   Untuk terus menambahkan entri, klik Simpan dan tambahkan lainnya.

Kelola basis pengetahuan

Anda dapat mengelola basis pengetahuan pada tab Knowledge base management > From current dataset.

1. Anda dapat melihat status entri pengetahuan di kolom Diaktifkan.

   • Jika ikon untuk entri pengetahuan adalah , entri tersebut diaktifkan. Anda dapat mengklik ikon tersebut untuk menonaktifkannya.

   • Jika ikon untuk entri pengetahuan adalah , entri tersebut dinonaktifkan. Anda dapat mengklik ikon tersebut untuk mengaktifkannya.

2. Klik ikon di sebelah kanan entri pengetahuan target untuk mengeditnya.

3. Klik ikon di sebelah kanan entri pengetahuan target untuk menghapusnya.

   Anda dapat memilih beberapa entri dan menghapusnya secara batch.

4. Klik tab From enterprise knowledge base untuk melihat pengetahuan dari basis pengetahuan perusahaan yang berlaku untuk dataset ini.

Konfigurasi Atribusi Fluktuasi

Pada halaman pengeditan dataset, klik Advanced Configuration dan pilih Fluctuation Attribution untuk menuju halaman konfigurasi atribusi fluktuasi.

Pada halaman konfigurasi atribusi fluktuasi, Anda dapat mengonfigurasi analysis approach dan report template untuk metrik. Untuk informasi selengkapnya, lihat Key Driver Analysis.

Rekomendasi Konfigurasi Dataset

1. Untuk atribut dimensi yang dapat dihitung, tetapkan metode agregasi default ke rata-rata. Jika tidak, perhitungan data berikutnya akan terpengaruh.

   1. Atribut seperti harga, tinggi, dan lebar melibatkan perhitungan agregat, seperti maksimum, minimum, dan rata-rata. Atribut ini harus diperlakukan sebagai ukuran. Untuk mencegah penjumlahan otomatis selama kueri, mengatur metode agregasi default ke rata-rata lebih logis. Misalnya: 'Berapa jumlah penjualan untuk setiap merek dengan model mobil yang harganya di atas 300.000?'

2. Tentukan unit data di bidang data. Jika tidak, penyaringan akan terpengaruh.

   1. Dalam kueri 'Berapa jumlah penjualan untuk merek dengan harga lebih dari 100.000?', jika unit bidang harga adalah 10.000, perhitungan backend menggunakan kondisi >10 bukan >100.000.

3. Tambahkan bidang terhitung untuk jumlah dimensi yang sering digunakan. Versi saat ini tidak mendukung penghitungan bidang dimensi.

   1. Kueri 'Berapa banyak pelanggan yang memiliki penjualan lebih dari 10.000 di setiap provinsi pada tahun 2020?' dapat dijawab dengan benar jika Anda membuat bidang terhitung di dataset. Sistem secara otomatis menghapus duplikat berdasarkan input perhitungan.

4. Prinsip dasar untuk mengonfigurasi nama dan deskripsi bidang dataset.

   1. Nama Bidang:

      1. Nama bidang harus jelas, standar, dan sesuai dengan cara pengguna mengajukan pertanyaan. Hindari nama bidang yang sama.

      2. Jangan gunakan nama bidang bahasa Inggris yang mendasarinya secara langsung. Hindari komentar yang tidak perlu.

      3. Hindari informasi waktu spesifik, seperti '1 hari terakhir', yang bisa ambigu.

   2. Tipe bidang: Untuk data tanggal/waktu, pastikan mengubah tipe bidang menjadi Date dalam dataset. Jika tidak, sistem mungkin tidak mengenalinya dengan benar. Tipe bidang lain juga harus diubah ke tipe yang sesuai, misalnya dimensi geografis.

   3. Metode agregasi bidang: Untuk ukuran, pilih metode agregasi default yang sesuai. Saat pengguna tidak menentukan metode agregasi, model menggunakan konfigurasi ini. Contohnya, untuk 'tingkat konversi', Anda dapat memilih rata-rata sebagai default berdasarkan semantik bisnis. Untuk 'kumulatif XX', pilih rata-rata atau maksimum sebagai default, bukan jumlah.