如何能让 DataGPT 回答的更准确

作为一个基于数据的问答系统，准确性尤为重要。系统提供以下手段保障回答的准确性。

1.数据治理

• 数据画像（DataGPT Profile）：系统提供数据画像功能，让您了解底层数据集表的数据状态：通过 左侧导航栏->数据-> 数据表，在表详情页中的 统计分析 页签，可以查看数据状态，帮助您做数据治理；通过建立数据的 profile，也有助于有助于通过自然语言找到合适的目标数据

• 表、列描述与列别名配置：为表列添加准确的描述和别名信息，这有助于系统精确将问题与数据做匹配。在左侧导航栏->数据-> 数据表 中，可以分别配置表级别的描述，列的别名（Alias）和列的描述信息（Description）。数据表和列有清晰准确的别名和描述，不同的表和列在名字和描述上歧义越小，回答准确度越高

• 索引开关：对于经常被问题引用的列具体值，可以选择将该列做索引。如区域、产品类别、渠道等常用维度列可以考虑开启索引。（如果有底层数据有更新，可以在 Action 中重新刷新该列值索引）

  • 例如问题：2022年7月南区的销售额是多少？ 实际表中 region 字段存储的值为 South，如果不添加索引。用 region = '南区' 为条件无法搜出任何值。如果添加索引，系统会将“南区”与原值“South”做相似度匹配，并给出推测提示：
    

    预览

• 列类型与用途：请根据列的实际值填写列类型（ColumeType）与用途（Intended For），该选项会影响问题会不会选择该列作为数据来源。

2.划分分析域

拆分业务域，帮助系统更加聚焦在特定数据上

1. 预先划分分析域，减少每个Domain里涉及的数据表范围，知识范围
2. 针对Domain做提问更为聚焦，同时域（Domain）会绑定用户，能做到表级别的数据隔离

3.创建指标与答案构建器

指标为聚合函数或者聚合函数的计算结果，答案构建器为 SQL 模板定义，为预定义对象。基于指标与答案构建器的回答问题会使准确率大幅提升，如果对于问答准确率有严格要求，建议预先定义好。指标支持别名，用于匹配更多的表达方式。请参考指标与答案构建器

预览

4.采用输入提示

列值智能匹配：启用列值索引功能后，系统将在您输入时提供实时数据值提示，确保查询结果的准确性与相关性。

预览