Bevált gyakorlatok

Bevált gyakorlatok a rendezett adatokhoz és a hatékony napi használathoz.

Tiszta, jól előkészített adatok

• A CSV első sora mindig a fejléc legyen, egy oszlopban csak egyféle adat szerepeljen.
• Használjon egységes dátumformátumot (pl. ÉÉÉÉ-HH-NN) és egységes tizedesjelet.
• Új adat betöltése után mindig ellenőrizze a sorok számát és az oszloptípusokat.
• Bizonytalan formátum esetén induljon ki a Példafájlok mintáiból.

Beszédes nevek, rendezett listák

• Adjon beszédes neveket az adathalmazoknak, lekérdezéseknek és modelleknek (pl. „Rendelések 2026 Q3”).
• A sikertelen modellpróbákat és a már nem használt lekérdezéseket törölje – a törlés végleges, ezért előtte gondolja át.
• Egy névből derüljön ki, milyen adatból és milyen időszakra készült az elemzés.

Lekérdezések

• Mentés előtt mindig nézze át a lekérdezés Előnézetét.
• Természetes nyelvű kérésnél ellenőrizze, hogy az asszisztens a megfelelő zónákat töltötte-e ki.
• Nagy adatmennyiségnél szűrőkkel szűkítse a feldolgozott sorok körét.

MI modellek

• Először a Modellvarázslóval kezdjen, és csak utána finomhangoljon a Modellépítőben.
• Számhoz Regressziót, kategóriához Osztályozást válasszon; a cél oszlop ne legyen jellemző.
• Hasonlítsa össze több modell pontszámát, és a legjobbat tartsa meg.
• Legalább néhány száz sorral dolgozzon, hogy a modell megbízható legyen.

Döntések az MI eredményei alapján

• Fontos döntések előtt vesse össze az MI elemző válaszait a lekérdezés eredményével.
• 0,5 alatti pontszámú modellre ne alapozzon döntést, előbb javítsa a jellemzőket vagy az adatokat.
• A klaszterezés eredményét csak akkor használja, ha a csoportok üzletileg értelmezhetők.

Naprakész adatok

• Rendszeresen frissítse az adatokat, és tanítsa újra a modelleket.
• Ahol lehet, REST API forrást használjon: a szinkron automatikusan frissíti az adatokat.
• CSV-forrásnál a változásokhoz új fájlt kell feltölteni, majd a modellt újra kell tanítani.