Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Utilizzo degli argomenti di Amazon Quick Sight | | | --- | |  Si applica a: Enterprise Edition  | | | | --- | |    Destinatari: amministratori e autori di Amazon Quick  | *Gli argomenti* sono raccolte di uno o più set di dati che rappresentano un'area tematica sulla quale gli utenti aziendali possono porre domande. Con la preparazione automatizzata dei dati Quick Sight, ricevi ML-powered assistenza per aiutarti a creare un argomento pertinente per i tuoi utenti finali. Il primo processo inizia con la selezione e la classificazione automatizzate dei campi, qualcosa del genere: + La preparazione automatizzata dei dati sceglie un numero limitato di campi da includere di default per creare uno spazio dati mirato da esplorare per i lettori. + La preparazione automatizzata dei dati seleziona i campi da utilizzare in altre risorse come report e dashboard. + La preparazione automatizzata dei dati importa anche tutti i campi aggiuntivi da qualsiasi analisi correlata in cui un argomento è abilitato. + Identifica date, dimensioni e misure, per scoprire come i campi possono essere utilizzati nelle risposte. Questo set automatico di campi aiuta l'autore a iniziare rapidamente con l'analisi del linguaggio naturale. Gli autori possono sempre escludere campi o includere campi aggiuntivi, se necessario, utilizzando l'interruttore **Includi**. Successivamente, la preparazione automatizzata dei dati continua con il processo etichettando automaticamente i campi e identificando i sinonimi. La preparazione automatizzata dei dati aggiorna i nomi dei campi con nomi e sinonimi descrittivi utilizzando termini comuni. Ad esempio, un campo `SLS_PERSON` potrebbe essere rinominato e assegnato a `Sales person` e possono essere assegnati sinonimi tra cui:`salesman`, `saleswoman`, agente e `sales representative`. Sebbene sia possibile lasciare che la preparazione automatizzata dei dati svolga gran parte del lavoro, vale la pena rivedere i campi, i nomi e i sinonimi per personalizzarli ulteriormente per gli utenti finali. Ad esempio, se gli utenti si riferiscono a un addetto alle vendite come "rappresentante" o "rivenditore" in una conversazione informale, allora si supporta questo termine aggiungendo `rep` e `dealer` ai sinonimi di `SLS_PERSON`. Infine, la preparazione automatica dei dati rileva il tipo semantico di ogni campo, campionandone i dati ed esaminando i formati applicati dall'autore durante l'analisi. La preparazione automatica dei dati aggiorna automaticamente la configurazione del campo, impostando i formati per i valori utilizzati per ogni campo. Le risposte alle domande vengono quindi fornite nei formati previsti per date, valute, identificatori, booleani, persone e così via. Per ulteriori informazioni sull'utilizzo degli argomenti, continua con le seguenti sezioni di questo capitolo. **Topics** + [Navigazione tra gli argomenti](navigating-topics.md) + [Creazione di argomenti Quick Sight](topics-create.md) + [Area di lavoro degli argomenti](topics-interface.md) + [Utilizzo dei set di dati in un argomento di Quick Sight](topics-data.md) + [Rendere gli argomenti di Quick Sight compatibili con il linguaggio naturale](topics-natural-language.md) + [Condivisione di argomenti di Quick Sight](topics-sharing.md) + [Gestione delle autorizzazioni per gli argomenti di Amazon Quick Sight](topics-sharing-permissions.md) + [Analisi delle prestazioni e del feedback degli argomenti di Quick Sight](topics-performance.md) + [Aggiornamento degli indici degli argomenti di Quick Sight](topics-index.md) + [Lavora con argomenti Quick Sight utilizzando le API Amazon Quick Sight](topics-cli.md)