Optimer din semantiske model til Copilot i Power BI

Gælder for:✅ Power BI-tjeneste

En velforberedt semantisk model giver Copilot et stærkere grundlag for at besvare forretningsspørgsmål præcist i Power BI. Før du introducerer Copilot til brugere, skal du evaluere din model og løse problemer, der kan påvirke svarkvaliteten. Start med de målinger, relationer og forretningsdefinitioner, der allerede bruges i dine rapporter. Løs problemer med modellering i den semantiske model, fordi yderligere instruktioner ikke kan rette unøjagtige relationer eller upassende sammenlægninger. Optimer derefter modellen til Copilot , og opret en ensartet korrekturproces.

Denne artikel er beregnet til semantiske modelforfattere, rapportejere og teams, der introducerer Copilot til brugere. Den supplerer Stil Copilot spørgsmål om dine data, som beskriver, hvordan brugerne kan stille spørgsmål og bekræfte resultaterne. I denne artikel forklares det, hvordan du forbereder din semantiske model og evaluerer svarene Copilot .

Bemærk

Vær opmærksom på følgende krav:

Bemærk

I Power BI-tjeneste webmodelleringCopilot kan du gøre mere end at evaluere din model. Den kan også foreslå og anvende ændringer direkte, f.eks. omdøbning af tabeller og kolonner, oprettelse af relationer og oprettelse af DAX-målinger. Optimeringsvejledningen i denne artikel understøtter direkte bedre resultater fra denne analyse: En velstruktureret, klart navngivet model hjælper med at Copilot give mere nøjagtige og nyttige forslag.

Start med fokuserede forretningsspørgsmål

Vælg et fokuseret forretningsscenarie, og identificer de spørgsmål, som brugerne ofte stiller. For hvert spørgsmål skal du definere den forventede måling, gruppering, datobasis, filtre og validerede resultat.

Medtag spørgsmål, der afslører flertydighed. Hvordan klarer salget sig f.eks.? kan referere til omsætning, ordrevolumen, vækst eller margin. Definer en standardfortolkning, eller instruer Copilot i at bede om en forklaring.

Start med spørgsmål om totaler, sammenligninger, rangeringer og tendenser, som den semantiske model understøtter. Tilføj mere komplekse spørgsmål, når Copilot du har besvaret det oprindelige sæt på en ensartet måde.

Gennemse og forbedre din semantiske model

Brug anbefalingerne i følgende tabeller som en hjælp Copilot til at fortolke din semantiske model og forbedre svarkvaliteten.

Modelstruktur

Element Overvejelse Beskrivelse Hvor skal man ansøge Eksempel
Sammenkædning af tabeller Definer klare relationer Definer klart alle relationer mellem tabeller, og sørg for, at de er logiske. Angiv, hvilke relationer der er en til mange, mange til en eller mange til mange. Vælg Administrer relationer i modelvisning Opret en en-til-mange-relation fra Date[DateID] til Sales[DateID] , og kontrollér, at relationen er aktiv.
Faktatabeller Ryd formål og detaljeringsniveau Identificer tydeligt faktatabeller, og definer, hvad hver række repræsenterer. Sørg for, at beregninger bruger sammenlægninger, der passer til dette detaljeniveau. I tabelegenskaber og modelstrukturen Navngiv faktatabeller tydeligt, f.eks FactSales. , og beskriv detaljeringsniveauet, f.eks. én række pr. ordrelinje.
Dimensionstabeller Understøttende beskrivende data Opret dimensionstabeller, der indeholder de beskrivende attributter, der er relateret til de kvantitative målinger i faktatabeller. I tabelegenskaber og datamodelstruktur Opret dimensionstabeller som DimProduct med attributter (ProductName, Category, Brand) og DimCustomer med attributter (CustomerName, City, Segment).
Hierarkier Logiske grupperinger Opret klare hierarkier i dataene, især for dimensionstabeller, der understøtter detailudledning i rapporter. Vælg Nyt hierarki i tabellens genvejsmenu Opret et hierarki i Date tabellen:Year>Quarter>Month>Day . I Geography tabellen:Country/Region>State>City .
Relationstyper Klart specificeret Hvis du vil sikre nøjagtig oprettelse af rapporter, skal du tydeligt angive relationernes art (aktiv eller inaktiv) og deres kardinalitet. I dialogboksen Egenskaber for relationer Angiv Date til Sales som Mange til En (aktiv), Product til Sales Mange-til-En (aktiv), og markér rollespilsrelationer som inaktive, når det er relevant.

Målinger og KPI'er

Copilot kan oprette ad hoc-beregninger, men føje ofte anvendte eller forretningskritiske beregninger til den semantiske model som gennemsede målinger. Denne fremgangsmåde giver rapportforfattere og Copilot ensartede forretningsdefinitioner at bruge.

Element Overvejelse Beskrivelse Hvor skal man ansøge Eksempel
Målinger Standardiseret beregningslogik Giv målinger standardiseret, klar beregningslogik, der er let at forklare og forstå. Egenskaben Definition og beskrivelse af måling Mål DAX: Total Sales = SUM(Sales[SaleAmount]) og tilføj beskrivelsen: "Sum af alle salgsbeløb".
Målinger Navngivningskonventioner Angiv navne på målinger, der tydeligt afspejler deres beregning og formål. I feltet Målingsnavn ved oprettelse af målinger Brug beskrivende navn: Average Customer Rating i stedet for forkortet: AvgRating.
Målinger Foruddefinerede og gennemsede målinger Opret målinger, der kan genbruges, for almindelige anmodninger og forretningskritiske beregninger. Gennemse deres logik, så rapportforfattere og Copilot bruger ensartede forretningsdefinitioner. I målingsdefinitionen og -beskrivelsesegenskaben Definer [Net Sales] med den godkendte behandling af returneringer, rabatter og annullerede ordrer. Medtag ofte anmodede målinger, f.eks. salg år-til-dato og vækst måned for måned.
Målinger Forhold Definer forhold med den relevante tæller,nævner og aggregeringsfunktion. I målingsdefinitionen Definer [Gross Margin %] ved at dividere den godkendte måling for bruttoavance med den godkendte måling net sales i stedet for at beregne gennemsnittet af procentdele på rækkeniveau.
Målinger Antal Opret separate målinger, når antallet af rækker og antallet af forretningshændelser repræsenterer forskellige resultater. I målingsdefinitionen Definer [Order Count] separat fra [Order Line Count].
Målinger Tidssaldi Brug målinger, der aggregerer snapshots korrekt på tværs af produkter, placeringer og datoer. I målingsdefinitionen Definer en måling af slutlageret i stedet for at opsummere daglige lagersnapshots på tværs af datoer.
Målinger Visningsformater Anvend formater, der gør enheden og skalaen for hver måling tydelig. I egenskaben Format for måling Formatér pengemålinger som valuta, forhold som procenter og tæller som heltal.
Nøgletal (KPI'er) Foruddefinerede og relevante Opret et sæt KPI'er, der er relevante for forretningskonteksten, og som ofte vises i rapporter. Opret målinger for almindeligt sporede KPI'er Definer foranstaltninger som ROI = DIVIDE([Profit], [Investment]), CAC = DIVIDE([Marketing Spend], [New Customers]), LTV = [Avg Order Value] * [Purchase Frequency] * [Customer Lifespan].

Kolonner og datakvalitet

Element Overvejelse Beskrivelse Hvor skal man ansøge Eksempel
Kolonnenavne Entydige etiketter Gør kolonnenavne entydige og selvforklarende. Bevar nyttige forretnings-id'er, men undgå id'er eller koder, der kræver yderligere opslag uden kontekst. Omdøbe kolonner i Power Query-editor eller modelvisning Omdøb kolonne fra ProdID til Product ID eller Product Name, og fra CustNo til Customer Number.
Kolonnedatatyper Korrekt og konsekvent Anvend korrekte og konsistente datatyper for kolonner på tværs af alle tabeller for at sikre, at målingerne beregnes korrekt, og for at aktivere korrekt sortering og filtrering. Angiv Datatype i kolonneegenskaber Sørg for, at Sales[SaleAmount] Decimaltal (ikke Tekst), Date[Date] er Dato (ikke Tekst), Product[ProductID] er Heltal.
Datakonsistens Standardiserede værdier Vedligehold standardiserede værdier i kolonner for at sikre ensartethed i filtre og rapportering. Brug Søg og erstat eller Power Query-transformationer I Status kolonnen skal du sikre dig, at alle værdier bruger konsistente store og små bogstaver: Open, Closed, Pending (ikke blandede store og små bogstaver som open, CLOSED).
Datokolonner Ryd forretningsmæssig betydning Skelne mellem datoer med forskellige forretningsmæssig betydninger. Dokumenter, om perioder bruger et regnskabsår eller et kalenderår, herunder hvornår regnskabsåret starter. Brug datokolonner og relationer i stedet for kun at være afhængige af tekstmærkater. I egenskaber for datotabeller, relationer og beskrivelse Brug distinkt Order Date og Shipment Date kolonner. Definer kolonner i regnskabsperioden i stedet for kun at være afhængige af mærkater, f.eks Q1. .
Vigtige kolonner Komplette og entydige værdier Adresse manglende eller duplikerede nøgler, så relationer og beregninger giver nøjagtige resultater. I Power Query transformationer og kildedata Kontrollér, at hver række i en kundedimension har en entydig, ikke-tom kundenøgle.

Opdatering, sikkerhed og metadata

Element Overvejelse Beskrivelse Hvor skal man ansøge Eksempel
Opdater tidsplaner Gennemsigtig og planlagt Du kan tydeligt kommunikere opdateringsplanerne for dataene for at sikre, at brugerne forstår rettidigheden af de data, de analyserer. I indstillinger og dokumentation til datasæt Tilføj et tekstfelt eller en beskrivelse, der angiver: "Data opdateres dagligt kl. 06:00 UTC" eller "Data i realtid med 15 minutters trinvis opdatering".
Sikkerhed Definitioner på rolleniveau Definer sikkerhedsroller for forskellige niveauer af dataadgang, hvis der er følsomme elementer, som ikke alle brugere skal se. Vælg Administrer roller i modelvisning Opret rolle "Salgsteam" med filter: Sales[Region] = USERNAME() og rolle "HR" med filter på medarbejderdatatabeller.
Metadata Dokumentation af struktur Som reference skal du dokumentere strukturen af datamodellen, herunder tabeller, kolonner, relationer og målinger. Brug beskrivelsesegenskaber og ekstern dokumentation Føj beskrivelser til tabeller og kolonner. Opret et separat dokument med modeldiagram, dataordbog og målekatalog.

Overvejelser i forbindelse med DAX-forespørgsler

I følgende tabel vises andre kriterier, der kan hjælpe dig med at oprette nøjagtige DAX-forespørgsler (Data Analysis Expressions) med Copilot. Disse anbefalinger kan hjælpe dig med at generere nøjagtige DAX-forespørgsler.

Element Overvejelse Beskrivelse Hvor skal man ansøge Eksempel
Målinger, tabeller og kolonner Beskrivelser I beskrivelsesegenskaben skal du definere hvert element, og hvordan du vil bruge det. Begynd med dens forretningsmæssig betydning, enhed og vigtige undtagelser. Copilot bruger kun de første 200 tegn. I ruden Egenskaber er feltet Beskrivelse for målinger, tabeller og kolonner For måling [YOY Sales]skal du tilføje beskrivelse: "År-til-år (YOY) forskel i ordrer. Brug sammen med kolonnen 'Dato'[år] for at få vist efter andre år end det seneste år. Delvise år kan sammenlignes med samme periode året før."
Beregningsgrupper Beskrivelser Modelmetadata indeholder ikke beregningselementer. Brug beskrivelsen af kolonnen for beregningsgruppen til at få vist og forklare, hvordan du bruger beregningselementerne. Copilot bruger kun de første 200 tegn. I ruden Egenskaber for kolonnen med beregningsgruppen For kolonnen Eksempelberegningsgruppe for tidsintelligens skal du tilføje beskrivelse: "Brug med målinger og datotabel for Aktuel: aktuel værdi, MTD: måned til dato, QTD: kvartal til dato, YTD: år til dato, PY: foregående år, PY MTD, PY QTD, YOY: ændring fra år til år, YOY%: YOY som en %." For en målingstabel skal du tilføje: "Målinger bruges til at aggregere data. Disse målinger kan vises som år for år ved hjælp af denne syntaks CALCULATE([Målingsnavn], Time intelligence[Tidsberegning] = YOY)."

Foretag fejlfinding af testresultater

Gennemse den genererede forespørgsel og de genererede resultater for at identificere kilden til et problem, før du opdaterer instruktionerne til kunstig intelligens.

Spørgsmål Hvad skal kontrolleres?
Forkert forretningsmetrik Gennemse målingsnavne, beskrivelser, valg af AI-dataskemaer og instruktioner, der definerer standardmetrikværdien.
Uventet total eller tidsperiode Sammenlign filterkonteksten og datogrundlaget med det forventede resultat. Gennemse derefter funktionsmåden for relationer og sammenlægningslogik.
Manglende kategorier eller ingen resultater Kontrollér kildedataene, opdateringstilstanden, kategoriværdierne, den anmodede periode og forbrugerens tilladelser. Fortolker ikke intet resultat som nul.
Ret data med en vildledende præsentation Gennemse enheder, formatering, sortering, og om forklaringen angiver mere, end dataene understøtter.
Langsomt eller mislykket svar Undersøg ydeevnen for den genererede forespørgsel og semantiske model. Sammenlign forespørgslen med en valideret referenceforespørgsel, før du ændrer forretningsvejledningen.
Forberedelse af data til ai-ændringer afspejles ikke Bekræft, at du har ændret den korrekte semantiske model, og giv tid til, at ændringerne træder i kraft. Luk og åbn ruden Copilot igen, og bekræft eventuelle udrulnings- og opdateringskrav.

Hvis du vil teste, udrulle og opdatere krav, skal du se Test dine Copilot værktøjsændringer og overvejelser og begrænsninger.

Relateret indhold

  • Sidst opdateret den