Actualización del modelo de datos para que funcione bien con Copilot para Power BI
SE APLICA A: Power BI Desktop Servicio Power BI
Antes de empezar a usar Copilot con el modelo semántico, evalúe los datos. Es posible que tenga que realizar algún trabajo de limpieza en el modelo semántico para que Copilot pueda derivar información de él.
Nota:
- El administrador debe habilitar Copilot en Microsoft Fabric.
- La capacidad F64 o P1 debe estar en una de las regiones enumeradas en este artículo, disponibilidad regional de Fabric. Si no lo está, no puede usar Copilot.
- Para poder empezar a usar Copilot, el administrador debe habilitar el cambio de inquilino. Para más información, consulte el artículo Configuración de inquilinos de Copilot.
- Si el inquilino o la capacidad están fuera de EE. UU. o Francia, Copilot estará deshabilitado de forma predeterminada, a menos que el administrador de inquilinos de Fabric habilite el valor Los datos enviados a Azure OpenAI se pueden procesar fuera de la región geográfica del inquilino, el límite de cumplimiento o la instancia de nube nacional en el portal de administración de Fabric.
- Copilot en Microsoft Fabric no se admite en las SKU de prueba. Solo se admiten SKU de pago (F64 o superior, o P1 o superior).
Consideraciones sobre los conjuntos de datos para el uso de Copilot
En la tabla siguiente, se enumeran los criterios que le ayudarán a crear informes precisos con Copilot. Estos elementos son recomendaciones que pueden ayudar a generar informes precisos de Power BI.
Elemento | Consideración | Descripción | Ejemplo |
---|---|---|---|
Vinculación de tabla | Definición de relaciones claras | Asegúrese de que todas las relaciones entre tablas están claramente definidas y son lógicas, indicando cuáles son uno a varios, varios a uno o varios a varios. | Tabla "Ventas" conectada a la tabla "Fecha" mediante el campo "IDFecha". |
Medidas | Lógica de cálculo estandarizada | Las medidas deben tener una lógica de cálculo normalizada, clara y fácil de explicar y comprender. | "Ventas totales" calculado como la suma de "ImporteVentas" de la tabla "Ventas". |
Medidas | Convenciones de nomenclatura | Los nombres de las medidas deben reflejar claramente su cálculo y propósito. | Use "Valoración_media_cliente" en lugar de "MdCliente". |
Medidas | Medidas predefinidas | Incluya un conjunto de medidas predefinidas que es más probable que los usuarios soliciten en los informes. | "Ventas_hasta_fecha", "Crecimiento_mes_a_mes", etc. |
Tablas de hechos | Delimitación clara | Delimite claramente las tablas de hechos, que contienen los datos medibles y cuantitativos para el análisis. | "Transacciones", "Ventas", "Visitas". |
Tablas de dimensión | Datos descriptivos de apoyo | Cree tablas de dimensiones que contengan los atributos descriptivos relacionados con las medidas cuantitativas de las tablas de hechos. | "Detalles_del_producto", "Información_del_cliente". |
Jerarquías | Agrupaciones lógicas | Establezca jerarquías claras dentro de los datos, especialmente para las tablas de dimensiones que se podrían usar para explorar en profundidad los informes. | Una jerarquía "Tiempo" que desglosa de "Año" a "Trimestre" a "Mes" a "Día". |
Nombres de columna | Etiquetas inequívocas | Los nombres de las columnas deben ser inequívocos y autoexplicativos, evitando el uso de id. o códigos que requieran una búsqueda adicional sin contexto. | Use "Nombre_Producto" en lugar de "IDProd". |
Tipos de datos de columna | Correcto y coherente | Aplique tipos de datos correctos y coherentes para las columnas de todas las tablas para asegurarse de que las medidas se calculan correctamente y para habilitar la ordenación y el filtrado adecuados. | Asegúrese de que las columnas numéricas usadas en los cálculos no se establecen como tipos de datos de texto. |
Tipos de relaciones | Especificado claramente | Para garantizar una generación de informes precisa, especifique claramente la naturaleza de las relaciones (activas o inactivas) y su cardinalidad. | Marque si una relación es "Uno a uno", "Uno a varios" o "Varios a varios". |
Data Consistency (Coherencia de datos) | Valores normalizados | Mantenga los valores normalizados dentro de las columnas para garantizar la coherencia en los filtros y los informes. | Si tiene una columna "Estado", use de forma coherente "Abierto", "Cerrado", "Pendiente", etc. |
Indicadores clave de rendimiento (KPI) | Predefinidos y pertinentes | Establezca un conjunto de KPI que sean pertinentes para el contexto empresarial y que se usen habitualmente en los informes. | "Rentabilidad sobre la inversión (ROI)", "Costo de adquisición de clientes (CAC)", "Valor de vida útil (LTV)". |
Programaciones de actualizaciones | Transparente y programada | Comunique claramente las programaciones de actualizaciones de los datos para asegurarse de que los usuarios comprendan las escalas de tiempo de los datos que están analizando. | Indique si los datos son en tiempo real, diarios, semanales, etc. |
Seguridad | Definiciones de nivel de rol | Defina roles de seguridad para distintos niveles de acceso a datos si hay elementos confidenciales que no todos los usuarios deben ver. | Los miembros del equipo de ventas pueden ver los datos de ventas, pero no los datos de RR. HH. |
Metadatos | Documentación de la estructura | Documente la estructura del modelo de datos, incluidas tablas, columnas, relaciones y medidas, como referencia. | Un diccionario de datos o un diagrama del modelo proporcionado como referencia. |
Contenido relacionado
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente las Cuestiones de GitHub como mecanismo de retroalimentación para el contenido y lo sustituiremos por un nuevo sistema de retroalimentación. Para más información, consulta:Enviar y ver comentarios de