Optimiser votre modèle sémantique pour Copilot dans Power BI

S’applique à :✅ service Power BI

Un modèle sémantique bien préparé donne Copilot une base plus solide pour répondre aux questions métier avec précision dans Power BI. Avant de présenter Copilot aux utilisateurs, évaluez votre modèle et corrigez les problèmes susceptibles d’affecter la qualité des réponses. Commencez par les mesures, les relations et les définitions métier déjà utilisées dans vos rapports. Résolvez les problèmes de modélisation dans le modèle sémantique, car des instructions supplémentaires ne peuvent pas corriger des relations inexactes ou des agrégations inappropriées. Ensuite, optimisez le modèle pour Copilot et établissez un processus de révision cohérent.

Cet article s’adresse aux auteurs de modèles sémantiques, aux propriétaires de rapports et aux équipes chargées de présenter Copilot aux utilisateurs. Il complète Poser des questions sur vos données Copilot, qui décrit comment les utilisateurs peuvent poser des questions et vérifier les résultats. Cet article explique comment préparer votre modèle sémantique et évaluer les réponses Copilot produites.

Remarque

Gardez à l’esprit les exigences suivantes :

  • Votre administrateur doit activer Copilot dans Microsoft Fabric.
  • Votre capacité Fabric doit se trouver dans l’une des régions répertoriées dans cet article, disponibilité de la région Fabric. Si ce n’est pas le cas, vous ne pouvez pas utiliser Copilot.
  • Avant de commencer à utiliser Copilot, votre administrateur doit activer le commutateur de locataire. Pour obtenir plus d’informations, consultez l’article Paramètres du locataire Copilot.
  • Si votre locataire ou votre capacité se situe en dehors de la limite de données des États-Unis ou de l’UE, Copilot est désactivé par défaut. L'une des exceptions est que si votre administrateur de locataire Fabric active le paramètre de locataire « Les données envoyées à Azure OpenAI peuvent être traitées en dehors de la région géographique, de la limite de conformité ou de l'instance de cloud national ». Vous trouverez ce paramètre dans le portail d’administration Fabric.
  • Copilot dans Microsoft Fabric n’est pas pris en charge pour les SKU d’essai. Seules les références SKU payantes sont prises en charge.
  • Pour voir l’expérience autonome Copilot dans Power BI, votre administrateur de locataire doit activer le commutateur de locataire.

Remarque

Dans l’expérience de modélisation sur le web du service Power BI, Copilot vous pouvez faire plus qu’évaluer votre modèle. Il peut également proposer et appliquer des modifications directement, telles que le renommage des tables et des colonnes, la création de relations et la génération de mesures DAX. Les conseils d’optimisation de cet article prennent directement en charge de meilleurs résultats à partir de cette analyse : un modèle bien structuré et clairement nommé permet Copilot de produire des suggestions plus précises et utiles.

Commencer par des questions commerciales ciblées

Choisissez un scénario métier ciblé et identifiez les questions que les utilisateurs posent couramment. Pour chaque question, définissez la mesure, le regroupement, la base de date, les filtres et le résultat validé attendus.

Incluez des questions qui exposent l’ambiguïté. Par exemple, comment les ventes fonctionnent-elles ? peuvent faire référence au chiffre d’affaires, au volume de commandes, à la croissance ou à la marge. Définir une interprétation par défaut ou demander Copilot une clarification.

Commencez par des questions sur les totaux, les comparaisons, les classements et les tendances pris en charge par le modèle sémantique. Ajoutez des questions plus complexes après Copilot avoir répondu de manière cohérente à l’ensemble initial.

Examiner et améliorer votre modèle sémantique

Utilisez les recommandations des tableaux suivants pour interpréter Copilot votre modèle sémantique et améliorer la qualité des réponses.

Structure du modèle

Élément Considérations Descriptif Où appliquer Exemple
Liaison de tables Définir des relations claires Définissez clairement toutes les relations entre les tables et assurez-vous qu’elles sont logiques. Indiquez quelles relations sont un-à-plusieurs, plusieurs-à-un ou plusieurs-à-plusieurs. En mode Modèle, sélectionnez Gérer les relations Créez une relation un-à-plusieurs de Date[DateID] vers Sales[DateID] et vérifiez que la relation est active.
Tables de faits Objectif clair et niveau de détail Identifiez clairement les tables de faits et définissez ce que chaque ligne représente. Vérifiez que les calculs utilisent des agrégations appropriées pour ce niveau de détail. Dans les propriétés de table et la structure du modèle Nommez clairement les tables de faits, telles que FactSales, et décrivez leur niveau de détail, tel qu’une ligne par ligne de commande.
Tables de dimension Données descriptives de support Créez des tables de dimension qui contiennent les attributs descriptifs liés aux mesures quantitatives dans les tables de faits. Dans les propriétés de table et la structure du modèle de données Créez des tables de dimension comme DimProduct avec des attributs (ProductName, Category, Brand) et DimCustomer avec des attributs (CustomerName, City, Segment).
Hiérarchies Regroupements logiques Établissez des hiérarchies claires au sein des données, en particulier pour les tables de dimension qui permettent l’exploration descendante dans les rapports. Dans le menu contextuel du tableau, sélectionnez Nouvelle hiérarchie Dans la Date table, créez une hiérarchie :Year>Quarter>Month>Day . Tableau Geography : Country/Region>State>City.
Types de relations Clairement spécifié Pour garantir une génération de rapport précise, spécifiez clairement la nature des relations (actives ou inactives) et leur cardinalité. Boîte de dialogue Propriétés de relation Définir Date sur Sales en tant que Plusieurs-à-un (actif), Product sur Sales en tant que Plusieurs-à-un (actif), et marquer les relations de jeu de rôle comme inactives si nécessaire.

Mesures et indicateurs de performance clés

Copilot peut créer des calculs ad hoc, mais ajouter des calculs fréquemment utilisés ou critiques pour l’entreprise au modèle sémantique en tant que mesures examinées. Cette approche donne aux auteurs de rapports et à Copilot des définitions métier cohérentes à utiliser.

Élément Considérations Descriptif Où appliquer Exemple
Mesures Logique de calcul standardisée Donnez aux mesures une logique de calcul standardisée et claire qui est facile à expliquer et à comprendre. Dans la définition de la mesure et la description de propriété Mesurer DAX : Total Sales = SUM(Sales[SaleAmount]) et ajouter une description : « Somme de tous les montants des ventes ».
Mesures Conventions d’affectation de noms Donnez des noms de mesures qui reflètent clairement leur calcul et leur objectif. Dans le champ nom de mesure lors de la création de mesures Utilisez un nom descriptif : Average Customer Rating au lieu d’abrégé : AvgRating.
Mesures Mesures prédéfinies et examinées Créez des mesures réutilisables pour les requêtes courantes et les calculs critiques pour l’entreprise. Passez en revue leur logique afin que les auteurs de rapports et Copilot utilisent des définitions métier cohérentes. Dans la définition de mesure et la propriété description Définissez [Net Sales] avec le traitement approuvé des retours, des remises et des commandes annulées. Incluez les mesures couramment demandées, telles que les ventes annuelles et la croissance mensuelle sur mois.
Mesures Ratios Définissez des ratios avec le numérateur, le dénominateur et le comportement d’agrégation appropriés. Dans la définition de la mesure Définissez [Gross Margin %] en divisant la mesure de marge brute approuvée par la mesure de ventes nettes approuvée au lieu de la moyenne des pourcentages au niveau des lignes.
Mesures Nombre Créez des mesures distinctes lorsque les nombres de lignes et les nombres d’événements métier représentent des résultats différents. Dans la définition de la mesure Définissez [Order Count] séparément de [Order Line Count].
Mesures Soldes à un point dans le temps Utilisez des mesures qui agrègent les instantanés de manière appropriée entre les produits, les emplacements et les dates. Dans la définition de la métrique Définissez une mesure de stock de fin de période au lieu d’additionner les instantanés quotidiens du stock sur l’ensemble des dates.
Mesures Formats d’affichage Appliquez des formats qui rendent l’unité et l’échelle de chaque mesure claire. Dans la propriété Format de la mesure Formatez les mesures monétaires au format monétaire, les ratios en pourcentage et les décomptes en nombres entiers.
Indicateurs de performance clé Prédéfini et pertinent Établissez un ensemble d’indicateurs de performance clés pertinents pour le contexte métier et apparaissent souvent dans les rapports. Créer des mesures pour les indicateurs de performance clés couramment suivis Définir des mesures telles que ROI = DIVIDE([Profit], [Investment]), CAC = DIVIDE([Marketing Spend], [New Customers]), LTV = [Avg Order Value] * [Purchase Frequency] * [Customer Lifespan].

Colonnes et qualité des données

Élément Considérations Descriptif Où appliquer Exemple
Noms de colonnes Étiquettes non ambiguës Définissez des noms de colonnes clairs et sans ambiguïté. Conservez des identificateurs métier utiles, mais évitez les ID ou les codes qui nécessitent une recherche supplémentaire sans contexte. Renommer des colonnes dans l’éditeur Power Query ou l’affichage Modèle Renommez la colonne ProdID en Product ID ou Product Name, et de CustNo à Customer Number.
Types de données de colonne Correct et cohérent Appliquez des types de données corrects et cohérents pour les colonnes de toutes les tables pour vous assurer que les mesures sont calculées correctement et pour activer le tri et le filtrage appropriés. Dans les propriétés de colonne, définissez le type de données Assurez-vous que Sales[SaleAmount] est un nombre décimal (et non du texte), Date[Date] est une date (et non du texte), Product[ProductID] est un nombre entier.
Cohérence des données Valeurs standardisées Conservez des valeurs standardisées dans les colonnes pour garantir la cohérence entre les filtres et les rapports. Utilisez la fonction Rechercher et Remplacer ou les transformations Power Query Dans Status la colonne, vérifiez que toutes les valeurs utilisent la casse cohérente : Open, Closed, Pending (pas de cas mixte comme open, CLOSED).
Colonnes Date Sens métier clair Distinguez les dates avec différentes significations commerciales. Indiquez si les périodes utilisent une année fiscale ou civile, y compris lorsque l’exercice commence. Utilisez des colonnes de date et des relations au lieu de vous fier uniquement aux étiquettes de texte. Dans les tables de dates, les relations et les propriétés de description Utilisez des colonnes distinctesOrder Date.Shipment Date Définissez les colonnes de période fiscale au lieu de vous appuyer uniquement sur des étiquettes telles que Q1.
Colonnes clés Valeurs complètes et uniques Adressez les clés manquantes ou dupliquées afin que les relations et les calculs produisent des résultats précis. Dans les transformations Power Query et dans les données sources Vérifiez que chaque ligne d’une dimension client comporte une clé client unique et non nulle.

Actualiser, sécurité et métadonnées

Élément Considérations Descriptif Où appliquer Exemple
Planifications de rafraîchissement Transparent et planifié Communiquez clairement les planifications d’actualisation des données pour vous assurer que les utilisateurs comprennent les chronologies des données qu’ils analysent. Dans les paramètres et la documentation du jeu de données Ajoutez une zone de texte ou une description indiquant : « Les données sont actualisées quotidiennement à 6 h 00 UTC » ou « Données en temps réel avec actualisation incrémentielle de 15 minutes ».
Sécurité Définitions de niveau de rôle Définissez des rôles de sécurité pour différents niveaux d’accès aux données s’il existe des éléments sensibles que tous les utilisateurs ne doivent pas voir. En mode Modèle, sélectionnez Gérer les rôles Créez le rôle « Sales Team » avec le filtre : Sales[Region] = USERNAME() et le rôle « HR » avec un filtre sur les tables de données des employés.
Métadonnées Documentation de la structure Pour référence, documentez la structure du modèle de données, y compris les tables, les colonnes, les relations et les mesures. Utiliser les propriétés de description et la documentation externe Ajoutez des descriptions aux tables et aux colonnes. Créez un document distinct avec le diagramme de modèle, le dictionnaire de données et le catalogue de mesures.

Considérations relatives à la requête DAX

Le tableau suivant répertorie d’autres critères qui peuvent vous aider à créer des requêtes DAX (Data Analysis Expressions) précises avec Copilot. Ces recommandations peuvent vous aider à générer des requêtes DAX précises.

Élément Considérations Descriptif Où appliquer Exemple
Mesures, tables et colonnes Descriptions Dans la propriété description, définissez chaque élément et la façon dont vous envisagez de l’utiliser. Commencez par sa signification commerciale, son unité et ses exclusions importantes. Copilot utilise uniquement les 200 premiers caractères. Dans le volet Propriétés, champ Description pour les mesures, les tables et les colonnes Pour la mesure [YOY Sales], ajoutez une description : « Différence d'une année sur l'autre dans les commandes. » Utilisez la colonne « Date » [Année] pour afficher les années autres que la dernière année. Les années partielles se comparent à la même période de l’année précédente.
Groupes de calcul Descriptions Les métadonnées du modèle n’incluent pas d’éléments de calcul. Utilisez la description de la colonne de groupe de calcul pour répertorier et expliquer comment utiliser les éléments de calcul. Copilot utilise uniquement les 200 premiers caractères. Dans le volet Propriétés de la colonne de groupe de calcul Pour la colonne du groupe de calcul de l’exemple Time Intelligence, ajoutez la description suivante : « Utiliser avec des mesures et une table de dates pour Current : valeur actuelle, MTD : mois à date, QTD : trimestre à date, YTD : cumul annuel, PY : année précédente, PY MTD, PY QTD, YOY : variation annuelle, YOY% : YOY en pourcentage ». Pour une table de mesures, ajoutez : « Les mesures sont utilisées pour agréger des données. Ces mesures peuvent être affichées sous la forme d’une année à l’autre à l’aide de cette syntaxe CALCULATE([Nom de la mesure], Time intelligence[Calcul de l’heure] = YOY)."

Résoudre les problèmes liés aux résultats des tests

Passez en revue la requête générée et les résultats pour identifier la source d’un problème avant de mettre à jour les instructions d’IA.

Problème Que vérifier
Métrique métier incorrecte Passez en revue les noms de mesures, les descriptions, les sélections de schémas de données IA et les instructions qui définissent la métrique par défaut.
Total ou période inattendus Comparez le contexte de filtre et la base de date avec le résultat attendu. Ensuite, passez en revue le comportement des relations et la logique d’agrégation.
Catégories manquantes ou aucun résultat Vérifiez les données sources, l’état d’actualisation, les valeurs de catégorie, la période demandée et les autorisations du consommateur. N’interprétez pas le résultat comme zéro.
Des données correctes avec une présentation trompeuse Vérifiez les unités, la mise en forme, le tri et si l’explication va au-delà de ce que les données permettent d’affirmer.
Réponse lente ou ayant échoué Inspectez les performances de la requête générée et du modèle sémantique. Comparez la requête à une requête de référence validée avant de modifier les instructions métier.
Les modifications apportées à Préparer les données pour l’IA ne sont pas prises en compte Vérifiez que vous avez modifié le modèle sémantique correct et que vous laissez le temps nécessaire pour que les modifications prennent effet. Fermez et rouvrez le Copilot volet, puis vérifiez les exigences de déploiement et d’actualisation.

Pour les exigences de test, de déploiement et d’actualisation, consultez Tester vos Copilot modifications d’outils et considérations et limitations.

Contenu connexe

  • Last updated on