Mengoptimalkan model semantik Anda untuk Copilot di Power BI

Berlaku untuk:✅ layanan Power BI

Model semantik yang disiapkan dengan baik memberikan Copilot fondasi yang lebih kuat untuk menjawab pertanyaan bisnis secara akurat dalam Power BI. Sebelum Anda memperkenalkan Copilot kepada pengguna, evaluasi model Anda dan atasi masalah yang dapat memengaruhi kualitas jawaban. Mulailah dengan pengukuran, hubungan, dan definisi bisnis yang sudah digunakan dalam laporan Anda. Atasi masalah pemodelan dalam model semantik karena instruksi tambahan tidak dapat memperbaiki hubungan yang tidak akurat atau agregasi yang tidak tepat. Kemudian, optimalkan model untuk Copilot dan buat proses peninjauan yang konsisten.

Artikel ini ditujukan untuk penulis model semantik, pemilik laporan, dan tim yang memperkenalkan Copilot pengguna. Ini melengkapi Tanya jawab Copilot tentang data Anda, yang menjelaskan bagaimana pengguna dapat mengajukan pertanyaan dan memverifikasi hasilnya. Artikel ini menjelaskan cara menyiapkan model semantik Anda dan mengevaluasi jawaban Copilot yang dihasilkan.

Catatan

Ingatlah persyaratan berikut:

Catatan

Dalam pengalaman pemodelan di web pada layanan Power BI, Copilot dapat melakukan lebih dari sekadar mengevaluasi model Anda. Ini juga dapat mengusulkan dan menerapkan perubahan secara langsung, seperti mengganti nama tabel dan kolom, membuat hubungan, dan menghasilkan langkah-langkah DAX. Panduan pengoptimalan dalam artikel ini secara langsung mendukung hasil yang lebih baik dari analisis tersebut: model yang terstruktur dengan baik dan dinamai dengan jelas membantu Copilot menghasilkan saran yang lebih akurat dan berguna.

Mulailah dengan pertanyaan bisnis yang berfokus

Pilih skenario bisnis yang berfokus dan identifikasi pertanyaan yang sering diajukan pengguna. Untuk setiap pertanyaan, tentukan ukuran, pengelompokan, dasar tanggal, filter, dan hasil yang divalidasi yang diharapkan.

Sertakan pertanyaan yang mengekspos ambiguitas. Misalnya, Bagaimana performa penjualan? dapat mengacu pada pendapatan, volume pesanan, pertumbuhan, atau margin. Tentukan interpretasi default, atau instruksikan Copilot untuk meminta klarifikasi.

Mulailah dengan pertanyaan tentang total, perbandingan, peringkat, dan tren yang didukung model semantik. Tambahkan pertanyaan yang lebih kompleks setelah Copilot menjawab set awal secara konsisten.

Tinjau dan tingkatkan model semantik Anda

Gunakan rekomendasi dalam tabel berikut untuk membantu Copilot menginterpretasikan model semantik Anda dan meningkatkan kualitas jawaban.

Struktur model

Elemen Pertimbangan Deskripsi Tempat pendaftaran Contoh
Menghubungkan tabel Menentukan hubungan yang jelas Tentukan semua hubungan antar tabel dengan jelas dan pastikan hubungan tersebut logis. Tunjukkan hubungan mana yang merupakan satu-ke-banyak, banyak-ke-satu, atau banyak-ke-banyak. Dalam tampilan Model, pilih Kelola hubungan Buat hubungan satu ke banyak dari Date[DateID] ke Sales[DateID] dan verifikasi hubungan aktif.
Tabel fakta Tujuan dan tingkat detail yang jelas Identifikasi tabel fakta dengan jelas dan tentukan apa yang diwakili setiap baris. Pastikan perhitungan menggunakan agregasi yang sesuai untuk tingkat detail tersebut. Dalam properti tabel dan struktur model Beri nama tabel fakta dengan jelas, seperti FactSales, dan jelaskan tingkat perinciannya, misalnya satu baris per item pesanan.
Tabel dimensi Data deskriptif yang mendukung Buat tabel dimensi yang berisi atribut deskriptif yang terkait dengan langkah-langkah kuantitatif dalam tabel fakta. Dalam properti tabel dan struktur model data Buat tabel dimensi seperti DimProduct dengan atribut (ProductName, , CategoryBrand) dan DimCustomer dengan atribut (CustomerName, , CitySegment).
Hirarki Pengelompokan logis Buat hierarki yang jelas dalam data, terutama untuk tabel dimensi yang mendukung penelusuran paling detail dalam laporan. Di menu konteks tabel, pilih Hierarki baru Date Dalam tabel, buat hierarki:Year>Quarter>Month>Day . Dalam Geography tabel: Country/Region>State>City.
Jenis hubungan Ditentukan dengan jelas Untuk memastikan pembuatan laporan yang akurat, tentukan dengan jelas sifat hubungan (aktif atau tidak aktif) dan kardinalitasnya. Dalam dialog properti hubungan Atur Date ke Sales sebagai Many-to-One (aktif), Product ke Sales sebagai Many-to-One (aktif), dan tandai hubungan yang menjalankan peran sebagai tidak aktif jika perlu.

Pengukuran dan KPI

Copilot Anda dapat membuat perhitungan ad hoc, tetapi tambahkan perhitungan yang sering digunakan atau krusial bagi bisnis ke model semantik sebagai ukuran yang telah ditinjau. Pendekatan ini memberikan penulis laporan dan Copilot definisi bisnis yang konsisten untuk digunakan.

Elemen Pertimbangan Deskripsi Tempat pendaftaran Contoh
Tindakan Logika perhitungan standar Berikan ukuran logika perhitungan yang standar dan jelas yang mudah dijelaskan dan dipahami. Dalam mengukur properti definisi dan deskripsi Ukuran DAX: Total Sales = SUM(Sales[SaleAmount]) dan menambahkan deskripsi: "Total semua jumlah penjualan."
Tindakan Konvensi penamaan Berikan nama pengukuran yang dengan jelas mencerminkan perhitungan dan tujuannya. Di bidang nama ukuran saat membuat ukuran Gunakan nama deskriptif: Average Customer Rating alih-alih disingkat: AvgRating.
Tindakan Langkah-langkah yang telah ditentukan dan ditinjau sebelumnya Buat langkah-langkah yang dapat digunakan kembali untuk permintaan umum dan perhitungan penting bisnis. Tinjau logika mereka sehingga penulis laporan dan Copilot gunakan definisi bisnis yang konsisten. Dalam properti definisi dan deskripsi pengukuran Tentukan [Net Sales] dengan perlakuan yang disetujui untuk pengembalian, diskon, dan pesanan yang dibatalkan. Sertakan metrik yang umum diminta seperti penjualan sejak awal tahun hingga saat ini dan pertumbuhan dari bulan ke bulan.
Tindakan Rasio Tentukan rasio dengan pembilang, penyebut, dan perilaku agregasi yang sesuai. Dalam definisi ukuran Definisikan [Gross Margin %] dengan membagi ukuran margin kotor yang disetujui dengan ukuran penjualan bersih yang disetujui, alih-alih merata-ratakan persentase per baris.
Tindakan Hitungan Buat pengukuran terpisah saat jumlah baris dan jumlah peristiwa bisnis mewakili hasil yang berbeda. Dalam definisi ukuran Tentukan [Order Count] secara terpisah dari [Order Line Count].
Tindakan Saldo pada titik waktu tertentu Gunakan metrik yang mengagregasikan snapshot dengan tepat di berbagai produk, lokasi, dan tanggal. Dalam definisi ukuran Tentukan ukuran inventarisasi akhir alih-alih menjumlahkan rekam jepret inventarisasi harian di seluruh tanggal.
Tindakan Format tampilan Terapkan format yang membuat unit dan skala setiap ukuran menjadi jelas. Dalam properti Format measure Format nilai moneter sebagai mata uang, rasio sebagai persentase, dan jumlah sebagai bilangan bulat.
Indikator kinerja utama (KPI) Sudah ditentukan dan relevan Tetapkan sekumpulan KPI yang relevan dengan konteks bisnis dan sering muncul dalam laporan. Membuat metode untuk KPI yang biasa dilacak Tentukan langkah-langkah seperti ROI = DIVIDE([Profit], [Investment]), CAC = DIVIDE([Marketing Spend], [New Customers]), LTV = [Avg Order Value] * [Purchase Frequency] * [Customer Lifespan].

Kolom dan kualitas data

Elemen Pertimbangan Deskripsi Tempat pendaftaran Contoh
Nama kolom Label yang tidak ambigu Buat nama kolom tidak ambigu dan jelaskan sendiri. Pertahankan pengidentifikasi bisnis yang berguna, tetapi hindari ID atau kode yang memerlukan pencarian lebih lanjut tanpa konteks. Mengganti nama kolom dalam tampilan Editor atau Model Power Query Ganti nama kolom dari ProdID ke Product ID atau Product Name, dan dari CustNo ke Customer Number.
Jenis Data Kolom Benar dan konsisten Terapkan tipe data yang benar dan konsisten untuk kolom di semua tabel untuk memastikan bahwa pengukuran dihitung dengan benar dan untuk mengaktifkan pengurutan dan pemfilteran yang tepat. Di properti kolom, atur Jenis data Pastikan Sales[SaleAmount] Angka Desimal (bukan Teks), Date[Date] adalah Tanggal (bukan Teks), Product[ProductID] adalah Bilangan Bulat.
Konsistensi data Nilai standar Pertahankan nilai standar dalam kolom untuk memastikan konsistensi dalam filter dan pelaporan. Menggunakan transformasi Temukan dan Ganti atau Power Query Dalam Status kolom, pastikan semua nilai menggunakan casing yang konsisten: Open, , ClosedPending(bukan kasus campuran seperti open, CLOSED).
Kolom tanggal Arti bisnis yang jelas Bedakan tanggal berdasarkan makna bisnis yang berbeda. Dokumentasikan apakah periode menggunakan tahun fiskal atau kalender, termasuk saat tahun fiskal dimulai. Gunakan kolom tanggal dan hubungan alih-alih hanya mengandalkan label teks. Dalam tabel tanggal, relasi, dan properti deskripsi Gunakan kolom Shipment Date dan Order Date yang berbeda. Tentukan kolom periode fiskal alih-alih hanya mengandalkan label seperti Q1.
Kolom utama Nilai lengkap dan unik Alamat kunci yang hilang atau diduplikasi sehingga hubungan dan perhitungan menghasilkan hasil yang akurat. Pada transformasi Power Query dan data sumber Pastikan bahwa setiap baris dalam dimensi pelanggan memiliki kunci pelanggan yang unik dan tidak kosong.

Penyegaran, keamanan, dan metadata

Elemen Pertimbangan Deskripsi Tempat pendaftaran Contoh
Menyegarkan jadwal Transparan dan terjadwal Komunikasikan jadwal refresh data dengan jelas untuk memastikan pengguna memahami kewajaran data yang mereka analisis. Dalam pengaturan dan dokumentasi himpunan data Tambahkan kotak teks atau deskripsi yang menyatakan: "Data diperbarui setiap hari pada pukul 06.00 UTC" atau "Data real-time dengan pembaruan berinterval 15 menit."
Keamanan Definisi tingkat peran Tentukan peran keamanan untuk tingkat akses data yang berbeda jika ada elemen sensitif yang tidak semua pengguna akan melihat. Dalam tampilan Model, pilih Kelola peran Buat peran "Tim Penjualan" dengan filter: Sales[Region] = USERNAME() dan peran "SDM" dengan filter pada tabel data karyawan.
Metainformasi Dokumentasi struktur Untuk referensi, dokumentasikan struktur model data, termasuk tabel, kolom, hubungan, dan pengukuran. Menggunakan properti deskripsi dan dokumentasi eksternal Tambahkan deskripsi ke tabel dan kolom. Buat dokumen terpisah dengan diagram model, kamus data, dan katalog ukuran.

Pertimbangan kueri DAX

Tabel berikut ini mencantumkan kriteria lain yang dapat membantu Anda membuat kueri Data Analysis Expressions (DAX) yang akurat dengan Copilot. Rekomendasi ini dapat membantu Anda menghasilkan kueri DAX yang akurat.

Elemen Pertimbangan Deskripsi Tempat pendaftaran Contoh
Pengukuran, tabel, dan kolom Deskripsi Di properti deskripsi, tentukan setiap elemen dan bagaimana Anda ingin menggunakannya. Mulailah dengan makna bisnisnya, unit, dan pengecualian penting. Copilot hanya menggunakan 200 karakter pertama. Di panel Properti, bidang Deskripsi untuk pengukuran, tabel, dan kolom Untuk mengukur [YOY Sales], tambahkan deskripsi: "Perbedaan tahun ke tahun (YOY) dalam Pesanan. Gunakan dengan kolom 'Tanggal'[Tahun] untuk ditampilkan menurut tahun selain tahun terbaru. Sebagian tahun dibandingkan dengan periode yang sama tahun sebelumnya."
Grup perhitungan Deskripsi Metadata model tidak menyertakan item perhitungan. Gunakan deskripsi kolom grup perhitungan untuk mencantumkan dan menjelaskan cara menggunakan item perhitungan. Copilot hanya menggunakan 200 karakter pertama. Di panel properti untuk kolom grup perhitungan Untuk Kolom grup perhitungan sampel inteligensi waktu , tambahkan deskripsi: "Gunakan dengan ukuran dan tabel tanggal untuk Saat Ini: nilai saat ini, MTD: bulan ke tanggal, QTD: kuartal hingga saat ini, YTD: tahun ke tanggal, PY: tahun sebelumnya, PY MTD, PY QTD, YOY: perubahan tahun ke tahun, YOY%: YOY sebagai %." Untuk tabel pengukuran, tambahkan: "Pengukuran digunakan untuk mengagregasi data. Langkah-langkah ini dapat ditampilkan sebagai dari tahun ke tahun dengan menggunakan sintaks CALCULATE([Measure Name], Time intelligence[Time calculation] = YOY).

Memecahkan masalah hasil pengujian

Tinjau kueri dan hasil yang dihasilkan untuk mengidentifikasi sumber masalah sebelum Anda memperbarui instruksi AI.

Issue Apa yang harus diperiksa
Metrik bisnis yang salah Tinjau nama pengukuran, deskripsi, pilihan skema data AI, dan instruksi yang menentukan metrik default.
Total atau periode waktu yang tidak terduga Bandingkan konteks filter dan dasar tanggal dengan hasil yang diharapkan. Kemudian, tinjau perilaku hubungan dan logika agregasi.
Kategori yang hilang atau tidak ada hasil Periksa data sumber, status refresh, nilai kategori, periode yang diminta, dan izin konsumen. Jangan menafsirkan tidak ada hasil sebagai nol.
Mengoreksi data dengan presentasi yang menyesatkan Tinjau unit, pemformatan, pengurutan, dan apakah penjelasan menyatakan lebih dari yang didukung data.
Respons lambat atau gagal Periksa kueri yang dihasilkan dan performa model semantik. Bandingkan kueri dengan kueri referensi yang divalidasi sebelum Anda mengubah panduan bisnis.
Perubahan pada Siapkan data untuk AI tidak ditampilkan Konfirmasikan bahwa Anda mengubah model semantik yang benar dan memungkinkan waktu agar perubahan diterapkan. Tutup dan buka kembali panel Copilot , dan verifikasi persyaratan penyebaran dan refresh apa pun.

Untuk persyaratan terkait pengujian, penyebaran, dan penyegaran, lihat Uji perubahan pada Copilot alat Anda dan Pertimbangan dan keterbatasan.

Konten terkait

  • Terakhir diperbarui pada