Mengoptimalkan model semantik Anda untuk Copilot di Power BI

Berlaku untuk:✅ layanan Power BI

Evaluasi data Anda sebelum Anda menggunakan Copilot dengan model semantik Anda. Anda mungkin perlu membersihkan model semantik Anda sehingga Copilot dapat memperoleh wawasan darinya.

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.

Pertimbangan untuk model semantik dalam penggunaan Copilot

Anda dapat membuat laporan yang akurat dengan menggunakan Copilot kriteria dalam tabel berikut. Rekomendasi ini dapat membantu Anda menghasilkan laporan Power BI yang akurat.

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 Penentuan batas yang jelas Jelas menguraikan tabel fakta, yang menyimpan data kuantitatif yang terukur untuk analisis. Dalam properti tabel dan struktur model data Beri nama tabel secara eksplisit sebagai tabel fakta: FactSales, FactTransactions, FactVisits.
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

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 sebelumnya Sertakan serangkaian langkah yang telah ditentukan sebelumnya yang kemungkinan besar diminta pengguna dalam laporan. Membuat langkah-langkah dalam model Anda yang umumnya dibutuhkan pengguna Tambahkan ukuran seperti YTD Sales = TOTALYTD(SUM(Sales[SaleAmount]), 'Date'[Date]) atau MoM Growth = DIVIDE([This Month Sales] - [Last Month Sales], [Last Month Sales]).
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. 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).

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. 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).

Konten terkait

  • Last updated on