Note
La creazione di tutti i dati di preparazione per le funzionalità di intelligenza artificiale non è disponibile sia nel servizio Power BI che in Power BI Desktop. Il consumo di queste funzionalità è disponibile ovunque esista Copilot.
Funzionalità degli strumenti
Quali funzionalità di Power BI hanno oggi per aiutarmi a preparare i dati per Copilot?
Attualmente Power BI offre quattro funzionalità principali di strumenti per configurare il modello in modo che sia pronto per l'elaborazione del linguaggio naturale:
- Schema dei dati di intelligenza artificiale: consente di selezionare un subset dello schema per il consumo di Copilot.
- Risposte verificate: una risposta configurata impostata da un autore del modello convalidato per l'accuratezza e l'affidabilità. Gli autori possono impostare oggetti visivi specifici per Copilot da usare in una risposta verificata quando un utente pone una domanda che rientra nella categoria assegnata.
- Istruzioni per l'intelligenza artificiale: istruzioni che è possibile impostare sul modello per fornire più contesto sui dati nel modello, aiutare Copilot a capire quando concentrarsi sui dati e comprendere determinati mapping che gli utenti del linguaggio di mapping potrebbero usare durante l'interazione con Copilot.
- Descrizioni: descrizioni impostate su tabelle e colonne per fornire maggiori dettagli sul contesto dei dati. Le descrizioni vengono usate solo nelle query DAX (Data Analysis Expression) e nelle funzionalità di ricerca Copilot.
In quale ordine è necessario implementare le funzionalità degli strumenti di Copilot di Power BI?
Per ottenere il massimo valore da Power BI Copilot, è consigliabile implementare le funzionalità di strumenti nella sequenza seguente:
Definire lo schema dei dati di intelligenza artificiale.
Per iniziare, selezionare le tabelle, i campi e le misure specifiche di Copilot devono fare riferimento per rispondere alle domande sui dati.
Durante lo sviluppo di modelli, è possibile includere elementi non pertinenti per le query dell'utente finale. Restringere lo schema consente a Copilot di concentrarsi sulle parti più significative del modello, riducendo l'ambiguità, in particolare in set di dati di grandi dimensioni con campi sovrapposti o denominati in modo analogo.
Di seguito è riportato un esempio del modo in cui lo schema dei dati di intelligenza artificiale può aiutare Copilot a concentrarsi sui dati corretti.
Quando viene usato l'intero schema, Copilot non è sempre chiaro sulla finalità dell'utente quando dicono vendite. In questo caso, Copilot ha restituito GPM o margine di profitto lordo, un'interpretazione legittima delle vendite, ma non la metrica usata in genere da questo team per analizzare le vendite.
L'autore del modello passa ai dati di preparazione per l'intelligenza artificiale e rimuove la misura Total GPM dall'essere inclusa nello schema passato a Copilot.
Ora, quando l'utente pone la stessa domanda, Copilot ha maggiore chiarezza su dove ottenere la risposta e interpreta correttamente le vendite come definite e misure da questo team.
-
Configurare le risposte verificate per domande comuni o sfumate che gli utenti potrebbero porre.
A tale scopo, selezionare un oggetto visivo e scegliere "Crea risposta verificata". Aggiungere quindi frasi trigger che riflettono il modo in cui gli utenti potrebbero formulare le proprie domande. Quando gli utenti immettono una frase corrispondente o simile in Copilot, restituisce l'oggetto visivo attendibile, garantendo risposte coerenti e di alta qualità nei report.
Nell'esempio seguente viene illustrato il vantaggio di una risposta verificata. L'utente chiede vendite per area. Copilot interpreta l'area come area del prodotto e restituisce un elenco di prodotti e le relative vendite. Tuttavia, l'utente stava cercando le vendite in base all'area o alla località.
L'autore del modello imposta una risposta verificata usando un oggetto visivo che include le vendite per area. Dopo aver scelto di impostare una risposta verificata nell'oggetto visivo, l'autore del modello include frasi trigger che quando richiesto da un utente devono restituire questa risposta visiva specifica.
Ora, quando l'utente chiede quali sono le vendite per area, la risposta verificata, approvata dall'autore del modello, viene restituita da Copilot.
Aggiungere istruzioni per l'intelligenza artificiale.
Dopo aver definito lo schema e le risposte verificate, usare le istruzioni di intelligenza artificiale per guidare il comportamento di Copilot a livello di modello.
Le istruzioni consentono di chiarire la logica di business, mappare la terminologia degli utenti ai campi del modello e indirizzare Copilot su come interpretare o analizzare tipi di dati specifici. Sono utili per fornire un contesto che Copilot non dedurrebbe in altro modo autonomamente.
L'esempio seguente illustra come usare le istruzioni di intelligenza artificiale per fornire più contesto a Copilot. L'utente ha chiesto vendite durante la stagione 2012. La stagione occupata è una frase ben definita e comunemente usata all'interno di questa organizzazione. Tuttavia, il modello semantico non ha alcuna indicazione di questo termine ovunque. L'autore del modello imposta un'istruzione che la stagione occupata viene definita come june-ago.
Ora quando l'utente pone nuovamente la domanda sulle vendite durante la stagione occupata, Copilot comprende questo termine definito e può fornire la risposta.
Aggiungere descrizioni a tabelle e colonne.
Le descrizioni forniscono metadati aggiuntivi che Copilot può usare per comprendere il modello.
Mentre le descrizioni attualmente influiscono solo su alcuni comportamenti di Copilot, avranno un ruolo più ampio nelle funzionalità future. L'aggiunta di questi strumenti consente ora di creare una base solida per un successo a lungo termine con interazioni in linguaggio naturale in Power BI.
È possibile creare strumenti in un report invece del modello?
Attualmente, gli strumenti e le funzionalità di configurazione sono disponibili solo nel modello. La configurazione di report diversi compilati con lo stesso modello non è ancora supportata. Lo schema, le risposte verificate, le istruzioni e le descrizioni vengono impostate nel modello semantico, ma non nel report.
Quali funzionalità di Copilot sono interessate dalla preparazione dei dati per Copilot?
Fare riferimento alla tabella seguente:
| Capability | Schema dei dati di intelligenza artificiale | Risposte verificate | Istruzioni per l'intelligenza artificiale | Descriptions |
|---|---|---|---|---|
| Ottenere un riepilogo del report | No | No | Yes | No |
| Porre una domanda sugli oggetti visivi nel report | No | Yes | Yes | No |
| Porre una domanda sul modello semantico | Yes | Yes | Yes | No |
| Crea una pagina del report | No | No | Yes | No |
| Search | No | Yes | No | Yes |
| Query DAX | No | No | Yes | Yes |
Sapere quale funzionalità usare
Sto cercando di ottenere Copilot per selezionare il campo giusto. Quale funzionalità è consigliabile usare?
Definire lo schema dei dati di intelligenza artificiale.
Rimuovere tutte le tabelle, le colonne o i campi irrilevanti per le esigenze degli utenti. Ciò consente a Copilot di concentrarsi sulle parti più rilevanti del modello, assicurandosi che selezioni i campi corretti quando risponde alle query.
Usare risposte verificate per gli oggetti visivi nei report.
Se la risposta a una domanda può essere derivata da un oggetto visivo nel report, creare una risposta verificata. In questo modo, quando gli utenti fanno domande con frasi trigger specifiche, Copilot restituisce l'oggetto visivo corretto in modo coerente.
Personalizzare le istruzioni per campi specifici.
Dopo aver impostato lo schema e le risposte verificate, è possibile usare le istruzioni di intelligenza artificiale per guidare Copilot quando si selezionano campi specifici. È consigliabile usare le istruzioni per ottimizzare e per scenari avanzati dopo che sono state impostate altre funzionalità di intelligenza artificiale dei dati di preparazione. Usando questa sequenza di passaggi, si garantisce che Copilot restituisca i risultati più accurati e contestualmente pertinenti agli utenti, guidati dalla struttura del modello e dalle istruzioni definite.
Sto cercando di ottenere Copilot per capire il termine che sto usando. Quale funzionalità è consigliabile usare?
Se si ha un termine Copilot sta lottando per comprendere che hanno sempre lo stesso singolo elemento corretto a cui fare riferimento nel modello, è possibile fornire un nome alternativo tramite le istruzioni di intelligenza artificiale.
Ad esempio, se il team chiama le persone che vendono i prodotti "più vicini", l'opzione migliore consiste nel fornire un riferimento nelle istruzioni di intelligenza artificiale impostando "venditori" anche come "più vicini".
Sto cercando di ottenere Copilot per comprendere i termini con condizioni o raggruppamenti. Quale funzionalità è consigliabile usare?
Se il team usa determinati termini che non corrispondono esattamente a 1:1 con tabelle/campi nel modello, l'uso delle istruzioni di intelligenza artificiale consente di chiarire elementi diversi con determinate condizioni o raggruppamenti.
Ad esempio, un team di vendita potrebbe classificare "high performer" come chiunque vende più di 100% dei propri obiettivi in un determinato mese. È quindi possibile fornire le istruzioni seguenti a Copilot:
High performer significa un venditore che soddisfa 100% o più del loro obiettivo mensile.
Ora, quando un utente chiede "Chi sono stati i più alti performer del mese scorso?" Copilot comprende la definizione di cosa significa un'alta performer nel team e nell'organizzazione.
Un altro esempio potrebbe essere il modo in cui un team classifica le diverse stagioni. Ad esempio, Jan-May potrebbe essere fatto riferimento nella tua squadra come stagione lenta, da giugno a settembre potrebbe essere occupato stagione e ottobre a dicembre potrebbe essere stagione standard.
Nelle istruzioni di intelligenza artificiale è possibile impostare quanto segue:
- La stagione lenta significa gennaio a maggio.
- La stagione occupata significa da giugno a settembre.
- Stagione standard significa da ottobre a dicembre.
Ora, quando un utente chiede "Quali sono state le vendite totali per la stagione occupata l'anno scorso?" Copilot comprende l'intervallo di tempo che l'utente intende per stagione occupata.
Sto cercando di ottenere Copilot per restituire la risposta corretta alle domande più frequenti. Quale funzionalità è consigliabile usare?
Gli utenti del report e dei dati hanno probabilmente domande comuni che vengono poste più frequentemente. Il modo migliore per risolvere questo problema consiste nell'applicare risposte verificate al modello. Applicare una risposta verificata selezionando un oggetto visivo e impostando frasi trigger che quando un utente chiede informazioni sull'argomento, restituisce informazioni usando l'oggetto visivo assegnato.
Ad esempio, i consumatori del report e del modello spesso chiedono: "Quale prodotto ha avuto le vendite più alte della settimana scorsa" domande sul totale delle vendite e sugli importi. L'impostazione di una risposta verificata aiuta Copilot a capire da dove ottenere le informazioni corrette e aiuta a creare la fiducia degli autori e dei consumatori con la risposta fornita.
Sto cercando di ottenere copilot restituire risposte diverse in base ai domini o ai gruppi di utenti. Quale funzionalità è consigliabile usare?
Le funzionalità attuali sono limitate all'ampio consumo. La creazione di un glossario basato su gruppi diversi non è attualmente supportata. Ad esempio, se l'utilizzo per i tecnici significa "numero di volte su cui è stato fatto clic" e l'utilizzo a un product manager significa "pagare i clienti in un determinato mese", definire "utilizzo" nel modello in due modi diversi non può essere supportato oggi.
Preparazione dei dati per l'intelligenza artificiale
Viene visualizzato un errore che indica che "Copilot è attualmente sincronizzato con il modello di dati". Cosa significa?
Per consentire a Copilot di ottenere prestazioni ottimali, è fondamentale che Copilot possa comprendere i dati sottostanti nel modello semantico. Un modo in cui Power BI Copilot tenta di comprendere i dati sottostanti consiste nell'indicizzazione del modello semantico per cercare in modo accurato i valori pertinenti in base ai quali trovare una corrispondenza. Ciò consente a Copilot di rispondere alle domande in modo efficace in base alla richiesta dell'utente.
Si consideri il set di dati per il turismo delle Hawaii. Per rispondere a domande come: "In che modo il tempo ha influenzato le visite turistiche su Maui?" Copilot deve comprendere che Maui è un valore di istanza nel modello semantico nella colonna Nome isola della tabella Island .
Per offrire a Copilot la possibilità di cercare in modo efficace questi valori di istanza, il modello semantico viene indicizzato quando Q&A è abilitato e reindicizzazione quando Power BI rileva le modifiche apportate al modello.
Frequenza di indicizzazione del modello
L'indicizzazione viene eseguita per tutti i modelli con l'impostazione Q&A abilitata.
Note
L'impostazione Q&A è attivata per impostazione predefinita per i modelli di importazione . Per altre informazioni su questa impostazione, vedere la documentazione relativa alle impostazioni di domande e risposte.
La reindicizzazione si verifica quando viene eseguita una delle azioni seguenti:
- Per i modelli di importazione :
- Il modello è stato pubblicato/ripubblicato nel servizio.
- Il modello è stato aggiornato tramite aggiornamento manuale o pianificato e Copilot/Q&A è stato usato negli ultimi 14 giorni.
- Per i modelli Direct Query e Direct Lake :
- Il modello è stato pubblicato/ripubblicato nel servizio.
- L'indice supera le 24 ore e Copilot/Q&A è stato usato negli ultimi 14 giorni.
Il messaggio seguente in Copilot indica che il modello è attualmente in fase di indicizzazione. Il messaggio deve essere risolto automaticamente al termine dell'indicizzazione.
Note
Questo errore non significa che Copilot non sia disponibile per gli utenti. Questo messaggio indica che eventuali nuovi valori di istanza aggiunti o modificati nel modello potrebbero non riflettere nelle risposte di Copilot fino al completamento dell'attività di indicizzazione.
Metodologia di indicizzazione
Le colonne di testo nel modello semantico sono le uniche colonne indicizzate. Le colonne nascoste nello schema di intelligenza artificiale tramite la funzionalità Prep your data for AI non vengono indicizzate.
Fino a cinque milioni di valori di istanza vengono indicizzati con colonne, con cardinalità minima indicizzata per prima. La cardinalità della colonna viene determinata con DISTINCTCOUNT per i modelli di importazione e COLUMNSTATISTICS per i modelli di Direct Query. Per le origini direct query, la COLUMNSTATISTICS funzione usa la funzione per le APPROXIMATEDISTINCTCOUNT origini dati sottostanti che la supportano per determinare in modo efficiente le cardinalità approssimative delle colonne. Per evitare ulteriormente l'overload del sistema sottostante per i modelli di Direct Query con un flusso di query a causa dell'indicizzazione, i risultati di COLUMNSTATISTICS vengono memorizzati nella cache e le statistiche vengono ricalcolate ogni sette giorni. Durante il processo di indicizzazione, se il limite superiore del valore dell'istanza di cinque milioni viene incrociato con l'indicizzazione della colonna successiva, l'indicizzazione della colonna viene ignorata completamente.
Se viene raggiunto il limite dell'indicizzazione, Copilot risponde comunque, ma in base all'indice compilato, che non include tutti i valori dell'istanza. Gli utenti visualizzano l'avviso seguente quando il modello semantico in questione raggiunge il limite di indicizzazione.
Limitazioni note
- L'indicizzazione ha un limite massimo di cinque milioni di valori di istanza o 1.000 entità di modello (tabelle/colonne) per modelli semantici di grandi dimensioni.
- I valori di testo di 100 caratteri non vengono indicizzati.
- I modelli Direct Query indicizza solo le colonne per le origini dati che supportano
APPROXIMATEDISTINCTCOUNT. - L'indicizzazione per i modelli Direct Query e Direct Lake viene eseguita una volta durante un periodo di tempo di 24 ore, a meno che il modello non venga ripubblicato.