Usare Copilot con modelli semantici

Questo articolo illustra come usare le esperienze Copilot in Power BI per i modelli semantici.

Copilot in Microsoft Fabric è un assistente di intelligenza artificiale generativo che mira a migliorare l'esperienza di analisi dei dati nella piattaforma Fabric, incluso il carico di lavoro di Power BI. È possibile usare Copilot in Power BI per supportare sia lo sviluppo che l'utilizzo di modelli semantici sia da utenti self-service che aziendali. Quando usato in modo efficace, Copilot può supportare analisti e utenti aziendali per migliorare la produttività e ottenere più valore dai modelli semantici.

Tuttavia, per usare Copilot con modelli semantici in Power BI, è prima necessario preparare i dati, il modello semantico e gli utenti. Se non si preparano questi elementi, Copilot produce principalmente output di bassa qualità e imprecisi che potrebbero non essere corretti o persino fuorvianti. Le sezioni seguenti illustrano come usare Copilot in Power BI per sviluppare o usare un modello semantico con le esperienze di Copilot disponibili.

Annotazioni

Per altre informazioni, vedere la documentazione di Copilot in Power BI.

Copilot e le sue capacità si stanno evolvendo nel tempo. Le esperienze di Copilot nelle sezioni seguenti potrebbero cambiare e le nuove esperienze potrebbero diventare disponibili con i modelli semantici. Di conseguenza, è consigliabile rimanere aggiornati con le versioni mensili di Power BI e gli annunci di Copilot pertinenti.

Importante

Non è possibile abilitare o disabilitare Copilot in carichi di lavoro specifici o per esperienze di Copilot specifiche. Se si abilita Copilot in Fabric nella capacità di un utente o di un gruppo di sicurezza, tutti i carichi di lavoro e le esperienze di Copilot sono accessibili per tali utenti.

Sviluppare un modello semantico con l'aiuto di Copilot

Quando si sviluppa un modello semantico in Power BI, usare Copilot per migliorare l'efficienza e la praticità di determinate attività. In genere, questo processo comporta l'uso di Copilot per semplificare le modifiche ridondanti o ripetitive (ad esempio la generazione di descrizioni delle misure) o per affrontare o comprendere un modello complesso o DAX (ad esempio, l'uso di Copilot nella visualizzazione query DAX per spiegare i concetti DAX o generare query DAX).

Le sezioni seguenti illustrano in che modo uno sviluppatore o un analista di Power BI che crea modelli semantici può sfruttare le varie esperienze di Copilot in Power BI.

Annotazioni

Le sezioni seguenti riguardano le esperienze che supportano lo sviluppo di modelli semantici in Power BI Desktop e non online usando Modifica modelli di dati nel servizio Power BI. Le linee guida e le considerazioni riportate nelle sezioni seguenti potrebbero comunque essere valide quando si modificano i modelli di dati nel servizio Power BI, ma tenere presente che esistono differenze tra queste due esperienze.

In generale, sviluppare modelli semantici di Power BI usando Power BI Desktop o strumenti di terze parti, quindi pubblicare questi modelli nel servizio Power BI quando si è pronti per usarli. Tuttavia, è anche possibile modificare i modelli di dati nel servizio Power BI se si preferisce o se non è possibile usare gli strumenti desktop per sviluppare il modello.

Porre domande sui dati sul modello semantico

Durante lo sviluppo di un modello semantico, spesso è necessario esplorare ed eseguire query sui dati. In genere, si usa una combinazione dell'editor di Power Query, dell'area di disegno del report e delle query DAX. Tuttavia, è anche possibile porre domande sui dati sul modello e sul relativo contenuto usando il riquadro chat di Copilot. In genere, porre domande sui dati è più un'esperienza di consumo, in cui gli utenti aziendali possono porre domande sui dati quando non riescono a trovare la risposta in un report. Tuttavia, gli sviluppatori possono usare questa funzionalità per esplorare i dati o convalidare le prestazioni di Copilot sul modello.

L'immagine seguente mostra un esempio di un utente che pone una domanda sui dati a Copilot su un modello semantico. L'immagine mostra la richiesta seguente: Qual è stato il profitto % per l'area di vendita australia nel 2023?

Screenshot del riquadro chat di Copilot in cui un utente pone una domanda sui dati a cui risponde il modello semantico.

Casi d'uso

Usare Copilot per porre domande sui dati per i casi d'uso seguenti:

Esplorare i dati nel modello: Uno sviluppatore potrebbe usare l'esperienza Porre domande sui dati per esplorare i dati nel modello usando Copilot. Tuttavia, è probabile che sia più efficiente esplorare i dati aggiungendo oggetti visivi all'area di disegno del report o usando query DAX. Ciò è dovuto al fatto che gli oggetti visivi del report vengono aggiornati automaticamente ogni volta che si apportano modifiche al modello, ma le risposte alle domande sui dati nel riquadro chat di Copilot sono statiche e scompaiono ogni volta che si chiude il riquadro chat di Copilot. Inoltre, gli oggetti visivi generati da Copilot possono contenere filtri specifici dell'oggetto visivo che non è possibile creare manualmente in Power BI Desktop. Questi filtri possono essere fuorvianti o problematici da analizzare.
Convalidare l'uso di Copilot per l'utilizzo del modello semantico: Gli sviluppatori devono usare l'esperienza Porre domande sui dati per comprendere e testare le prestazioni delle esperienze di consumo di Copilot sul modello semantico. Questo è il caso d'uso principale per l'uso di Porre domande sui dati quando si sviluppa un modello semantico. Questo caso d'uso consente a uno sviluppatore di apportare modifiche al modello semantico che potrebbe supportare meglio Copilot per produrre output più utili.

Importante

Quando si progetta il modello semantico, assicurarsi di discutere con gli utenti e documentare come usarlo, inclusi gli elementi, gli strumenti e le esperienze che useranno. Se gli utenti non usano Copilot in Power BI, uno sviluppatore non deve usare l'esperienza Porre domande sui dati per testare il modello. Tuttavia, se gli utenti prevedono di usare Copilot per usare modelli semantici ora o in futuro, è essenziale per gli sviluppatori tenere conto di questo aspetto durante la progettazione e lo sviluppo di modelli.

Vantaggi

Uno sviluppatore può usare Porre domande sui dati per comprendere in che modo l'esperienza sarà destinata agli utenti aziendali che usano il modello semantico usando Copilot in Power BI. Questo test è essenziale se gli utenti aziendali vogliono usare Copilot per usare un modello semantico.

Specifiche dell'esperienza

L'esperienza Porre domande sui dati è diversa dal Copilot standard nel processo Fabric nelle seguenti aree. Questa panoramica si applica all'uso dell'esperienza Porre domande sui dati durante lo sviluppo e l'utilizzo di modelli semantici:

Immissione: Gli utenti forniscono una richiesta scritta che pone una domanda o richiede informazioni specifiche dal modello semantico.
Pre-elaborazione e dati di ancoraggio: Copilot recupera i dati di ancoraggio dallo schema del modello. Esegue la riduzione dello schema per tentare di limitare il contesto a ciò che è più importante. Come contesto, Copilot accetta le informazioni seguenti per cercare di migliorare l'utilità e la specificità dell'output di Copilot:
- Tutti i metadati del report nella pagina del report corrente. Se sono presenti metadati del report pertinenti, Copilot in Power BI risponde alle domande sui dati dal report anziché dal modello.
- Conversazione con Copilot nella sessione corrente. Questa conversazione include eventuali domande e output precedenti, inclusi i punti dati delle domande relative ai dati a cui Copilot ha risposto in precedenza.
- Schema del modello semantico, che include tabelle, righe, colonne, misure e altri oggetti , ad esempio relazioni, gruppi di calcolo e così via.
- Schema linguistico del modello completo.
- Alcune proprietà del modello semantico, incluse descrizioni, tipi di dati, stringhe di formato e categoria di dati.
Le informazioni seguenti sono escluse:
- Qualsiasi pagina del report nascosta.
- Qualsiasi campo (misura o colonna) nel modello nascosto.
- Qualsiasi tabella nel modello contrassegnata come privata.
Prodotto: L'output fornito da Copilot contiene diverse parti:
- Visivo: Copilot risponde alla domanda sui dati eseguendo il rendering di un oggetto visivo di Power BI, ad esempio una scheda, un grafico a linee o una tabella. Copilot sceglie l'oggetto visivo e la relativa formattazione, che l'utente non può controllare o richiedere nella richiesta. La visualizzazione potrebbe andare in timeout se il modello sottostante, il DAX o i dati non sono ottimizzati o sono troppo complessi.
- Sommario: Copilot riepiloga il risultato della query. Questo riepilogo viene generato inviando un risultato di query semantica ad Azure OpenAI (che include i punti dati) e richiedendo una spiegazione in linguaggio naturale.
- Errori o richiesta di chiarimento: Se Copilot non è in grado di produrre una risposta, potrebbe restituire un messaggio di errore generico. Questo messaggio di errore può includere una richiesta di chiarimento, incluse le varianti suggerite della domanda di dati originali dell'utente.

Attenzione

Quando si usa Copilot in Power BI con modelli semantici in Power BI Desktop, Copilot potrebbe usare i metadati del report come dati di base. In determinate circostanze, i metadati del report possono contenere punti dati, ad esempio valori di colonna, che potrebbero includere informazioni riservate. Questa condizione è vera sia per il formato dei metadati del report legacy che per il nuovo formato di report avanzato (PBIR) di Power BI.

Suggerimenti per migliorare gli output di Copilot

Copilot può produrre output non accurati o di bassa qualità, incluse risposte errate alle domande relative ai dati. Spesso, risposte errate derivano da errori dell'utente o problemi del modello. Per ridurre la probabilità di output errati o imprevisti da parte di Copilot, affrontare le richieste degli utenti e la progettazione del modello di dati.

Importante

Risposte imprecise alle domande relative ai dati possono causare decisioni e azioni errate da parte degli utenti aziendali, che generano risultati negativi. Per evitare questo impatto negativo, è importante attenuare la probabilità di risposte imprecise da Parte di Copilot il più possibile.

Un utente può produrre risultati non corretti solo scrivendo una richiesta scadente. Di seguito sono riportati alcuni esempi di richieste scarse:

Prompt vaghi o incompleti: Se si descrive in modo non accurato o incompleto l'output desiderato o si usa una lingua ambigua nel prompt, è meno probabile che Copilot producano un risultato utile. Quando si scrivono richieste, provare a essere il più specifico e descrittivo possibile per indicare il risultato desiderato.
Prompt non corretti: Se si commettono errori di ortografia quando si fa riferimento a una misura, una colonna o un nome di tabella, Copilot potrebbe non fare riferimento al campo corretto. Quando si scrivono richieste, assicurarsi che i campi menzionati nella richiesta facciano riferimento correttamente ai campi nello schema del modello semantico. Questa regola include l'evitare abbreviazioni, acronimi o punteggiatura eccessiva. È anche possibile usare sinonimi per fare riferimento ai campi, ma non è possibile convalidare i sinonimi disponibili per un determinato campo, ad esempio come visualizzare le descrizioni quando si passa il puntatore del mouse su una misura o una colonna nel riquadro Dati.
Dati di base eccessivi o inappropriati: Se si invia una richiesta tramite il riquadro chat di Copilot, Copilot accetta la cronologia delle chat da tale sessione come dati di base durante la pre-elaborazione. A seconda di ciò che comporta la cronologia delle chat, è possibile ottenere risultati diversi o imprevisti. Quando si scrivono richieste, prendere in considerazione che le richieste e gli output precedenti vengono usati come dati di riferimento. Per evitare questo problema, selezionare il pulsante Copilot per chiudere e riaprire il riquadro della chat di Copilot, cancellando la cronologia delle chat prima di inviare una nuova richiesta.

L'immagine seguente mostra un esempio di output non corretto di Copilot a causa di un prompt utente non corretto:

Screenshot che mostra il riquadro della chat di Copilot in cui l'utente pone una domanda sui dati che Copilot risponde con il modello semantico.

L'immagine mostra la richiesta seguente: Qual è stato il profitto % per l'area di vendita australia nel 2023? Nell'output Copilot restituisce il valore del profitto anziché il profitto come percentuale. In questo caso, l'utente potrebbe ottenere un risultato migliore da Copilot specificando più chiaramente che desiderano il profitto in percentuale (anziché usare il simbolo percentuale).

Oltre alle richieste degli utenti, l'esperienza Porre domande sui dati può anche produrre risultati non corretti o imprevisti a causa della qualità o dell'organizzazione del modello semantico sottostante. Esempi di quando il modello semantico produce risultati scarsi includono:

Progettazione o implementazione di modelli scadenti: Se il modello semantico non segue le procedure consigliate comuni (ad esempio una progettazione dello schema star), è probabile che si ottengano risultati scarsi con qualsiasi strumento o esperienza di consumo. Cercare sempre modelli semantici di qualità per sfruttare al meglio Power BI e Fabric. Vedere anche Linee guida per la modellazione dei dati per Power BI per altri suggerimenti e indicazioni per migliorare i modelli semantici di Power BI.
Convenzioni di denominazione scarse: Se i campi hanno convenzioni di denominazione incoerenti o eccessive (ad esempio acronimi, abbreviazioni e punteggiatura), è più probabile che gli utenti commettono errori nei loro prompt e Copilot si confondano quando si fa riferimento a questi campi. Copilot funziona meglio quando tabelle, colonne e misure hanno nomi in inglese leggibile.
Organizzazione di modelli scadente: Se non si organizza il modello, è probabile che si verifichino più problemi con Copilot. L'organizzazione del modello è un argomento di grandi dimensioni che include molte attività, tra cui descrizioni dei campi, nascondere colonne e misure ed evitare campi con gli stessi nomi in tabelle diverse.
Modellazione linguistica: Se il modello semantico non ha la modellazione linguistica configurata, inclusi i sinonimi per campi o verbi per le relazioni, Copilot potrebbe essere più probabile che restituisca risultati imprevisti. Power BI si basa sulla stessa modellazione linguistica della funzionalità Q&A. La configurazione di un modello linguistico per il modello semantico comporta tempi e sforzi aggiuntivi sulle attività di sviluppo del modello semantico. Tuttavia, è possibile compensare questo problema leggermente usando Copilot per generare sinonimi, come illustrato più avanti in questo articolo.
Complessità del modello: Il modello più complesso è che include più campi, dipendenze e logica di business, maggiore è la probabilità che si verifichino difficoltà quando si usa Copilot. Ad esempio, modelli complessi come la conversione di valuta o le tabelle disconnesse (ad esempio i parametri di campo) possono causare risultati imprevisti o errati quando gli utenti fanno riferimento a questi campi o tabelle nelle richieste. Con modelli più complessi, potrebbe essere necessario prendere in considerazione decisioni specifiche di progettazione dei modelli per ottenere i risultati migliori con Copilot. In generale, è consigliabile testare il modello con Copilot per determinare se si ottengono risultati coerenti e affidabili. In caso contrario, potrebbe essere consigliabile consigliare agli utenti di non usare Copilot per consumare il modello semantico.

Annotazioni

Per altre informazioni, vedere Preparare un modello semantico per il consumo di Copilot più avanti in questo articolo. Vedere anche l'articolo separato aggiornare il modello di dati in modo che funzioni bene con Copilot per Power BI per altre considerazioni.

L'immagine seguente mostra un esempio di output non corretto di Copilot a causa di problemi con il modello semantico:

Screenshot di un utente che pone una domanda sui dati che Copilot risponde in modo non corretto a causa di nomi di campo ambigui nel modello semantico.

L'immagine illustra la richiesta seguente: Quante unità sono state vendute in Australia nel 2023? Nella risposta, Copilot restituisce il numero di unità in cui la colonna Country nella tabella Customer viene filtrata in "Australia", invece di filtrare la colonna Country nella tabella Area vendite . In questo caso, l'utente potrebbe aver migliorato la richiesta di specificare il paese dell'area di vendita. Tuttavia, lo sviluppatore di modelli semantici potrebbe anche nascondere o rinominare la colonna Country nella tabella Customer se non è destinata a essere usata da Copilot. In alternativa, è possibile disabilitare il campo dai sinonimi di campo del modello linguistico usando la configurazione Q&A.

L'importanza dello schema linguistico e della configurazione Q&A è descritta nella sezione Schema linguistico.

Suggerimento

È possibile identificare i campi e i filtri usati da Copilot per generare un oggetto visivo o rispondere a una domanda sui dati facendo clic sul pulsante Aggiungi alla pagina . Questa azione aggiunge l'oggetto visivo all'area di disegno del report, in cui è possibile selezionare l'oggetto visivo e visualizzare i filtri applicati da Copilot o i campi usati da Copilot.

Indipendentemente dalla qualità del prompt o del modello, è comunque possibile ottenere output non accurati o di bassa qualità da Copilot quando si usa l'esperienza Porre domande sui dati . Questo perché il modello sottostante, con la configurazione corrente, non è deterministico e non è garantito che producano una risposta corretta o la stessa risposta con lo stesso prompt, modello e dati.

L'immagine seguente mostra un esempio di Copilot che produce risultati imprecisi o inappropriati:

Screenshot di un utente che pone una domanda sui dati che Copilot risponde in modo non corretto filtrando la colonna data errata.

In questo esempio, l'immagine mostra le richieste: Domanda: Quale paese ha prodotto il profitto più alto nel 2024? e Domanda: Quale paese ha prodotto il profitto più alto nel 2023? Gli output mostrano prima che Copilot richieda chiarimenti dopo che non sono presenti dati per il modello 2024. Tuttavia, nel modello 2024 sono presenti dati quando si filtra l'anno usando la tabella date. Copilot restituisce quindi un filtro dei risultati che filtra la colonna Compleanno dalla tabella Customer anziché la tabella data contrassegnata nel modello. Anche se l'utente potrebbe produrre un prompt più specifico o lo sviluppatore potrebbe nascondere il campo Compleanno , in questo caso Copilot dovrebbe produrre il risultato previsto.

Per attenuare questo problema, si dovrebbe formare gli utenti a valutare criticamente gli output ottenuti da Copilot in Fabric e Power BI e a sapere cosa fare per risolvere eventuali risultati imprevisti. Inoltre, dovrebbero essere in grado di provare una nuova richiesta chiudendo e riaprendo il riquadro o la finestra della chat di Copilot.

Visualizzazione query DAX

Durante lo sviluppo di un modello semantico, usare Copilot per generare query DAX nella vista delle query DAX. In queste query è anche possibile definire misure DAX, che è quindi possibile aggiungere al modello semantico. È anche possibile usare Copilot per spiegare i concetti DAX nelle query generate o nelle query create manualmente.

L'immagine seguente mostra un esempio di un utente che chiede a Copilot di generare una query DAX.

Screenshot di un utente che richiede a Copilot di generare una query DAX nella visualizzazione query DAX.

L'immagine illustra la richiesta seguente: Profitto YTD per mese nel 2023. L'utente potrebbe quindi chiedere a Copilot di spiegare la query, come illustrato nell'immagine seguente.

Screenshot di Copilot che illustra una query DAX nella visualizzazione delle query DAX di Power BI Desktop.

L'immagine illustra il prompt seguente: Spiega questa query DAX. La spiegazione viene visualizzata nella parte inferiore della finestra Copilot.