Copilot Power BI チュートリアル: AI のセマンティック モデルを準備する

注

AI 命令と AI データ スキーマの作成は Power BI Desktop でのみ使用でき、検証済みの回答については Power BI Desktop と Power BI サービスの両方で使用できます。 これらの機能の使用は、Copilotが存在するすべての場所で利用できます。

このチュートリアルでは、推奨されるプラクティスを適用して、AI 用のセマンティック モデルを準備し、構成します。 このチュートリアルで学習する内容は次のとおりです。

• データ スキーマを簡略化する
• 検証済みの回答を作成する
• AI 命令を追加する
• AI の準備済みとしてマークする

Von Bedeutung

このチュートリアルには 、プレビュー 機能が含まれています。

注

Copilot 出力は非決定的です。つまり、同じプロンプトとグラウンド データを使用しているにもかかわらず、ユーザーが Copilot エクスペリエンスから異なる出力を受け取る可能性があります。 Copilotから期待される出力の種類と、それらの出力を自分で評価または検証する方法をユーザーが把握できるように、ユーザーに期待値を設定することが重要です。

Power BI でのCopilotの責任ある使用の詳細について説明します。

指導

Power BI でセマンティック モデルを開発するときは、 Copilotを効果的に使用できるようにモデルを準備することが重要です。 適切な準備をしないと、 Copilot は役に立たず、不正確な結果が生成される可能性があります。 セマンティック モデルの有効性を確保するには、最適なモデリング プラクティスに従い、重要な手順を実行します。 これらの準備を無視すると、 Copilot が最適でない結果を生み出す可能性があります。 次のセクションでは、セマンティック モデルの開発者とアナリストが Power BI 内の Copilot エクスペリエンスを強化するための主な考慮事項について説明します。

• モデル編成: フィールドの説明の提供、列とメジャーの非表示、テーブル間でのフィールド名の重複の回避などのタスクが完了していることを確認します。
• 一貫性のある名前付け規則: テーブル、列、メジャーに人間が判読できる名前を使用し、Customer テーブルの "Name" や Store テーブルの "Name" など、同様の名前付きフィールドを区別します。
• 簡潔な説明: 説明文を使用して、テーブル、列、メジャー、およびその他のモデル オブジェクト プロパティの意味を文書化し、説明します。
• モデル設計: スター スキーマ設計などの推奨されるデータ モデリング プラクティスに従って、品質セマンティック モデルを確保します。
• モデルの複雑さ: 未使用のオブジェクト (テーブル、フィールド、メジャー) を削除し、あいまいなリレーションシップを回避し、複雑なパターン (切断されたフィールド パラメーター テーブルなど) を制限することで、モデルを簡略化します。

Copilotを使用してモデルを継続的にテストし、モデルの変更を導入する際と、AI 用のセマンティック モデルを準備するための新しいツールと機能を利用できるようになると共に、一貫性のある信頼性の高い結果が得られるようにします。 問題が解決しない場合は、ユーザーと共にモデルを確認し、よく寄せられる質問を理解し、より良い結果を得るために設計を簡略化します。

Power BI で質問を最適化し、回答を得るためのベスト プラクティスについて説明します。

AI 用のデータを準備する (プレビュー)

Power BI Desktop で、次の図に示すように、リボンの [ホーム] タブにある [AI の準備データ ] アイコンを選択します。

データ スキーマを簡略化する (プレビュー)

一貫性のある信頼性の高い結果を確保するために、最初の手順は、 Copilot が使用できるスキーマを簡略化することです。 このプロセスが役立つ可能性がある一般的なシナリオを次に示します。

• テーブル間でフィールド名を複製する: 複数のテーブルに同じ名前のフィールドがある場合、正確な応答を生成するのは困難な場合があります。 一意のフィールド名が選択されていることを確認することで、混乱を減らし、データ取得の精度を向上させることができます。
• セマンティック モデルの複雑さ: 多くの未使用のオブジェクト (テーブル、フィールド、メジャーなど) を持つモデルでは、応答に不確実性が生じる可能性があります。 不要なオブジェクトを削除してスキーマを合理化すると、不要な要素を処理するときのあいまいさと潜在的なエラーが軽減されます。

1. 開いたダイアログで、カードを選択するか左側のナビゲーション メニューを使用して、[ データ スキーマの簡略化] を選択します。

   

2. Copilotの応答精度を向上させるには、分析するCopilotに関連しない次のフィールドの選択を解除してから、[適用] を選択します。

   1. アカウント テーブルから、テーブル エクスプローラーを展開し、アカウント ID フィールドのボックスの選択を解除して、一意の識別子関係フィールドの選択を解除します。
   2. [日付] テーブルから、テーブル エクスプローラーを展開して、モデルの並べ替え列ヘルパーフィールドの選択を解除するために、[日] (並べ替え順序) フィールドと [月] (並べ替え順序) フィールドのボックスの選択を解除します。

   

3. [ 閉じる ] を選択して レポート ビュー ページに戻り、レポートのビジュアルの検証済み回答を作成します。

   

検証済みの回答を作成する (プレビュー)

検証済みの回答を作成することで、セマンティック モデルから分析情報を求めるときにユーザーが尋ねる可能性のある語句、質問、キーワードを追加できます。 ユーザーがこれらのトリガー フレーズのいずれかを使用して質問 Copilot すると、 Copilot は構成されたビジュアルに基づいて回答を返すことができます。

1. [営業案件の概要] ページで、左下隅にある [Pipeline by Stage]\(ステージ別パイプライン\) ビジュアルを選択し、右クリックして [ 検証済みの回答の設定] を選択します。

   

2. ビジュアル内の情報に基づいて、一連の Copilot 候補が作成されます。 これらの提案を選択して、検証済みの回答に接続されたフレーズとして追加したり、[最新の情報に更新] を選択して新しい提案セットを生成したり、独自の候補を追加することができます。

   Copilot候補はセッションごとに異なる可能性があるため、追加 (+) オプションを選択して、接続されたフレーズを手動で構成します。

   

3. 次の 2 つの検証済み回答の例を追加し、 完了したら Enter キーを押して各エントリを確認します。

   • 各販売ステージに含まれる営業案件の数はいくつですか?
   • 営業段階によって営業案件の数はどのように異なりますか?

   確認済みの回答を調整するには、各エントリの上にマウス ポインターを合わせ、編集 (鉛筆) または削除 (ごみ箱) オプションを選択します。

   

4. [ 適用] を選択し、[ すべての検証済み回答 ] ビューに移動します。

   

5. 検証済みの回答には、ビジュアルに接続されているすべてのフレーズとそのフレーズ数が一覧表示されます。 各フレーズを選択して更新または削除できます。

   

AI の手順を追加する (プレビュー)

AI 命令を使用すると、組織の知識に接続することで、 Copilotの機能を強化できます。 主要なビジネス コンテキスト、ガイダンス、ドメイン固有のロジックを提供することで、ビジネス固有のニーズ Copilot 理解し、より関連性の高い正確な応答を提供するのに役立ちます。 開発全体を通じて、AI の指示を繰り返し調整し、 Copilotの応答をテストして、正確さとビジネス目標との整合性を確保します。

1. [ AI 命令の追加] を選択し、次の例をコピーして手順フィールドに貼り付けて、[ 適用] を選択します。

   Tailor responses to industry norms for a software company's sales channel. Sales managers monitor their direct and partner sales channels by tracking opportunities and revenue by region, deal size, and channel.
   
   Specific instances:
   - Key earners refers to the top three partners by total revenue.
   - If asked about "Clients", "Customers", or "Organizations" use the Accounts table.
   - For sales cycle questions, always use the Average Opportunity Days measure.
   - Opportunity Days is synonymous with Sales Cycle duration, or Time to Close (TTC)
   - "Leads", "Deals", "Potential Deals" and "Sales Prospects" are all phrases that refer to the opportunities table. 
   - If asked about early stages of an opportunity, only show the Solution stage. 
   - If the audience is leadership, prioritize revenue and opportunity count, as well as the number of deals in the finalize stage.
   

   

2. [ 閉じる] を選択してレポート ビュー ページに戻ります。

   

Copilotを使用してデータをテストする (プレビュー)

組織内の他のユーザーとデータを共有する前に、 Copilotで十分にテストする必要があります。 これには、ユーザーが Copilot が正確で役に立つ応答を提供するように求められる一般的な質問を試し、AI 命令に基づいてさまざまな入力を試して、 Copilot がさまざまなシナリオを効果的に処理できることを確認し、簡略化されたデータ スキーマから使用可能なフィールドにアクセスして、 Copilot が使用可能な情報を取得して利用できることを確認します。

1. [ Copilot ] ウィンドウで、次の例の質問をし、[ 送信] または [Enter] を選択して確認します。

   • 東のゾーン全体で最も多くのリードを持っていた3関連会社は何ですか?

   

2. リスト応答は、AI 命令に含まれる用語と差異を使用して返されます。 いいねボタンまたはよくないねボタンを使用してフィードバックを提供できます。 閉じる (X) ボタンを選択して続行します。

   

公開する

Power BI レポートをクラウドに発行すると、組織内でのシームレスな共有とコラボレーションが可能になり、チーム メンバーはレポートとそのセマンティック モデルにアクセスして操作できます。 さらに、 Copilotを使用すると、自然言語入力とデータを使用して、より多くの情報に基づいた意思決定を行うことができます。

1. リボンの [ホーム] タブにある [ 発行 ] ボタンを選択します。 メッセージが表示されたら変更を保存し、使用可能なワークスペースの一覧を検索して、発行先のワークスペースを見つけます。 マイワークスペースを選択し、次に選択をクリックします。

   

2. 発行が完了すると、レポートへのリンクが表示されます。 Power BI で [Revenue Opportunities.pbix] リンクを選択してレポートを開きます。

   

説明

項目の名前と説明は、 Copilotを使用したデータ検出でも同様に重要です。 説明を使用して、項目に関する完全な自然言語コンテキストを提供します。適切な場合は、関連するキーワードや特殊なキーワードを使用して、Copilot (およびユーザー) が項目が解答できる内容を理解する手助けになります。

1. アクション バーで、[ファイル>設定] を選択します。

   

2. レポートの [説明 ] フィールドを次のテキストの例に更新し、[ 保存] を選択します。

   • ソフトウェア製品のさまざまなディメンションにわたる販売機会と収益分布の包括的な分析。

   

3. アクション バーから、その他のオプション (...) を選択し、[ セマンティック モデルの表示 ] オプションを選択します。

   

4. セマンティック モデル ビューアーで、[ ファイル > 設定] を選択します。

   

5. セマンティック モデルの説明フィールドを次のテキスト例に更新し、[適用] を選択します。

   • セマンティック モデルは、ソフトウェア製品の販売機会と収益分布に関する分析情報のデータを提供します。 各販売ステージでの営業案件の数、ステージごとのバリエーション、営業案件の規模と地域別の総収益に関する情報が含まれます。 さらに、取引先、パートナー、製品、販売ステージ、販売活動、日付を追跡し、販売プロセスを最適化し、収益生成を強化するための包括的なビューを提供します。

   

AI の準備 (プレビュー)

セマンティック モデルを AI 用に準備済みとしてマークすることは重要なステップです。これは、モデルが AI エクスペリエンス用に最適化されていることを Copilot 通知するためです。 プリップされていないモデルの場合、ユーザーは結果を徹底的に検査する必要があります。 事前に準備されていないアイテムからの回答に対する明確なメッセージとインジケーターが表示され、ユーザーはコンテンツ所有者に連絡して、正確さと関連性を確保するために AI 用のデータを準備するよう勧めます。

1. セマンティック モデルの設定で、 AI 準備 設定を展開します。

2. [ Prepped for AI] のチェック ボックスをオンにし、[ 適用] を選択します。

   

次のステップ

データを検出して質問する