Copilot dla analizy w czasie rzeczywistym (wersja zapoznawcza)

Copilot Dla analizy w czasie rzeczywistym to zaawansowane narzędzie sztucznej inteligencji, które ułatwia eksplorowanie danych i wyodrębnianie cennych szczegółowych informacji. Możesz wprowadzić pytania dotyczące danych, które następnie są automatycznie tłumaczone na zapytania język zapytań Kusto (KQL). Copilot usprawnia proces analizowania danych zarówno dla doświadczonych użytkowników KQL, jak i analityków danych obywateli.

Ważne

Ta funkcja jest dostępna w wersji zapoznawczej.

Wymagania wstępne

• Obszar roboczy z pojemnością z włączoną usługą Microsoft Fabric
• Dostęp do odczytu lub zapisu do zestawu zapytań KQL

Uwaga

• Administrator musi włączyć przełącznik dzierżawy przed rozpoczęciem korzystania z usługi Copilot. Aby uzyskać szczegółowe informacje, zobacz artykuł Copilot Ustawienia dzierżawy.
• Pojemność F64 lub P1 musi znajdować się w jednym z regionów wymienionych w tym artykule Dostępność regionu sieci szkieletowej.
• Jeśli twoja dzierżawa lub pojemność znajduje się poza stanem USA lub Francji, jest domyślnie wyłączona, Copilot chyba że administrator dzierżawy sieci szkieletowej umożliwia przetwarzanie danych wysyłanych do usługi Azure OpenAI poza regionem geograficznym dzierżawy, granicą zgodności lub ustawieniem dzierżawy wystąpienia chmury krajowej w portalu administracyjnym sieci szkieletowej.
• Copilot w usłudze Microsoft Fabric nie jest obsługiwana w przypadku jednostek SKU wersji próbnej. Obsługiwane są tylko płatne jednostki SKU (F64 lub nowsze lub P1 lub nowsze).
• Copilot Usługa Fabric jest obecnie wdrażana w publicznej wersji zapoznawczej i oczekuje się, że do końca marca 2024 r. będzie dostępna dla wszystkich klientów.
• Aby uzyskać więcej informacji, zobacz artykuł Overview of in Fabric and Power BI (Omówienie usługi Copilot Fabric i Power BI ).

Copilot Możliwości analizy w czasie rzeczywistym

CopilotFunkcja analizy w czasie rzeczywistym umożliwia bezproblemowe tłumaczenie zapytań języka naturalnego na język zapytań Kusto (KQL). Copilot działa jako most między codziennym językiem i zawiłości techniczne KQL, a w ten sposób usuwa bariery adopcyjne dla obywateli analityków danych. Dzięki wykorzystaniu zaawansowanej interpretacji języka openAI ta funkcja umożliwia przesyłanie pytań biznesowych w znanym formacie języka naturalnego, które następnie są konwertowane na zapytania KQL. Copilot przyspiesza produktywność, upraszczając proces tworzenia zapytań dzięki przyjaznemu dla użytkownika i wydajnemu podejściu do analizy danych.

Uzyskiwanie dostępu do analizy w czasie rzeczywistym Copilot

1. Aby uzyskać dostęp do Copilot analizy w czasie rzeczywistym, przejdź do nowego lub istniejącego zestawu zapytań KQL.
2. nawiązywanie połączenia z bazą danych. Aby uzyskać więcej informacji, zobacz Wybieranie bazy danych
3. Wybierz przycisk Copilot.
4. W okienku Copilot wprowadź pytanie biznesowe w języku naturalnym.
5. Naciśnij klawisz Enter. Po kilku sekundach Copilot wygeneruje zapytanie KQL na podstawie danych wejściowych. Zapytanie można skopiować do schowka lub wstawić je bezpośrednio w edytorze zapytań języka KQL. Aby uruchomić zapytanie w edytorze zapytań, musisz mieć dostęp do zapisu w zestawie zapytań KQL.
6. Kliknij przycisk Run (Uruchom), aby wykonać zapytanie.

Uwaga

• Copilot nie generuje poleceń sterujących.
• Copilot Nie uruchamia automatycznie wygenerowanego zapytania KQL. Użytkownicy powinni uruchamiać zapytania według własnego uznania.

Możesz nadal zadawać pytania i generować zapytania w okienku Copilot , ale każde pytanie jest oceniane oddzielnie i nie jest połączone z poprzednimi pytaniami lub odpowiedziami.

Zwiększanie dokładności Copilot analizy w czasie rzeczywistym

Poniżej przedstawiono kilka wskazówek, które mogą pomóc zwiększyć dokładność zapytań KQL generowanych przez polecenie Copilot:

• Zacznij od prostych monitów języka naturalnego, aby poznać bieżące możliwości i ograniczenia. Następnie stopniowo przechodzimy do bardziej złożonych monitów.
• Należy dokładnie określić zadanie i uniknąć niejednoznaczności. Obrazowanie, które udostępniło ci monit języka naturalnego z kilkoma ekspertami języka KQL od zespołu bez dodawania instrukcji ustnych — czy będą mogli wygenerować poprawne zapytanie?
• Podaj wszelkie istotne informacje, które mogą pomóc modelowi wygenerować najdokładniejsze zapytanie. Jeśli możesz, określ tabele, operatory lub funkcje, które mają kluczowe znaczenie dla zapytania.
• Przygotowywanie bazy danych: dodaj właściwości tworzenia kodzie docstring, aby opisać typowe tabele i kolumny. Może to być nadmiarowe w przypadku nazw opisowych (na przykład sygnatury czasowej), ale ma kluczowe znaczenie dla opisywania tabel lub kolumn z bezsensownymi nazwami. Nie trzeba dodawać dokumentu do tabel ani kolumn, które są rzadko używane. Aby uzyskać więcej informacji, zobacz polecenie .alter table column-docstrings.
• Aby poprawić Copilot wyniki, wybierz ikonę polubienia lub nie lubię , aby przesłać komentarze w formularzu Prześlij opinię .

Uwaga

Formularz Prześlij opinię przesyła nazwę bazy danych, jej adres URL, zapytanie KQL wygenerowane przez copilot oraz dowolną bezpłatną odpowiedź tekstową uwzględniną w przesłaniu opinii. Wyniki wykonanego zapytania KQL nie są wysyłane.

Ograniczenia

• Copilot może sugerować potencjalnie niedokładne lub wprowadzające w błąd sugerowane zapytania KQL z powodu:
  • Złożone i długie dane wejściowe użytkownika.
  • Dane wejściowe użytkownika kierujące do jednostek bazy danych, które nie są tabelami bazy danych KQL lub zmaterializowanymi widokami (na przykład funkcja KQL).
• Ponad 10 000 równoczesnych użytkowników w organizacji może spowodować awarię lub główną wydajność.

Powiązana zawartość

• Prywatność, bezpieczeństwo i odpowiedzialne korzystanie z Copilot analizy w czasie rzeczywistym (wersja zapoznawcza)
• Copilot dla usług Microsoft Fabric i Power BI: często zadawane pytania
• Omówienie usług Copilot Fabric i Power BI (wersja zapoznawcza)
• Wykonywanie zapytań dotyczących danych w zestawie zapytań KQL