Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Dotyczy:✅ usługa Power BI
Dobrze przygotowany semantyczny model daje Copilot silniejszą podstawę do dokładnego odpowiadania na pytania biznesowe w Power BI. Przed wprowadzeniem Copilot do użytkowników oceń model i rozwiąż problemy, które mogą mieć wpływ na jakość odpowiedzi. Zacznij od miar, relacji i definicji biznesowych używanych już w raportach. Rozwiąż problemy z modelowaniem w modelu semantycznym, ponieważ dodatkowe instrukcje nie mogą poprawić niedokładnych relacji ani nieodpowiednich agregacji. Następnie zoptymalizuj model pod kątem Copilot i ustanów spójny proces przeglądu.
Ten artykuł jest przeznaczony dla autorów modeli semantycznych, właścicieli raportów i zespołów, które wdrażają Copilot użytkownikom. Stanowi uzupełnienie Zadawaj Copilot pytania dotyczące swoich danych, w którym opisano, jak użytkownicy mogą zadawać pytania i weryfikować wyniki. W tym artykule wyjaśniono, jak przygotować swój model semantyczny oraz ocenić odpowiedzi, które generuje Copilot.
Uwaga
Należy pamiętać o następujących wymaganiach:
- Administrator musi włączyć Copilot w usłudze Microsoft Fabric.
- Pojemność Fabric musi znajdować się w jednym z regionów wymienionych w tym artykule, Dostępność regionu Fabric. Jeśli tak nie jest, nie możesz użyć Copilot.
- Administrator musi włączyć przełącznik najemcy, zanim zaczniesz korzystać z usługi Copilot. Aby uzyskać szczegółowe informacje, zobacz artykuł Copilot Ustawienia dzierżawy.
- Jeśli dzierżawca lub pojemność znajdują się poza granicą danych Stanów Zjednoczonych lub UE, Copilot jest domyślnie wyłączona. Jednym wyjątkiem jest sytuacja, gdy administrator dzierżawy usługi Fabric włącza ustawienie dzierżawy, które umożliwia przetwarzanie danych wysyłanych do usługi Azure OpenAI poza regionem geograficznym dzierżawy, granicą zgodności lub poza instancją chmury krajowej. To ustawienie można znaleźć w portalu administracyjnym Fabric.
- Copilot nie jest obsługiwana w usłudze Microsoft Fabric w przypadku jednostek SKU wersji próbnej. Obsługiwane są tylko płatne jednostki SKU.
- Aby zobaczyć niezależne doświadczenie Copilot w usłudze Power BI, administrator dzierżawy musi włączyć przełącznik dzierżawy.
Uwaga
W internetowym środowisku modelowania w usłudze Power BI Copilotmożna robić więcej niż tylko oceniać model. Może również bezpośrednio proponować i stosować zmiany, takie jak zmiana nazw tabel i kolumn, tworzenie relacji oraz generowanie miar DAX. Wskazówki dotyczące optymalizacji zawarte w tym artykule bezpośrednio obsługują lepsze wyniki z tej analizy: dobrze ustrukturyzowany, wyraźnie nazwany model ułatwia Copilot tworzenie bardziej dokładnych i przydatnych sugestii.
Zacznij od konkretnych pytań biznesowych
Wybierz skoncentrowany scenariusz biznesowy i zidentyfikuj pytania, które często zadają użytkownicy. Dla każdego pytania zdefiniuj oczekiwaną miarę, grupowanie, datę, filtry i zweryfikowany wynik.
Dołącz pytania, które uwidaczniają niejednoznaczność. Na przykład Jak działa sprzedaż? może odnosić się do przychodów, wielkości zamówień, wzrostu lub marży. Zdefiniuj domyślną interpretację lub poinstruuj Copilot , aby poprosić o wyjaśnienie.
Zacznij od pytań dotyczących sum, porównań, rankingów i trendów, które obsługuje model semantyczny. Dodaj bardziej złożone pytania, gdy Copilot będzie już konsekwentnie odpowiadać na początkowy zestaw.
Przeglądanie i ulepszanie modelu semantycznego
Skorzystaj z zaleceń w poniższych tabelach, aby ułatwić Copilot interpretację modelu semantycznego i poprawę jakości odpowiedzi.
Struktura modelu
| Składnik | Kwestie wymagające rozważenia | opis | Gdzie zastosować | Przykład |
|---|---|---|---|---|
| Łączenie tabel | Definiowanie jasnych relacji | Jasno zdefiniuj wszystkie relacje między tabelami i upewnij się, że są logiczne. Wskaż, które relacje to jeden do wielu, wiele do jednego lub wiele do wielu. | W widoku modelu wybierz pozycję Zarządzaj relacjami | Utwórz relację jeden do wielu z Date[DateID] do Sales[DateID] i sprawdź, czy relacja jest aktywna. |
| Tabele faktów | Jasny cel i poziom szczegółowości | Wyraźnie zidentyfikuj tabele faktów i zdefiniuj, co reprezentuje każdy wiersz. Upewnij się, że obliczenia używają agregacji odpowiednich dla tego poziomu szczegółów. | We właściwościach tabeli i strukturze modelu | Nadaj tabelom faktów jednoznaczne nazwy, takie jak FactSales, i opisz ich poziom szczegółowości, na przykład: jeden wiersz na pozycję zamówienia. |
| Tabele wymiarów | Pomocnicze dane opisowe | Utwórz tabele wymiarów zawierające atrybuty opisowe związane z miarami ilościowymi w tabelach faktów. | We właściwościach tabeli i strukturze modelu danych | Utwórz tabele wymiarów, takie jak DimProduct z atrybutami (ProductName, Category, Brand) i DimCustomer atrybutami (CustomerName, City, Segment). |
| Hierarchie | Grupowania logiczne | Ustanów jasne hierarchie w danych, szczególnie w przypadku tabel wymiarów, które obsługują przechodzenie do szczegółów w raportach. | W menu kontekstowym tabeli wybierz pozycję Nowa hierarchia |
Date W tabeli utwórz hierarchię:Year>Quarter>Month>Day . W Geography tabeli: Country/Region>State>City. |
| Typy relacji | Jasno określone | Aby zapewnić dokładne generowanie raportu, jasno określ charakter relacji (aktywnych lub nieaktywnych) i ich kardynalność. | W oknie dialogowym właściwości relacji | Ustaw Date na Sales jako "wiele do jednego" (aktywne), Product na Sales jako "wiele do jednego" (aktywne) i oznacz relacje z przypisaniem roli jako nieaktywne, jeśli jest to konieczne. |
Miary i kluczowe wskaźniki wydajności
Copilot może tworzyć obliczenia ad hoc, ale często używane lub kluczowe dla działalności firmy obliczenia należy dodać do modelu semantycznego jako sprawdzone miary. Takie podejście zapewnia autorom raportów i Copilot spójne definicje biznesowe do użycia.
| Składnik | Kwestie wymagające rozważenia | opis | Gdzie zastosować | Przykład |
|---|---|---|---|---|
| Środki | Ustandaryzowana logika obliczeń | Zapewnij miarom ustandaryzowaną, czystą logikę obliczeń, która jest łatwa do wyjaśnienia i zrozumienia. | W definicji miary i opisie właściwości | Miara DAX: Total Sales = SUM(Sales[SaleAmount]) i dodaj Opis: "Suma wszystkich kwot sprzedaży". |
| Środki | Konwencje nazewnictwa | Nadaj miarom nazwy, które wyraźnie odzwierciedlają ich obliczenie i przeznaczenie. | W polu nazwy miary podczas tworzenia miar | Użyj nazwy opisowej: Average Customer Rating zamiast skrótu: AvgRating. |
| Środki | Wstępnie zdefiniowane i sprawdzone miary | Tworzenie miar wielokrotnego użytku dla typowych żądań i obliczeń o znaczeniu krytycznym dla działania firmy. Przejrzyj ich logikę działania, aby autorzy raportów i Copilot używali spójnych definicji biznesowych. | We właściwościach definicji i opisu miary | Zdefiniuj [Net Sales], uwzględniając zatwierdzony sposób obsługi zwrotów, rabatów i anulowanych zamówień. Uwzględnij często żądane miary, takie jak sprzedaż od początku roku i wzrost między miesiącami. |
| Środki | Proporcje | Zdefiniuj współczynniki z odpowiednim zachowaniem licznika, mianownika i agregacji. | W definicji miary | Zdefiniuj [Gross Margin %] przez podzielenie zatwierdzonej miary marży brutto przez zatwierdzoną miarę sprzedaży netto zamiast średniej wartości procentowej na poziomie wiersza. |
| Środki | Liczby | Utwórz oddzielne miary, gdy liczby wierszy i liczby zdarzeń biznesowych reprezentują różne wyniki. | W definicji miary | Zdefiniuj [Order Count] oddzielnie z [Order Line Count]. |
| Środki | Salda punkt-w czasie | Używaj miar, które odpowiednio agregują migawki między produktami, lokalizacjami i datami. | W definicji miary | Zdefiniuj miarę końcowego stanu magazynowego zamiast sumować dzienne migawki stanu magazynowego dla kolejnych dat. |
| Środki | Formaty wyświetlania | Zastosuj formaty, które sprawiają, że jednostka i skala każdej miary są jasne. | W właściwości Format miary | Formatuj miary pieniężne jako walutę, współczynniki jako wartości procentowe, a liczności jako liczby całkowite. |
| Kluczowe wskaźniki wydajności (KPI) | Wstępnie zdefiniowane i istotne | Ustanów zestaw wskaźników KPI, które są istotne dla kontekstu biznesowego i często pojawiają się w raportach. | Tworzenie miar dla często śledzonych wskaźników KPI | Zdefiniuj miary, takie jak ROI = DIVIDE([Profit], [Investment]), , CAC = DIVIDE([Marketing Spend], [New Customers])LTV = [Avg Order Value] * [Purchase Frequency] * [Customer Lifespan]. |
Jakość kolumn i danych
| Składnik | Kwestie wymagające rozważenia | opis | Gdzie zastosować | Przykład |
|---|---|---|---|---|
| Nazwy kolumn | Etykiety jednoznaczne | Ustaw nazwy kolumn jako jednoznaczne i objaśniające. Zachowaj przydatne identyfikatory biznesowe, ale unikaj identyfikatorów lub kodów, które wymagają dalszego wyszukiwania bez kontekstu. | Zmienianie nazw kolumn w Edytorze Power Query lub widoku modelu | Zmień nazwę kolumny z ProdID na Product ID lub Product Namei z CustNo na Customer Number. |
| Typy danych w kolumnach | Poprawne i spójne | Zastosuj poprawne i spójne typy danych dla kolumn we wszystkich tabelach, aby upewnić się, że miary są obliczane poprawnie i umożliwiają prawidłowe sortowanie i filtrowanie. | We właściwościach kolumny ustaw typ danych | Upewnij się, że Sales[SaleAmount] jest liczba dziesiętna (a nie tekst), Date[Date] to Data (a nie tekst), Product[ProductID] to Liczba całkowita. |
| Spójność danych | Ustandaryzowane wartości | Zachowaj standardowe wartości w kolumnach, aby zapewnić spójność filtrów i raportowania. | Użyj przekształceń Znajdź i Zastąp albo Power Query | W Status kolumnie upewnij się, że wszystkie wartości używają spójnej wielkości liter: Open, , ClosedPending (nie mieszanych przypadków, takich jak open, CLOSED). |
| Kolumny dat | Jasne znaczenie biznesowe | Rozróżnianie dat z różnymi znaczeniami biznesowymi. Określ, czy okresy używają roku obrachunkowego lub kalendarzowego, w tym czasu rozpoczęcia roku obrachunkowego. Użyj kolumn dat i relacji zamiast polegać tylko na etykietach tekstowych. | W tabelach dat, relacjach i właściwościach opisowych | Użyj odrębnych kolumn Order Date i Shipment Date. Zdefiniuj kolumny okresu obrachunkowego zamiast polegać tylko na etykietach, takich jak Q1. |
| Kolumny kluczy | Pełne i unikatowe wartości | Rozwiąż problem brakujących lub zduplikowanych kluczy, tak aby relacje i obliczenia dawały dokładne wyniki. | W Power Query przekształcenia i dane źródłowe | Sprawdź, czy każdy wiersz w wymiarze klienta ma unikatowy i niepusty klucz klienta. |
Odświeżanie, zabezpieczenia i metadane
| Składnik | Kwestie wymagające rozważenia | opis | Gdzie zastosować | Przykład |
|---|---|---|---|---|
| Harmonogramy odświeżania | Transparentne i zaplanowane | Jasno komunikuj harmonogramy odświeżania danych, aby użytkownicy rozumieli aktualność analizowanych danych. | W ustawieniach zestawu danych i dokumentacji | Dodaj pole tekstowe lub opis z informacją: "Odświeżanie danych codziennie o 6:00 czasu UTC" lub "Dane w czasie rzeczywistym z 15-minutowym odświeżaniem przyrostowym". |
| Zabezpieczenia | Definicje na poziomie roli | Zdefiniuj role zabezpieczeń dla różnych poziomów dostępu do danych, jeśli istnieją poufne elementy, które nie wszyscy użytkownicy powinni zobaczyć. | W widoku modelu wybierz pozycję Zarządzaj rolami | Utwórz rolę "Zespół sprzedaży" z filtrem: Sales[Region] = USERNAME() i rolą "HR" z filtrem w tabelach danych pracowników. |
| Metadane | Dokumentacja struktury | Dla odniesienia, udokumentuj strukturę modelu danych, w tym tabele, kolumny, relacje i miary. | Używanie właściwości opisu i dokumentacji zewnętrznej | Dodaj opisy do tabel i kolumn. Utwórz oddzielny dokument z diagramem modelu, słownikiem danych i wykazem miar. |
Zagadnienia dotyczące zapytań języka DAX
W poniższej tabeli wymieniono inne kryteria, które mogą pomóc w tworzeniu dokładnych zapytań języka DAX (Data Analysis Expressions) za pomocą polecenia Copilot. Te zalecenia mogą pomóc w generowaniu dokładnych zapytań DAX.
| Składnik | Kwestie wymagające rozważenia | opis | Gdzie zastosować | Przykład |
|---|---|---|---|---|
| Miary, tabele i kolumny | Opisy | We właściwości description zdefiniuj każdy element i sposób jego użycia. Zacznij od jego znaczenia biznesowego, jednostki miary i istotnych wykluczeń. Copilot używa tylko pierwszych 200 znaków. | W okienku Właściwości pole Opis dla miar, tabel i kolumn | W przypadku miary [YOY Sales] dodaj opis: "Różnica rok do roku (r/r) w zamówieniach." Użyj kolumny "Date"[Year], aby wyświetlić dane według lat innych niż ostatni rok. Porównanie częściowych okresów roku z tym samym okresem roku poprzedniego. |
| Grupy obliczeń | Opisy | Metadane modelu nie zawierają elementów obliczeń. Użyj opisu kolumny grupy obliczeń, aby wyświetlić listę i wyjaśnić, jak używać elementów obliczeń. Copilot używa tylko pierwszych 200 znaków. | W okienku Właściwości kolumny grupy obliczeń | W kolumnie grupy obliczeń próbki analizy czasowej dodaj opis: "Użyj z miarami i tabelą dat dla następujących wartości: Bieżące (bieżąca wartość), MTD (Miesiąc do daty), QTD (Kwartał do daty), YTD (Rok do daty), PY (Poprzedni rok), PY MTD (Poprzedni rok do tego miesiąca), PY QTD (Poprzedni rok do tego kwartału), YOY (Zmiana rok do roku), YOY% (Zmiana rok do roku w %)." W przypadku tabeli miar dodaj: "Miary są używane do agregowania danych." Te miary można wyświetlić jako rok do roku przy użyciu tej składni CALCULATE([Nazwa miary], Time intelligence[Obliczenie czasu] = YOY)." |
Rozwiązywanie problemów z wynikami testu
Przed zaktualizowaniem instrukcji dotyczących sztucznej inteligencji przejrzyj wygenerowane zapytanie i wyniki, aby zidentyfikować źródło problemu.
| Issue | Co należy sprawdzić? |
|---|---|
| Nieprawidłowa metryka biznesowa | Przejrzyj nazwy miar, opisy, wybór schematu danych sztucznej inteligencji i instrukcje definiujące domyślną metrykę. |
| Nieoczekiwana suma lub okres czasu | Porównaj kontekst filtru i podstawę daty z oczekiwanym wynikiem. Następnie przejrzyj zachowanie relacji i logikę agregacji. |
| Brak kategorii lub brak wyników | Sprawdź dane źródłowe, stan odświeżania, wartości kategorii, żądany okres i uprawnienia użytkownika. Nie interpretuj żadnego wyniku jako zero. |
| Prawidłowe dane w mylącej prezentacji | Przejrzyj jednostki, formatowanie, sortowanie oraz to, czy wyjaśnienie stwierdza więcej, niż wynika z danych. |
| Wolna lub nieudana odpowiedź | Sprawdź wygenerowaną wydajność zapytań i modelu semantycznego. Przed zmianą wskazówek biznesowych porównaj zapytanie z zweryfikowanym zapytaniem referencyjnym. |
| Dane przygotowywania zmian sztucznej inteligencji nie są odzwierciedlane | Upewnij się, że zmieniono prawidłowy model semantyczny i poczekaj na wprowadzenie zmian. Zamknij i otwórz ponownie Copilot okienko, a następnie sprawdź wszystkie wymagania dotyczące wdrażania i odświeżania. |
Informacje o wymaganiach dotyczących testowania, wdrażania i odświeżania znajdują się w sekcjach Przetestuj Copilot zmiany w narzędziach oraz Uwagi i ograniczenia.