Korzystanie z rozwiązania Copilot z modelami semantycznymi

Ten artykuł ułatwia korzystanie z środowisk copilot w usłudze Power BI na potrzeby modeli semantycznych.

Copilot w Microsoft Fabric to generatywny asystent sztucznej inteligencji, który ma na celu ulepszenie doświadczenia analizy danych na platformie Fabric, w tym w środowisku Power BI. Możesz użyć narzędzia Copilot w usłudze Power BI, aby obsługiwać zarówno programowanie, jak i użycie modeli semantycznych zarówno przez użytkowników samoobsługi, jak i użytkowników przedsiębiorstwa. W przypadku efektywnego użycia copilot może wspierać zarówno analityków, jak i użytkowników biznesowych, aby zwiększyć produktywność i uzyskać większą wartość z ich modeli semantycznych.

Jednak aby używać narzędzia Copilot z modelami semantycznymi w usłudze Power BI, musisz najpierw przygotować dane, model semantyczny i użytkowników. Jeśli tego nie zrobisz, Copilot głównie produkuje niskiej jakości i niedokładne wyniki, które mogą być nieprawidłowe, a nawet mylące. W poniższych sekcjach przedstawiono sposób używania narzędzia Copilot w usłudze Power BI do tworzenia lub wykorzystania modelu semantycznego z dostępnych doświadczeń Copilot.

Uwaga / Notatka

Aby uzyskać dodatkowe informacje, zobacz dokumentację Copilot w Power BI.

Copilot i jego możliwości ewoluują wraz z upływem czasu. Użytkowanie Copilot w poniższych sekcjach zmieni się, a nowe doświadczenia mogą stać się dostępne dzięki modelom semantycznym. W związku z tym należy być na bieżąco z comiesięcznymi wersjami usługi Power BI i wszelkimi odpowiednimi ogłoszeniami Copilot.

Ważne

Nie można włączać ani wyłączać narzędzia Copilot w określonych obciążeniach ani dla określonych funkcji Copilot. Jeśli Copilot w Fabric jest włączony w obciążeniu dla użytkownika lub grupy zabezpieczeń, wszystkie obciążenia i funkcje Copilot są dostępne dla tych użytkowników.

Opracuj model semantyczny z pomocą Copilot

Podczas tworzenia modelu semantycznego w usłudze Power BI możesz użyć narzędzia Copilot, aby zwiększyć wydajność i wygodę niektórych zadań. Zazwyczaj polega to na wykorzystaniu copilota w celu usprawnienia zmian nadmiarowych lub powtarzających się (takich jak generowanie opisów miar) lub pomocy w rozwiązywaniu lub zrozumieniu trudnego projektu modelu lub zagadnień języka DAX (takich jak używanie Copilota w widoku zapytań DAX do wyjaśniania pojęć DAX lub generowania zapytań DAX).

W poniższych sekcjach opisano, w jaki sposób deweloper lub analityk Power BI, którzy tworzą modele semantyczne, mogą w pełni korzystać z różnych funkcji Copilot w usłudze Power BI.

Uwaga / Notatka

W poniższych sekcjach skupiono się na środowiskach, które obsługują tworzenie semantycznych modeli w programie Power BI Desktop, a nie w trybie online przy użyciu funkcji Edytuj modele danych w usłudze Power BI. Wskazówki i zagadnienia opisane w poniższych sekcjach mogą być nadal stosowane podczas edytowania modeli danych w usłudze Power BI, ale należy pamiętać, że istnieją różnice między tymi dwoma środowiskami.

Ogólnie rzecz biorąc, zalecamy opracowywanie modeli semantycznych usługi Power BI przy użyciu programu Power BI Desktop lub narzędzi innych firm, a następnie publikowanie tych modeli w usłudze Power BI, gdy wszystko będzie gotowe do ich użycia. Można jednak również edytować modele danych w usłudze Power BI, jeśli są to Twoje preferencje, lub jeśli nie możesz używać narzędzi klasycznych do opracowywania modelu.

Zadawanie pytań dotyczących danych

Podczas tworzenia modelu semantycznego często trzeba eksplorować i wykonywać zapytania dotyczące danych. Zwykle można to zrobić przy użyciu kombinacji edytora Power Query, kanwy raportu i zapytań języka DAX. Możesz jednak również zadawać pytania dotyczące danych dotyczące modelu i jego zawartości, korzystając z okienka czatu Copilot. Ogólnie rzecz biorąc, zadawanie pytań dotyczących danych to bardziej środowisko użycia, w którym użytkownicy biznesowi mogą zadawać pytania dotyczące danych, gdy nie mogą znaleźć odpowiedzi w raporcie. Jednak deweloperzy mogą używać tej funkcji do eksplorowania danych lub sprawdzania, jak działa copilot w modelu.

Na poniższej ilustracji przedstawiono przykład użytkownika, który zadaje pytanie dotyczące danych copilotowi dotyczące modelu semantycznego. Na ilustracji przedstawiono następujący monit: Jaki był zysk % dla regionu sprzedaży Australii w 2023 r.?

Przypadki użycia

Możesz użyć narzędzia Copilot, aby zadawać pytania dotyczące danych w następujących przypadkach użycia:

• Eksplorowanie danych w modelu: Deweloper może użyć środowiska Zadawanie pytań dotyczących danych do eksplorowania danych w modelu przy użyciu narzędzia Copilot. Jednak prawdopodobnie bardziej wydajne jest eksplorowanie danych przez dodanie wizualizacji do kanwy raportu lub przy użyciu zapytań języka DAX. Dzieje się tak dlatego, że wizualizacje raportu są automatycznie aktualizowane za każdym razem, gdy wprowadzasz zmiany w modelu, ale odpowiedzi na pytania dotyczące danych w okienku czatu Copilot są statyczne i znikają po zamknięciu okienka czatu Copilot. Ponadto wizualizacje generowane przez copilot mogą zawierać filtry specyficzne dla wizualizacji, których nie można utworzyć samodzielnie w programie Power BI Desktop. Te filtry mogą być mylące lub kłopotliwe do zbadania.

• Zweryfikuj użycie narzędzia Copilot do obsługi modelu semantycznego: Deweloperzy powinni użyć środowiska Zadawanie pytań dotyczących danych, aby zrozumieć i przetestować, jak działają funkcje Copilot w ich modelu semantycznym. Jest to główny przypadek użycia funkcji Zadaj pytania dotyczące danych podczas tworzenia modelu semantycznego. Ten przypadek użycia umożliwia deweloperowi wprowadzanie zmian w modelu semantycznym, który może lepiej obsługiwać rozwiązanie Copilot w celu uzyskania bardziej przydatnych danych wyjściowych.

Ważne

Podczas projektowania modelu semantycznego upewnij się, że omówisz go z użytkownikami i udokumentujesz, jak będą go wykorzystywać, w tym które elementy, narzędzia i środowiska będą stosować. Jeśli użytkownicy nie będą używać rozwiązania Copilot w usłudze Power BI, deweloper nie musi używać środowiska Zadawanie pytań dotyczących danych do testowania modelu. Jeśli jednak użytkownicy planują używać narzędzia Copilot do korzystania z modeli semantycznych teraz lub w przyszłości, ważne jest, aby deweloperzy uwzględnili to zarówno podczas projektowania modelu, jak i tworzenia.

Korzyści

Deweloper może użyć funkcji Zadawaj pytania dotyczące danych , aby zrozumieć, jak środowisko będzie dla użytkowników biznesowych korzystających z modelu semantycznego przy użyciu rozwiązania Copilot w usłudze Power BI. Ten test jest niezbędny, jeśli użytkownicy biznesowi chcą używać narzędzia Copilot do korzystania z modelu semantycznego.

Specyfika doświadczenia

Doświadczenie zadawania pytań dotyczących danych różni się od standardowego procesu Copilot in Fabric w następujących obszarach. To omówienie dotyczy korzystania z środowiska zadawania pytań dotyczących danych podczas tworzenia i używania modeli semantycznych:

• Wkład: Użytkownicy udostępniają napisany monit z pytaniem lub żądają określonych informacji z modelu semantycznego.

• Wstępne przetwarzanie i dane odniesienia: Copilot pobiera dane odniesienia ze schematu modelu. Wykonuje redukcję schematu, aby spróbować ograniczyć kontekst do tego, co jest najważniejsze. W kontekście Copilot pobiera następujące informacje, aby poprawić użyteczność i specyfikę wyników Copilot.

  • Wszelkie metadane raportu na bieżącej stronie raportu. Jeśli istnieją odpowiednie metadane raportu, funkcja Copilot w usłudze Power BI odpowiada na pytania dotyczące danych z raportu zamiast modelu.
  • Rozmowa z Copilot w tej bieżącej sesji. Obejmuje to wszelkie poprzednie pytania i dane wyjściowe, w tym punkty danych z pytań dotyczących danych, na które wcześniej odpowiedział Copilot.
  • Schemat modelu semantycznego, który zawiera tabele, wiersze, kolumny, miary i inne obiekty (takie jak relacje, grupy obliczeń itd.).
  • Pełny schemat językowy modelu.
  • Niektóre właściwości modelu semantycznego, w tym opisy, typy danych, ciągi formatu i kategoria danych.

  Następujące informacje są wykluczone:

  • Każda ukryta strona raportu.
  • Dowolne pole (miara lub kolumna) w ukrytym modelu.
  • Każda tabela w modelu oznaczonym jako prywatna.

• Wyjście: Dane wyjściowe, które udostępnia Copilot, zawierają kilka części:

  • Wizualny: Copilot odpowiada na pytanie dotyczące danych, renderując wizualizację usługi Power BI, taką jak karta, wykres liniowy lub tabela. Copilot wybiera wizualizację i jej formatowanie, których użytkownik nie może kontrolować ani żądać w wierszu polecenia. Wizualizacja może przekroczyć limit czasu, jeśli bazowy model, DAX lub dane nie są zoptymalizowane lub są zbyt złożone.
  • Streszczenie: Copilot podsumowuje wynik zapytania. To podsumowanie jest generowane przez wysłanie wyniku zapytania semantycznego z powrotem do usługi Azure OpenAI (w tym punktów danych) i zażądanie wyjaśnienia języka naturalnego.
  • Błędy lub żądanie wyjaśnienia: Jeśli copilot nie może utworzyć odpowiedzi, może zwrócić ogólny komunikat o błędzie. Ten komunikat o błędzie może zawierać żądanie wyjaśnienia, w tym sugerowane warianty oryginalnego pytania dotyczącego danych użytkownika.

Ostrzeżenie

W przypadku korzystania z narzędzia Copilot w usłudze Power BI z modelami semantycznymi w programie Power BI Desktop Copilot może używać metadanych raportu jako danych odniesienia. W pewnych okolicznościach metadane raportu mogą zawierać punkty danych, takie jak wartości kolumn, które mogą zawierać informacje poufne. Dotyczy to zarówno starszego formatu metadanych raportu, jak i nowego formatu raportu rozszerzonego usługi Power BI (PBIR).

Porady dotyczące poprawy wyników Copilot

Copilot może generować niedokładne lub niskiej jakości dane wyjściowe, w tym nieprawidłowe odpowiedzi na pytania dotyczące danych. Często nieprawidłowe odpowiedzi wynikają z błędów użytkownika lub problemów z modelem. Aby zmniejszyć prawdopodobieństwo błędnych lub nieoczekiwanych danych wyjściowych rozwiązania Copilot, możesz rozwiązać problemy z monitami użytkownika i projektem modelu danych.

Ważne

Niedokładne odpowiedzi na pytania dotyczące danych mogą prowadzić do nieprawidłowych decyzji i akcji przez użytkowników biznesowych, co powoduje nieprawidłowe wyniki. Aby uniknąć tego negatywnego wpływu, ważne jest, aby jak najbardziej zminimalizować prawdopodobieństwo niedokładnych odpowiedzi generowanych przez Copilot.

Użytkownik może faktycznie uzyskać nieprawidłowe wyniki jedynie poprzez napisanie słabej komendy. Przykłady słabych monitów to:

• Niejasne lub niekompletne monity: Jeśli niedokładnie lub niekompletnie opiszesz żądane dane wyjściowe lub użyjesz niejednoznacznego języka w monicie, to jest mniej prawdopodobne, że Copilot wygeneruje przydatny wynik. Podczas pisania monitów należy starać się być tak konkretne i opisowe, jak to możliwe, stwierdzając żądany wynik.

• Niepoprawne podpowiedzi: Jeśli zrobisz błędy ortograficzne przy odwoływaniu się do miary, kolumny lub nazwy tabeli, funkcja Copilot może nie odwoływać się do właściwego pola. Podczas pisania monitów należy upewnić się, że pola, o których wspominasz w monicie, odwołują się poprawnie do pól w schemacie modelu semantycznego. Obejmuje to unikanie skrótów, akronimów lub nadmiernej interpunkcji. Należy pamiętać, że można również używać synonimów do odwoływania się do pól, ale nie ma możliwości sprawdzenia, które synonimy są dostępne dla danego pola (tak jak można zobaczyć opisy po umieszczeniu wskaźnika myszy na mierze lub kolumnie w okienku Dane).

• Nadmierne lub niewłaściwe dane uziemienia: Jeśli prześlesz monit za pośrednictwem okienka czatu Copilot, wówczas Copilot pobiera historię czatów z tej sesji jako dane uziemienia podczas wstępnego przetwarzania. W zależności od tego, co wiąże się z historią czatów, możesz uzyskać różne lub nieoczekiwane wyniki. Podczas pisania monitów należy wziąć pod uwagę, że wszystkie poprzednie monity i dane wyjściowe będą używane jako dane odniesienia. Aby tego uniknąć, możesz wybrać przycisk Copilot, aby zamknąć i ponownie otworzyć okienko czatu Copilot, wyczyścić historię czatu przed przesłaniem nowego monitu.

Na poniższej ilustracji przedstawiono przykład nieprawidłowych danych wyjściowych z aplikacji Copilot z powodu słabego monitu użytkownika:

Na ilustracji przedstawiono następujący monit: Jaki był zysk % dla regionu sprzedaży Australii w 2023 r.? W danych wyjściowych Copilot zwraca wartość zysku, a nie zysk jako wartość procentową. W takim przypadku użytkownik może uzyskać lepszy wynik od Copilot, określając bardziej wyraźnie, że chce zysku w procentach (zamiast używać symbolu procentowego).

Oprócz poleceń użytkownika, funkcja Zadawanie pytań dotyczących danych może również prowadzić do nieprawidłowych lub nieoczekiwanych wyników ze względu na jakość lub organizację podstawowego modelu semantycznego. Przykłady, gdy model semantyczny generuje słabe wyniki, to:

• Słaba konstrukcja lub implementacja modelu: Jeśli model semantyczny nie stosuje powszechnie stosowanych najlepszych praktyk (takich jak projektowanie schematu gwiazdy), prawdopodobnie uzyskasz słabe wyniki podczas korzystania z dowolnego narzędzia lub w dowolnym środowisku. Zawsze należy dążyć do tworzenia modeli semantycznych jakości, aby jak najlepiej wykorzystać możliwości usług Power BI i Fabric. Zobacz również Wskazówki dotyczące modelowania danych dla usługi Power BI , aby uzyskać więcej wskazówek i wskazówek dotyczących ulepszania modeli semantycznych usługi Power BI.

• Słabe konwencje nazewnictwa: Jeśli pola mają niespójne lub nadmierne konwencje nazewnictwa (takie jak akronimy, skróty i znaki interpunkcyjne), użytkownicy będą bardziej skłonni popełniać błędy w monitach, a Copilot będzie się mylić podczas odwoływania się do tych pól. Copilot działa najlepiej, gdy tabele, kolumny i miary mają nazwy w języku angielskim czytelnym dla człowieka.

• Słaba organizacja modelu: Jeśli nie zorganizujesz swojego modelu, prawdopodobnie wystąpi więcej problemów z Copilotem. Organizacja modelu to duży temat obejmujący wiele zadań, w tym opisy pól, ukrywanie kolumn i miar oraz unikanie pól o tych samych nazwach w różnych tabelach.

• Modelowanie językowe: Jeśli w Twoim modelu semantycznym nie jest skonfigurowane modelowanie językowe, w tym synonimy pól lub czasowniki określające relacje, istnieje większe prawdopodobieństwo, że Copilot zwróci nieoczekiwane wyniki. Power BI opiera się na tym samym modelowaniu językowym co funkcja pytania i odpowiedzi. Skonfigurowanie modelu językowego dla modelu semantycznego kosztuje dodatkowy czas i nakład pracy nad zadaniami tworzenia modeli semantycznych. Można to jednak nieco zrównoważyć , używając Narzędzia Copilot do generowania synonimów, wyjaśniono w dalszej części tego artykułu.

• Złożoność modelu: Bardziej złożony jest model, w tym posiadanie większej liczby pól, zależności i logiki biznesowej, tym bardziej prawdopodobne jest, że występują trudności podczas korzystania z narzędzia Copilot. Na przykład złożone wzorce, takie jak konwersja waluty lub rozłączone tabele (takie jak parametry pola), mogą powodować nieoczekiwane lub nieprawidłowe wyniki, gdy użytkownicy odwołują się do tych pól lub tabel w monitach. W przypadku bardziej złożonych modeli może być konieczne rozważenie konkretnych decyzji projektowych dotyczących modelu, aby uzyskać najlepsze wyniki dzięki aplikacji Copilot. Ogólnie rzecz biorąc, należy przetestować model za pomocą narzędzia Copilot, aby określić, czy uzyskasz spójne poprawne i niezawodne wyniki. Jeśli nie, warto rozważyć przekazanie użytkownikom zalecenia, aby nie używali narzędzia Copilot do stosowania twojego modelu semantycznego.

Uwaga / Notatka

Aby uzyskać więcej informacji, zobacz Przygotuj model semantyczny do użycia przez Copilot w dalszej części tego artykułu. Aby uzyskać dodatkowe uwagi, zobacz również oddzielny artykuł dotyczący aktualizowania modelu danych w celu współdziałania z rozwiązaniem Copilot dla usługi Power BI .

Na poniższej ilustracji przedstawiono przykład nieprawidłowych danych wyjściowych z copilot z powodu problemów z modelem semantycznym:

Obraz przedstawia następujący monit: Ile jednostek sprzedano w Australii w 2023 roku? W odpowiedzi Copilot zwraca liczbę jednostek, gdzie kolumna Country w tabeli Customer jest przefiltrowana na "Australia", zamiast filtrować kolumnę Country w tabeli Sales region. W takim przypadku użytkownik mógł poprawić monit o określenie kraju regionu sprzedaży. Jednak semantyczny deweloper modelu może również ukryć lub zmienić nazwę kolumny Country (Kraj ) w tabeli Customer (Klient ), jeśli nie jest ona przeznaczona do użycia przez Copilot. Alternatywnie mogą wyłączyć pole z synonimów pól modelu językowego, używając ustawień pytań i odpowiedzi.

Omawiamy znaczenie schematu językowego i konfiguracji pytań i odpowiedzi w sekcji Schemat językowy.

Wskazówka

Możesz określić, które pola i filtry są używane przez Copilot do wygenerowania wizualizacji lub odpowiedzi na pytanie dotyczące danych, klikając przycisk Dodaj do strony . Spowoduje to dodanie wizualizacji do kanwy raportu, w której można wybrać wizualizację i wyświetlić wszystkie filtry, które zastosował Copilot, czy pola, których używa Copilot.

Niezależnie od jakości monitu lub modelu, nadal można uzyskać niedokładne lub niskiej jakości wyniki z Copilot, gdy używasz funkcji Zadawanie pytań dotyczących danych. Wynika to z faktu, że podstawowy model — z bieżącą konfiguracją — jest nieokreślony i nie ma gwarancji utworzenia poprawnej odpowiedzi lub tej samej odpowiedzi z tym samym monitem, modelem i danymi.

Na poniższej ilustracji przedstawiono przykład, w których copilot generuje niedokładne lub niewłaściwe wyniki:

W tym przykładzie obraz przedstawia pytania: Pytanie: Który kraj wygenerował najwyższy zysk w 2024 roku? i Pytanie: Który kraj wygenerował najwyższy zysk w 2023 roku? Wyniki pokazują, że Copilot najpierw prosi o wyjaśnienie, stwierdzając, że model nie zawiera danych dla roku 2024. W modelu istnieją dane w roku 2024 przy filtrowaniu do tego roku przy użyciu tabeli dat. Następnie funkcja Copilot zwraca wynik filtrujący kolumnę Birthday (Urodziny ) z tabeli Customer (Klient ), a nie oznaczoną tabelę dat w modelu. Chociaż użytkownik może utworzyć bardziej szczegółowy monit lub deweloper może ukryć pole Urodziny, w tym przypadku Copilot powinien wygenerować oczekiwany wynik.

Aby temu zaradzić, ważne jest, aby przeszkolić użytkowników w krytycznej ocenie wszelkich wyników uzyskanych z Copilot w Fabric i Power BI oraz co zrobić, aby skutecznie rozwiązywać problemy z nieoczekiwanymi wynikami lub spróbować nowego monitu, zamykając i ponownie otwierając okienko czatu Copilot lub okno.

Widok zapytania DAX

Podczas tworzenia modelu semantycznego można użyć narzędzia Copilot do generowania zapytań języka DAX w widoku zapytania języka DAX. W tych zapytaniach można również zdefiniować miary DAX, które można następnie dodać do modelu semantycznego. Możesz również użyć narzędzia Copilot, aby wyjaśnić pojęcia języka DAX w wygenerowanych zapytaniach lub zapytaniach utworzonych samodzielnie.

Na poniższej ilustracji przedstawiono przykład użytkownika z pytaniem Copilota o wygenerowanie zapytania języka DAX.

Obraz przedstawia następujący monit: zysk YTD według miesiąca w 2023 roku. Następnie użytkownik może poprosić Copilota o wyjaśnienie zapytania, jak pokazano na poniższej ilustracji.

Obraz przedstawia następujące polecenie: Wyjaśnij zapytanie DAX. Wyjaśnienie jest wyświetlane w dolnej części okna Copilot.

Przypadki użycia

W widoku zapytania języka DAX można użyć narzędzia Copilot w następujących przypadkach użycia:

• Generowanie zapytań języka DAX: Możesz użyć narzędzia Copilot, aby zasugerować zapytania języka DAX, których można użyć do:

  • Eksplorowanie lub analizowanie modelu lub danych.
  • Przetestuj i zweryfikuj model lub dane.
  • Wypróbuj nowe podejścia lub wzorce do obliczeń w języku DAX.

• Refaktoryzacja istniejących zapytań języka DAX: Możesz użyć narzędzia Copilot, aby wygodniej lub wydajniej modyfikować zapytania skopiowane lub napisane samodzielnie, takie jak:

  • Dodawanie komentarzy w celu wyjaśnienia i udokumentowania zapytania lub miary w języku DAX.
  • Ułatwianie odczytywania i zrozumienia zapytania, takiego jak zapytanie skopiowane z wizualizacji raportu usługi Power BI, którą badasz.
  • Dokonywanie dużych lub powtarzalnych zmian w kodzie.
  • Prośba Copilota o usunięcie lub zastąpienie zmiennych.

• Generowanie miar języka DAX: Możesz użyć narzędzia Copilot, aby zasugerować miary języka DAX, które są zdefiniowane przed wygenerowanym zapytaniem. Te miary mogą być ograniczone do wygenerowanego zapytania DAX lub dodane do modelu semantycznego.

• Wyjaśnienie pojęć dotyczących języka DAX: Możesz użyć narzędzia Copilot, aby wyjaśnić i lepiej zrozumieć różne pojęcia w języku DAX, takie jak:

  • Zapytanie języka DAX lub zdefiniowana miara w zapytaniu.
  • Funkcje języka DAX, takie jak CALCULATE lub KEEPFILTERS.

Korzyści

Główną zaletą korzystania z narzędzia Copilot w widoku zapytania języka DAX jest uzyskanie pomocy technicznej podczas pisania zapytań języka DAX. Oznacza to, że mniej doświadczeni deweloperzy i analitycy mogą używać Copilot do uczenia się pojęć języka DAX lub generowania języka DAX do użycia w modelu. Może również zaoszczędzić czas średnio zaawansowanych i doświadczonych deweloperów, gdy muszą opracowywać język DAX, ale nie mogą zapamiętać konkretnej funkcji lub wzorca albo gdy chcą refaktoryzować lub uprościć istniejące zapytanie.

Istnieją inne narzędzia generowania sztucznej inteligencji, których można używać na potrzeby kodu języka DAX, ale narzędzie Copilot w usłudze Power BI ma następujące konkretne korzyści:

• Rozwiązanie Copilot w usłudze Power BI jest opracowywane we współpracy z autorami języka DAX.
• Copilot nie używa żadnego dostrajania modelu, ale zawiera metaprompty z konkretnymi przykładami języka DAX firmy Microsoft.
• Nie musisz kopiować ani wklejać kodu ani informacji o modelu, ponieważ copilot jest zintegrowany w programie Power BI Desktop.
• Podczas procesu postprodukcyjnego Copilot używa analizatora języka DAX, aby upewnić się, że zapytanie jest prawidłowe, co zmniejsza prawdopodobieństwo otrzymania błędów w zapytaniach.

Ostrzeżenie

Niedoświadczeni deweloperzy lub analitycy zajmujący się Power BI powinni upewnić się, że weryfikują i rozumieją każdy kod lub składnię DAX przed jego użyciem. Jest to szczególnie ważne w przypadku używania narzędzia Copilot w widoku zapytania DAX do zasugerowania miar, które dodajesz do modelu. Dzieje się tak dlatego, że Copilot nie wie, gdzie użyjesz tej miary, a choć sugerowany kod może działać w początkowym zapytaniu języka DAX, to w innym kontekście filtru Twojego raportu może prowadzić do nieoczekiwanych lub nieprawidłowych wyników.

Aby zweryfikować i zrozumieć język DAX, ci niedoświadczoni deweloperzy mogą używać narzędzia Copilot do dodawania komentarzy do kodu, wyjaśniania pojęć, a także badania wzorców lub funkcji przy użyciu zweryfikowanych źródeł online, takich jak dokumentacja firmy Microsoft.

Szczegóły doświadczenia

Funkcje Copilot w widoku zapytania DAX mają kroki podczas wstępnego i końcowego przetwarzania, które różnią się od innych funkcji Copilot w środowisku Fabric.

Copilot w widoku zapytań DAX ma następujące aspekty do rozważenia:

• Wkład: Użytkownicy udostępniają napisane polecenie w polu wejściowym specyficznym dla pojedynczego okna zapytania DAX. Mogą zażądać zapytania, zażądać zmian w istniejącym zapytaniu, które copilot już wygenerował lub wyjaśnić koncepcję języka DAX. W polu wejściowym użytkownicy mogą również wybierać przyciski do generowania zapytań. Przycisk Ponów próbę ponownie wygeneruje zapytanie podczas pomijania bieżącego kontekstu, aby można było spróbować uzyskać inne podejście.

• Wstępne przetwarzanie i dane podstawowe: Copilot pobiera dane podstawowe ze schematu modelu i cokolwiek w oknie zapytania. Copilot przyjmuje następujące informacje jako kontekst, aby spróbować poprawić użyteczność i specyfikę danych wyjściowych Copilot:

  • Dowolny tekst w bieżącym oknie zapytania języka DAX, w tym napisany kod języka DAX, komentarze lub poprzednie wygenerowane zapytania języka DAX.
  • Historia konwersacji z Copilot z aktualnie aktywnej sesji. Obejmuje to wszelkie poprzednie pytania i dane wyjściowe, ale nie punkty danych.
  • Schemat modelu semantycznego, który zawiera tabele, wiersze, kolumny, miary i inne obiekty (takie jak relacje, grupy obliczeń itd.). Obejmuje to wszystkie obiekty niezależnie od tego, czy są ukryte, czy nie (z wyjątkiem sytuacji, gdy masz połączenie na żywo z udostępnionym modelem semantycznym).
  • Synonimy ze schematu językowego modelu.
  • Niektóre właściwości modelu semantycznego, w tym wyrażenia języka DAX, opisy (obcięte po pierwszych 200 znakach), typy danych, ciągi formatu (i wyrażenia ciągów formatu) i kategoria danych.
  • Niektóre agregacje statystyczne, takie jak minimalne i maksymalne wartości kolumn z modelu, które mogą być używane w zapytaniu. Są to punkty danych wysyłane do Copilot jako kontekst.
  • Narzędzie Copilot może również wysłać wynik zapytania z powrotem do usługi Azure OpenAI, aby móc wyjaśnić wygenerowane zapytanie lub jego wyniki.

  Następujące informacje są wykluczone:

  • Historia konwersacji z Copilot podczas tej sesji, gdy wybierzesz przycisk "Ponów próbę".
  • Każda tabela w modelu oznaczonym jako prywatna.
  • Komentarze w wyrażeniach języka DAX.

• Wyjście: Dane wyjściowe, które udostępnia Copilot, zawierają kod języka DAX i komentarze języka DAX w oknie zapytania języka DAX lub wyjaśnienia języka DAX w polu danych wejściowych Copilot. Użytkownik zazwyczaj musi zdecydować się na samodzielne uruchomienie i zapisanie zapytania.

Porady dotyczące ulepszania wyników Copilot

Aby poprawić jakość zapytań języka DAX generowanych przez Copilot, należy użyć tych samych wskazówek, co w przypadku korzystania z funkcji Zadawanie pytań dotyczących danych w Copilot. W szczególności należy upewnić się, że monity są jasne, dokładne i opisowe oraz że model semantyczny jest dobrze zaprojektowany, zorganizowany i nie zawiera zbyt dużej złożoności ani wyjątków.

Uwaga / Notatka

Aby uzyskać więcej informacji, zobacz Przygotowanie modelu semantycznego do wykorzystania przez Copilota w dalszej części tego artykułu. Aby uzyskać dodatkowe uwagi, zobacz również oddzielny artykuł dotyczący aktualizowania modelu danych w celu współdziałania z rozwiązaniem Copilot dla usługi Power BI .

Oto kilka wskazówek specyficznych dla doświadczenia z zapytaniami DAX:

• Różnice między modelami połączeń lokalnych i na żywo: Rozwiązanie Copilot działa inaczej w zależności od tego, czy wykonujesz zapytania dotyczące modelu lokalnego otwartego w programie Power BI Desktop, czy udostępnionego modelu semantycznego w usłudze Power BI. Jeśli na przykład masz połączenie na żywo z udostępnionym modelem semantycznym i korzystasz z funkcji przeglądania zapytań języka DAX.

  • Copilot nie widzi wyrażeń DAX dla miar ani żadnych ukrytych lub prywatnych obiektów.
  • Copilot musi uruchomić zapytanie języka DAX przed zwróceniem go, aby upewnić się, że zapytanie jest prawidłowe.

• Użyj przycisku Ponów próbę: Przycisk Ponów próbę opróżnia pamięć podręczną Copilot, zapewniając, że otrzymasz nowy rezultat z tymi samymi danymi monitu i podstawowymi. Jest to przydatne, gdy wykonujesz iteracyjne prace nad rozwiązaniem, które spełnia określone wymagania.

• Poproś Copilota o dodanie komentarzy do kodu: Komentarze to przydatny sposób organizowania i dokumentowania zapytań języka DAX oraz ułatwia zrozumienie kodu generowanego przez aplikację Copilot. Możesz również poprosić Copilota o wyjaśnienie koncepcji DAX.

• Sprawdź jakość, źródła recenzowane przez innych specjalistów: Jeśli nadal nie rozumiesz wygenerowanego kodu z komentarzami i wyjaśnieniami z Copilota, powinieneś poszukać informacji o funkcjach i wzorcach w zaufanych źródłach online, zarówno w dokumentacji firmy Microsoft, jak i w społeczności Power BI.

• Uważaj na użycie zmiennych przez Copilot: Copilot może mieć trudności z użyciem zmiennych odpowiednio w zapytaniach języka DAX i zdefiniowanych miarach. Na przykład Copilot może próbować filtrować lub grupować już zadeklarowaną zmienną, która nie jest możliwa i generuje nieoczekiwany wynik.

• Użyj zwięzłych opisów, aby rozróżnić pola o podobnych nazwach: Opisy pomagają, gdy podobne pola istnieją w tym samym modelu, takie jak Nazwa w tabeli Customer (Nazwa) i Name (Nazwa) w tabeli Store (Sklep).

• Uważaj na użycie grup obliczeniowych przez Copilot: Copilot może mieć trudności z używaniem grup obliczeniowych w sugerowanych zapytaniach. Aby ulepszyć korzystanie z grup obliczeniowych Copilot, należy uwzględnić nazwy elementów obliczeń wymienione w opisie grupy obliczeniowej.

• Uważaj na nowsze funkcje i składnię języka DAX: Copilot i inne narzędzia do generowania sztucznej inteligencji są ograniczone w ich ilości i zakresie danych szkoleniowych. W związku z tym częściej popełniają błędy w nowszych funkcjach lub składni języka DAX. W przypadku tych scenariuszy warto najpierw spróbować utworzyć zapytanie, a następnie zmienić je przy użyciu narzędzia Copilot.

• Podczas generowania miar zawsze pytaj o kwerendę: Środowisko Copilot w widoku zapytań DAX jest przeznaczone do generowania kwerend DAX. Uzyskasz najlepsze wyniki, gdy poinstruujesz Copilota, aby wykonało to zadanie, zamiast prosić o wygenerowanie miary lub innego wyrażenia języka DAX.

Schemat językowy

Możesz użyć narzędzia Copilot, aby zasugerować synonimy pól i relacji językowych dla modelu. Synonimy lub relacje są tworzone podczas tworzenia schematu językowego dla modelu semantycznego. To modelowanie językowe jest ważne, aby zapewnić, że zarówno Q&A, jak i Copilot mogą zwracać przydatne wyniki, gdy użytkownicy zadają pytania do modelu semantycznego. Są one używane do interpretowania monitów użytkownika i identyfikowania odpowiednich pól, takich jak synonim Obroty używane do identyfikowania miary o nazwie Kwota sprzedaży.

Aby dodać synonimy i relacje do modelu semantycznego, musisz włączyć ustawienie programu Power BI Desktop Włącz Q&A, aby zadawać pytania dotyczące języka naturalnego dotyczące danych w ustawieniach ładowania danych bieżącego pliku. Następnie możesz otworzyć okno konfiguracji Pytań i Odpowiedzi za pomocą opcji Q&A Setup na wstążce Modelowanie w programie Power BI Desktop.

Na poniższej ilustracji przedstawiono okno konfiguracji Q&A w programie Power BI Desktop, w którym można dodawać synonimy i relacje do użycia zarówno przez Q&A, jak i Copilot w Power BI.

Możesz ręcznie dodać synonimy lub relacje, albo skorzystać z sugerowanych synonimów pochodzących od Twojej organizacji, z tezaurusa lub wygenerowanych przez sugestie Copilot. Copilot może sugerować zarówno synonimy, jak i nowe typy relacji, aby dodać je do modelu semantycznego. Copilot może również interpretować nierozpoznane terminy. W przypadku synonimów można dostosować je z menu Ustawienia sugestii , jak pokazano na poniższej ilustracji.

Aby uzyskać więcej informacji na temat korzystania z menu konfiguracji pytań i odpowiedzi, zobacz Wprowadzenie do narzędzi pytań i odpowiedzi w celu trenowania pytań i odpowiedzi usługi Power BI.

Zamiast korzystać z okna konfiguracji Q&A, można również dodać synonimy i relacje przy użyciu plików YAML schematu językowego. Aby uzyskać więcej informacji, zobacz wpis w blogu Edytowanie schematów językowych pytań i odpowiedzi.

Zalecamy użycie narzędzia Copilot do generowania synonimów jako pierwszego kroku podczas modelowania językowego dla modelu semantycznego. Następnie można opracować sugerowane synonimy, usuwając te, które nie mają sensu, i w razie potrzeby dodając dodatkowe synonimy. Upewnij się, że udostępniasz użyteczne synonimy swojej organizacji, aby móc je ponownie wykorzystać.

Ponadto, jeśli chcesz wykluczyć tabelę, kolumnę lub miarę z użycia przez Q&A lub Copilot, możesz wyłączyć opcję Uwzględnij w Q&A w oknie Synonimy konfiguracji. Jest to zalecane, jeśli masz pola techniczne lub nadmiarowe, do których nie chcesz się odwoływać, korzystając z różnych funkcjonalności Copilot.

Uwaga / Notatka

Jeśli nie planujesz używania narzędzia Copilot lub Q&A dla modelu semantycznego, nie musisz konfigurować schematu językowego. Modelowanie językowe przynosi korzyści tylko tym konkretnym funkcjom.

Korzyści

Sugerowanie synonimów za pomocą Copilot może zaoszczędzić czas deweloperom i pomóc w wymyślaniu nowych synonimów, których nie rozważyliby w inny sposób. Może to sprawić, że modelowanie językowe będzie bardziej wydajne i skuteczne, jeśli musisz go użyć.

Porady dotyczące ulepszania danych wyjściowych Copilot

To funkcjonalność Copilot używa następujących danych pomocniczych do kontekstu:

• Schemat modelu semantycznego, który obejmuje ukryte tabele, wiersze, kolumny, miary i inne obiekty (takie jak relacje, grupy obliczeń itd.).
• Pełny schemat językowy modelu.
• Niektóre właściwości modelu semantycznego, w tym opisy, typy danych, ciągi formatu i kategoria danych.

Biorąc pod uwagę te dane uziemienia, możesz upewnić się, że sugerowane synonimy są przydatne przez:

• Używanie spójnych i dokładnych konwencji nazewnictwa.
• Unikanie używania znaków interpunkcyjnych, akronimów i skrótów, jeśli jest to możliwe.
• Nazewnictwo tabel, kolumn i miar w języku angielskim.

Opisy miar

Możesz użyć narzędzia Copilot, aby wygenerować opisy miar modelu. Opisy miar są ważne zarówno dla użytkowników modelu, jak i innych deweloperów, aby zrozumieć przeznaczenie miary i sposób ich używania. Ponadto opisy miar mogą poprawić użyteczność danych wyjściowych Copilot dla innych funkcji Copilot, takich jak w przypadku używania Copilot do generowania zapytań języka DAX w widoku zapytań języka DAX modelu semantycznego Power BI.

Zalecamy użycie narzędzia Copilot do generowania opisów miar dla miar modelu. Następnie możesz przejrzeć wyniki i poprawić je, aby upewnić się, że są one dokładne, zwięzłe i przydatne.

Korzyści

Tworzenie opisów miar jest zwykle trudnym zadaniem, które jest często zaniedbywane. Generowanie opisów miar skraca czas potrzebny na organizowanie i dokumentowanie modelu semantycznego. W przeciwieństwie do schematu językowego wszystkie semantyczne modele mogą korzystać z dodawania opisów do tabel, kolumn i miar. Pomaga to ulepszyć dokumentację modelu i użyteczność dla innych osób w organizacji.

Wskazówka

Jeśli potrzebujesz opisów miar w innym języku, możesz je najpierw wygenerować w języku angielskim. Następnie możesz automatycznie przetłumaczyć opublikowany model przy użyciu innych narzędzi, takich jak semantyczne laboratoria linków w notesach.

Jak ulepszyć dane wyjściowe Copilot

To środowisko Copilot używa następujących danych źródłowych dla kontekstu.

• Wyrażenia języka DAX dla miar i obiektów obliczeniowych.
• Właściwości pól, w tym opisy, typy danych, ciągi formatu i kategoria danych.
• Synonimy pól.

Biorąc pod uwagę te dane uziemienia, możesz upewnić się, że sugerowane synonimy są przydatne przez:

• Używanie spójnych konwencji nazewnictwa.
• Ograniczanie użycia znaków interpunkcyjnych, akronimów i skrótów.
• Nazewnictwo miar w języku angielskim.

Korzystanie z modelu semantycznego przy użyciu narzędzia Copilot

Za pomocą narzędzia Copilot można podawać pytania dotyczące danych do modeli semantycznych podczas ich używania. To środowisko jest dostępne za każdym razem, gdy używasz raportu, w tym w programie Power BI Desktop, opublikowanym raporcie w obszarze roboczym, aplikacji lub elemencie OrgApp albo w aplikacji mobilnej Power BI.

Konsumenci mogą zadawać pytania dotyczące danych modelu semantycznego w następujących scenariuszach:

• Nie mogą znaleźć informacji ani analiz potrzebnych w raportach.
• Chcą wyświetlać dane w inny sposób, a personalizowanie wizualizacji nie jest włączone.
• Chcą zadać pytanie dotyczące danych przy użyciu języka naturalnego, a nie za pomocą narzędzi lub kodu.

Uwaga / Notatka

Zobacz Zadawanie pytań dotyczących danych we wcześniejszej sekcji tego artykułu na temat tworzenia modelu semantycznego z pomocą copilota. Obrazy i wskazówki mają zastosowanie również podczas korzystania z funkcji zadawania pytań dotyczących danych w celu korzystania z modelu semantycznego.

Aby uzyskać więcej informacji o sposobie używania narzędzia Copilot w raportach, które korzystają z modelu semantycznego, zobacz artykuł Use Copilot with Power BI reports (Korzystanie z narzędzia Copilot z raportami usługi Power BI).

Przygotowanie modelu semantycznego do użycia przez Copilot

Należy używać narzędzia Copilot tylko do korzystania z modeli semantycznych po podjęciu niezbędnych kroków w celu zaktualizowania modelu danych, aby dobrze współpracować z rozwiązaniem Copilot dla usługi Power BI.

Wskazówka

Rozważ użycie tagów do oznaczania modeli semantycznych jako gotowych do użycia przez Copilot. Może to być wygodny sposób, aby umożliwić konsumentom danych identyfikowanie modeli, których mogą używać z copilotem i oczekiwać lepszych wyników. Alternatywnie można również rozważyć gotowość semantycznego modelu do użycia z Copilot jako kryterium poparcia dla promowanego lub nawet certyfikowanego statusu.

Jeśli modele nie są jeszcze gotowe do użycia z narzędziem Copilot w usłudze Power BI, ale użytkownicy nadal chcą mieć możliwość samodzielnego analizowania danych, rozważ użycie funkcji Spersonalizuj wizualizacje. Alternatywnie możesz pokazać użytkownikom, jak używać eksploracji danych lub łączyć się z modelem semantycznym z programu Power BI Desktop lub Excel w celu utworzenia własnych raportów.

Power BI Desktop

W programie Power BI Desktop możesz zadawać pytania dotyczące danych modelu semantycznego przy użyciu okienka czatu Copilot. Działa to zarówno z modelami lokalnymi otwartymi w programie Power BI Desktop, jak i po nawiązaniu połączenia z udostępnionym modelem semantycznym przy użyciu połączenia na żywo. Aby uzyskać więcej informacji, zobacz Zadawanie pytań dotyczących danych we wcześniejszej sekcji tego artykułu.

Możesz również użyć widoku zapytania języka DAX do korzystania z modelu semantycznego, generując zapytania języka DAX. Użytkownicy zaawansowani usługi Power BI mogą to zrobić, jeśli wolą eksplorować dane przy użyciu kodu.

Jednak w przypadku większości użytkowników danych wygodniejsze i bardziej wydajne jest korzystanie z modelu semantycznego i eksplorowanie go przez dodanie wizualizacji do kanwy raportu lub użycie innych elementów, takich jak eksploracje lub tabele przestawne analizuj w programie Excel. Te elementy zwykle mają prostszy interfejs użytkownika i środowisko użytkownika lepiej dostosowane do eksplorowania i interpretacji danych niż środowiska przypominające czat w języku naturalnym, takie jak Copilot.

Wskazówka

Środowiska copilot w usłudze Power BI można używać w przypadku połączenia z semantycznymi modelami opublikowanymi w obszarach roboczych Pro lub PPU. Jedynym wymaganiem jest skonfigurowanie programu Power BI Desktop do korzystania z rozwiązania Copilot z obszaru roboczego F64; dzieje się to niezależnie od tego, z którym semantycznym modelem nawiązujesz połączenie i korzystasz z niego.

Opublikowany raport

W opublikowanym raporcie można również zadawać pytania dotyczące danych połączonego modelu semantycznego przy użyciu okienka czatu Copilot. To doświadczenie w Fabric jest identyczne z funkcją Zadawanie pytań dotyczących danych w programie Power BI Desktop zarówno podczas tworzenia, jak i korzystania z modelu.

Uwaga / Notatka

Niewielkie różnice mogą istnieć między doświadczeniami Copilot w Fabric i w programie Power BI Desktop. W końcu z czasem te doświadczenia będą równe i będą działać w ten sam sposób.

Aplikacja mobilna Power BI

W aplikacji mobilnej Power BI możesz również zadawać pytania dotyczące danych dla dowolnego raportu przy użyciu okienka czatu Copilot w aplikacji. Pytania zostaną skierowane do połączonego modelu semantycznego dla tego raportu. Działa to podobnie jak opisane wcześniej w tym artykule środowisko Zadawania pytań o dane.

Treści powiązane

• Aktualizowanie modelu danych w celu współdziałania z rozwiązaniem Copilot dla usługi Power BI
• Omówienie narzędzia Copilot dla usługi Power BI
• Integracja rozwiązania Copilot w usłudze Power BI