Используйте Copilot с семантическими моделями

В этой статье описано, как использовать возможности Copilot в Power BI для семантических моделей.

Copilot в Microsoft Fabric — это помощник по созданию искусственного интеллекта, который направлен на улучшение возможностей аналитики данных на платформе Fabric, включая рабочую нагрузку Power BI. Вы можете использовать Copilot в Power BI для поддержки как разработки, так и использования семантических моделей как пользователями для самообслуживания, так и корпоративными пользователями. При эффективном использовании Copilot может поддерживать как аналитиков, так и бизнес-пользователей, чтобы повысить производительность и получить больше ценности от своих семантических моделей.

Однако для использования Copilot с семантическими моделями в Power BI необходимо сначала подготовить данные, семантическую модель и пользователей. Если вы не сделали этого, то Copilot производит главным образом низкое качество и неточные выходные данные, которые могут быть неверными или даже вводящими в заблуждение. В следующих разделах описано, как использовать Copilot в Power BI для разработки или использования семантической модели с помощью доступных возможностей Copilot.

Замечание

Для получения дополнительной информации см. документацию Copilot в Power BI.

Copilot и его возможности развиваются со временем. Интерфейсы Copilot в следующих разделах изменятся, и новые возможности могут стать доступными благодаря семантическим моделям. Таким образом, вы должны следить за ежемесячными выпусками Power BI и любыми соответствующими объявлениями Copilot.

Это важно

Вы не можете включить или отключить Copilot в определенных рабочих нагрузках или для определенных возможностей Copilot. Если Copilot в Fabric включен в возможностях для пользователя или группы безопасности, то все работа и опыт работы с Copilot доступны для этих пользователей.

Разработка семантической модели с помощью Copilot

При разработке семантической модели в Power BI можно использовать Copilot для повышения эффективности и удобства определенных задач. Как правило, это включает использование Copilot для упрощения избыточных или повторяющихся изменений для вас (например, создания описаний мер) или помощи в решении или понимании сложных моделей проектирования или DAX (например, использование Copilot в представлении запросов DAX для объяснения концепций DAX или создания запросов DAX).

В следующих разделах объясняется, как разработчик Или аналитик Power BI, создающий семантические модели, может использовать различные возможности Copilot в Power BI.

Замечание

В следующих разделах рассматриваются возможности, поддерживающие разработку семантических моделей в Power BI Desktop, а не в Интернете, с помощью редактирования моделей данных в службе Power BI. Руководства и соображения в следующих разделах могут по-прежнему применяться при редактировании моделей данных в Power BI, но помните, что между этими двумя способами работы существуют различия.

Как правило, рекомендуется разрабатывать семантические модели Power BI с помощью Power BI Desktop или сторонних средств, а затем публиковать эти модели в службе Power BI, когда вы будете готовы к использованию. Однако вы также можете редактировать модели данных в службе Power BI, если это ваш выбор, или если вы не можете использовать классические средства для разработки модели.

Вопросы о данных

При разработке семантической модели часто требуется изучить и запросить данные. Обычно это можно сделать с помощью сочетания редактора Power Query, холста отчета и запросов DAX. Однако вы также можете задавать вопросы о модели и его содержимом с помощью панели чата Copilot. Как правило, задавать вопросы о данных - это скорее опыт потребления, когда бизнес-пользователи могут спрашивать о данных, если не могут найти ответ в отчете. Однако разработчики могут использовать это для изучения данных или проверки того, как Copilot выполняет свою модель.

На следующем рисунке показан пример пользователя, задающего вопрос Copilot о семантической модели. На изображении показан следующий запрос: что было прибылью % для региона продаж Австралии в 2023 году?

Случаи использования

С помощью Copilot можно задать вопросы о данных для следующих вариантов использования:

• Изучите данные в модели: Разработчик может использовать интерфейс "Задать вопросы о данных " для изучения данных в модели с помощью Copilot. Тем не менее, скорее всего, более эффективно изучить данные, добавив визуальные элементы на холст отчета или используя запросы DAX. Это связано с тем, что визуальные элементы отчета автоматически обновляются при внесении изменений в модель, но ответы на вопросы о данных в области чата Copilot являются статическими и исчезают при закрытии области чата Copilot. Кроме того, визуализации, созданные с помощью Copilot, могут содержать специфические для визуализаций фильтры, которые нельзя создать в Power BI Desktop. Эти фильтры могут быть вводящими в заблуждение или проблемными для расследования.

• Проверьте использование Copilot для потребления семантической модели: Разработчики должны использовать интерфейс «Задать вопросы о данных», чтобы понять и проверить, как опыт использования Copilot выполняется на их семантической модели. Это основная область применения запросов о данных при разработке семантической модели. Этот вариант использования позволяет разработчику вносить изменения в семантику модели, которая может лучше поддерживать Copilot для получения более полезных выходных данных.

Это важно

При проектировании семантической модели убедитесь, что вы обсуждаете с пользователями и документируете, как они будут использовать ее, включая элементы, инструменты и интерфейсы, которые они будут использовать. Если пользователи не будут использовать Copilot в Power BI, разработчику не нужно использовать интерфейс "Задать вопросы о данных " для тестирования модели. Тем не менее, если пользователи планируют использовать Copilot для использования семантических моделей сейчас или в будущем, важно, чтобы разработчики учитывали это в процессе проектирования и разработки моделей.

Преимущества

Разработчик может использовать вопросы о данных, чтобы понять, каково будет взаимодействие для бизнес-пользователей, которые работают с семантической моделью с помощью Copilot в Power BI. Это тестирование важно, если бизнес-пользователи хотят использовать Copilot для использования семантической модели.

Особенности работы

Опыт задания вопросов о данных отличается от стандартного процесса Copilot в Fabric в следующих аспектах. Этот обзор относится к использованию интерфейса "Вопросы с данными " при разработке и использовании семантических моделей:

• Ввод: Пользователи предоставляют письменный запрос на вопрос или запрос конкретных сведений из семантической модели.

• Предварительная обработка и заземление данных: Copilot извлекает данные о заземления из схемы модели. Она выполняет сокращение схемы, чтобы ограничить контекст до самого важного. В качестве контекста Copilot принимает следующие сведения, чтобы попытаться улучшить полезность и специфику выходных данных Copilot:

  • Все метаданные отчета на текущей странице отчета. Если есть соответствующие метаданные отчета, то Copilot в Power BI отвечает на вопросы о данных из отчета вместо модели.
  • Беседа с Copilot в текущем сеансе. Это включает в себя все предыдущие вопросы и результаты, которые содержат точки данных из вопросов, на которые ранее отвечал Copilot.
  • Схема семантической модели, которая включает таблицы, строки, столбцы, меры и другие объекты (например, связи, группы вычислений и т. д.).
  • Полная лингвистическая схема модели.
  • Некоторые свойства семантической модели, включая описания, типы данных, строки форматирования и категорию данных.

  Следующие сведения исключены:

  • Любая страница отчета, которая скрыта.
  • Любое поле (мера или столбец) в модели, скрытое.
  • Любая таблица в модели, помеченная как частная.

• Выпуск: Выходные данные, которые предоставляет Copilot, содержат несколько частей:

  • Визуализация: Copilot отвечает на вопрос о данных, представив визуальный элемент Power BI, например, карточку, график или таблицу. Copilot выбирает визуальный элемент и его форматирование, которое пользователь не может контролировать или запрашивать в запросе. Визуализация может прекратиться, если базовая модель, DAX или данные не оптимизированы или слишком сложны.
  • Сводка: Copilot суммирует результат запроса. Эта сводка создается путем отправки результата семантического запроса в Azure OpenAI (включая точки данных) и запроса объяснения на естественном языке.
  • Ошибки или запрос на уточнение: Если Copilot не может создать ответ, он может вернуть универсальное сообщение об ошибке. Это сообщение об ошибке может включать запрос на уточнение, включая предложенные варианты исходного вопроса данных пользователя.

Осторожность

При использовании Copilot в Power BI с семантическими моделями в Power BI Desktop Copilot может использовать метаданные отчета в качестве основополагающих данных. В определенных обстоятельствах метаданные отчета могут содержать точки данных, такие как значения столбцов, которые могут включать конфиденциальную информацию. Это верно как для формата метаданных устаревшего отчета, так и нового формата расширенного отчета Power BI (PBIR).

Советы по улучшению выходных данных Copilot

Copilot может создавать неточные или низкокачественный выходные данные, включая неправильные ответы на вопросы о данных. Часто неправильные ответы возникают из ошибок пользователя или проблем модели. Чтобы уменьшить вероятность неправильных или непредвиденных выходных данных Copilot, можно обратиться к запросам пользователей и модели данных.

Это важно

Неточные ответы на вопросы данных могут привести к неправильным решениям и действиям бизнес-пользователей, что приводит к плохим результатам. Чтобы избежать этого негативного влияния, важно уменьшить вероятность неточных ответов Copilot как можно больше.

Пользователь может создавать неверные результаты только путем написания плохого запроса. Ниже приведены примеры плохих запросов:

• Расплывчатые или неполные запросы: Если вы неточно или не полностью описываете нужные выходные данные или используете неоднозначный язык в запросе, то Copilot менее вероятно, что даст полезный результат. При написании запросов следует попытаться быть как можно более конкретным и описательным в том, чтобы указать нужный результат.

• Неправильные запросы: Если при ссылке на меру, столбец или имя таблицы возникают ошибки орфографии, то Copilot может ссылаться не на правильное поле. При написании запросов необходимо убедиться, что поля, упомянутые в запросе, правильно ссылаются на поля в схеме семантической модели. Это включает в себя предотвращение аббревиаций, акронимов или чрезмерной препинания. Обратите внимание, что вы также можете использовать синонимы для ссылки на поля, но нет способа проверить, какие синонимы доступны для данного поля (например, как можно увидеть описания при наведении указателя на меру или столбец на панели данных).

• Чрезмерные или неуместные данные для привязки: Если вы отправляете запрос с помощью панели чата Copilot, Copilot принимает журнал чата из этого сеанса в качестве данных для привязки во время предварительной обработки. В зависимости от того, что содержит история чата, вы можете получить разные или неожиданные результаты. При написании запросов следует учитывать, что все предыдущие запросы и выходные данные будут использоваться как основные данные. Чтобы избежать этого, нажмите кнопку Copilot, чтобы закрыть и открыть панель чата Copilot, снимите журнал чата перед отправкой нового запроса.

На следующем рисунке показан пример неправильного вывода из Copilot из-за плохого запроса пользователя:

На изображении показан следующий запрос: Какова была прибыль % для региона продаж Австралии в 2023 году? В выходных данных Copilot возвращает сумму прибыли, а не прибыль в процентах. В этом случае пользователь может получить лучший результат от Copilot, указав более четко, что они хотят прибыль в процентах (а не с помощью символа процента).

Помимо запросов пользователей, взаимодействие с вопросами о данных может также привести к неправильным или непредвиденным результатам из-за качества или организации базовой семантической модели. Примеры того, когда семантическая модель создает плохие результаты, включают:

• Плохое проектирование или реализация модели: Если семантическая модель не соответствует общим рекомендациям (например, схеме звездочки), скорее всего, вы получите плохие результаты с любым инструментом потребления или опытом. Вы всегда должны стремиться к качественным семантическим моделям, чтобы максимально эффективно использовать Power BI и Fabric. Дополнительные советы и рекомендации по улучшению семантических моделей Power BI см. в руководстве по модели моделирования данных Для Power BI .

• Плохое соглашение об именовании: Если поля имеют несогласованные или чрезмерные соглашения об именовании (например, акронимы, сокращения и препинания), пользователи, скорее всего, будут ошибаться в своих запросах, и Copilot будет путаться при обращении к этим полям. Copilot лучше всего работает, когда таблицы, столбцы и меры имеют имена на читаемом английском языке.

• Плохая организация модели: Если вы не упорядочиете модель, скорее всего, вы сможете столкнуться с большими проблемами с Copilot. Организация модели — это большая тема, которая охватывает множество задач, включая описания полей, скрытие столбцов и мер, а также избегание полей с одинаковыми именами в разных таблицах.

• Лингвистическое моделирование: Если у вашей семантической модели не настроено лингвистическое моделирование, включая синонимы для полей или глаголы для отношений, то Copilot, возможно, будет чаще возвращать неожиданные результаты. Power BI использует то же лингвистическое моделирование, что и функция Q&A. Настройка лингвистической модели для семантической модели требует дополнительного времени и усилий на основе задач разработки семантической модели. Однако вы можете немного компенсировать это, используя Copilot для генерации синонимов, что будет объяснено далее в этой статье.

• Сложность модели: Чем сложнее ваша модель, тем более вероятно, что при использовании Copilot возникают трудности с большими полями, зависимостями и бизнес-логикой. Например, сложные шаблоны, такие как преобразование валют или отключенные таблицы (например, параметры поля), могут привести к непредвиденным или неправильным результатам, когда пользователи ссылаются на эти поля или таблицы в запросах. С более сложными моделями может потребоваться рассмотреть конкретные решения по проектированию моделей, чтобы получить лучшие результаты с помощью Copilot. В общем случае необходимо протестировать модель с помощью Copilot, чтобы определить, будут ли вы получать согласованные и надежные результаты. Если нет, вам стоит посоветовать пользователям не использовать Copilot для работы с вашей семантической моделью.

Замечание

Дополнительные сведения см. в статье «Подготовка семантической модели для использования Copilot» далее в этой статье. См. также отдельную статью об обновлении модели данных, чтобы хорошо работать с Copilot для Power BI для получения дополнительных рекомендаций.

На следующем рисунке показан пример неправильного вывода из Copilot из-за проблем с семантической модели:

На изображении показан следующий запрос: сколько единиц было продано в Австралии в 2023 году? В ответе Copilot возвращает количество единиц, в которых столбец "Страна " в таблице "Клиент " фильтруется в "Австралия", а не фильтрует столбец "Страна " в таблице "Регион продаж ". В этом случае пользователь мог бы улучшить запрос на указание страны региона продаж. Однако разработчик семантической модели также может скрыть или переименовать столбец Country в таблице Customer , если он не предназначен для использования Copilot. В качестве альтернативы, они могли бы отключить поле из синонимов поля лингвистической модели с помощью настройки функции вопросов и ответов.

Мы обсудим важность лингвистической схемы и настройки Q&A в разделе "Лингвистическая схема".

Подсказка

Вы можете определить, какие поля и фильтры Copilot используют для создания визуального элемента или ответа на вопрос данных, нажав кнопку "Добавить на страницу ". При этом визуальный элемент добавляется на холст отчета, где можно выбрать визуальный элемент и просмотреть все фильтры, примененные Copilot, или поля, которые использует Copilot.

Независимо от качества запроса или модели, вы по-прежнему можете получить неточные или низкие выходные данные из Copilot при использовании интерфейса "Задать вопросы о данных ". Это связано с тем, что базовая модель с текущей конфигурацией не детерминирована и не гарантирует правильного ответа или того же ответа с тем же запросом, моделью и данными.

На следующем рисунке показан пример того, как Copilot создаёт неточные или неуместные результаты.

В этом примере изображение показывает запросы : Вопрос: Какая страна произвела самую высокую прибыль в 2024 году?Вопрос: Какая страна произвела самую высокую прибыль в 2023 году? Выходные данные показывают, что Copilot сначала запрашивает уточнение после того, как он говорит, что нет данных для 2024 года в модели. Однако в модели есть данные в 2024 году при фильтрации до этого года с помощью таблицы дат. Затем Copilot возвращает результат фильтрации столбца "День рождения " из таблицы Customer , а не помеченной таблицы дат в модели. Хотя пользователь может создать более конкретный запрос или разработчик может скрыть поле "День рождения ", в этом случае Copilot должен получить ожидаемый результат.

Чтобы устранить эту проблему, важно обучить пользователей критически определить все выходные данные, полученные из Copilot в Fabric и Power BI, и что делать, чтобы устранить непредвиденные результаты или попробовать новый запрос, закрыв и повторно открыв панель чата Или окно Copilot.

Представление запроса DAX

При разработке семантической модели можно использовать Copilot для создания запросов DAX в представлении запросов DAX. В этих запросах можно также определить меры DAX, которые затем можно добавить в семантику модели. Вы также можете использовать Copilot для объяснения концепций DAX в созданных запросах или запросах, созданных самостоятельно.

На следующем рисунке показан пример пользователя с просьбой Copilot создать запрос DAX.

На изображении показан следующий запрос: прибыль по YTD за месяц в 2023 году. Затем пользователь может попросить Copilot объяснить запрос, как показано на следующем рисунке.

На изображении показан следующий запрос: объясните этот запрос DAX. Объяснение показано в нижней части окна Copilot.

Случаи использования

В представлении запросов DAX можно использовать Copilot для следующих вариантов использования:

• Создайте запросы DAX: С помощью Copilot можно предложить запросы DAX, которые можно использовать для:

  • Изучите или проанализируйте вашу модель или данные.
  • Протестируйте и подтвердите вашу модель или данные.
  • Попробуйте использовать новые подходы или шаблоны для вычислений в DAX.

• Рефакторинг существующих запросов DAX: Вы можете использовать Copilot для более удобного или эффективного изменения запросов, скопированных или написанных самостоятельно, таких как:

  • Добавление комментариев для объяснения и документирования DAX запроса или метрики.
  • Упростить чтение и понимание запроса, например запроса, скопированного из визуального элемента отчета Power BI, который вы исследуете.
  • Создание больших или повторяющихся замен в коде.
  • Попросите Copilot удалить или заменить переменные.

• Создание мер DAX: С помощью Copilot можно предложить меры DAX, определенные до созданного запроса. Эти меры могут быть ограничены запросом DAX, который вы создаете или добавляете в семантику модели.

• Объясните основные понятия DAX: С помощью Copilot можно объяснить и лучше понять различные понятия в DAX, например:

  • Запрос DAX или определенная мера в запросе.
  • Функции DAX, такие как CALCULATE или KEEPFILTERS.

Преимущества

Основное преимущество использования Copilot в представлении запросов DAX заключается в том, что вы получаете поддержку при написании запросов DAX. Это означает, что менее опытные разработчики и аналитики могут использовать Copilot для изучения концепций DAX или создания DAX для использования в своей модели. Он также может сэкономить время промежуточным и опытным разработчикам, когда им нужно разработать DAX, но они не могут вспомнить определенную функцию или шаблон, или когда они хотят рефакторить или упростить существующий запрос.

Существуют другие средства создания искусственного интеллекта, которые можно использовать для кода DAX, но Copilot в Power BI имеет следующие конкретные преимущества:

• Copilot в Power BI разрабатывается в сотрудничестве с авторами языка DAX.
• Copilot не использует точную настройку модели, но содержит метаподсказки с конкретными примерами DAX от Microsoft.
• Вам не нужно копировать или вставлять сведения о коде или модели, так как Copilot интегрирован в Power BI Desktop.
• Во время постобработки Copilot использует анализатор DAX, чтобы убедиться, что запрос действителен, что снижает вероятность появления ошибок в запросах.

Предупреждение

Неопытные разработчики или аналитики Power BI должны убедиться, что они проверяют и понимают любой DAX, который они создают , прежде чем использовать его. Это особенно важно при использовании Copilot в режиме просмотра запросов DAX, чтобы предложить меры для добавления в модель. Это связано с тем, что Copilot не знает, где вы будете использовать эту меру, и в то время как предлагаемый код может работать в первоначальном запросе DAX в другом контексте фильтра отчета, он может привести к непредвиденным или неправильным результатам.

Чтобы проверить и понять DAX, эти неопытные разработчики могут использовать Copilot для добавления комментариев в код, объяснения концепций, а также исследования шаблонов или функций с помощью проверенных онлайн-источников, таких как документация Майкрософт.

Особенности работы

Интерфейсы Copilot в представлении запросов DAX имеют шаги во время предварительной обработки и после обработки, которые отличаются от других интерфейсов Copilot в Fabric.

Copilot в интерфейсе запросов DAX имеет следующие особенности для учета:

• Ввод: Пользователи предоставляют письменный запрос в поле ввода, относямся к одному окну запроса DAX. Они могут запрашивать запрос, запрашивать изменения существующего запроса, который Copilot уже создал или объяснить концепцию DAX. В поле ввода пользователи также могут выбирать кнопки для создания запросов. Кнопка повторных попыток повторно создаст запрос при пренебрежении текущего контекста, чтобы попытаться получить другой подход.

• Предварительная обработка и заземление данных: Copilot извлекает данные о заземления из схемы модели и все, что в окне запроса. Copilot принимает следующие сведения в качестве контекста, чтобы попытаться улучшить полезность и специфику выходных данных Copilot:

  • Любой текст, который находится в текущем окне запроса DAX, включая код DAX, который вы написали, примечания или предыдущие созданные запросы DAX.
  • История бесед с Copilot из текущего активного сеанса. Сюда входят все ранее заданные вопросы и результаты, но не точки данных.
  • Схема семантической модели, которая включает таблицы, строки, столбцы, меры и другие объекты (например, связи, группы вычислений и т. д.). Это включает все объекты независимо от того, скрыты ли они или нет (за исключением случаев, когда у вас есть динамическое подключение к общей семантической модели).
  • Синонимы из лингвистической схемы модели.
  • Некоторые свойства семантической модели, включая выражения DAX, описания (усеченные после первых 200 символов), типы данных, строки форматирования (и формат строковых выражений) и категорию данных.
  • Некоторые статистические агрегаты, такие как минимальные и максимальные значения столбцов из модели, которые могут использоваться в запросе. Это точки данных, отправляемые в Copilot в качестве контекста.
  • Copilot также может отправить результат запроса обратно в Azure OpenAI, чтобы объяснить созданный запрос или его результаты.

  Следующие сведения исключены:

  • История общения с Copilot в текущем сеансе, когда вы нажимаете кнопку "Повтор".
  • Любая таблица в модели, помеченная как частная.
  • Комментарии в выражениях DAX.

• Выпуск: Выходные данные, которые предоставляет Copilot, содержат код DAX и комментарии DAX в окне запроса DAX или объяснения DAX в поле ввода Copilot. Обычно пользователь должен самостоятельно выбрать выполнение запроса и его сохранение.

Советы по улучшению выходных данных Copilot

Чтобы повысить качество запросов DAX, созданных Copilot, следует использовать те же советы, что и при использовании интерфейса "Задать вопросы о данных" в Copilot. В частности, следует убедиться, что запросы являются четкими, точными и описательными, и что семантическая модель хорошо разработана, упорядочена и не содержит слишком много сложности или исключений.

Замечание

Дополнительные сведения см. в статье "Подготовка семантической модели для потребления Copilot " далее в этой статье. См. также отдельную статью об обновлении модели данных, чтобы хорошо работать с Copilot для Power BI для получения дополнительных рекомендаций.

Ниже приведены некоторые советы, относящиеся к интерфейсу запросов DAX.

• Различия между локальными моделями и моделями прямого подключения: Copilot работает по-разному в зависимости от того, запрашиваете ли вы локальную модель, открытую в Power BI Desktop, или общую семантическую модель в службе Power BI. Например, при наличии динамического подключения к общей семантической модели и использовании представления запросов DAX:

  • Copilot не может видеть выражения DAX мер, а также скрытые или приватные объекты.
  • Перед возвратом запроса Copilot необходимо запустить запрос DAX, чтобы убедиться, что запрос действителен.

• Используйте кнопку повтора: Кнопка повторных попыток очищает кэш Copilot, обеспечивая получение нового результата с теми же данными запроса и заземления. Это полезно, если вы выполняете итеративную работу над решением, которое соответствует вашим конкретным требованиям.

• Попросите Copilot добавить комментарии в код: Комментарии — это полезный способ упорядочивать и документировать запросы DAX, а также понять код, создаваемый Copilot. Вы также можете попросить Copilot объяснить концепцию DAX.

• Проверьте качество, рецензируемые источники: Если вы по-прежнему не понимаете созданный код с комментариями и объяснениями из Copilot, вам следует изучить функции и паттерны в Интернете, обратившись к авторитетным источникам, например, к документации Microsoft или к сообществу Power BI.

• Осторожнее с использованием переменных в Copilot: Copilot может испытывать трудности с корректным использованием переменных в запросах DAX и определениях мер. Например, Copilot может попытаться отфильтровать или сгруппировать переменную, которая уже объявлена, что невозможно и приводит к неожиданному результату.

• Используйте краткие описания, чтобы различать похожие именованные поля: Описания помогают, если аналогичные поля существуют в той же модели, например Имя в таблице Customer и Name в таблице Store .

• Осторожно при использовании групп вычислений с помощью Copilot: Copilot может испытывать трудности при использовании групп вычислений в предлагаемых запросах. Чтобы улучшить использование групп вычислений Copilot, необходимо включить имена элементов вычисления, перечисленные в описании группы вычислений.

• Остерегайтесь новых функций и синтаксиса DAX: Copilot и другие средства генеративного ИИ ограничены объемом и областью своих учебных данных. Таким образом, они с большей вероятностью могут допустить ошибки при работе с новыми функциями DAX или их синтаксисом. Для этих сценариев вам может потребоваться сначала попытаться создать запрос, а затем пересмотреть его с помощью Copilot.

• При генерации показателей всегда запрашивайте данные: Опыт использования Copilot в представлении запросов DAX предназначен для создания запросов DAX. Вы получите лучшие результаты, когда вы указываете Copilot выполнить эту задачу, а не запрашиваете его создать меру или другое выражение DAX.

Лингвистическая схема

С помощью Copilot можно предложить синонимы полей и лингвистических связей для модели. При создании лингвистической схемы для семантической модели создаются синонимы или связи. Это лингвистическое моделирование важно для обеспечения того, чтобы как Q&A, так и Copilot могли возвращать полезные результаты, когда пользователи задают вопросы к семантической модели. Они используются для интерпретации пользовательских запросов и определения правильных полей, таких как синоним оборот, используемый для идентификации меры с именем Сумма продаж.

Чтобы добавить синонимы и связи в семантику модели, необходимо включить параметр Power BI Desktop Включить Q&A, чтобы задать вопросы о естественном языке о данных в параметрах загрузки данных текущего файла. Затем можно открыть окно настройки Q&A с помощью программы " Настройка Q&A " на ленте моделирования Power BI Desktop.

На следующем рисунке показано окно настройки Q&A в Power BI Desktop, где можно добавлять синонимы и связи для совместного использования Q&A и Copilot в Power BI.

Здесь можно добавить синонимы или связи вручную или добавить предлагаемые синонимы из вашей организации, тезауруса или с помощью предложений Copilot. Copilot может предложить синонимы и новые типы связей для добавления в семантику модели. Copilot также может интерпретировать нераспознанные термины. Для синонимов можно настроить это в меню параметров предложения , как показано на следующем рисунке.

Дополнительные сведения об использовании меню настройки Q&A смотрите в разделе "Введение в средства Q&A для обучения Power BI Q&A".

Вместо использования окна установки Q&A можно также добавить синонимы и связи с помощью файлов YAML лингвистической схемы. Дополнительные сведения см. в записи блога по редактированию лингвистических схем Q&A.

Рекомендуется использовать Copilot для создания синонимов в качестве первого шага при выполнении лингвистического моделирования для семантической модели. Затем вы можете отбирать предложенные синонимы, удалять те, которые не имеют смысла, и добавлять дополнительные синонимы по необходимости. Убедитесь, что вы предоставляете общий доступ к полезным синонимам вашей организации для повторного использования.

Кроме того, если вы хотите исключить таблицу, столбец или показатель из использования в Q&A или Copilot, можно отключить пункт «Включить в Q&A» в окне «Синонимы» настройки Q&A. Это рекомендуется, если у вас есть технические или избыточные поля, на которые вы не хотите ссылаться с помощью различных интерфейсов Copilot.

Замечание

Если вы не планируете использовать Copilot или Q&A для семантической модели, вам не нужно настраивать лингвистическую схему. Лингвистическое моделирование дает преимущества только этим конкретным функциям.

Преимущества

Использование Copilot для предложения синонимов может сэкономить время разработчиков и помочь придумать новые синонимы, которые они не будут рассматривать в противном случае. Это может сделать лингвистическое моделирование более эффективным и эффективным, если вам нужно использовать его.

Советы по улучшению выходных данных Copilot

В этом интерфейсе Copilot используются следующие базовые данные для контекста:

• Схема семантической модели, которая включает в себя несхваченные таблицы, строки, столбцы, меры и другие объекты (например, связи, группы вычислений и т. д.).
• Полная лингвистическая схема модели.
• Некоторые свойства семантической модели, включая описания, типы данных, строки форматирования и категорию данных.

Учитывая эти исходные данные, вы можете убедиться, что предлагаемые синонимы полезны.

• Использование согласованных и точных правил именования.
• Избегайте использования препинания, акронимов и аббревиаций, где это возможно.
• Именование таблиц, столбцов и мер на английском языке.

Описания мер

Для создания описаний для мер модели можно использовать Copilot. Описания мер важны как для потребителей модели, так и для других разработчиков, чтобы понять цель меры и как они должны его использовать. Кроме того, описания мер могут повысить полезность выходных данных Copilot для других функций Copilot, например, при использовании Copilot для создания запросов DAX в окне запросов DAX в семантической модели Power BI.

Мы рекомендуем использовать Copilot для генерации описаний метрик для показателей модели. Затем вы можете просмотреть результаты и пересмотреть их, чтобы убедиться, что они точные, краткие и полезные.

Преимущества

Создание описаний мер обычно является трудной задачей, которая часто игнорируется. Создание описаний мер сокращает время, которое вы тратите на упорядочение и документирование вашей семантической модели. В отличие от лингвистической схемы, все семантические модели могут воспользоваться добавлением описаний в таблицы, столбцы и меры. Это помогает улучшить документацию по модели и полезность для других пользователей в организации.

Подсказка

Если вам нужны описания мер на другом языке, сначала их можно создать на английском языке. Затем вы можете автоматически перевести опубликованную модель с помощью других средств, таких как лаборатории семантической связи в записных книжках.

Советы по улучшению выходных данных Copilot

В этом интерфейсе Copilot используются следующие основополагающие данные для контекста.

• Выражения DAX для мер и вычисляемых объектов.
• Свойства полей, включая описания, типы данных, строки форматирования и категорию данных.
• Синонимы полей.

Учитывая эти исходные данные, вы можете убедиться, что предлагаемые синонимы полезны:

• Использование согласованных соглашений об именовании.
• Ограничение использования препинания, акронимов и аббревиаций.
• Названия мер на английском языке.

Использование семантической модели с помощью Copilot

Вы можете использовать Copilot для постановки вопросов о данных для семантических моделей в процессе использования. Этот интерфейс доступен всякий раз, когда вы используете отчет, в том числе в Power BI Desktop, опубликованный отчет в рабочей области, приложении или элементе OrgApp или в мобильном приложении Power BI.

Потребители могут задавать вопросы о данных семантической модели в следующих сценариях:

• Они не могут найти информацию или анализ, необходимые им в отчетах.
• Они хотят видеть данные, представленные по-другому, и персонализация визуальных элементов не включена.
• Они хотят задать вопрос данных с помощью естественного языка, а не использовать инструменты или код.

Замечание

Обратитесь к разделу Задайте вопросы о данных, который находится ранее в этой статье о разработке семантической модели с помощью Copilot. Изображения и рекомендации также применяются при использовании функции вопросов о данных для работы с семантической моделью.

Дополнительные сведения об использовании Copilot в отчетах, использующих семантику, см. в статье "Использование Copilot с отчетами Power BI".

Подготовка семантической модели для использования в Copilot

Вы должны использовать Copilot для работы с семантическими моделями только после выполнения необходимых действий по обновлению модели данных, чтобы эффективно работать с Copilot для Power BI.

Подсказка

Рекомендуется использовать теги для маркировки семантических моделей в качестве готовых к использованию Copilot. Это может быть удобный способ позволить потребителям данных определять модели, которые они могут использовать с Copilot и ожидать лучшие результаты. Кроме того, можно также рассмотреть готовность семантической модели к использованию с Copilot в качестве условия его подтверждения для продвижения или даже до сертифицированного статуса.

Если ваши модели не готовы к использованию с Copilot в Power BI, но пользователи все еще хотят гибкости для самостоятельного изучения данных, рассмотрите возможность использования персонализированных визуальных элементов. Кроме того, вы можете показать пользователям, как использовать исследования данных или подключиться к семантической модели из Power BI Desktop или Excel для создания собственных отчетов.

настольная версия Power BI

В Power BI Desktop можно задать вопросы о семантической модели с помощью панели чата Copilot. Это работает как с локальными моделями, открытыми в Power BI Desktop, так и при подключении к общей семантической модели с помощью динамического подключения. Дополнительные сведения см. в статье "Вопросы о данных " ранее в этой статье.

Вы также можете использовать представление запросов DAX для выполнения семантической модели путём генерации запросов DAX. Расширенные пользователи Power BI могут сделать это, если они предпочитают изучать данные с помощью кода.

Однако для большинства потребителей данных обычно удобнее и эффективнее работать с семантическими моделями, добавляя визуальные элементы на холст отчета или используя другие средства, такие как обозревания или анализ с помощью сводных таблиц Excel. Эти элементы обычно имеют более простой пользовательский интерфейс и пользовательский опыт, лучше подходящие для изучения и понимания данных, чем чато-подобные системы взаимодействия на естественном языке, например Copilot.

Подсказка

Вы можете использовать возможности Copilot в Power BI при подключении к семантическим моделям, опубликованным в рабочих областях Pro или PPU. Единственным требованием является настройка Power BI Desktop для использования Copilot из рабочей области F64; это происходит независимо от того, к какой семантической модели вы подключаетесь и используете.

Опубликованный отчет

В опубликованном отчете можно также задавать вопросы о данных подключенной семантической модели с помощью области чата Copilot. Этот опыт в Fabric идентичен функциональности «Задавать вопросы о данных» в Power BI Desktop как для разработки, так и для использования моделей.

Замечание

Незначительные различия могут существовать между интерфейсами Copilot в Fabric и Power BI Desktop. Со временем эти впечатления сравняются и будут функционировать одинаково.

Мобильное приложение Power BI

В мобильном приложении Power BI можно также задать вопросы о данных для любого отчета с помощью области чата Copilot в приложении. Вопросы будут направлены в подключенную семантическую модель для этого отчета. Это работает аналогично функции Задайте вопросы о данных, описанной ранее в этой статье.

Связанный контент

• Обновите свою модель данных, чтобы оптимально работать с Copilot для Power BI
• Обзор Copilot для Power BI
• Copilot в интеграции с Power BI