更新数据模型以便与 Copilot for Power BI 有效地配合使用

  • 项目

适用范围： Power BI Desktop Power BI 服务

在开始将 Copilot 与语义模型配合使用之前，请先评估数据。 可能需要对语义模型执行一些清理工作，以便 Copilot 可以从中获得见解。

注意

有关 Copilot 使用的数据集的注意事项

下表列出了协助使用 Copilot 创建准确报告的条件。 这些项是有助于生成准确的 Power BI 报表的建议。

元素 注意事项 说明 示例
表链接 定义清除关系 确保表之间的所有关系都明确定义且符合逻辑，指明是一对多、多对一还是多对多。 “Sales”表通过“DateID”字段连接到“Date”表。
度量值 标准化的计算逻辑 度量值应具有标准清晰的计算逻辑，且易于解释和理解。 “Total Sales”计算为“Sales”表中“SalesAmount”的总和。
度量值 命名约定 度量值的名称应清楚地反映其计算和用途。 使用“Average_Customer_Rating”而不是“AvgRating”。
度量值 预定义度量值 包括一组用户最有可能在报表中请求的预定义度量值。 “Year_To_Date_Sales”、“Month_Over_Month_Growth"等。
事实数据表 清晰描述 清晰地描述事实数据表，这些数据表保存可衡量的量化数据以用于分析。 “Transactions”、“Sales”、“Visits”。
维度表 支持性的描述性数据 创建维度表，其中包含与事实数据表中的量化度量值相关的描述性属性。 “Product_Details”、“Customer_Information”。
层次结构 逻辑分组 在数据中建立明确的层次结构，尤其是可用于在报表中向下钻取的维度表。 从“Year”到“Quarter”到“Month”再到“Day”的“Time”层次结构。
列名 明确的标签 列名应该是明确的和一目了然的，请避免使用在没有上下文的情况下需要进一步查找的 ID 或代码。 使用“Product_Name”而不是“ProdID”。
列数据类型 正确且一致 对所有表的列应用正确且一致的数据类型，以确保度量值正确计算并启用适当的排序和筛选。 确保计算中使用的数值列未设置为文本数据类型。
关系类型 明确指定 为了确保准确生成报告，请明确指定关系（活动或非活动）的性质及其基数。 标记关系是“一对一”、“一对多”还是“多对多”。
数据一致性 标准化值 在列中维护标准化值，以确保筛选器和报表中的一致性。 如果有“Status”列，则始终使用“Open”、“Closed”、“Pending”等。
关键绩效指标 (KPI) 预定义和相关 建立一组与业务上下文相关并在报表中经常使用的 KPI。 “投资回报 (ROI)”、“客户获取成本 (CAC)”、“生命周期价值 (LTV)”。
更新计划 透明、有计划 清楚地传达数据的更新计划，以确保用户了解他们正在分析的数据时间线。 指明数据是否为实时、每日、每周等。
安全性 角色级别定义 如果存在并非所有用户都应看到的敏感元素，请定义安全角色，以实现不同级别的数据访问。 销售团队成员可以查看销售数据，但看不到 HR 数据。
元数据 记录结构 记录数据模型的结构，包括表、列、关系和度量值，以供参考。 作为参考提供的数据字典或模型关系图。

相关内容