Usein kysyttyjä kysymyksiä tietojen valmistelemisesta tekoälyä varten

Nykyisin Power BI tarjoaa neljä pääasiallista työkalutoimintoa, joiden avulla voit määrittää mallisi luonnollisen kielen käsittelyä varten:

• Tekoälytietorakenteet: Voit valita rakenteen alijoukon Copilot käytettäväksi.
• Vahvistetut vastaukset: Vastaus, jonka mallin tekijä määrittää ja vahvistaa tarkkuuden ja luotettavuuden osalta. Tekijät voivat asettaa Copilot-ohjelmalle erityisiä visuaaleja varmennettavaksi vastaukseksi, kun käyttäjä esittää kysymyksen, joka kuuluu annettuun kategoriaan.
• Tekoälyohjeet: Ohjeita, joita voit määrittää mallillesi, jotta mallin tietoihin saadaan kontekstia. Ne auttavat Copilot ymmärtämään, milloin kannattaa keskittyä mihinkin tietoihin, ja auttavat Copilot ymmärtämään tiettyjä yhdistämismäärityksiä, joita kielen käyttäjät saattavat käyttää käyttäessään Copilot.
• Kuvaukset: taulukoille ja sarakkeille määritetyt kuvaukset, jotka antavat enemmän kontekstia tiedoille. Copilot käyttää kuvauksia vain DAX-kyselyissä ja hakutoiminnoissa.

Jos haluat saada eniten arvoa Copilot Power BI, ota sen työkalut käyttöön seuraavassa järjestyksessä:

1. Määritä tekoälyn tietorakenne.

   Aloita valitsemalla tarkat taulukot, kentät ja mittarit, joihin Copilot tulisi viitata vastatessaan datakysymyksiin.

   Mallin kehittämisen aikana voit sisällyttää elementtejä, jotka eivät ole merkityksellisiä loppukäyttäjäkyselyissä. Kun rajaat skeemaa, autat Copilotia keskittymään mallin merkityksellisimpiin osiin, mikä vähentää epäselvyyttä. Tämä käytäntö on tärkeä suurille aineistoille, joilla on päällekkäisiä tai samankaltaisia kenttiä.

   Tässä esimerkki siitä, miten tekoälydataskeemat voivat auttaa Copilotia keskittymään oikeaan dataan:

   Kun käytät koko skeemaa, Copilot ei aina tiedä, mitä käyttäjä tarkoittaa sanoessaan sales. Tässä tapauksessa Copilot palauttaa bruttokatteen (GPM), joka on perusteltu tulkinta myynnistä, mutta ei arvoa, jota tämä tiimi yleensä käyttää myynnin analysointiin.

   Mallin tekijä käyttää Tekoälyn valmistelutiedot -toimintoa ja poistaa GPM-kokonaismäärän mittarin rakenteen, jonka Copilot vastaanottaa.

   Nyt, kun käyttäjä kysyy saman kysymyksen, Copilot ymmärtää paremmin, mistä vastaus saadaan, ja tulkitsee myynnin oikein tiimin määritelmän ja mittauksen perusteella.

   

2. Luo vahvistettuja vastauksia.

   Aseta varmennetut vastaukset yleisiin tai vivahteikkaisiin kysymyksiin, joita käyttäjät saattavat esittää.

   Valitse visualisointi ja valitse sitten Luo vahvistettu vastaus. Lisää sitten laukaisulauseita, jotka heijastavat sitä, miten käyttäjät todennäköisesti muotoilevat kysymyksensä. Kun käyttäjät syöttävät vastaavan tai vastaavan lauseen Copilot-ohjelmaan, se palauttaa luotetun visuaalin. Tämä prosessi auttaa varmistamaan johdonmukaiset ja korkealaatuiset vastaukset eri raporteissa.

   Seuraavassa esimerkissä näytetään vahvistetun vastauksen etu. Käyttäjä pyytää myyntiä alueen mukaan. Copilot tulkitsee areatuotealue ja palauttaa listan tuotteista ja niiden myynneistä. Käyttäjä etsi kuitenkin myyntiä alueen tai sijainnin mukaan.

   Mallin tekijä asettaa varmennetun vastauksen käyttämällä visuaalista, joka sisältää myynnit alueittain. Sitten kirjoittaja lisää laukaisulauseita, jotka käyttäjän kysyessä tulisi vastata juuri tähän visuaaliseen vastaukseen.

   Kun käyttäjä kysyy myyntiä alueittain mukaan, Copilot palauttaa mallin tekijän hyväksymän varmennetun vastauksen.

   

3. Lisää tekoälyohjeet.

   Kun olet määrittänyt rakenteen ja vahvistetut vastaukset, voit tekoälyohjeiden avulla ohjata Copilot toimintaa mallitasolla.

   Ohjeet auttavat selkeyttämään liiketoimintalogiikkaa, yhdistämään käyttäjäterminologian mallikenttiin ja kertomaan Copilotille, miten tulkita tai analysoida tiettyjä datatyyppejä. Ne ovat hyödyllisiä, koska ne antavat kontekstia, jota Copilot ei itsenäisesti päättelisi.

   Seuraavassa esimerkissä näytetään, miten voit tekoälyohjeiden avulla antaa kontekstia Copilot. Käyttäjä kysyy myynnistä kiireisenä kautena 2012. Varattu kausi on hyvin määritelty, yleisesti käytetty lause organisaatiossa. Semanttinen malli ei kuitenkaan viittaa tähän termiin missään. Mallin kirjoittaja asettaa ohjeen, joka määrittelee kiireisen kauden kesäkuusta elokuuhun.

   Kun käyttäjä nyt kysyy kysymystä myynnistä kiireisen kauden aikana, Copilot ymmärtää tämän määritetyn termin ja antaa vastauksen.

   

4. Lisää kuvauksia taulukoihin ja sarakkeisiin.

   Kuvaukset tarjoavat lisämetatietoja, joita Copilot voi käyttää mallisi ymmärtämiseen.

   Vaikka kuvaukset vaikuttavat tällä hetkellä vain joihinkin Copilot-toimintoihin, niillä on suurempi rooli tulevissa kyvyissä. Niiden lisääminen nyt auttaa rakentamaan vahvan perustan pitkäaikaiselle menestykselle luonnollisen kielen vuorovaikutuksessa Power BI:ssä.

Nykyään työkalut ja konfigurointiominaisuudet ovat saatavilla vain mallissa. Et voi vielä määrittää eri raportteja, jotka on luotu samasta mallista. Määrität rakenteen, vahvistetut vastaukset, ohjeet ja kuvaukset semanttisessa mallissa, et raportissa.

Viittaa seuraavaan taulukkoon:

1. Määrittele tekoälydataskeemasi.

   Poista kaikki taulukot, sarakkeet tai kentät, jotka ovat merkityksettömiä käyttäjiesi tarpeiden mukaan. Tämän toiminnon avulla Copilot keskittyä mallin olennaisimpiin osiin ja varmistaa, että se valitsee oikeat kentät, kun se vastaa kyselyihin.

2. Käytä varmennettuja vastauksia raporttien visuaalisiin näkymiin.

   Jos Copilot pystyy käyttämään raporttisi visuaalista näyttöä vastauksen saamiseksi, luo varmennettu vastaus. Tämän käytännön avulla voidaan varmistaa, että Copilot palauttaa johdonmukaisesti oikean visualisoinnin, kun käyttäjät esittävät kysymyksiä tietyillä käynnistinlauseilla.

3. Mukauta ohjeita tietyille kentille.

   Kun olet asettanut skeeman ja varmistanut vastaukset, voit käyttää tekoälyohjeita ohjaamaan Copilotia valitessasi tiettyjä kenttiä. Käytä ohjeita hienosäätämiseen ja kehittyneisiin skenaarioihin sen jälkeen, kun olet määrittänyt muita valmistelutietoja tekoälyominaisuuksia varten . Tämän vaihesarjan avulla voit varmistaa, että Copilot palauttaa käyttäjille tarkimmat ja tilannekohtaisimmat tulokset mallisi rakenteen ja määritettyjen ohjeiden mukaisesti.

Jos Copilot pyrkii ymmärtämään termiä, johon viitataan aina samalla oikealla kohteella mallissasi, voit antaa vaihtoehtoisen nimen tekoälyohjeiden avulla.

Jos esimerkiksi tiimisi kutsuu tuotteitasi myyneitä ihmisiä lähemmäs, lisää tekoälyohjeisiin viitetiedot. Määritä myyjät niin, että niitä kutsutaan myös lähemmiksi.

Jos tiimisi käyttää tiettyjä termejä, jotka eivät ole tarkka 1:1 taulukoiden tai kenttien kanssa mallissasi, voit käyttää tekoälyohjeita selventämään eri kohteita tietyillä ehdoilla tai ryhmittelyillä.

Myyntitiimi voi esimerkiksi luokitella korkea-arvoisiksi suorittajiksi kaikki, jotka myyvät yli 100% kohteistaan tiettynä kuukautena. Heidän tulisi antaa Copilotille seuraavat ohjeet:

Korkea suorittaja tarkoittaa myyjää, joka täyttää vähintään 100% kuukausittaisen tavoitteensa.

Nyt, kun käyttäjä kysyy: "Ketkä olivat viime kuun huippusuorittajia?" Copilot tietää tarkalleen, mitä huippusuorittaja tarkoittaa tiimissäsi ja organisaatiossasi.

Toisessa esimerkissä organisaatio saattaa luokitella kausia. Joukkueesi saattaa kutsua tammikuusta toukokuuhun hitaan kauden. Kesäkuusta syyskuuhun voi olla kiireinen kausi. Lokakuusta joulukuuhun voi olla vakiokausi.

Tekoälyohjeiden sisällä voit määrittää seuraavat määritelmät:

• Hidas kausi tarkoittaa tammikuusta toukokuuhun.
• Kiireinen kausi tarkoittaa kesäkuusta syyskuuhun.
• Vakiokausi tarkoittaa lokakuusta joulukuuhun.

Kun käyttäjä kysyy: "Mikä oli viime vuoden vilkkauskauden kokonaismyynti?" Copilot ymmärtää, mitä ajanjaksoa käyttäjä tarkoittaa kiireisellä kaudella.

Raporttisi ja tietojesi kuluttajat todennäköisesti kysyvät joitakin kysymyksiä useammin. Voit ratkaista tämän tilanteen soveltamalla varmennettuja vastauksia malliisi. Sovella vahvistettua vastausta valitsemalla visuaalinen ja asettamalla laukaisulauseet. Kun käyttäjä kysyy aiheesta, Copilot palauttaa tietoja käyttämällä määritettyä visualisointia.

Esimerkiksi raportin ja mallin kuluttajat saattavat usein kysyä "What product had the highest sales last week?" Voit määrittää vahvistetun vastauksen, joka auttaa Copilot ymmärtämään, mistä oikeat tiedot löytyvät. Tämä menetelmä auttaa kirjoittajia ja kuluttajia luottamaan vastauksen oikeaan.

Ominaisuudet sellaisena kuin ne ovat nykyisin, rajoittuvat laajaan kulutukseen. Et voi tällä hetkellä luoda sanastoa eri ryhmien perusteella tai määritellä termiä kahdella eri tavalla. Teknikot voivat esimerkiksi määrittää käytönnapsautettavien kertojen määräksi, mutta tuotepäälliköt voivat määrittää käytönmaksaviksi asiakkaille tiettynä kuukautena. Et voi tällä hetkellä antaa eri käyttömääritelmiä samassa mallissa.

Tilanteissa, joissa semanttisen mallin rakenne on liian suuri Copilot vastauksen hahmontamista varten, Copilot pienentää mallirakennetta, jotta se ymmärtää rakenteen ja luo vastauksen. Näet, milloin tämä vähennys tapahtuu, lataamalla Copilot Diagnostiikka ja valitsemalla varoituksia kohdasta AgentSchemaReduced.

Jotta Copilot toimivat parhaimmillaan, sen on ymmärrettävä semanttisen mallin pohjana olevat tiedot. Pohjana olevien tietojen ymmärtämiseksi Copilot Power BI indeksoi semanttisen mallin, jotta se voi etsiä sopivia arvoja tarkasti. Tämän prosessin avulla voit Copilot tehokkaasti vastata kysymyksiin kehotteen perusteella.

Otetaan esimerkiksi tietoaineisto, joka liittyy Havaijin matkailuun. Vastatakseni kysymyksiin kuten "Miten sää vaikutti turistivierailuihin Mauilla?" Copilot täytyy ymmärtää, että Maui on instanssiarvo semanttisessa mallissa Island-taulukon sarakkeessa Island name.

Jotta Copilot voi hakea tehokkaasti näitä esiintymäarvoja, Power BI indeksoimaan semanttisen mallin, kun Power BI Q&A otetaan käyttöön. Power BI indeksoi mallin uudelleen, kun se havaitsee muutokset.

Mallin indeksointitiheys

Power BI indeksoi kaikki mallit, joilla on Q& Asetus käytössä.

Indeksointi tapahtuu uudelleen, kun jokin seuraavista toimista tapahtuu:

• Tuontimallit:
  • Voit julkaista mallin tai julkaista sen uudelleen palveluun.
  • Mallissa suoritetaan manuaalinen tai ajoitettu päivitys, ja käytät Copilot ja Q& Viimeisen 14 päivän aikana.
• DirectQuery- ja Direct Lake -mallit:
  • Voit julkaista mallin tai julkaista sen uudelleen palveluun.
  • Indeksi on vanhempi kuin 24 tuntia, ja käytät Copilot ja Q& Viimeisen 14 päivän aikana.

Seuraava Copilot ilmaisee, että mallia indeksoidaan parhaillaan. Viesti ratkeaa automaattisesti, kun indeksointi on valmis.

Indeksointimenetelmät

Power BI indeksoi vain semanttisen mallin tekstisarakkeet. Power BI ei indeksoi tekoälyrakenteessa piilotettavat sarakkeet Valmistele tiedot tekoälyä varten -ominaisuuden avulla.

Power BI indeksit enintään viiden miljoonan esiintymäarvon kanssa, joissa on ensin pienin kardinaliteetti sarakkeilla ja indekseillä. DISTINCTCOUNT määrittää sarakkeen kardinaliteetin tuontimalleissa ja COLUMNSTATISTICS määrittää sarakkeen kardinaliteetin DirectQuery-malleissa. DirectQuery-lähteissä COLUMNSTATISTICS funktio käyttää funktiota APPROXIMATEDISTINCTCOUNT määrittämään tehokkaasti likimääräisiä sarakekardinaliteettia sitä tukeville pohjana oleville tietolähteille.

Jos haluat edelleen estää sen, että DirectQuery-mallien pohjana oleva järjestelmä ylikuormittuu indeksoinnin vuoksi kyselyiden tulvan vuoksi, Power BI tallentaa tilastojen tulokset välimuistiin COLUMNSTATISTICS ja laskee tilastot uudelleen joka seitsemäs päivä. Jos seuraavan sarakkeen indeksointi indeksoinnin aikana ylittää viiden miljoonan esiintymäarvon ylärajan, Power BI ohittaa kyseisen sarakkeen kokonaan.

Jos indeksointi saavuttaa rajoituksen, Copilot vastauksia sen luomisen indeksin perusteella, joka ei sisällä kaikkia esiintymäarvoja. Näet seuraavan varoituksen, kun semanttinen malli saavuttaa indeksointirajan.

Tunnetut rajoitukset

• Indeksoinnissa on raja, joka on viisi miljoonaa esiintymäarvoa tai 1 000 mallientiteettiä (taulukkoa/saraketta) suurissa semanttisissa malleissa.
• Power BI ei indeksoi yli 100 merkin tekstiarvoja.
• DirectQuery-mallit indeksoivat sarakkeita vain tietolähteille, jotka tukevat APPROXIMATEDISTINCTCOUNT-
• DirectQuery- ja Direct Lake -mallien indeksointi tapahtuu kerran 24 tunnin ajanjaksolla, ellet julkaise mallia uudelleen.
• Jos taustalla oleva semanttinen mallin päivitys epäonnistuu, dataindeksi voi olla vanhentunut seuraavaan onnistuneeseen semanttiseen mallin päivitykseen asti.
• Semanttisen mallin ensimmäinen tietoindeksin luonti saattaa kestää ylimääräiset 15 minuuttia, jotta taustatoiminnot voivat luoda indeksin.