Résumé
Les rapports et tableaux de bord lents frustrent les utilisateurs et interrompent les expériences alimentées par l’IA, comme le chat Copilot et les agents de données Fabric IQ. Dans ce module, vous avez appris une approche systématique pour trouver et résoudre ces problèmes de performances.
Vous avez commencé par utiliser l’analyseur de performances pour identifier les visuels lents et déterminer si le goulot d’étranglement se situait au niveau de la requête DAX, du rendu visuel ou de la source de données. À partir de là, vous avez appris à optimiser les calculs DAX à l’aide de variables, de modèles de filtre efficaces et des fonctions d’agrégation appropriées. Vous avez exploré les techniques de réduction de la cardinalité pour réduire la taille du modèle et accélérer les requêtes, et vous avez appris quand les agrégations (définies par l’utilisateur et automatiques) peuvent accélérer les requêtes sur des jeux de données volumineux.
Avec ces compétences, vous pouvez diagnostiquer les problèmes de performances, appliquer des correctifs ciblés et vérifier l’amélioration. Vos modèles sémantiques sont plus rapides pour les utilisateurs humains et suffisamment réactifs pour prendre en charge les interactions pilotées par l’IA.