Bruke Copilot med semantiske modeller

Denne artikkelen hjelper deg å bruke Copilot-opplevelsene i Power BI for semantiske modeller.

Copilot i Microsoft Fabric er en generativ AI-assistent som har som mål å forbedre dataanalyseopplevelsen i Fabric-plattformen, inkludert Power BI-arbeidsbelastningen. Du kan bruke Copilot i Power BI til å støtte både utvikling og forbruk av semantiske modeller av både selvbetjente og bedriftsbrukere. Når de brukes effektivt, kan Copilot støtte både analytikere og forretningsbrukere for å forbedre produktiviteten og få mer verdi fra semantiske modeller.

Hvis du imidlertid vil bruke Copilot med semantiske modeller i Power BI, må du først klargjøre dataene, den semantiske modellen og brukerne. Hvis du ikke forbereder disse elementene, produserer Copilot hovedsakelig lavkvalitets og unøyaktige resultater som kan være feil eller til og med misvisende. De følgende avsnittene veileder deg gjennom hvordan du kan bruke Copilot i Power BI til enten å utvikle eller bruke en semantisk modell med de tilgjengelige Copilot-opplevelsene.

Utvikle en semantisk modell med hjelp fra Copilot

Når du utvikler en semantisk modell i Power BI, bruk Copilot for å forbedre effektiviteten og bekvemmeligheten til visse oppgaver. Vanligvis innebærer denne prosessen å bruke Copilot for å effektivisere redundante eller repeterende endringer for deg (som å generere målbeskrivelser) eller hjelpe deg med å håndtere eller forstå utfordrende modelldesign eller DAX (for eksempel å bruke Copilot i DAX-spørringsvisningen for å forklare DAX-konsepter eller generere DAX-spørringer).

De følgende avsnittene forklarer hvordan en Power BI-utvikler eller analytiker som oppretter semantiske modeller, kan dra nytte av de ulike Copilot-opplevelsene i Power BI.

Still dataspørsmål om din semantiske modell

Når du utvikler en semantisk modell, må du ofte utforske og spørre i dataene. Vanligvis bruker du en kombinasjon av Power Query-editoren, rapportlerretet og DAX-spørringer. Du kan imidlertid også stille dataspørsmål om modellen og innholdet ved hjelp av Copilot-chatteruten. Generelt sett er det mer en forbruksopplevelse å stille dataspørsmål, der forretningsbrukere kan stille spørsmål om dataene når de ikke finner svaret i en rapport. Utviklere kan imidlertid bruke denne funksjonen til å utforske data eller validere hvordan Copilot presterer på deres modell.

Bildet nedenfor viser et eksempel på at en bruker stiller et dataspørsmål til Copilot om en semantisk modell. Bildet viser følgende ledetekst: Hva var overskuddet % for salgsregionen Australia i 2023?

Brukstilfeller

Bruk Copilot for å stille dataspørsmål for følgende bruksområder:

• Utforsk data i modellen: En utvikler kan bruke opplevelsen Still dataspørsmål til å utforske dataene i modellen ved hjelp av Copilot. Det er imidlertid sannsynligvis mer effektivt å utforske dataene ved å legge til visualobjekter i rapportlerretet eller ved hjelp av DAX-spørringer. Det er fordi visualobjekter for rapporter oppdateres automatisk når du gjør endringer i modellen, men svar på dataspørsmål i Copilot-chatteruten er statiske, og forsvinner når du lukker Copilot-chatteruten. I tillegg kan visualobjekter generert av Copilot inneholde visualobjektspesifikke filtre som du ikke kan opprette selv i Power BI Desktop. Disse filtrene kan være misvisende eller plagsomme å undersøke.

• Valider Copilot-bruk for bruk av semantisk modell: Utviklere bør bruke opplevelsen Still dataspørsmål til å forstå og teste hvordan Copilot-forbruksopplevelser fungerer på semantisk modell. Dette er det viktigste brukstilfellet for bruk av Still dataspørsmål når du utvikler en semantisk modell. Med dette brukstilfellet kan en utvikler gjøre endringer i semantisk modell som kan støtte Copilot bedre for å produsere mer nyttige utdata.

Fordeler

En utvikler kan bruke Still dataspørsmål for å forstå hvordan opplevelsen vil være for forretningsbrukere som bruker den semantiske modellen ved hjelp av Copilot i Power BI. Denne testingen er viktig hvis forretningsbrukere vil bruke Copilot til å bruke en semantisk modell.

Detaljer om opplevelsen

Opplevelsen av Still dataspørsmål skiller seg fra standard Copilot i Stoff-prosessen i følgende områder. Denne oversikten gjelder for bruk av opplevelsen Still dataspørsmål når du både utvikler og bruker semantiske modeller:

• Innspill: Brukere oppgir en skriftlig melding som stiller et spørsmål eller ber om spesifikk informasjon fra den semantiske modellen.

• Forhåndsbearbeiding og jording av data: Copilot henter jordingsdata fra modellskjemaet. Den utfører skjemareduksjon for å prøve å begrense konteksten til det viktigste. Som kontekst tar Copilot følgende informasjon for å prøve å forbedre nytten og spesiteten til Copilot-utdataene:

  • Eventuelle rapportmetadata på gjeldende rapportside. Hvis det finnes relevante rapportmetadata, svarer Copilot i Power BI på dataspørsmål fra rapporten i stedet for modellen.
  • Samtalen med Copilot i gjeldende økt. Denne samtalen inkluderer tidligere spørsmål og resultater, som inkluderer datapunkter fra dataspørsmål som Copilot tidligere har svart på.
  • Det semantiske modellskjemaet, som inkluderer tabeller, rader, kolonner, mål og andre objekter (for eksempel relasjoner, beregningsgrupper og så videre).
  • Det fullstendige modelllingvistiske skjemaet.
  • Enkelte semantiske modellegenskaper, inkludert beskrivelser, datatyper, formatstrenger og datakategori.

  Følgende informasjon er utelatt:

  • Alle rapportsider som er skjult.
  • Alle felt (mål eller kolonner) i modellen som er skjult.
  • Alle tabeller i modellen som er merket som private.

• Ytelse: Utdataene som Copilot leverer, inneholder flere deler:

  • Visuell: Copilot svarer på dataspørsmålet ved å gjengi et Power BI-visualobjekt, for eksempel et kort, et linjediagram eller en tabell. Copilot velger visualobjektet og formateringen, som brukeren ikke kan kontrollere eller be om i ledeteksten. Visualobjektet kan bli tidsavbrutt hvis den underliggende modellen, DAX eller dataene ikke er optimalisert eller er for komplisert.
  • Sammendrag: Copilot oppsummerer spørringsresultatet. Dette sammendraget genereres ved å sende et semantisk spørringsresultat tilbake til Azure OpenAI (som inkluderer datapunkter) og ber om en forklaring på naturlig språk.
  • Feil eller avklaringsforespørsel: Hvis Copilot ikke kan produsere et svar, kan det returnere en generell feilmelding. Denne feilmeldingen kan inneholde en forespørsel om avklaring, inkludert foreslåtte varianter av brukerens opprinnelige dataspørsmål.

Tips for å forbedre Copilot-utganger

Copilot kan produsere unøyaktige utganger av lav kvalitet, inkludert feil svar på dataspørsmål. Ofte oppstår feil svar fra enten brukerfeil eller modellproblemer. For å redusere sannsynligheten for feil eller uventede Copilot-utdata, adresser brukerprompts og datamodelldesign.

En bruker kan bare gi feil resultater ved å skrive en dårlig ledetekst. Eksempler på dårlige ledetekster inkluderer:

• Vage eller ufullstendige ledetekster: Hvis du feilaktig eller ufullstendig beskriver de ønskede utdataene, eller du bruker tvetydig språk i ledeteksten, er det mindre sannsynlig at Copilot gir et nyttig resultat. Når du skriver oppgaver, prøv å være så spesifikk og beskrivende som mulig når du sier ønsket resultat.

• Feil prompts: Hvis du gjør stavefeil når du refererer til et mål-, kolonne- eller tabellnavn, kan Copilot hende ikke refererer til riktig felt. Når du skriver prompts, sørg for at feltene du nevner i prompten korrekt refererer til feltene i det semantiske modellskjemaet. Denne regelen inkluderer å unngå forkortelser, forkortelser eller overdreven tegnsetting. Du kan også bruke synonymer for å referere til felt, men det finnes ingen måte å validere hvilke synonymer som er tilgjengelige for et gitt felt (slik du kan se beskrivelser når du holder musepekeren over et mål eller en kolonne i Datapanelet).

• Overdrevne eller upassende jordingsdata: Hvis du sender inn en prompt via Copilot-chatpanelet, tar Copilot chathistorikken fra den økten som grounding-data under forhåndsbehandling. Avhengig av hva denne chatteloggen innebærer, kan du få ulike eller uventede resultater. Når du skriver prompts, bør du ta i betraktning at eventuelle tidligere prompts og utdata brukes som jordingsdata. For å unngå dette problemet, velg Copilot-knappen for å lukke og åpne Copilot-chatpanelet på nytt, og slette chathistorikken før du sender inn en ny prompt.

Bildet nedenfor viser et eksempel på feil utdata fra Copilot på grunn av en dårlig brukerledetekst:

Bildet viser følgende ledetekst: Hva var overskuddet % for salgsregionen Australia i 2023? I utdataene returnerer Copilot fortjenesteverdien i stedet for fortjenesten som en prosentdel. I dette tilfellet kan brukeren få et bedre resultat fra Copilot ved å angi tydeligere at de vil ha fortjenesten i prosent (i stedet for å bruke prosentsymbolet).

Bortsett fra brukermeldinger, kan opplevelsen Still dataspørsmål også gi feil eller uventede resultater på grunn av kvaliteten eller organiseringen av den underliggende semantiske modellen. Eksempler på når den semantiske modellen gir dårlige resultater inkluderer:

• Dårlig modelldesign eller implementering: Hvis din semantiske modell ikke følger vanlige beste praksiser (som et stjerneskjema-design), vil du sannsynligvis få dårlige resultater med ethvert forbruksverktøy eller erfaring. Streb alltid etter kvalitets semantiske modeller for å få mest mulig ut av Power BI og Fabric. Se også veiledning for datamodellering for Power BI for flere tips og veiledning for å forbedre semantiske Modeller for Power BI.

• Dårlige navnekonvensjoner: Hvis feltene dine har inkonsistente eller overdrevne navnekonvensjoner (som akronymer, forkortelser og tegnsetting), er brukerne mer tilbøyelige til å gjøre feil i promptene sine, og Copilot blir forvirret når de refererer til disse feltene. Copilot fungerer best når tabeller, kolonner og mål har navn på engelsk som kan leses av mennesker.

• Dårlig modellorganisering: Hvis du ikke organiserer modellen din, vil du sannsynligvis oppleve flere problemer med Copilot. Modellorganisasjon er et stort emne som omfatter mange oppgaver, inkludert feltbeskrivelser, skjuling av kolonner og mål, og unngå felt med samme navn på tvers av ulike tabeller.

• Språklig modellering: Hvis din semantiske modell ikke har språklig modellering satt opp, inkludert synonymer for felt eller verb for relasjoner, kan Copilot være mer sannsynlig å gi uventede resultater. Power BI er avhengig av den samme lingvistiske modelleringen som Q&A-funksjonen. Å sette opp en lingvistisk modell for semantisk modell koster ekstra tid og krefter på toppen av de semantiske modellutviklingsoppgavene. Hvis du vil ha mer informasjon, kan du se Introduksjon til Q&A-verktøy for å lære opp Power BI Q&A.

• Modellkompleksitet: Jo mer komplisert modellen er, inkludert å ha flere felt, avhengigheter og forretningslogikk, jo mer sannsynlig er det at du opplever vanskeligheter når du bruker Copilot. Komplekse mønstre som valutakonvertering eller frakoblede tabeller (for eksempel feltparametere) kan for eksempel føre til uventede eller uriktige resultater når brukere refererer til disse feltene eller tabellene i ledetekstene. Med mer komplekse modeller må du kanskje vurdere bestemte modellutformingsbeslutninger for å oppnå best mulig resultat med Copilot. Generelt bør du teste modellen med Copilot for å finne ut om du får konsekvent riktige og pålitelige resultater. Hvis ikke, bør du vurdere å råde brukere til ikke å bruke Copilot til å bruke semantisk modell.

Følgende bilde viser et eksempel på feil utdata fra Copilot på grunn av problemer med semantisk modell:

Bildet viser følgende ledetekst: Hvor mange enheter ble solgt i Australia i 2023? I svaret returnerer Copilot antall enheter der Land-kolonnen i Kunde-tabellen filtreres til Australia, i stedet for å filtrere Land-kolonnen i salgsområdetabellen . I dette tilfellet kunne brukeren ha forbedret ledeteksten for å angi salgsområdeland. Den semantiske modellutvikleren kan imidlertid også skjule eller gi nytt navn til Land-kolonnen i Kunde-tabellen hvis den ikke er ment å brukes av Copilot. Alternativt kan de deaktivere feltet fra felt synonymer av den lingvistiske modellen ved hjelp av Q&A-oppsettet.

Uavhengig av ledetekst eller modellkvalitet kan du fremdeles få unøyaktige utdata eller utganger av lav kvalitet fra Copilot når du bruker opplevelsen Still dataspørsmål . Det er fordi den underliggende modellen – med sin nåværende konfigurasjon – er ikke-deterministisk og ikke garanterer et riktig svar, eller det samme svaret med samme prompt, modell og data.

Bildet nedenfor viser et eksempel på at Copilot produserer unøyaktige eller upassende resultater:

I dette eksemplet viser bildet ledetekstene: Spørsmål: Hvilket land ga høyest fortjeneste i 2024? og Spørsmål: Hvilket land ga høyest fortjeneste i 2023? Utdataene viser Copilot først ber om avklaring etter at det står at det ikke er noen data for 2024 i modellen. Det finnes imidlertid data i modellen i 2024 når du filtrerer til dette året ved hjelp av datotabellen. Copilot returnerer deretter et resultat som filtrerer Fødselsdag-kolonnen fra Kunde-tabellen , i stedet for den merkede datotabellen i modellen. Selv om brukeren kan produsere en mer spesifikk ledetekst, eller utvikleren kan skjule Fødselsdag-feltet , bør Copilot i dette tilfellet produsere det forventede resultatet.

For å redusere dette problemet, tren brukere til kritisk å vurdere alle resultater de får fra Copilot i Fabric og Power BI, og hva de skal gjøre for å feilsøke uventede resultater eller prøve en ny prompt ved å lukke og åpne Copilot-chatpanelet eller vinduet på nytt.

DAX-spørringsvisning

Når du utvikler en semantisk modell, bruk Copilot for å generere DAX-spørringer i DAX-spørringsvisningen. I disse spørringene kan du også definere DAX-mål, som du deretter kan legge til i den semantiske modellen. Du kan også bruke Copilot til å forklare DAX-konsepter enten i genererte spørringer eller spørringer som du har skrevet selv.

Bildet nedenfor viser et eksempel på en bruker som ber Copilot om å generere en DAX-spørring.

Bildet viser følgende ledetekst: YTD-fortjeneste etter måned i 2023. Brukeren kan deretter be Copilot forklare spørringen, som vist i bildet nedenfor.

Bildet viser følgende ledetekst: Forklar denne DAX-spørringen. Forklaringen vises nederst i Copilot-vinduet.

Brukstilfeller

Bruk Copilot i DAX-spørringsvisningen for følgende brukstilfeller:

• Generer DAX-spørringer: Bruk Copilot til å foreslå DAX-spørringer, som du kan bruke til å:

  • Utforsk eller analyser modellen eller dataene.
  • Test og valider modellen eller dataene.
  • Prøv nye fremgangsmåter eller mønstre for beregninger i DAX.

• Refaktorere eksisterende DAX-spørringer: Bruk Copilot for mer praktisk eller effektivt å endre forespørsler du har kopiert eller skrevet selv, for eksempel:

  • Legge til kommentarer for å forklare og dokumentere en DAX-spørring eller -mål.
  • Gjør spørringen enklere å lese og forstå, for eksempel en spørring kopiert fra et power bi-rapportvisualobjekt som du undersøker.
  • Gjør store eller repeterende erstatninger i koden.
  • Ber Copilot om å fjerne eller erstatte variabler.

• Generer DAX-målinger: Bruk Copilot til å foreslå DAX-målinger som er definert oppstrøms for en generert spørring. Disse målene kan begrenses til DAX-spørringen du genererer eller legger til i semantisk modell.

• Forklar DAX-konsepter: Bruk Copilot for å forklare og bedre forstå ulike konsepter i DAX, som for eksempel:

  • DAX-spørring eller et definert mål i spørringen.
  • DAX-funksjoner, for eksempel CALCULATE eller KEEPFILTERS.

Fordeler

Den største fordelen med å bruke Copilot i DAX-spørringsvisningen er at du får støtte når du skriver DAX-spørringer. Denne støtten betyr at mindre erfarne utviklere og analytikere kan bruke Copilot til å lære DAX-konsepter eller generere DAX til bruk i modellen sin. Det kan også spare mellomliggende og erfarne utviklere tid når de trenger å utvikle DAX, men de kan ikke huske en bestemt funksjon eller mønster, eller når de ønsker å refaktorere eller forenkle en eksisterende spørring.

Andre generative AI-verktøy er tilgjengelige for DAX-kode, men Copilot i Power BI har følgende spesifikke fordeler:

• Copilot i Power BI er utviklet i samarbeid med forfatterne av DAX-språket.
• Copilot bruker ingen finjustering av modellen, men den inneholder metaprompter med bestemte DAX-eksempler fra Microsoft.
• Du trenger ikke å kopiere eller lime inn kode- eller modellinformasjon siden Copilot er integrert i Power BI Desktop.
• Under postprosessering bruker Copilot en DAX-analyse for å sikre at spørringen er gyldig, noe som reduserer sannsynligheten for å motta hallusinasjoner i spørringene.

Detaljer om opplevelsen

Copilot-opplevelsene i DAX-spørringsvisningen har trinn under forhåndsbearbeiding og postprosessering som skiller seg fra de andre Copilot-opplevelsene i Fabric.

Copilot i DAX-spørringsvisningen har følgende detaljer å huske på:

• Innspill: Brukere oppgir en skriftlig ledetekst i en inndataboks som er spesifikk for et enkelt DAX-spørringsvindu. De kan be om en spørring, be om endringer i en eksisterende spørring som Copilot allerede har generert, eller forklare et DAX-konsept. I inndataboksen kan brukere også velge knapper for å generere spørringer. Retry-knappen genererer spørringen på nytt mens den forsømmer den nåværende konteksten, slik at du kan prøve å få en annen tilnærming.

• Forhåndsbearbeiding og jording av data: Copilot henter jordingsdata fra modellskjemaet og alt i spørringsvinduet. Copilot tar følgende informasjon som kontekst for å prøve å forbedre nytten og spesiteten til Copilot-utdataene:

  • All tekst i det nåværende DAX-spørringsvinduet, inkludert DAX-kode du har skrevet, kommentarer eller tidligere DAX-spørringer du har generert.
  • Samtaleloggen med Copilot fra den aktive økten. Denne historikken inkluderer tidligere spørsmål og resultater, men ikke datapunkter.
  • Det semantiske modellskjemaet, som inkluderer tabeller, rader, kolonner, mål og andre objekter som relasjoner og beregningsgrupper. Dette skjemaet inkluderer alle objekter uavhengig av om de er skjult eller ikke, bortsett fra når du har en levende tilkobling til en delt semantisk modell.
  • Synonymer fra modellens lingvistiske skjema.
  • Enkelte semantiske modellegenskaper, inkludert DAX-uttrykk, beskrivelser (avkortet etter de første 200 tegnene), datatyper, formatstrenger (og formater strenguttrykk) og datakategori.
  • Noen statistiske aggregasjoner som minimums- og maksimumsverdier for kolonner fra modellen som kan brukes i en spørring. Disse verdiene er datapunkter sendt til Copilot som kontekst.
  • Copilot kan også sende spørringsresultatet tilbake til Azure OpenAI for å forklare den genererte spørringen eller resultatene.

  Følgende informasjon er utelatt:

  • Samtaleloggen med Copilot i gjeldende økt når du velger Prøv på nytt.
  • Alle tabeller i modellen som er merket som private.
  • Kommentarer i DAX-uttrykk.

• Ytelse: Utdataene som Copilot inneholder inneholder enten DAX-kode og DAX-kommentarer i DAX-spørringsvinduet, eller forklaringer av DAX i Copilot-inndataboksen. En bruker må vanligvis velge å kjøre og beholde spørringen selv.

Tips for å forbedre Copilot-utganger

For å forbedre kvaliteten på DAX-spørringene generert av Copilot, bruk de samme tipsene som når du bruker Ask data questions-opplevelsen i Copilot. Spesifikt, sørg for at promptene dine er klare, nøyaktige og beskrivende, og at din semantiske modell er godt designet, organisert og ikke inneholder for mye kompleksitet eller unntak.

Noen tips som er spesifikke for DAX-spørringsopplevelsen, er som følger:

• Forskjeller mellom lokale og live-tilkoblingsmodeller: Copilot fungerer forskjellig avhengig av om du spør etter en lokal modell som er åpen i Power BI Desktop eller en delt semantisk modell i Power BI-tjenesten. Når du for eksempel har en live-tilkobling til en delt semantisk modell og bruker DAX-spørringsvisningsopplevelsen:

  • Copilot kan ikke se DAX-uttrykkene for mål eller skjulte eller private objekter.
  • Copilot må kjøre DAX-spørringen før den returneres for å sikre at spørringen er gyldig.

• Bruk Knappen Prøv på nytt: Prøv på nytt-knappen tømmer Copilot-hurtigbufferen, slik at du får et nytt resultat med samme ledetekst og jordingsdata. Denne funksjonen er nyttig når du iterativt jobber mot en løsning som oppfyller dine spesifikke krav.

• Be Copilot om å legge til kommentarer i koden: Kommentarer er en nyttig måte å organisere og dokumentere DAX-spørringer på, og for å hjelpe deg med å forstå koden som Copilot genererer. Du kan også be Copilot forklare DAX-konseptet.

• Sjekk kvalitetsbaserte, fagfellevurderte kilder: Hvis du fortsatt ikke forstår den genererte koden med kommentarer og forklaringer fra Copilot, undersøk funksjonene og mønstrene på nettet fra pålitelige kilder enten i Microsoft-dokumentasjonen eller fra Power BI-fellesskapet.

• Pass på variabel bruk av Copilot: Copilot kan slite med å bruke variabler på riktig måte i DAX-spørringer og definerte mål. Copilot kan for eksempel prøve å filtrere eller gruppere en variabel som allerede er deklarert, noe som ikke er mulig og gir et uventet resultat.

• Bruk konsise beskrivelser til å skille mellom tilsvarende navngitte felt: Beskrivelser hjelper når lignende felt finnes i samme modell, for eksempel Navn i Kunde-tabellen og Navn i Store-tabellen .

• Bruk av beware-beregningsgruppe etter Copilot: Copilot kan slite med å bruke beregningsgrupper i foreslåtte spørringer. For å forbedre Copilots bruk av beregningsgrupper, inkluder beregningsobjektnavn oppført i beskrivelsen av beregningsgruppen.

• Pass på nyere funksjoner og DAX-syntaks: Copilot og andre generative AI-verktøy er begrenset i volum og omfang for opplæringsdata. Derfor er det mer sannsynlig at de gjør feil med nyere DAX-funksjoner eller syntaks. For disse scenariene kan det være lurt å prøve å redigere spørringen selv først, og deretter endre den ved hjelp av Copilot.

• Når du genererer mål, må du alltid be om en spørring: Copilot-opplevelsen i DAX-spørringsvisningen er utformet for å generere DAX-spørringer. Du får best resultater når du instruerer Copilot til å utføre denne oppgaven, i stedet for å be den generere et mål eller et annet DAX-uttrykk.

Generer målebeskrivelser med Copilot

Bruk Copilot for å generere beskrivelser for modellmål. Målbeskrivelser hjelper både modellbrukere og andre utviklere å forstå formålet med et mål og hvordan det skal brukes. Målbeskrivelser kan også forbedre nytten av Copilot-utdata for andre Copilot-opplevelser, for eksempel når du bruker Copilot til å generere DAX-spørringer i DAX-spørringsvisningen for en Semantisk Power BI-modell.

Bruk Copilot til å generere målbeskrivelser for modellmålene dine. Gå deretter gjennom resultatene og revider dem for å sikre at de er nøyaktige, konsise og hjelpsomme.

Fordeler

Oppretting av målbeskrivelser er vanligvis en vanskelig oppgave som ofte blir neglisjert. Å generere målbeskrivelser reduserer tiden du bruker på å organisere og dokumentere din semantiske modell. I motsetning til et lingvistisk skjema, drar alle semantiske modeller nytte av å legge til beskrivelser i tabeller, kolonner og mål. Denne praksisen bidrar til å forbedre modelldokumentasjon og nytte for andre i organisasjonen din.

Tips for å forbedre Copilot-utganger

Denne Copilot-opplevelsen bruker følgende jordingsdata for kontekst:

• DAX-uttrykk for mål og beregnede objekter.
• Feltegenskaper, inkludert beskrivelser, datatyper, formatstrenger og datakategori.
• Felt synonymer.

Gitt disse jordingsdataene, kan du sikre at foreslåtte synonymer er nyttige ved å:

• Bruke konsekvente navnekonvensjoner.
• Begrense bruken av tegnsetting, akronymer og forkortelser.
• Navngivningsmål på engelsk.

Copilot i nettmodellering (Power Bi-tjeneste)

Copilot i nettmodellering er en AI-drevet assistent som er integrert direkte i Power Bi-tjeneste modellredigeringsopplevelsen. I motsetning til de andre opplevelsene som er beskrevet i denne delen, som hovedsakelig er tilgjengelige i Power BI Desktop, Copilot kan du analysere og forbedre semantiske modeller ved å bruke naturlig språk uten å forlate nettleseren.

Når du åpner en semantisk modell i tjenestens modellvisning og bytter til redigeringsmodus, kan Copilot:

• Analyser modellen for problemer, for eksempel inkonsekvente navnekonvensjoner og uklar struktur, og foreslå forbedringer i beste praksis.
• Bruk skjemaoppdateringer direkte, inkludert å gi nytt navn til tabeller og kolonner, opprette relasjoner og generere DAX-mål.

Endringer som Copilot foreslår eller gjelder i denne opplevelsen, påvirker den aktive semantiske modellen akkurat som alle andre manuelle redigeringer. Se gjennom alle foreslåtte oppdateringer nøye før du godtar dem, på samme måte som for eventuelle modellendringer. Optimaliseringsveiledningen som er beskrevet i Optimaliser semantisk modell for Copilot i Power BI gjelder også her: En godt strukturert, tydelig navngitt modell gir bedre Copilot analyse og mer nøyaktige forslag.

Kontrollere Copilot tilgang for semantiske modeller

Brukere med skrivetillatelser på en semantisk modell kan kontrollere om brukere med skrivebeskyttede tillatelser kan få tilgang til modellen gjennom Copilot opplevelser. Denne innstillingen kan hjelpe organisasjoner med å oppfylle krav til styring og datatilgang, samtidig som de sikrer at Copilot bare er tilgjengelig for semantiske modeller som er beregnet på Copilot forbruk.

Denne innstillingen er plassert i Copilot delen av innstillingsruten for semantisk modellnivå med beskrivelsen «Tillat enhver person med bare lesetillatelser å bruke KUNSTIG INTELLIGENS (for eksempel Copilot, Microsoft MCP-verktøy) på denne modellen og tilhørende rapporter». Du finner også denne innstillingen på siden for fullstendige semantiske modellinnstillinger under inndelingen Utforsk og AI-tilgang .

Denne innstillingen gjelder på tvers av følgende opplevelser:

• Power BI Copilot forbruksoverflater, inkludert rapportrute, frittstående apper
• M365 Copilot Chat og samarbeid
• Dataagent
• MCP-verktøy for ekstern Microsoft

Som standard er denne innstillingen aktivert, slik at brukere med skrivebeskyttede tillatelser kan bruke støttede Copilot og Microsoft MCP-opplevelser for å få tilgang til den semantiske modellen.

Når du deaktiverer denne semantiske innstillingen på modellnivå:

• Brukere med skrivebeskyttede tillatelser får ikke tilgang til den semantiske modellen gjennom støttede Copilot eller eksterne Microsoft MCP-verktøyopplevelser. De Copilot inngangspunktene er skjult, deaktivert eller returnerer en tilgangsmelding avhengig av opplevelsen.
• I opplevelser som støtter flere semantiske modeller, kan brukere fortsette å bruke Copilot med andre kvalifiserte semantiske modeller som har innstillingen aktivert.
• I opplevelser som støtter flere semantiske modeller, utelates begrensede modeller og rapporter fra søkeresultater for alle brukere, inkludert brukere med kompilerings- og skrivetillatelser. Brukere med bygg- og skrivetillatelser kan fortsatt få tilgang til begrensede modeller og rapporter gjennom direkte tilgangsmetoder, for eksempel navigering til modellen eller url-adressen for rapporten eller manuelt å legge ved modellen eller rapporten.

Bruk en semantisk modell ved hjelp av Copilot

Du kan bruke Copilot til å stille dataspørsmål til semantiske modeller under forbruk. Denne opplevelsen er tilgjengelig når du bruker en rapport, inkludert i Power BI Desktop, en publisert rapport i et arbeidsområde, en app eller et OrgApp-element eller i Power BI-mobilappen.

Forbrukere kan stille dataspørsmål om en semantisk modell i følgende scenarioer:

• De finner ikke informasjonen eller analysen de trenger i rapportene sine.
• De ønsker å se data som presenteres på en annen måte, og tilpasning av visualobjekter er ikke aktivert.
• De ønsker å stille et dataspørsmål ved hjelp av naturlig språk, i stedet for å bruke verktøy eller kode.

Hvis du vil ha mer informasjon om hvordan du kan bruke Copilot i rapporter, som bruker en semantisk modell, kan du se artikkelen Bruke Copilot med Power BI-rapporter.

Klargjøre en semantisk modell for Copilot-forbruk

Bruk Copilot for å konsumere semantiske modeller først etter at du har tatt nødvendige steg for å oppdatere datamodellen slik at den fungerer godt med Copilot for Power BI.

Power BI Desktop

I Power BI Desktop, bruk Copilot-chatpanelet for å stille dataspørsmål om din semantiske modell. Denne funksjonen fungerer både med lokale modeller åpne i Power BI Desktop og når du er koblet til en delt semantisk modell via en live-tilkobling. Hvis du vil ha mer informasjon, kan du se Stille dataspørsmål tidligere i denne artikkelen.

Du kan også bruke DAX-spørringsvisningen til å bruke en semantisk modell ved å generere DAX-spørringer. Avanserte brukere av Power BI kan bruke denne tilnærmingen hvis de foretrekker å utforske data ved hjelp av kode.

For de fleste databrukere er det imidlertid generelt mer praktisk og mer effektivt å konsumere og utforske en semantisk modell ved å legge til visuelle elementer på rapportlerretet eller ved å bruke andre elementer som utforskning eller pivottabeller for Analyser i Excel. Disse elementene har vanligvis et enklere brukergrensesnitt og brukeropplevelse som egner seg bedre til å utforske og forstå data enn naturlige språksamtalelignende opplevelser, som Copilot.

Publisert rapport

I en publisert rapport, bruk Copilot-chatpanelet til å stille dataspørsmål om den sammenkoblede semantiske modellen. Denne opplevelsen i Fabric er identisk med Opplevelsen av Still dataspørsmål i Power BI Desktop for både modellutvikling og forbruk.

Power BI-mobilapp

I Power BI-mobilappen kan du bruke Copilot-chatpanelet i appen for å stille dataspørsmål til enhver rapport. Spørsmålene går til den sammenkoblede semantiske modellen for den rapporten. Denne funksjonen fungerer på lignende måte som Ask data questions-opplevelsen som ble forklart tidligere i denne artikkelen.

Relatert innhold

• Oppdater datamodellen slik at den fungerer bra med Copilot for Power BI
• Oversikt over Copilot for Power BI
• Copilot i Power BI-integrasjon