Copilot gebruiken met semantische modellen

Dit artikel helpt u bij het gebruik van de Copilot-ervaringen in Power BI voor semantische modellen.

Copilot in Microsoft Fabric is een generatieve AI-assistent die de ervaring voor gegevensanalyse in het Fabric-platform wil verbeteren, met inbegrip van de Power BI-workload. U kunt Copilot in Power BI gebruiken om zowel de ontwikkeling als het verbruik van semantische modellen te ondersteunen door zowel selfservice- als zakelijke gebruikers. Wanneer Copilot effectief wordt gebruikt, kunnen zowel analisten als zakelijke gebruikers ondersteuning bieden om de productiviteit te verbeteren en meer waarde te krijgen uit hun semantische modellen.

Als u Copilot echter wilt gebruiken met semantische modellen in Power BI, moet u eerst uw gegevens, uw semantische model en uw gebruikers voorbereiden. Als u deze elementen niet voorbereidt, produceert Copilot voornamelijk lage kwaliteit en onjuiste uitvoer die mogelijk onjuist of zelfs misleidend is. In de volgende secties wordt uitgelegd hoe u Copilot in Power BI kunt gebruiken om een semantisch model te ontwikkelen of te gebruiken met de beschikbare Copilot-ervaringen.

Een semantisch model ontwikkelen met hulp van Copilot

Wanneer u een semantisch model in Power BI ontwikkelt, gebruikt u Copilot om de efficiëntie en het gemak van bepaalde taken te verbeteren. Dit proces omvat doorgaans het gebruik van Copilot om redundante of terugkerende wijzigingen voor u te stroomlijnen (zoals het genereren van metingsbeschrijvingen) of om u te helpen om uitdagende modelontwerpen of DAX aan te pakken of te begrijpen (zoals copilot gebruiken in de DAX-queryweergave om DAX-concepten uit te leggen of DAX-query's te genereren).

In de volgende secties wordt uitgelegd hoe een Power BI-ontwikkelaar of -analist die semantische modellen maakt, gebruik kan maken van de verschillende Copilot-ervaringen in Power BI.

Gegevensvragen stellen over uw semantische model

Tijdens het ontwikkelen van een semantisch model moet u vaak de gegevens verkennen en er query's op uitvoeren. Normaal gesproken gebruikt u een combinatie van de Power Query-editor, het rapportcanvas en DAX-query's. U kunt echter ook gegevensvragen stellen over uw model en de inhoud ervan met behulp van het Copilot-chatvenster. Over het algemeen is het stellen van gegevensvragen meer een verbruikservaring, waarbij zakelijke gebruikers vragen kunnen stellen over de gegevens wanneer ze het antwoord niet kunnen vinden in een rapport. Ontwikkelaars kunnen deze functie echter gebruiken om gegevens te verkennen of te valideren hoe Copilot presteert op hun model.

In de volgende afbeelding ziet u een voorbeeld van een gebruiker die een gegevensvraag stelt aan Copilot over een semantisch model. In de afbeelding ziet u de volgende prompt: Wat was de winst % voor de verkoopregio Australië in 2023?

Gebruikssituaties

Gebruik Copilot om gegevensvragen te stellen voor de volgende use cases:

• Gegevens in uw model verkennen: Een ontwikkelaar kan de ervaring Vragen stellen gebruiken om de gegevens in hun model te verkennen met behulp van Copilot. Het is echter waarschijnlijk efficiënter om de gegevens te verkennen door visuals toe te voegen aan het rapportcanvas of door DAX-query's te gebruiken. Dat komt doordat rapportvisuals automatisch worden bijgewerkt wanneer u wijzigingen aanbrengt in het model, maar antwoorden op gegevensvragen in het Copilot-chatvenster statisch zijn en verdwijnen wanneer u het Copilot-chatvenster sluit. Bovendien kunnen visuals die door Copilot worden gegenereerd, visuele filters bevatten die u niet zelf kunt maken in Power BI Desktop. Deze filters kunnen misleidend of lastig zijn om te onderzoeken.

• Het gebruik van Copilot voor het gebruik van het semantische model valideren: Ontwikkelaars moeten de ervaring Datavragen stellen gebruiken om te begrijpen en te testen hoe Copilot-verbruikservaringen presteren op hun semantische model. Dit is de belangrijkste use case voor het gebruik van Vragen over gegevens stellen wanneer u een semantisch model ontwikkelt. Met deze use case kan een ontwikkelaar wijzigingen aanbrengen in het semantische model dat Copilot beter kan ondersteunen om nuttigere uitvoer te produceren.

Voordelen

Een ontwikkelaar kan vragen stellen gebruiken om te begrijpen hoe de ervaring zal zijn voor zakelijke gebruikers die het semantische model gebruiken met behulp van Copilot in Power BI. Deze test is essentieel als zakelijke gebruikers Copilot willen gebruiken om een semantisch model te gebruiken.

Specifieke kenmerken van de ervaring

De ervaring Vragen stellen over gegevens verschilt van de standaard Copilot in Fabric-proces op de volgende gebieden. Dit overzicht is van toepassing op het gebruik van de ervaring Vragen stellen over gegevens bij het ontwikkelen en gebruiken van semantische modellen:

• Invoer: Gebruikers geven een schriftelijke prompt voor het stellen van een vraag of het aanvragen van specifieke informatie uit het semantische model.

• Voorverwerkings- en grondgegevens: Copilot haalt grondgegevens op uit het modelschema. Het voert schemareductie uit om de context te beperken tot wat het belangrijkst is. Als context gebruikt Copilot de volgende informatie om de bruikbaarheid en specificiteit van de Copilot-uitvoer te verbeteren:

  • Metagegevens van rapporten op de huidige rapportpagina. Als er relevante rapportmetagegevens zijn, beantwoordt Copilot in Power BI gegevensvragen uit het rapport in plaats van het model.
  • Het gesprek met Copilot in de huidige sessie. Dit gesprek bevat eventuele eerdere vragen en uitvoer, waaronder gegevenspunten uit gegevensvragen die Copilot eerder heeft beantwoord.
  • Het semantische modelschema, dat tabellen, rijen, kolommen, metingen en andere objecten bevat (zoals relaties, berekeningsgroepen, enzovoort).
  • Het volledige taalkundige modelschema.
  • Bepaalde semantische modeleigenschappen, waaronder beschrijvingen, gegevenstypen, opmaaktekenreeksen en gegevenscategorie.

  De volgende informatie wordt uitgesloten:

  • Een rapportpagina die verborgen is.
  • Elk veld (meting of kolom) in het model dat verborgen is.
  • Elke tabel in het model dat is gemarkeerd als privé.

• Uitvoer: De uitvoer die Copilot biedt, bevat verschillende onderdelen:

  • Visueel: Copilot beantwoordt de gegevensvraag door een Power BI-visual weer te geven, zoals een kaart, een lijndiagram of een tabel. Copilot kiest de visual en de bijbehorende opmaak, die de gebruiker niet kan beheren of aanvragen in de prompt. Er kan een time-out optreden voor de weergave als het onderliggende model, DAX of gegevens niet zijn geoptimaliseerd of te complex zijn.
  • Samenvatting: Copilot geeft een overzicht van het queryresultaat. Deze samenvatting wordt gegenereerd door een semantisch queryresultaat terug te sturen naar Azure OpenAI (inclusief gegevenspunten) en een uitleg in natuurlijke taal aan te vragen.
  • Fouten of toelichtingsaanvraag: Als Copilot geen antwoord kan produceren, kan het een algemeen foutbericht retourneren. Dit foutbericht kan een verzoek om verduidelijking bevatten, inclusief voorgestelde varianten van de oorspronkelijke gegevensvraag van de gebruiker.

Tips voor het verbeteren van Copilot-resultaten

Copilot kan onnauwkeurige of lage kwaliteit produceren, inclusief onjuiste antwoorden op vragen over gegevens. Vaak ontstaan er onjuiste antwoorden op gebruikersfouten of modelproblemen. Als u de kans op onjuiste of onverwachte Copilot-uitvoer wilt verminderen, moet u vragen van gebruikers en het ontwerp van het gegevensmodel adresseren.

Een gebruiker kan alleen onjuiste resultaten produceren door een slechte prompt te schrijven. Voorbeelden van slechte prompts zijn:

• Vage of onvolledige aanwijzingen: Als u onnauwkeurig of onvolledig de gewenste uitvoer beschrijft of als u dubbelzinnige taal in uw prompt gebruikt, is Copilot minder waarschijnlijk een nuttig resultaat te produceren. Probeer bij het schrijven van prompts zo specifiek en beschrijvend mogelijk te zijn bij het aangeven van het gewenste resultaat.

• Onjuiste prompts: Als u spelfouten maakt wanneer u naar een meting, kolom of tabelnaam verwijst, verwijst Copilot mogelijk niet naar het juiste veld. Zorg er bij het schrijven van prompts voor dat de velden die u in de prompt vermeldt, correct verwijzen naar de velden in het semantische modelschema. Deze regel omvat het vermijden van afkortingen, acroniemen of overmatige interpunctie. U kunt ook synoniemen gebruiken om te verwijzen naar velden, maar er is geen manier om te controleren welke synoniemen beschikbaar zijn voor een bepaald veld (zoals hoe u beschrijvingen kunt zien bij het aanwijzen van een meting of kolom in het deelvenster Gegevens).

• Overmatige of ongepaste onderliggende gegevens: Als u een prompt indient via het Copilot-chatvenster, gebruikt Copilot de chatgeschiedenis van die sessie als referentiegegevens tijdens de voorverwerking. Afhankelijk van wat de chatgeschiedenis inhoudt, krijgt u mogelijk andere of onverwachte resultaten. Houd er bij het schrijven van prompts rekening mee dat eventuele eerdere prompts en uitvoer worden gebruikt als grondgegevens. Als u dit probleem wilt voorkomen, selecteert u de Copilot-knop om het Copilot-chatvenster te sluiten en opnieuw te openen, zodat de chatgeschiedenis wordt gewist voordat u een nieuwe prompt verstuurt.

In de volgende afbeelding ziet u een voorbeeld van een onjuiste uitvoer van Copilot vanwege een slechte gebruikersprompt:

In de afbeelding ziet u de volgende prompt: Wat was de winst % voor de verkoopregio Australië in 2023? In de uitvoer retourneert Copilot de winstwaarde in plaats van de winst als percentage. In dit geval kan de gebruiker een beter resultaat verkrijgen van Copilot door duidelijker op te geven dat ze de winst in percentage willen (in plaats van het percentagesymbool te gebruiken).

Afgezien van gebruikersprompts kan de ervaring Gegevensvragen stellen ook onjuiste of onverwachte resultaten opleveren vanwege de kwaliteit of organisatie van het onderliggende semantische model. Voorbeelden van wanneer uw semantische model slechte resultaten produceert, zijn onder andere:

• Slecht modelontwerp of -implementatie: Als uw semantische model niet voldoet aan algemene aanbevolen procedures (zoals een stervormig schemaontwerp), krijgt u waarschijnlijk slechte resultaten met een verbruikshulpprogramma of -ervaring. Altijd streven naar semantische kwaliteitsmodellen om optimaal gebruik te maken van Power BI en Fabric. Zie ook richtlijnen voor gegevensmodellering voor Power BI voor meer tips en richtlijnen voor het verbeteren van uw semantische Power BI-modellen.

• Slechte naamconventies: Als uw velden inconsistente of overmatige naamconventies hebben (zoals acroniemen, afkortingen en interpunctie), maken gebruikers waarschijnlijk fouten in hun prompts en wordt Copilot verward wanneer ze naar deze velden verwijzen. Copilot werkt het beste wanneer tabellen, kolommen en metingen namen hebben in het leesbare Engels.

• Slechte modelorganisatie: Als u uw model niet ordent, ondervindt u waarschijnlijk meer problemen met Copilot. Modelorganisatie is een groot onderwerp dat veel taken omvat, waaronder veldbeschrijvingen, het verbergen van kolommen en metingen en het vermijden van velden met dezelfde namen in verschillende tabellen.

• Taalkundige modellering: Als uw semantische model geen taalkundige modellering heeft ingesteld, inclusief synoniemen voor velden of werkwoorden voor relaties, kan Copilot waarschijnlijk onverwachte resultaten retourneren. Power BI is afhankelijk van dezelfde taalkundige modellering als de Q&A-functie. Het instellen van een taalkundig model voor uw semantische model kost extra tijd en moeite boven op uw semantische modelontwikkelingstaken. Zie Inleiding tot Q&A-hulpprogramma's voor het trainen van Power BI Q&A voor meer informatie.

• Modelcomplexiteit: Hoe complexer uw model is, zoals het hebben van meer velden, afhankelijkheden en bedrijfslogica, hoe waarschijnlijker het is dat u problemen ondervindt bij het gebruik van Copilot. Complexe patronen zoals valutaconversie of niet-verbonden tabellen (zoals veldparameters) kunnen bijvoorbeeld onverwachte of onjuiste resultaten veroorzaken wanneer gebruikers naar deze velden of tabellen verwijzen in hun prompts. Met complexere modellen moet u mogelijk specifieke ontwerpbeslissingen voor modellen overwegen om de beste resultaten met Copilot te verkrijgen. Over het algemeen moet u uw model testen met Copilot om te bepalen of u consistent juiste en betrouwbare resultaten krijgt. Zo niet, dan kunt u overwegen om gebruikers te adviseren om Copilot niet te gebruiken voor uw semantische model.

In de volgende afbeelding ziet u een voorbeeld van een onjuiste uitvoer van Copilot vanwege problemen met het semantische model:

In de afbeelding ziet u de volgende prompt: Hoeveel eenheden zijn er in 2023 verkocht in Australië? In het antwoord retourneert Copilot het aantal eenheden waarin de kolom Land in de tabel Klant wordt gefilterd op 'Australië', in plaats van de kolom Land in de tabel Verkoopregio te filteren. In dit geval kan de gebruiker de prompt hebben verbeterd om het land van de verkoopregio op te geven. De semantische modelontwikkelaar kan de kolom Land in de tabel Klant echter ook verbergen of hernoemen als deze niet is bedoeld voor gebruik door Copilot. U kunt het veld ook uitschakelen vanuit het veld synoniemen van het taalkundige model met behulp van de Q&A-installatie.

Ongeacht de vraag of modelkwaliteit, kunt u nog steeds onnauwkeurige of lage kwaliteit-uitvoer verkrijgen van Copilot wanneer u de ervaring Vragen stellen over gegevens gebruikt. Dat komt doordat het onderliggende model, met de huidige configuratie, niet-deterministisch is en niet gegarandeerd een correct antwoord produceert, of hetzelfde antwoord met dezelfde prompt, model en gegevens.

In de volgende afbeelding ziet u een voorbeeld van Copilot dat onnauwkeurige of ongepaste resultaten produceert:

In dit voorbeeld toont de afbeelding de aanwijzingen: Vraag: Welk land heeft in 2024 de hoogste winst geproduceerd? en Vraag: Welk land heeft de hoogste winst geproduceerd in 2023? In de uitvoer wordt Copilot eerst om verduidelijking gevraagd nadat is aangegeven dat er geen gegevens zijn voor 2024 in het model. Er zijn echter gegevens in het model in 2024 bij het filteren naar dat jaar met behulp van de datumtabel. Copilot retourneert vervolgens een resultaat dat de kolom Verjaardag uit de tabel Klant filtert in plaats van de gemarkeerde datumtabel in het model. Hoewel de gebruiker een specifiekere prompt kan produceren of de ontwikkelaar het veld Verjaardag kan verbergen, moet Copilot in dit geval het verwachte resultaat opleveren.

Om dit probleem te verhelpen, traint u gebruikers om kritisch eventuele uitvoer die ze verkrijgen van Copilot in Fabric en Power BI te analyseren, en wat u moet doen om onverwachte resultaten op te lossen of om een nieuwe prompt uit te voeren door het Copilot-chatvenster of -venster te sluiten en opnieuw te openen.

DAX-query weergave

Gebruik Copilot tijdens het ontwikkelen van een semantisch model om DAX-query's te genereren in de DAX-queryweergave. In deze query's kunt u ook DAX-metingen definiëren, die u vervolgens kunt toevoegen aan uw semantische model. U kunt Copilot ook gebruiken om DAX-concepten uit te leggen in gegenereerde query's of query's die u zelf hebt gemaakt.

In de volgende afbeelding ziet u een voorbeeld van een gebruiker die Copilot vraagt om een DAX-query te genereren.

In de afbeelding ziet u de volgende prompt: YTD-winst per maand in 2023. De gebruiker kan copilot vervolgens vragen om de query uit te leggen, zoals wordt weergegeven in de volgende afbeelding.

In de afbeelding ziet u de volgende prompt: Leg deze DAX-query uit. De uitleg wordt onder aan het Copilot-venster weergegeven.

Gebruikssituaties

Gebruik Copilot in de DAX-queryweergave voor de volgende use cases:

• DAX-query's genereren: Gebruik Copilot om DAX-query's voor te stellen, waarmee u het volgende kunt doen:

  • Uw model of gegevens verkennen of analyseren.
  • Test en valideer uw model of gegevens.
  • Probeer nieuwe benaderingen of patronen uit voor berekeningen in DAX.

• Bestaande DAX-query's herstructureren: Gebruik Copilot om gemakkelijker of efficiënter query's te wijzigen die u zelf hebt gekopieerd of geschreven, zoals:

  • Opmerkingen toevoegen om een DAX-query of meting uit te leggen en te documenteren.
  • De query gemakkelijker te lezen en te begrijpen maken, zoals een query die is gekopieerd uit een Power BI-rapportvisual die u onderzoekt.
  • Het maken van grote of herhalende vervangingen in de code.
  • Copilot vragen variabelen te verwijderen of te vervangen.

• DAX-metingen genereren: Gebruik Copilot om DAX-metingen voor te stellen die upstream van een gegenereerde query zijn gedefinieerd. Deze metingen kunnen worden beperkt tot de DAX-query die u genereert of toevoegt aan uw semantische model.

• DAX-concepten uitleggen: Gebruik Copilot om verschillende concepten in DAX uit te leggen en beter te begrijpen, zoals:

  • DAX-query ofwel een gedefinieerde meting in deze query.
  • DAX-functies, zoals CALCULATE of KEEPFILTERS.

Voordelen

Het belangrijkste voordeel van het gebruik van Copilot in de DAX-queryweergave is dat u ondersteuning krijgt wanneer u DAX-query's schrijft. Deze ondersteuning betekent dat minder ervaren ontwikkelaars en analisten Copilot kunnen gebruiken om DAX-concepten te leren of DAX te genereren voor gebruik in hun model. Het kan ook tijd besparen voor tussenliggende en ervaren ontwikkelaars wanneer ze DAX moeten ontwikkelen, maar ze kunnen een bepaalde functie of patroon niet meer onthouden, of wanneer ze een bestaande query willen herstructureren of vereenvoudigen.

Andere generatieve AI-hulpprogramma's zijn beschikbaar voor DAX-code, maar Copilot in Power BI heeft de volgende specifieke voordelen:

• Copilot in Power BI is ontwikkeld in samenwerking met de auteurs van de DAX-taal.
• Copilot gebruikt geen modelafstemming, maar bevat metaprompts met specifieke DAX-voorbeelden van Microsoft.
• U hoeft geen code of modelgegevens te kopiëren of plakken, omdat Copilot is geïntegreerd in Power BI Desktop.
• Tijdens het postproces gebruikt Copilot een DAX-parser om ervoor te zorgen dat de query geldig is, waardoor de kans op het ontvangen van halluinaties in uw query's wordt verminderd.

Specifieke kenmerken van de ervaring

De Copilot-ervaringen in de DAX-queryweergave hebben stappen tijdens het vooraf verwerken en postprocesseren die verschillen van de andere Copilot-ervaringen in Fabric.

Copilot in de DAX-queryweergave heeft de volgende details om rekening mee te houden:

• Invoer: Gebruikers geven een schriftelijke prompt op in een invoervak dat specifiek is voor één DAX-queryvenster. Ze kunnen een query aanvragen, wijzigingen aanvragen in een bestaande query die Copilot al heeft gegenereerd of een DAX-concept uitleggen. In het invoervak kunnen gebruikers ook knoppen selecteren om query's te genereren. Met de knop Opnieuw proberen wordt de query opnieuw gegenereerd terwijl de huidige context wordt genegeerd, zodat u een andere benadering kunt proberen te krijgen.

• Voorverwerkings- en grondgegevens: Copilot haalt grondgegevens op uit het modelschema en alles in het queryvenster. Copilot gebruikt de volgende informatie als context om de bruikbaarheid en specificiteit van de Copilot-uitvoer te verbeteren:

  • Tekst in het huidige DAX-queryvenster, inclusief DAX-code die u hebt geschreven, opmerkingen of eerdere DAX-query's die u hebt gegenereerd.
  • De gespreksgeschiedenis met Copilot van de momenteel actieve sessie. Deze geschiedenis bevat eerdere vragen en uitvoer, maar geen gegevenspunten.
  • Het semantische modelschema, dat tabellen, rijen, kolommen, metingen en andere objecten bevat, zoals relaties en berekeningsgroepen. Dit schema bevat alle objecten, ongeacht of ze zijn verborgen of niet, behalve wanneer u een liveverbinding hebt met een gedeeld semantisch model.
  • Synoniemen uit het taalkundige modelschema.
  • Bepaalde semantische modeleigenschappen, waaronder DAX-expressies, beschrijvingen (afgekapt na de eerste 200 tekens), gegevenstypen, opmaaktekenreeksen (en tekenreeksexpressies opmaken) en gegevenscategorie.
  • Sommige statistische aggregaties, zoals minimum- en maximumwaarden van kolommen uit uw model, die kunnen worden gebruikt in een query. Deze waarden zijn gegevenspunten die als context naar Copilot worden verzonden.
  • Copilot kan het queryresultaat ook terugsturen naar Azure OpenAI om de gegenereerde query of de resultaten ervan uit te leggen.

  De volgende informatie wordt uitgesloten:

  • De gespreksgeschiedenis met Copilot in de huidige sessie wanneer u de knop Opnieuw proberen selecteert.
  • Elke tabel in het model dat is gemarkeerd als privé.
  • Opmerkingen in DAX-expressies.

• Uitvoer: De uitvoer die Copilot biedt, bevat DAX-code en DAX-opmerkingen in het DAX-queryvenster, of uitleg van de DAX in het Copilot-invoervak. Een gebruiker moet er doorgaans voor kiezen om de query zelf uit te voeren en te behouden.

Tips voor het verbeteren van Copilot-resultaten

Als u de kwaliteit van DAX-query's wilt verbeteren die door Copilot worden gegenereerd, gebruikt u dezelfde tips als wanneer u de ervaring Vragen stellen over gegevens in Copilot gebruikt. Zorg er met name voor dat uw prompts duidelijk, nauwkeurig en beschrijvend zijn en dat uw semantische model goed is ontworpen, georganiseerd en niet te veel complexiteit of uitzonderingen bevat.

Enkele tips die specifiek zijn voor de DAX-query-ervaring zijn als volgt:

• Verschillen tussen lokale en liveverbindingsmodellen: Copilot werkt anders, afhankelijk van of u een query uitvoert op een lokaal model dat is geopend in Power BI Desktop of een gedeeld semantisch model in de Power BI-service. Als u bijvoorbeeld een liveverbinding hebt met een gedeeld semantisch model en de DAX-query-weergave-ervaring gebruikt:

  • Copilot kan de DAX-expressies van maten of privé- of verborgen objecten niet zien.
  • Copilot moet de DAX-query uitvoeren voordat deze wordt geretourneerd om ervoor te zorgen dat de query geldig is.

• Gebruik de knop Opnieuw proberen: Met de knop Opnieuw proberen wordt de Copilot-cache leeggemaakt, zodat u een nieuw resultaat krijgt met dezelfde prompt- en groundinggegevens. Deze functie is handig wanneer u iteratief werkt aan een oplossing die voldoet aan uw specifieke vereisten.

• Vraag Copilot om opmerkingen toe te voegen aan uw code: Opmerkingen zijn een handige manier om uw DAX-query's te ordenen en te documenteren en om u te helpen inzicht te krijgen in de code die Copilot genereert. U kunt Copilot ook vragen het DAX-concept uit te leggen.

• Controleer de kwaliteit van peer-reviewed bronnen: Als u de door Copilot gegenereerde code met opmerkingen en uitleg nog steeds niet begrijpt, kunt u de functies en patronen online onderzoeken uit betrouwbare bronnen, zoals de Microsoft-documentatie of de Power BI-community.

• Pas op voor variabel gebruik door Copilot: Copilot kan moeite hebben om variabelen op de juiste wijze te gebruiken in DAX-query's en gedefinieerde metingen. Copilot kan bijvoorbeeld proberen een variabele te filteren of te groeperen die al is gedeclareerd. Dit is niet mogelijk en produceert een onverwacht resultaat.

• Gebruik beknopte beschrijvingen om onderscheid te maken tussen vergelijkbare benoemde velden: Beschrijvingen helpen bij het bestaan van vergelijkbare velden in hetzelfde model, zoals Naam in de tabel Klant en Naam in de Store-tabel .

• Let op het gebruik van berekeningsgroepen door Copilot: Copilot kan moeite hebben met het gebruik van berekeningsgroepen in uw voorgestelde query's. Als u het gebruik van berekeningsgroepen van Copilot wilt verbeteren, moet u de namen van berekeningsitems opnemen die worden vermeld in de beschrijving van de berekeningsgroep.

• Pas op voor nieuwere functies en DAX-syntaxis: Copilot en andere generatieve AI-hulpprogramma's zijn beperkt in hun trainingsgegevensvolume en -bereik. Als zodanig maken ze waarschijnlijk fouten met nieuwere DAX-functies of -syntaxis. Voor deze scenario's wilt u de query misschien eerst zelf ontwerpen en deze vervolgens herzien met Behulp van Copilot.

• Bij het genereren van metingen vraagt u altijd om een query: De Copilot-ervaring in de DAX-queryweergave is ontworpen om DAX-query's te genereren. U krijgt de beste resultaten wanneer u Copilot opdracht geeft om deze taak uit te voeren, in plaats van deze te vragen om een meting of een andere DAX-expressie te genereren.

Meetbeschrijvingen genereren met Copilot

Gebruik Copilot om beschrijvingen voor modelmetingen te genereren. Metingsbeschrijvingen helpen zowel modelgebruikers als andere ontwikkelaars het doel van een meting te begrijpen en hoe ze deze kunnen gebruiken. Metingen kunnen ook de bruikbaarheid van Copilot-uitvoer voor andere Copilot-ervaringen verbeteren, zoals wanneer u Copilot gebruikt om DAX-query's te genereren in de DAX-queryweergave van een semantisch Power BI-model.

Gebruik Copilot om maatregelbeschrijvingen te genereren voor uw modelmaatregelen. Bekijk vervolgens de resultaten en pas ze aan om ervoor te zorgen dat ze nauwkeurig, beknopt en nuttig zijn.

Voordelen

Het maken van metingsbeschrijvingen is normaal gesproken een zware taak die vaak wordt genegeerd. Het genereren van metingsbeschrijvingen vermindert de tijd die u besteedt aan het ordenen en documenteren van uw semantische model. In tegenstelling tot een taalkundig schema profiteren alle semantische modellen van het toevoegen van beschrijvingen aan tabellen, kolommen en metingen. Deze procedure helpt bij het verbeteren van modeldocumentatie en nuttigheid voor anderen in uw organisatie.

Tips voor het verbeteren van Copilot-resultaten

Deze Copilot-ervaring maakt gebruik van de volgende grondgegevens voor context:

• DAX-expressies voor metingen en berekende objecten.
• Veldeigenschappen, waaronder beschrijvingen, gegevenstypen, opmaaktekenreeksen en gegevenscategorie.
• Veld-synoniemen

Op basis van deze grondgegevens kunt u ervoor zorgen dat voorgestelde synoniemen nuttig zijn door:

• Consistente naamconventies gebruiken.
• Het gebruik van interpunctie, acroniemen en afkortingen beperken.
• Naamgeving van metingen in het Engels.

Copilot in modelleren op het web (Power BI-service)

Copilot in webmodellering is een AI-assistent die rechtstreeks is geïntegreerd in de ervaring voor het ontwerpen van modellen in de Power BI-service. In tegenstelling tot de andere ervaringen die in deze sectie worden beschreven, die voornamelijk beschikbaar zijn in Power BI Desktop, kunt u met Copilot in webmodellering uw semantische modellen analyseren en verbeteren door natuurlijke taal te gebruiken zonder de browser te verlaten.

Wanneer u een semantisch model opent in de modelweergave van de service en overschakelt naar de bewerkingsmodus, kunt Copilot het volgende doen:

• Analyseer het model voor problemen, zoals inconsistente naamconventies en onduidelijke structuur, en stel best practice-verbeteringen voor.
• Pas schema-updates rechtstreeks toe, inclusief het wijzigen van de naam van tabellen en kolommen, het maken van relaties en het genereren van DAX-metingen.

Wijzigingen die Copilot in deze ervaring voorstellen of toepassen, zijn van invloed op het actieve semantische model, net als bij andere handmatige bewerkingen. Bekijk alle voorgestelde updates zorgvuldig voordat u ze accepteert, zoals u zou doen voor elke modelwijziging. De optimalisatierichtlijnen die worden beschreven in Uw semantische model optimaliseren voor Copilot in Power BI zijn hier ook van toepassing: een goed gestructureerd, duidelijk benoemd model produceert betere Copilot analyse en nauwkeurigere suggesties.

Toegang tot Copilot beheren voor semantische modellen

Gebruikers met schrijfmachtigingen voor een semantisch model kunnen bepalen of gebruikers met alleen-lezenmachtigingen toegang hebben tot het model via Copilot ervaringen. Met deze instelling kunnen organisaties voldoen aan de vereisten voor governance en gegevenstoegang en ervoor zorgen dat Copilot alleen beschikbaar is voor semantische modellen die zijn bedoeld voor Copilot verbruik.

Deze instelling bevindt zich in de sectie Copilot van het deelvenster met instellingen op semantisch modelniveau, met de beschrijving "Iedereen met alleen leesmachtigingen toestaan AI te gebruiken (bijvoorbeeld Copilot, de MCP-hulpprogramma's van Microsoft) op dit model en de bijbehorende rapporten". U vindt deze instelling ook op de volledige pagina met semantische modelinstellingen in de sectie Verkennen en AI-toegang .

Deze instelling is van toepassing op de volgende ervaringen:

• Power BI Copilot-toepassingsgebieden, waaronder rapportdeelvenster, zelfstandig gebruik, apps
• M365 Copilot Chat en samenwerken
• Gegevensagent
• Externe MCP-tools van Microsoft

Deze instelling is standaard ingeschakeld, zodat gebruikers met alleen-lezenmachtigingen ondersteunde Copilot en Microsoft MCP-ervaringen kunnen gebruiken voor toegang tot het semantische model.

Wanneer u deze instelling op semantisch modelniveau uitschakelt:

• Gebruikers met alleen-lezenmachtigingen hebben geen toegang tot het semantische model via ondersteunde Copilot of externe Microsoft MCP-hulpprogramma-ervaringen. De Copilot toegangspunten zijn verborgen, uitgeschakeld of retourneren een toegangsbericht, afhankelijk van de ervaring.
• In ervaringen die ondersteuning bieden voor meerdere semantische modellen, kunnen gebruikers Copilot blijven gebruiken met andere in aanmerking komende semantische modellen waarvoor de instelling is ingeschakeld.
• In ervaringen die ondersteuning bieden voor meerdere semantische modellen, worden beperkte modellen en rapporten uitgesloten van zoekresultaten voor alle gebruikers, inclusief gebruikers met samenstellings- en schrijfmachtigingen. Gebruikers met samenstellings- en schrijfmachtigingen hebben nog steeds toegang tot beperkte modellen en rapporten via directe toegangsmethoden, zoals navigeren naar de model- of rapport-URL of het handmatig koppelen van het model of rapport.

Een semantisch model gebruiken met Copilot

U kunt Copilot gebruiken om gegevensvragen te stellen aan uw semantische modellen tijdens het verbruik. Deze ervaring is beschikbaar wanneer u een rapport gebruikt, waaronder in Power BI Desktop, een gepubliceerd rapport in een werkruimte, app of OrgApp-item of in de mobiele Power BI-app.

Consumenten kunnen in de volgende scenario's gegevensvragen stellen over een semantisch model:

• Ze kunnen de informatie of analyse die ze nodig hebben niet vinden in hun rapporten.
• Ze willen gegevens zien die op een andere manier worden gepresenteerd en visuals personaliseren is niet ingeschakeld.
• Ze willen een gegevensvraag stellen in natuurlijke taal, in plaats van hulpprogramma's of code te gebruiken.

Zie het artikel Copilot gebruiken met Power BI-rapporten voor meer informatie over hoe u Copilot kunt gebruiken in rapporten die een semantisch model gebruiken.

Een semantisch model voorbereiden voor Copilot-verbruik

Gebruik Copilot om semantische modellen alleen te gebruiken nadat u de benodigde stappen hebt uitgevoerd om uw gegevensmodel bij te werken zodat het goed werkt met Copilot voor Power BI.

Power BI Desktop

Gebruik in Power BI Desktop het copilot-chatvenster om gegevensvragen te stellen over uw semantische model. Deze functie werkt met beide lokale modellen die zijn geopend in Power BI Desktop en wanneer u bent verbonden met een gedeeld semantisch model met behulp van een liveverbinding. Zie Vragen stellen over gegevens eerder in dit artikel voor meer informatie.

U kunt ook de DAX-queryweergave gebruiken om een semantisch model te gebruiken door DAX-query's te genereren. Geavanceerde gebruikers van Power BI kunnen deze methode gebruiken als ze liever gegevens verkennen met behulp van code.

Voor de meeste gegevensgebruikers is het over het algemeen echter handiger en efficiënter om een semantisch model te gebruiken en te verkennen door visuals toe te voegen aan het rapportcanvas of door andere items zoals verkenningen of analyseren in Excel-draaitabellen te gebruiken. Deze items hebben doorgaans een eenvoudigere gebruikersinterface en gebruikerservaring die beter geschikt is voor het verkennen en begrijpen van gegevens dan chatachtige ervaringen in natuurlijke taal, zoals Copilot.

Gepubliceerd rapport

Gebruik in een gepubliceerd rapport het Copilot-chatvenster om gegevensvragen te stellen over het verbonden semantische model. Deze ervaring in Fabric is identiek aan de ervaring Vragen stellen over gegevens in Power BI Desktop voor zowel modelontwikkeling als verbruik.

Mobiele Power BI-app

Gebruik in de mobiele Power BI-app het copilot-chatvenster in de app om gegevensvragen te stellen voor een rapport. De vragen gaan naar het verbonden semantische model voor dat rapport. Deze functie werkt op dezelfde manier als de Vragen stellen over data functionaliteit die eerder in dit artikel is uitgelegd.

Verwante inhoud

• Uw gegevensmodel bijwerken zodat deze goed werkt met Copilot voor Power BI
• Overzicht van Copilot voor Power BI
• Copilot in Power BI-integratie