Często zadawane pytania dotyczące przygotowywania danych do sztucznej inteligencji

Obecnie Power BI oferuje cztery główne funkcje narzędzi do konfigurowania modelu na potrzeby przetwarzania języka naturalnego:

• Schematy danych AI: Umożliwia wybranie podzbioru schematu, którego Copilot ma używać.
• Zweryfikowane odpowiedzi: odpowiedź, którą autor modelu konfiguruje i weryfikuje pod kątem dokładności i niezawodności. Autorzy mogą ustawić określone wizualizacje dla Copilot do użycia w zweryfikowanej odpowiedzi, gdy użytkownik zadaje pytanie należące do przypisanej kategorii.
• Instrukcje dotyczące sztucznej inteligencji: instrukcje, które można ustawić w modelu, aby zapewnić więcej kontekstu danych w modelu. Pomagają one Copilot zrozumieć, kiedy skupić się na danych i pomóc Copilot zrozumieć pewne mapowania, których użytkownicy języka mogą używać podczas interakcji z Copilot.
• Opisy: Opisy ustawione dla tabel i kolumn w celu zapewnienia większego kontekstu danych. Copilot używa opisów tylko w zapytaniach języka DAX (Data Analysis Expressions) i funkcjach wyszukiwania.

Aby uzyskać największą wartość z Copilot w Power BI, zaimplementuj funkcje narzędzi w następującej kolejności:

1. Zdefiniuj schemat danych sztucznej inteligencji.

   Zacznij od wybrania określonych tabel, pól i miar, do których Copilot powinien się przywoływać podczas odpowiadania na pytania dotyczące danych.

   Podczas tworzenia modelu można uwzględnić elementy, które nie są istotne dla zapytań użytkowników końcowych. Po zawężeniu schematu pomożesz Copilot skoncentrować się na najbardziej znaczących częściach modelu, co zmniejsza niejednoznaczność. Ta praktyka jest ważna w przypadku dużych zestawów danych, które mają nakładające się lub podobnie nazwane pola.

   Oto przykład sposobu, w jaki schematy danych sztucznej inteligencji mogą pomóc Copilot skoncentrować się na odpowiednich danych:

   Gdy używasz całego schematu, Copilot nie zawsze wie, co oznacza użytkownik, gdy mówi sales. W tym przypadku Copilot zwraca marżę zysku brutto (GPM), która jest wiarygodną interpretacją sprzedaży, ale nie metryką, której ten zespół zazwyczaj używa do analizowania sprzedaży.

   Autor modelu używa funkcji przygotowywania danych dla sztucznej inteligencji i usuwa miarę Total GPM ze schematu, który Copilot odbiera.

   Teraz, gdy użytkownik zadaje to samo pytanie, Copilot ma większą jasność co do tego, skąd uzyskać odpowiedź i poprawnie interpretuje sprzedaż według definicji i pomiaru zespołu.

   

2. Utwórz zweryfikowane odpowiedzi.

   Skonfiguruj zweryfikowane odpowiedzi na typowe lub zniuansowane pytania, które mogą zadawać użytkownicy.

   Wybierz wizualizację, a następnie wybierz pozycję Utwórz zweryfikowaną odpowiedź. Następnie dodaj frazy wyzwalacza, które odzwierciedlają, jak użytkownicy mogą wypowiedzieć swoje pytania. Gdy użytkownicy wprowadzają pasujące lub podobne frazy w Copilot, zwraca zaufaną wizualizację. Ten proces pomaga zapewnić spójne, wysokiej jakości odpowiedzi w raportach.

   W poniższym przykładzie przedstawiono korzyść ze zweryfikowanej odpowiedzi. Użytkownik prosi o sprzedaż według obszaru. Copilot interpretuje obszar area jako obszar produkcyjny i zwraca listę produktów i ich sprzedaży. Jednak użytkownik szukał sprzedaży według regionu lub lokalizacji.

   Autor modelu ustawia zweryfikowaną odpowiedź przy użyciu wizualizacji zawierającej sprzedaż według regionów. Następnie autor zawiera frazy wyzwalacza, które podczas ich zadawania przez użytkownika powinny zwracać tę konkretną odpowiedź wizualną.

   Teraz, gdy użytkownik prosi o sales by area, Copilot zwraca zweryfikowaną odpowiedź zatwierdzoną przez autora modelu.

   

3. Dodaj instrukcje dotyczące sztucznej inteligencji.

   Po zdefiniowaniu schematu i zweryfikowanych odpowiedzi możesz użyć instrukcji sztucznej inteligencji, aby kierować zachowaniem Copilot na poziomie modelu.

   Instrukcje pomagają wyjaśnić logikę biznesową, mapować terminologię użytkownika na pola modelu i informować Copilot, jak interpretować lub analizować określone typy danych. Są one przydatne, ponieważ zapewniają kontekst, który Copilot nie wywnioskowałby samodzielnie.

   W poniższym przykładzie pokazano, jak używać instrukcji sztucznej inteligencji, aby udostępnić więcej kontekstu do Copilot. Użytkownik pyta o sprzedaż w zajętym sezonie 2012. Intensywny okres to wyraźnie określona, często używana fraza w tej organizacji. Jednak semantyczny model nie wskazuje na ten termin w dowolnym miejscu. Autor modelu ustawia instrukcję, która definiuje intensywny sezon jako okres od czerwca do sierpnia.

   Teraz, gdy użytkownik zadaje pytanie dotyczące sprzedaży w okresie zajętego sezonu, Copilot rozumie ten zdefiniowany termin i udostępnia odpowiedź.

   

4. Dodaj opisy do tabel i kolumn.

   Opisy zawierają dodatkowe metadane, których Copilot mogą użyć do zrozumienia modelu.

   Chociaż opisy mają obecnie wpływ tylko na niektóre zachowania Copilot, w przyszłości będą odgrywać większą rolę w nowych możliwościach. Dodanie ich pomaga teraz stworzyć silną podstawę dla długoterminowego sukcesu w interakcjach z językiem naturalnym w Power BI.

Obecnie funkcje narzędzi i konfiguracji są dostępne tylko w modelu. Nie można jeszcze skonfigurować różnych raportów utworzonych na podstawie tego samego modelu. Schemat, zweryfikowane odpowiedzi, instrukcje i opisy można ustawić w modelu semantycznym, a nie w raporcie.

Zapoznaj się z następującą tabelą:

1. Zdefiniuj schemat danych sztucznej inteligencji.

   Usuń wszystkie tabele, kolumny lub pola, które są nieistotne dla potrzeb użytkowników. Ta akcja pomaga Copilot skoncentrować się na najbardziej odpowiednich częściach modelu i pomaga upewnić się, że wybiera odpowiednie pola podczas reagowania na zapytania.

2. Użyj zweryfikowanych odpowiedzi w wizualizacjach w raportach.

   Jeśli Copilot może użyć wizualizacji w raporcie, aby uzyskać odpowiedź na pytanie, utwórz zweryfikowaną odpowiedź. Ta praktyka pomaga zapewnić, że Copilot konsekwentnie zwraca właściwy element wizualny, gdy użytkownicy zadają pytania zawierające określone frazy wyzwalające.

3. Dostosowywanie instrukcji dotyczących określonych pól.

   Po ustawieniu schematu i zweryfikowanych odpowiedzi możesz użyć instrukcji dotyczących sztucznej inteligencji, aby kierować Copilot podczas wybierania określonych pól. Skorzystaj z instrukcji dotyczących dostrajania i zaawansowanych scenariuszy po skonfigurowaniu innych funkcji Prep data for AI. Ta sekwencja kroków pomaga zapewnić, że Copilot zwraca najdokładniejsze i kontekstowe wyniki dla użytkowników, kierując się strukturą modelu i zdefiniowanymi instrukcjami.

Jeśli Copilot stara się zrozumieć termin, który zawsze ma ten sam prawidłowy element do odwołania w modelu, możesz podać alternatywną nazwę za pomocą instrukcji sztucznej inteligencji.

Jeśli na przykład Twój zespół nazywa osoby sprzedające Twoje produkty finalizatorami, uwzględnij tę informację w instrukcjach dla AI. Ustaw sprzedawców tak, aby byli również znani jako finalizujący sprzedaż.

Jeśli twój zespół używa określonych terminów, które nie są dokładnie zgodne z tabelami lub polami w modelu, możesz użyć instrukcji sztucznej inteligencji, aby wyjaśnić różne elementy z określonymi warunkami lub grupami.

Na przykład zespół sprzedaży może sklasyfikować każdego, kto sprzedaje ponad 100% swoich celów w danym miesiącu jako osoby osiągające wysokie wyniki. Powinni podać następujące instrukcje dla Copilota:

Najlepszy sprzedawca oznacza sprzedawcę, który realizuje 100% lub więcej swojego miesięcznego celu.

Teraz, gdy użytkownik pyta: "Kto był najlepszym wykonawcą w zeszłym miesiącu?" Copilot dokładnie wie, co czołowy wykonawca oznacza w Twoim zespole i organizacji.

W innym przykładzie organizacja może klasyfikować sezony. Twój zespół może nazywać okres od stycznia do maja martwym sezonem. Czerwiec do września może być zajęty sezonem. Październik do grudnia może być standardowy sezon.

W ramach instrukcji dotyczących sztucznej inteligencji można ustawić następujące definicje:

• Powolny sezon oznacza od stycznia do maja.
• Zajęty sezon oznacza czerwiec do września.
• Sezon standardowy oznacza październik do grudnia.

Teraz, gdy użytkownik zapyta: "Jaka była łączna sprzedaż za sezon wzmożonego ruchu w zeszłym roku?" Copilot rozumie, jaki przedział czasu ma na myśli użytkownik przez sezon wzmożonego ruchu.

Użytkownicy raportu i danych prawdopodobnie częściej zadają kilka pytań. To wystąpienie można rozwiązać, stosując zweryfikowane odpowiedzi do modelu. Zastosuj zweryfikowaną odpowiedź, wybierając element wizualny i ustawiając frazy wyzwalające. Gdy użytkownik zapyta o temat, Copilot zwraca informacje przy użyciu przypisanej wizualizacji.

Na przykład użytkownicy raportu i modelu często pytają: "Jaki produkt miał najwyższą sprzedaż w zeszłym tygodniu?" Możesz ustawić zweryfikowaną odpowiedź, aby pomóc Copilot zrozumieć, gdzie można znaleźć odpowiednie informacje. Ta metoda pomaga autorom i konsumentom ufać, że odpowiedź jest poprawna.

Możliwości istniejące obecnie są ograniczone do szerokiego użycia. Obecnie nie można utworzyć słownika na podstawie różnych grup ani zdefiniować terminu na dwa różne sposoby. Na przykład inżynierowie mogą zdefiniować użycie jako liczbę kliknięć, ale menedżerowie produktów mogą zdefiniować użycie jako płacących klientów w danym miesiącu. Obecnie nie można nadać różnych definicji użycia w tym samym modelu.

W sytuacjach, gdy schemat modelu semantycznego jest zbyt duży, aby Copilot mógł wygenerować odpowiedź, Copilot zmniejsza schemat modelu semantycznego, tak aby mógł go zrozumieć i wygenerować odpowiedź. Możesz stwierdzić, kiedy dochodzi do tego ograniczenia, pobierając diagnostykę Copilot i sprawdzając, czy w ostrzeżeniach pojawia się „AgentSchemaReduced”.

Aby Copilot działać w najlepszym wydaniu, musi zrozumieć podstawowe dane w modelu semantycznym. Aby zrozumieć dane bazowe, Copilot w Power BI indeksuje model semantyczny, aby umożliwić dokładne wyszukiwanie odpowiednich wartości do dopasowania. Ten proces pomaga Copilotowi skutecznie odpowiadać na pytania na podstawie promptu.

Rozważ zestaw danych związany z turystyką hawajskiej. Aby odpowiedzieć na pytania, takie jak "Jak pogoda miała wpływ na wizyty turystyczne na Maui?" Copilot musi zrozumieć, że Maui jest wartością instancji w modelu semantycznym w kolumnie Island name w tabeli Island.

Aby Copilot mógł skutecznie przeszukiwać wartości instancji, Power BI indeksuje model semantyczny po włączeniu funkcji Power BI Q&A. Power BI ponownie indeksuje model podczas wykrywania zmian.

Częstotliwość indeksowania modelu

Power BI indeksuje wszystkie modele, które mają włączone ustawienie pytań i odpowiedzi (Q&A).

Ponowne indeksowanie występuje, gdy odbywa się jedna z następujących akcji:

• W przypadku modeli importowanych:
  • Publikujesz lub ponownie publikujesz model w usłudze.
  • W modelu wykonywane jest ręczne lub zaplanowane odświeżanie, a w ciągu ostatnich 14 dni korzystasz z usługi Copilot i funkcji Q&A.
• W przypadku modeli DirectQuery i Direct Lake :
  • Publikujesz lub ponownie publikujesz model w usłudze.
  • Indeks jest starszy niż 24 godziny, a z funkcji Copilot i Q&A korzystasz w ciągu ostatnich 14 dni.

Poniższy komunikat w Copilot wskazuje, że model aktualnie indeksuje. Komunikat automatycznie znika po zakończeniu indeksowania.

Metodologia indeksowania

Power BI indeksuje tylko kolumny tekstowe w modelu semantycznym. Power BI nie indeksuje kolumn ukrywanych w schemacie sztucznej inteligencji za pomocą funkcji Przygotowywania danych dla sztucznej inteligencji.

Power BI indeksuje do pięciu milionów wartości wystąpień w kolumnach i najpierw indeksuje kolumny o najmniejszej kardynalności. DISTINCTCOUNT określa kardynalność kolumny dla modeli importu i COLUMNSTATISTICS określa kardynalność kolumny dla modeli DirectQuery. W przypadku źródeł DirectQuery funkcja COLUMNSTATISTICS używa funkcji APPROXIMATEDISTINCTCOUNT do wydajnego określania przybliżonej krotności kolumn w źródłach danych, które to obsługują.

Aby jeszcze bardziej zapobiec przeciążeniu podstawowego systemu dla modeli DirectQuery z napływem zapytań z powodu indeksowania, Power BI buforuje wyniki COLUMNSTATISTICS i ponownie skompiluje statystyki co siedem dni. Podczas indeksowania, jeśli zindeksowanie następnej kolumny spowodowałoby przekroczenie górnego limitu pięciu milionów wartości wystąpień, Power BI całkowicie pomija tę kolumnę.

Jeśli indeksowanie osiągnie limit, Copilot nadal odpowiada na podstawie utworzonego indeksu, który nie zawiera wszystkich wartości wystąpień. Zostanie wyświetlone następujące ostrzeżenie, gdy model semantyczny osiągnie limit indeksowania.

Znane ograniczenia

• Indeksowanie ma górny limit pięciu milionów wartości wystąpień lub 1000 jednostek modelu (tabel/kolumn) dla dużych modeli semantycznych.
• Power BI nie indeksuje wartości tekstowych 100 znaków i więcej.
• Modele DirectQuery indeksują kolumny tylko dla źródeł danych, które obsługują APPROXIMATEDISTINCTCOUNT.
• Indeksowanie modeli DirectQuery i Direct Lake odbywa się raz w okresie 24-godzinnym, chyba że model zostanie ponownie opublikowany.
• Jeśli odświeżanie podstawowego modelu semantycznego zakończy się niepowodzeniem, indeks danych może być nieaktualny do momentu następnego pomyślnego odświeżenia modelu semantycznego.
• Generowanie pierwszego indeksu danych dla modelu semantycznego może potrwać 15 minut, aby umożliwić generowanie indeksu przez działania zaplecza.