Perguntas frequentes sobre como preparar dados para IA

Hoje, Power BI oferece quatro recursos principais de ferramentas para configurar seu modelo para processamento de linguagem natural:

• Esquemas de dados de IA: permite selecionar um subconjunto de um esquema para Copilot usar.
• Respostas verificadas: uma resposta que um autor de modelo configura e valida para precisão e confiabilidade. Os autores podem definir visuais específicos para serem usados pelo Copilot em uma resposta verificada, quando um usuário faz uma pergunta que se enquadra na categoria atribuída.
• Instruções de IA: instruções que você pode definir em seu modelo para fornecer mais contexto sobre os dados no modelo. Eles ajudam Copilot entender quando se concentrar em quais dados e ajudam a Copilot entender determinados mapeamentos que os usuários de idioma podem usar ao interagir com Copilot.
• Descrições: descrições definidas em tabelas e colunas para fornecer mais contexto sobre os dados. Copilot usa descrições somente em consultas DAX (Data Analysis Expressions) e recursos de pesquisa.

Para obter o maior valor de Copilot em Power BI, implemente seus recursos de ferramentas na seguinte sequência:

1. Defina o esquema de dados de IA.

   Comece selecionando as tabelas, campos e medidas específicos que Copilot deve referenciar quando responder a perguntas sobre dados.

   Durante o desenvolvimento do modelo, você pode incluir elementos que não são relevantes para consultas de usuário final. Ao restringir o esquema, você ajuda a Copilot se concentrar nas partes mais significativas do seu modelo, o que reduz a ambiguidade. Essa prática é importante para grandes conjuntos de dados que têm campos sobrepostos ou nomeados da mesma forma.

   Veja um exemplo de como os esquemas de dados de IA podem ajudar Copilot se concentrar nos dados certos:

   Quando você usa todo o esquema, Copilot nem sempre sabe o que o usuário significa quando diz sales. Nesse caso, Copilot retorna GPM (margem de lucro bruto), que é uma interpretação legítima das vendas, mas não a métrica que essa equipe normalmente usa para analisar vendas.

   O autor do modelo usa o recurso Preparar dados para IA e remove a medida Total GPM do esquema que o Copilot recebe.

   Agora, quando o usuário faz a mesma pergunta, Copilot tem mais clareza sobre de onde obter a resposta e interpreta corretamente as vendas pela definição e medida da equipe.

   

2. Crie respostas verificadas.

   Configure respostas verificadas para perguntas comuns ou com nuances que os usuários podem fazer.

   Selecione um visual e, em seguida, selecione Criar resposta verificada. Em seguida, adicione frases de gatilho que reflitam como os usuários provavelmente expressarão suas perguntas. Quando os usuários inserem uma frase correspondente ou semelhante em Copilot, ela retorna o visual confiável. Esse processo ajuda a garantir respostas consistentes e de alta qualidade em relatórios.

   O exemplo a seguir mostra o benefício de uma resposta verificada. O usuário solicita vendas por área. Copilot interpreta area como área de produto e retorna uma lista de produtos e suas vendas. No entanto, o usuário estava procurando vendas por região ou local.

   O autor do modelo define uma resposta verificada usando um visual que inclui vendas por região. Em seguida, o autor inclui frases de gatilho que, quando um usuário as perguntar, devem retornar essa resposta visual específica.

   Agora, quando o usuário solicita sales por área, Copilot retorna a resposta verificada que o autor do modelo aprova.

   

3. Adicione instruções de IA.

   Depois de definir o esquema e as respostas verificadas, você pode usar instruções de IA para orientar o comportamento do Copilot no nível do modelo.

   As instruções ajudam a esclarecer a lógica de negócios, mapear a terminologia do usuário para campos de modelo e informar Copilot como interpretar ou analisar tipos específicos de dados. Eles são úteis porque fornecem contexto que Copilot não inferiria por conta própria.

   O exemplo a seguir mostra como usar instruções de IA para fornecer mais contexto para Copilot. O usuário pergunta sobre as vendas durante a temporada movimentada de 2012. Dentro desta organização, "alta temporada" é uma expressão bem definida e comumente utilizada. No entanto, o modelo semântico não tem nenhuma indicação desse termo em qualquer lugar. O autor do modelo define uma instrução que define a temporada movimentada de junho a agosto.

   Agora, quando o usuário faz a pergunta sobre vendas durante a temporada movimentada, Copilot entende esse termo definido e fornece a resposta.

   

4. Adicione descrições a tabelas e colunas.

   As descrições fornecem metadados extras que Copilot podem usar para entender seu modelo.

   Embora as descrições atualmente influenciem apenas alguns comportamentos do Copilot, elas desempenharão um papel maior em funcionalidades futuras. Adicioná-los agora ajuda a criar uma base forte para o sucesso a longo prazo com interações de linguagem natural em Power BI.

Hoje, os recursos de ferramentas e configuração só estão disponíveis no modelo. Você ainda não pode configurar relatórios diferentes criados a partir do mesmo modelo. Defina o esquema, as respostas verificadas, as instruções e as descrições no modelo semântico, não no relatório.

Consulte a tabela a seguir:

1. Defina seu esquema de dados de IA.

   Remova tabelas, colunas ou campos irrelevantes para as necessidades dos usuários. Essa ação ajuda Copilot se concentrar nas partes mais relevantes do seu modelo e ajuda a garantir que ele selecione os campos certos quando ele responde às consultas.

2. Utilize respostas verificadas para gráficos em relatórios.

   Se Copilot puder usar um visual em seu relatório para derivar uma resposta a uma pergunta, crie uma resposta verificada. Essa prática ajuda a garantir que Copilot retorna consistentemente o visual correto quando os usuários fazem perguntas com frases de gatilho específicas.

3. Personalize as instruções para campos específicos.

   Depois de definir o esquema e as respostas verificadas, você pode usar instruções de IA para orientar Copilot ao selecionar campos específicos. Use as instruções para ajuste fino e para cenários avançados depois de configurar outros recursos de Preparar dados para IA. Essa sequência de etapas ajuda a garantir que Copilot retorne os resultados mais precisos e contextualmente relevantes para os usuários, guiados pela estrutura do modelo e suas instruções definidas.

Se o Copilot tem dificuldade para entender um termo que sempre tem um único item correto ao qual se referir no seu modelo, você pode fornecer um nome alternativo nas instruções de IA.

Por exemplo, se sua equipe chama as pessoas que vendem seus produtos de closers, inclua essa referência nas instruções da IA. Defina os vendedores para também serem chamados de fechadores.

Se sua equipe usar determinados termos que não são uma correspondência exata 1:1 com tabelas ou campos em seu modelo, você poderá usar instruções de IA para ajudar a esclarecer itens diferentes com determinadas condições ou agrupamentos.

Por exemplo, uma equipe de vendas pode classificar qualquer pessoa que venda mais de 100% de suas metas em um determinado mês como de alto desempenho. Eles devem fornecer as seguintes instruções para Copilot:

Alto desempenho significa um vendedor que atende a 100% ou mais de sua meta mensal.

Agora, quando um usuário pergunta: "Quem foram os colaboradores de alto desempenho no mês passado?" Copilot sabe exatamente o que significa desempenho em sua equipe e organização.

Em outro exemplo, uma organização pode classificar estações. Sua equipe pode chamar o período de janeiro a maio de baixa temporada. Junho a setembro pode ser uma temporada movimentada. Outubro a dezembro pode ser a temporada padrão.

Nas instruções de IA, você pode definir as seguintes definições:

• Temporada lenta significa janeiro a maio.
• Temporada movimentada significa junho a setembro.
• Temporada padrão significa outubro a dezembro.

Agora, quando um usuário pergunta: "Quais foram as vendas totais para a temporada movimentada do ano passado?" Copilot entende o tempo que o usuário significa por temporada movimentada.

Os consumidores do relatório e dos dados provavelmente fazem algumas perguntas com mais frequência. Você pode resolver essa ocorrência aplicando respostas verificadas ao seu modelo. Aplique uma resposta verificada selecionando um visual e definindo frases de gatilho. Quando um usuário pergunta sobre o tópico, Copilot retorna informações usando o visual atribuído.

Por exemplo, os consumidores do relatório e do modelo geralmente podem perguntar: "Qual produto teve as vendas mais altas na semana passada?" Você pode definir uma resposta verificada para ajudar Copilot entender onde ele pode encontrar as informações certas. Esse método ajuda autores e consumidores a confiar que a resposta está correta.

As funcionalidades que existem hoje estão limitadas ao consumo amplo. No momento, você não pode criar um glossário com base em grupos diferentes ou definir um termo de duas maneiras diferentes. Por exemplo, os engenheiros podem definir o uso como número de vezes clicado, mas os gerentes de produto podem definir o uso como clientes pagantes em um determinado mês. No momento, você não pode fornecer definições diferentes de uso no mesmo modelo.

Em cenários em que seu esquema de modelo semântico é muito grande para Copilot renderizar uma resposta, Copilot reduz o esquema de modelo para que ele possa entender o esquema e gerar uma resposta. Você pode saber quando essa redução acontece baixando o diagnóstico de Copilot e verificando "AgentSchemaReduced" nos avisos.

Para Copilot executar no seu melhor, ele deve entender os dados subjacentes no modelo semântico. Para entender os dados subjacentes, o Copilot no Power BI indexa o modelo semântico para que ele possa pesquisar com precisão os valores relevantes e encontrar correspondências. Esse processo ajuda Copilot responder perguntas efetivamente com base em seu prompt.

Considere um conjunto de dados relacionado ao turismo do Havaí. Para responder a perguntas como: "Como o clima afetou as visitas turísticas em Maui?" Copilot precisa entender que Maui é um valor de instância no modelo semântico na coluna Island name da tabela Island.

Para Copilot pesquisar efetivamente esses valores de instância, Power BI indexa o modelo semântico ao habilitar Power BI Q&A. Power BI reindexa o modelo quando ele detecta alterações.

Frequência de indexação de modelo

O Power BI indexa todos os modelos que têm a configuração de Q&A habilitada.

A reindexação ocorre quando uma das seguintes ações ocorre:

• Para modelos de importação :
  • Você publica ou republica o modelo no serviço.
  • Uma atualização manual ou agendada é realizada no modelo, e você usou o Copilot e Perguntas e respostas nos últimos 14 dias.
• Para modelos DirectQuery e Direct Lake :
  • Você publica ou republica o modelo no serviço.
  • O índice tem mais de 24 horas, e você usou o Copilot e as Perguntas e Respostas nos últimos 14 dias.

A mensagem a seguir no Copilot indica que o modelo está sendo indexado no momento. A mensagem é resolvida automaticamente após a conclusão da indexação.

Metodologia de indexação

Power BI indexa apenas colunas de texto no modelo semântico. Power BI não indexa colunas que você oculta no esquema de IA por meio do recurso Preparar seus dados para IA.

Power BI indexa até cinco milhões de valores de instância com colunas e indexa a menor cardinalidade primeiro. DISTINCTCOUNT determina a cardinalidade da coluna para modelos de importação e COLUMNSTATISTICS determina a cardinalidade da coluna para modelos DirectQuery. Para fontes DirectQuery, a função COLUMNSTATISTICS usa a função APPROXIMATEDISTINCTCOUNT para determinar com eficiência cardinalidades aproximadas de colunas para fontes de dados subjacentes que oferecem suporte a isso.

Para evitar ainda mais a sobrecarga do sistema subjacente em modelos DirectQuery devido ao grande volume de consultas causado pela indexação, o Power BI armazena em cache os resultados de COLUMNSTATISTICS e recalcula as estatísticas a cada sete dias. Durante o processo de indexação, se a indexação da próxima coluna ultrapassar o limite superior de cinco milhões de instâncias, Power BI ignorará totalmente essa coluna.

Se a indexação atingir o limite, Copilot ainda responderá com base no índice criado, que não inclui todos os valores de instância. Você verá o aviso a seguir quando o modelo semântico atingir o limite de indexação.

Limitações conhecidas

• A indexação tem um limite de limite superior de cinco milhões de valores de instância ou 1.000 entidades de modelo (tabelas/colunas) para modelos semânticos grandes.
• Power BI não indexa valores de texto de mais de 100 caracteres.
• Modelos DirectQuery apenas indexam colunas para fontes de dados compatíveis APPROXIMATEDISTINCTCOUNT.
• A indexação para modelos DirectQuery e Direct Lake ocorre uma vez em um período de 24 horas, a menos que você publique o modelo novamente.
• Se a atualização do modelo semântico subjacente falhar, o índice de dados poderá ficar obsoleto até a próxima atualização de modelo semântico bem-sucedida.
• A primeira geração de índice de dados para o modelo semântico pode levar mais 15 minutos para permitir que as atividades de back-end gerem o índice.