Perguntas frequentes sobre a preparação de dados para IA

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

• Esquemas de dados de IA: Permitem-lhe selecionar um subconjunto de um esquema para o Copilot usar.
• Respostas verificadas: Uma resposta que o autor do modelo configura e valida quanto à precisão e fiabilidade. Os autores podem definir visuais específicos para o Copilot usar numa resposta verificada quando um utilizador faz uma pergunta que se enquadra na categoria atribuída.
• Instruções de IA: Instruções que pode definir no seu modelo para fornecer mais contexto sobre os dados no modelo. Ajudam o Copilot a perceber quando deve focar-se em que dados, e ajudam o Copilot a compreender certos mapeamentos que os utilizadores de línguas podem usar quando interagem com o Copilot.
• Descrições: Descrições colocadas em tabelas e colunas para fornecer mais contexto sobre os dados. O Copilot utiliza descrições apenas nas consultas de Expressões de Análise de Dados (DAX) e nas funcionalidades de pesquisa.

Para tirar o máximo proveito do Copilot no Power BI, implemente as suas funcionalidades de ferramentas na seguinte sequência:

1. Defina o esquema de dados de IA.

   Comece por selecionar as tabelas, campos e medidas específicas que o Copilot deve consultar ao responder a perguntas de dados.

   Durante o desenvolvimento do modelo, você pode incluir elementos que não são relevantes para consultas do usuário final. Ao restringir o esquema, ajuda o Copilot a focar-se nas partes mais significativas do seu modelo, o que reduz a ambiguidade. Esta prática é importante para grandes conjuntos de dados que têm campos sobrepostos ou com nomes semelhantes.

   Aqui está um exemplo de como os esquemas de dados de IA podem ajudar o Copilot a focar-se nos dados certos:

   Quando usas todo o esquema, Copilot nem sempre sabe o que o utilizador quer dizer quando diz vendas. Neste caso, o Copilot devolve a margem bruta de lucro (GPM), que é uma interpretação legítima das vendas, mas não a métrica que esta equipa normalmente utiliza para analisar as vendas.

   O autor do modelo utiliza a funcionalidade Prep data for AI e remove a medida Total GPM do esquema que o Copilot recebe.

   Agora, quando o utilizador faz a mesma pergunta, o Copilot tem mais clareza sobre onde obter a resposta e interpreta corretamente as vendas pela definição e medição da equipa.

   

2. Crie respostas verificadas.

   Configure respostas verificadas para perguntas comuns ou nuançadas que os utilizadores possam colocar.

   Selecione um visual e depois selecione Criar resposta verificada. Depois adiciona frases gatilho que reflitam como os utilizadores provavelmente vão formular as suas perguntas. Quando os utilizadores inserem uma frase correspondente ou semelhante no Copilot, este devolve o visual confiável. Este processo ajuda a garantir respostas consistentes e de alta qualidade entre os relatórios.

   O exemplo a seguir mostra o benefício de uma resposta verificada. O utilizador pede vendas por área. Copilot interpreta área como área de produto e devolve uma lista de produtos e as suas vendas. No entanto, o utilizador procurava vendas por região ou localização.

   O autor do modelo define uma resposta verificada usando um visual que inclui vendas por região. Depois, o autor inclui frases de ativação que, quando um utilizador as articula, devem gerar esta resposta visual específica.

   Agora, quando o utilizador pede vendas por área, Copilot devolve a resposta verificada que o autor do modelo aprova.

   

3. Adiciona instruções de IA.

   Depois de definir o esquema e as respostas verificadas, pode usar instruções de IA para orientar o comportamento do Copilot ao nível do modelo.

   As instruções ajudam a clarificar a lógica de negócio, a mapear a terminologia do utilizador para os campos de modelo e a indicar ao Copilot como interpretar ou analisar tipos específicos de dados. São úteis porque fornecem contexto que o Copilot não inferiria por si só.

   O exemplo seguinte mostra como usar instruções de IA para fornecer mais contexto ao Copilot. O utilizador pergunta sobre as vendas durante a época alta de 2012. Temporada movimentada é uma expressão bem definida e comumente usada dentro desta organização. No entanto, o modelo semântico não tem indicação deste termo em lugar algum. O autor do modelo estabelece uma instrução que define a época de maior movimento como de junho a agosto.

   Agora, quando o utilizador faz a pergunta sobre vendas durante a época alta, o Copilot compreende este termo definido e fornece a resposta.

   

4. Adicione descrições a tabelas e colunas.

   As descrições fornecem metadados adicionais que o Copilot pode usar para compreender o seu modelo.

   Embora as descrições atualmente influenciem apenas alguns comportamentos do Copilot, terão um papel maior nas capacidades futuras. Adicioná-los agora ajuda a construir uma base sólida para o sucesso a longo prazo com interações em linguagem natural no Power BI.

Atualmente, as ferramentas e funcionalidades de configuração estão disponíveis apenas no modelo. Ainda não consegues configurar relatórios diferentes construídos a partir do mesmo modelo. Definiste o esquema, respostas verificadas, instruções e descrições no modelo semântico, não no relatório.

Consulte a tabela a seguir:

1. Defina o seu esquema de dados de IA.

   Remova quaisquer tabelas, colunas ou campos que sejam irrelevantes para as necessidades dos utilizadores. Esta ação ajuda o Copilot a focar-se nas partes mais relevantes do seu modelo e ajuda a garantir que seleciona os campos certos quando responde a questões.

2. Use respostas verificadas para imagens nos relatórios.

   Se o Copilot conseguir usar um visual no seu relatório para obter uma resposta a uma pergunta, crie uma resposta verificada. Esta prática ajuda a garantir que o Copilot devolve consistentemente o visual correto quando os utilizadores fazem perguntas com frases gatilho específicas.

3. Personaliza as instruções para campos específicos.

   Depois de definir o esquema e as respostas verificadas, pode usar instruções de IA para orientar o Copilot ao selecionar campos específicos. Usa instruções para ajustes finos e para cenários avançados, depois de definires outros dados de preparação para funcionalidades de IA . Esta sequência de passos ajuda a garantir que o Copilot devolve os resultados mais precisos e contextualmente relevantes aos utilizadores, guiados pela estrutura do seu modelo e pelas instruções definidas.

Se o Copilot tiver dificuldades em compreender um termo que tem sempre o mesmo item correto para referenciar no seu modelo, pode fornecer um nome alternativo através das instruções da IA.

Por exemplo, se a sua equipa se referir às pessoas que vendem os seus produtos como closers, inclua essa referência nas suas instruções de IA. Defina vendedores para também serem conhecidos como closers.

Se a tua equipa usar certos termos que não correspondem exatamente 1:1 com tabelas ou campos no teu modelo, podes usar instruções de IA para ajudar a clarificar diferentes itens com certas condições ou agrupamentos.

Por exemplo, uma equipa de vendas pode classificar qualquer pessoa que venda mais de 100% dos seus alvos num dado mês como de alto desempenho. Devem fornecer as seguintes instruções ao Copilot:

Alto desempenho significa um vendedor que atinge 100% ou mais do seu objetivo mensal.

Agora, quando um utilizador pergunta: "Quem foram os melhores no mês passado?" Copilot sabe exatamente o que significa alto desempenho na sua equipa e organização.

Noutro exemplo, uma organização pode classificar as estações do ano. A tua equipa pode considerar a época lenta de janeiro a maio. De junho a setembro pode ser época alta. De outubro a dezembro pode ser a época padrão.

Dentro das instruções de IA, pode definir as seguintes definições:

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

Agora, quando um utilizador pergunta: "Quais foram as vendas totais da época alta do ano passado?" Copilot percebe qual o período de tempo que o utilizador entende por época alta.

Os consumidores do seu relatório e dados provavelmente fazem algumas perguntas com mais frequência. Pode resolver esta ocorrência aplicando respostas verificadas ao seu modelo. Aplique uma resposta verificada ao selecionar um elemento visual e definir expressões de gatilho. Quando um utilizador pergunta sobre o tema, o Copilot devolve a informação usando o visual atribuído.

Por exemplo, os consumidores do relatório e do modelo podem muitas vezes perguntar: "Qual produto teve as maiores vendas na semana passada?" Pode definir uma resposta verificada para ajudar o Copilot a perceber onde pode encontrar a informação certa. Este método ajuda autores e consumidores a confiar que a resposta está correta.

As capacidades, tal como existem hoje, limitam-se a um consumo alargado. Atualmente, não se pode criar um glossário baseado em diferentes grupos, nem definir um termo de duas formas diferentes. Por exemplo, os engenheiros podem definir uso como o número de clicos, mas os gestores de produto podem definir uso como clientes pagantes num dado mês. Atualmente, não se podem atribuir definições diferentes ao uso no mesmo modelo.

Em cenários em que o esquema do modelo semântico é demasiado grande para o Copilot renderizar uma resposta, o Copilot reduz o esquema do modelo para poder compreender o esquema e gerar uma resposta. Pode perceber quando esta redução acontece descarregando o Copilot Diagnostics e verificando "AgentSchemaReduced" nos avisos.

Para que o Copilot tenha o seu melhor desempenho, deve compreender os dados subjacentes no modelo semântico. Para compreender os dados subjacentes, o Copilot no Power BI indexa o modelo semântico para poder procurar com precisão valores relevantes para corresponder. Este processo ajuda o Copilot a responder eficazmente às perguntas com base no seu prompt.

Considere um conjunto de dados relacionado com o turismo no Havai. Para responder a perguntas como, "Como é que o tempo afetou as visitas turísticas em Maui?" Copilot precisa de perceber que Maui é um valor de instância no modelo semântico na coluna nome da ilha da tabela Ilha.

Para que o Copilot consiga pesquisar eficazmente estes valores de instância, o Power BI indexa o modelo semântico quando ativa o Power BI Q&A. O Power BI reindexa o modelo quando deteta alterações.

Frequência de indexação do modelo

O Power BI indexa todos os modelos que têm a definição de Q&A ativada.

A reindexação ocorre quando ocorre uma das seguintes ações:

• Para modelos de importação :
  • Publica ou republica o modelo no serviço.
  • Uma atualização manual ou agendada corre no modelo, e usas o Copilot e o Q& A nos últimos 14 dias.
• Para modelos DirectQuery e Direct Lake :
  • Publica ou volta a publicar o modelo no serviço.
  • O índice tem mais de 24 horas, e usas o Copilot e o Q& A nos últimos 14 dias.

A mensagem seguinte no Copilot indica que o modelo está atualmente a ser indexado. A mensagem resolve-se automaticamente após o término da indexação.

Metodologia de indexação

O Power BI apenas indexa colunas de texto no modelo semântico. O Power BI não indexa colunas que escondes no esquema de IA através da funcionalidade Prep your data for AI.

O Power BI indexa até cinco milhões de valores de instância com colunas e indexa primeiro a menor cardinalidade. DISTINCTCOUNT determina a cardinalidade da coluna para modelos importados e COLUMNSTATISTICS determina a cardinalidade da coluna para modelos DirectQuery. Para fontes DirectQuery, a COLUMNSTATISTICS função utiliza a APPROXIMATEDISTINCTCOUNT função para determinar eficientemente as cardinalidades aproximadas das colunas para fontes de dados subjacentes que a suportam.

Para evitar ainda mais sobrecarregar o sistema subjacente dos modelos DirectQuery devido a um afluxo de consultas causado pela indexação, o Power BI coloca em cache os resultados de COLUMNSTATISTICS e recalcula as estatísticas a cada sete dias. Durante o processo de indexação, se a indexação da coluna seguinte exceder o limite máximo de cinco milhões de valores de instância, o Power BI ignora completamente essa coluna.

Se a indexação atingir o limite, o Copilot ainda responde com base no índice que construiu, que não inclui todos os valores das instâncias. Vê o seguinte aviso quando o modelo semântico atinge o limite de indexação.

Limitações conhecidas

• A indexação tem um limite superior de cinco milhões de valores de instância ou 1.000 entidades de modelo (tabelas/colunas) para modelos semânticos grandes.
• O Power BI não indexa valores de texto de 100+ caracteres.
• O DirectQuery modela apenas colunas de índice para fontes de dados que suportam APPROXIMATEDISTINCTCOUNT.
• A indexação para modelos DirectQuery e Direct Lake ocorre uma vez durante um período de 24 horas, a menos que republique o modelo.
• Se a atualização semântica do modelo subjacente falhar, o índice de dados pode ficar obsoleto até à próxima atualização semântica bem-sucedida do modelo.
• A primeira geração de índices de dados para o modelo semântico pode demorar mais 15 minutos para permitir que as atividades de backend gerem o índice.