Använda Copilot med semantiska modeller

Den här artikeln hjälper dig att använda Copilot-upplevelserna i Power BI för semantiska modeller.

Copilot i Microsoft Fabric är en generativ AI-assistent som syftar till att förbättra dataanalysupplevelsen på Fabric-plattformen, inklusive Power BI-arbetsbelastningen. Du kan använda Copilot i Power BI för att stödja både utveckling och användning av semantiska modeller av både självbetjäningsanvändare och företagsanvändare. När det används effektivt kan Copilot stödja både analytiker och företagsanvändare för att förbättra produktiviteten och få mer värde från sina semantiska modeller.

Men om du vill använda Copilot med semantiska modeller i Power BI måste du först förbereda dina data, din semantiska modell och dina användare. Om du inte förbereder dessa element producerar Copilot huvudsakligen felaktiga utdata av låg kvalitet som kan vara felaktiga eller till och med missvisande. Följande avsnitt vägleder dig genom hur du kan använda Copilot i Power BI för att antingen utveckla eller använda en semantisk modell med tillgängliga Copilot-upplevelser.

Utveckla en semantisk modell med hjälp av Copilot

När du utvecklar en semantisk modell i Power BI använder du Copilot för att förbättra effektiviteten och bekvämligheten med vissa uppgifter. Vanligtvis innebär den här processen att använda Copilot för att effektivisera redundanta eller repetitious ändringar åt dig (till exempel att generera måttbeskrivningar) eller hjälpa dig att hantera eller förstå utmanande modelldesign eller DAX (till exempel att använda Copilot i DAX-frågevyn för att förklara DAX-begrepp eller för att generera DAX-frågor).

I följande avsnitt förklaras hur en Power BI-utvecklare eller analytiker som skapar semantiska modeller kan utnyttja de olika Copilot-upplevelserna i Power BI.

Ställ datafrågor om din semantiska modell

När du utvecklar en semantisk modell behöver du ofta utforska och köra frågor mot data. Normalt använder du en kombination av Power Query-redigeraren, rapportarbetsytan och DAX-frågorna. Du kan dock också ställa datafrågor om din modell och dess innehåll med hjälp av chattfönstret Copilot. I allmänhet är det mer en konsumtionsupplevelse att ställa datafrågor, där företagsanvändare kan ställa frågor om data när de inte hittar svaret i en rapport. Utvecklare kan dock använda den här funktionen för att utforska data eller verifiera hur Copilot presterar på sin modell.

Följande bild visar ett exempel på en användare som ställer en datafråga till Copilot om en semantisk modell. Bilden visar följande fråga: Vad var vinstprocenten för försäljningsregionen i Australien 2023?

Användningsfall

Använd Copilot för att ställa datafrågor för följande användningsfall:

• Utforska data i din modell: En utvecklare kan använda funktionen Fråga datafrågor för att utforska data i sin modell med hjälp av Copilot. Det är dock troligtvis mer effektivt att utforska data genom att lägga till visuella objekt på rapportarbetsytan eller med hjälp av DAX-frågor. Det beror på att rapportvisualiseringar uppdateras automatiskt när du gör ändringar i modellen, men svar på datafrågor i chattfönstret Copilot är statiska och försvinner när du stänger chattfönstret Copilot. Visuella objekt som genereras av Copilot kan dessutom innehålla visuella filter som du inte kan skapa själv i Power BI Desktop. Dessa filter kan vara vilseledande eller besvärliga att undersöka.

• Verifiera användningen av Copilot för användning av semantikmodellen: Utvecklare bör använda upplevelsen Fråga datafrågor för att förstå och testa hur Copilots förbrukningsupplevelser fungerar på deras semantiska modell. Det här är det huvudsakliga användningsfallet för att använda Ställ datafrågor när du utvecklar en semantisk modell. Med det här användningsfallet kan en utvecklare göra ändringar i sin semantiska modell som bättre kan stödja Copilot för att skapa mer användbara utdata.

Fördelar

En utvecklare kan använda Ställ datafrågor för att förstå hur upplevelsen blir för företagsanvändare som använder semantikmodellen med hjälp av Copilot i Power BI. Den här testningen är viktig om företagsanvändare vill använda Copilot för att använda en semantisk modell.

Detaljer om upplevelsen

Fråga datafrågor-upplevelsen skiljer sig från standard-Copilot i Fabric-processen inom följande områden. Den här översikten gäller för användning av upplevelsen Fråga datafrågor när du både utvecklar och använder semantiska modeller:

• Inmatning: Användarna anger en skriftlig fråga eller begär specifik information från den semantiska modellen.

• Förbearbetnings- och jordningsdata: Copilot hämtar jordningsdata från modellschemat. Den utför schemaminskning för att försöka begränsa kontexten till det som är viktigast. Som kontext tar Copilot följande information för att försöka förbättra användbarheten och specificiteten för Copilot-utdata:

  • Alla rapportmetadata på den aktuella rapportsidan. Om det finns relevanta rapportmetadata svarar Copilot i Power BI på datafrågor från rapporten i stället för modellen.
  • Konversationen med Copilot i den aktuella sessionen. Den här konversationen innehåller alla tidigare frågor och utdata, som innehåller datapunkter från datafrågor som Copilot tidigare besvarade.
  • Det semantiska modellschemat, som innehåller tabeller, rader, kolumner, mått och andra objekt (till exempel relationer, beräkningsgrupper och så vidare).
  • Det fullständiga språkschemat för modellen.
  • Vissa semantiska modellegenskaper, inklusive beskrivningar, datatyper, formatsträngar och datakategori.

  Följande information undantas:

  • Alla rapportsidor som är dolda.
  • Alla fält (mått eller kolumner) i modellen som är dolda.
  • Alla tabeller i modellen som är markerade som privata.

• Utdata: Utdata som Copilot tillhandahåller innehåller flera delar:

  • Visuell: Copilot svarar på datafrågan genom att återge ett visuellt Power BI-objekt, till exempel ett kort, ett linjediagram eller en tabell. Copilot väljer det visuella objektet och dess formatering, som användaren inte kan styra eller begära i sin prompt. Det visuella objektet kan överskrida tidsgränsen om den underliggande modellen, DAX eller data inte är optimerade eller för komplexa.
  • Sammanfattning: Copilot sammanfattar frågeresultatet. Den här sammanfattningen genereras genom att ett semantiskt frågeresultat skickas tillbaka till Azure OpenAI (som innehåller datapunkter) och begära en förklaring av naturligt språk.
  • Fel eller begäran om förtydligande: Om Copilot inte kan generera ett svar kan det returnera ett allmänt felmeddelande. Det här felmeddelandet kan innehålla en begäran om förtydligande, inklusive föreslagna varianter av användarens ursprungliga datafråga.

Tips för att förbättra Copilot-utdata

Copilot kan generera felaktiga eller lågkvalitetsutdata, inklusive felaktiga svar på datafrågor. Ofta uppstår felaktiga svar på antingen användarmisstag eller modellproblem. För att minska sannolikheten för felaktiga eller oväntade Copilot-utdata kan du åtgärda användarfrågor och design av datamodeller.

En användare kan endast verkligen skapa felaktiga resultat genom att skriva ett dåligt manus. Exempel på dåliga uppmaningar är:

• Vaga eller ofullständiga frågor: Om du felaktigt eller ofullständigt beskriver önskade utdata eller om du använder tvetydigt språk i din fråga är Det mindre troligt att Copilot ger ett användbart resultat. När du skriver prompter kan du försöka vara så specifik och beskrivande som möjligt när du anger önskat resultat.

• Felaktiga frågor: Om du gör stavfel när du refererar till ett mått, en kolumn eller ett tabellnamn kanske Copilot inte refererar till rätt fält. När du skriver prompter kontrollerar du att de fält som du nämner i prompten korrekt refererar till fälten i schemat för semantisk modell. Den här regeln omfattar att undvika förkortningar, akronymer eller överdriven interpunktion. Du kan också använda synonymer för att referera till fält, men det finns inget sätt att verifiera vilka synonymer som är tillgängliga för ett visst fält (som hur du kan se beskrivningar när du hovrar på ett mått eller en kolumn i fönstret Data).

• Överdrivna eller olämpliga grunddata: Om du skickar en uppmaning via chattfönstret Copilot tar Copilot chatthistoriken från den sessionen som grunddata under förbearbetningen. Beroende på vad chatthistoriken innebär kan du få olika eller oväntade resultat. När du skriver prompter bör du ta hänsyn till att alla tidigare uppmaningar och utdata används som grunddata. Undvik det här problemet genom att välja knappen Copilot för att stänga och öppna chattfönstret Copilot igen, rensa chatthistoriken innan du skickar en ny fråga.

Följande bild visar ett exempel på felaktiga utdata från Copilot på grund av en dålig användarprompt:

Bilden visar följande fråga: Vad var vinstprocenten för Australienförsäljningsregionen 2023? I resultatet returnerar Copilot vinstvärdet i stället för vinstprocenten. I det här fallet kan användaren få ett bättre resultat från Copilot genom att tydligare ange att de vill ha vinsten i procent (i stället för att använda procentsymbolen).

Förutom användaruppmaningar kan upplevelsen Fråga datafrågor också ge felaktiga eller oväntade resultat på grund av kvaliteten eller organisationen av den underliggande semantiska modellen. Exempel på när din semantiska modell ger dåliga resultat är:

• Dålig modelldesign eller implementering: Om din semantiska modell inte följer vanliga metodtips (till exempel en star-schemadesign) kommer du sannolikt att få dåliga resultat med något förbrukningsverktyg eller någon upplevelse. Sträva alltid efter semantiska kvalitetsmodeller för att få ut mesta möjliga av Power BI och Fabric. Se även Vägledning för datamodellering för Power BI för fler tips och vägledning för att förbättra dina Power BI-semantiska modeller.

• Dåliga namngivningskonventioner: Om dina fält har inkonsekventa eller överdrivna namngivningskonventioner (till exempel förkortningar, förkortningar och skiljetecken) är det mer troligt att användarna gör misstag i sina uppmaningar och Copilot blir förvirrad när de refererar till dessa fält. Copilot fungerar bäst när tabeller, kolumner och mått har namn på läsbar engelska.

• Dålig modellorganisation: Om du inte organiserar din modell kommer du förmodligen att få fler problem med Copilot. Modellorganisation är ett stort ämne som omfattar många uppgifter, inklusive fältbeskrivningar, dölja kolumner och mått och undvika fält med samma namn i olika tabeller.

• Språklig modellering: Om din semantiska modell inte har konfigurerat språkmodellering, inklusive synonymer för fält eller verb för relationer, kan Copilot vara mer sannolikt att returnera oväntade resultat. Power BI förlitar sig på samma språkliga modellering som Q&A-funktionen. Att konfigurera en språkmodell för din semantiska modell kostar ytterligare tid och arbete utöver dina semantiska modellutvecklingsuppgifter. Mer information finns i Introduktion till Q&A-verktyg för att träna Power BI Q&A.

• Modellkomplexitet: Ju mer komplex din modell är, inklusive att ha fler fält, beroenden och affärslogik, desto mer sannolikt är det att du får problem när du använder Copilot. Till exempel kan komplexa mönster som valutakonvertering eller frånkopplade tabeller (t.ex. fältparametrar) orsaka oväntade eller felaktiga resultat när användarna refererar till dessa fält eller tabeller i sina frågor. Med mer komplexa modeller kan du behöva överväga specifika modelldesignbeslut för att få bästa resultat med Copilot. I allmänhet bör du testa din modell med Copilot för att avgöra om du får konsekvent korrekta och tillförlitliga resultat. Annars kanske du vill överväga att ge användarna råd om att inte använda Copilot för att använda din semantiska modell.

Följande bild visar ett exempel på felaktiga utdata från Copilot på grund av problem med den semantiska modellen:

Bilden visar följande uppmaning: Hur många enheter såldes i Australien 2023? I svaret returnerar Copilot antalet enheter där kolumnen Land i tabellen Kund filtreras till "Australien", i stället för att filtrera kolumnen Land i tabellen Försäljningsområde . I det här fallet kan användaren ha förbättrat uppmaningen att ange försäljningsregionland. Men den semantiska modellutvecklaren kan också dölja eller byta namn på kolumnen Land i tabellen Kund om den inte är avsedd att användas av Copilot. Alternativt kan de inaktivera fältet från fält synonymerna för språkmodellen med hjälp av Q&A-konfigurationen.

Oavsett fråga eller modellkvalitet kan du fortfarande få felaktiga eller lågkvalitetsutdata från Copilot när du använder upplevelsen Fråga datafrågor . Det beror på att den underliggande modellen – med sin nuvarande konfiguration – är icke-terministisk och inte garanterat ger ett korrekt svar eller samma svar med samma fråga, modell och data.

Följande bild visar ett exempel på hur Copilot producerar felaktiga eller olämpliga resultat:

I det här exemplet visar bilden prompterna: Fråga: Vilket land producerade den högsta vinsten 2024? och Fråga: Vilket land producerade den högsta vinsten 2023? Utdata visar att Copilot först ber om förtydligande efter att det står att det inte finns några data för 2024 i modellen. Det finns dock data i modellen 2024 när du filtrerar till det året med hjälp av datumtabellen. Copilot returnerar sedan ett resultat som filtrerar kolumnen Födelsedag från tabellen Kund i stället för den markerade datumtabellen i modellen. Även om användaren kan skapa en mer specifik fråga eller så kan utvecklaren dölja fältet Födelsedag , men i det här fallet bör Copilot producera det förväntade resultatet.

För att åtgärda det här problemet kan du träna användarna att kritiskt utvärdera utdata som de får från Copilot i Fabric och Power BI, och vad de ska göra för att felsöka oväntade resultat eller prova en ny uppmaning genom att stänga och öppna chattfönstret eller fönstret för Copilot igen.

DAX-frågevy

När du utvecklar en semantisk modell använder du Copilot för att generera DAX-frågor i DAX-frågevyn. I dessa frågor kan du också definiera DAX-mått, som du sedan kan lägga till i din semantiska modell. Du kan också använda Copilot för att förklara DAX-begrepp i antingen genererade frågor eller frågor som du har skapat själv.

Följande bild visar ett exempel på en användare som ber Copilot att generera en DAX-fråga.

Bilden visar följande fråga: YTD-vinst per månad 2023. Användaren kan sedan be Copilot att förklara frågan, enligt beskrivningen i följande bild.

Bilden visar följande fråga: Förklara den här DAX-frågan. Förklaringen visas längst ned i Copilot-fönstret.

Användningsfall

Använd Copilot i DAX-frågevyn för följande användningsfall:

• Generera DAX-frågor: Använd Copilot för att föreslå DAX-frågor, som du kan använda för att:

  • Utforska eller analysera din modell eller dina data.
  • Testa och verifiera din modell eller dina data.
  • Prova nya metoder eller mönster för beräkningar i DAX.

• Omstrukturera befintliga DAX-frågor: Använd Copilot för att enklare eller effektivare ändra frågor som du kopierade eller skrev själv, till exempel:

  • Lägga till kommentarer för att förklara och dokumentera en DAX-fråga eller ett mått.
  • Gör frågan enklare att läsa och förstå, till exempel en fråga som kopierats från ett visuellt Power BI-rapportobjekt som du undersöker.
  • Göra stora eller upprepade ersättningar i koden.
  • Be Copilot att ta bort eller ersätta variabler.

• Generera DAX-mått: Använd Copilot för att föreslå DAX-mått som definieras uppströms en genererad fråga. Dessa mått kan begränsas till den DAX-fråga som du genererar eller lägger till i din semantiska modell.

• Förklara DAX-begrepp: Använd Copilot för att förklara och bättre förstå olika begrepp i DAX, till exempel:

  • DAX-fråga eller ett definierat mått i frågan.
  • DAX-funktioner, till exempel CALCULATE eller KEEPFILTERS.

Fördelar

Den största fördelen med att använda Copilot i DAX-frågevyn är att du får stöd när du skriver DAX-frågor. Det här stödet innebär att mindre erfarna utvecklare och analytiker kan använda Copilot för att lära sig DAX-begrepp eller generera DAX att använda i sin modell. Det kan också spara mellanliggande och erfarna utvecklare tid när de behöver utveckla DAX, men de kan inte komma ihåg en viss funktion eller mönster, eller när de vill omstrukturera eller förenkla en befintlig fråga.

Andra generativa AI-verktyg är tillgängliga för DAX-kod, men Copilot i Power BI har följande specifika fördelar:

• Copilot i Power BI utvecklas i samarbete med författarna till DAX-språket.
• Copilot använder inte någon finjustering av modellen, men den innehåller metaprompter med specifika DAX-exempel från Microsoft.
• Du behöver inte kopiera eller klistra in kod- eller modellinformation eftersom Copilot är integrerat i Power BI Desktop.
• Under efterbearbetningen använder Copilot en DAX-parser för att säkerställa att frågan är giltig, vilket minskar sannolikheten för att få hallucinationer i dina frågor.

Detaljer om upplevelsen

Copilot-upplevelserna i DAX-frågevyn har steg under förbearbetning och efterbearbetning som skiljer sig från de andra Copilot-upplevelserna i Fabric.

Copilot i DAX-frågevyn har följande detaljer att tänka på:

• Inmatning: Användarna anger en skriftlig uppmaning i en indataruta som är specifik för ett enda DAX-frågefönster. De kan begära en fråga, begära ändringar i en befintlig fråga som Copilot redan har genererat eller förklara ett DAX-koncept. I indatarutan kan användarna också välja knappar för att generera frågor. Knappen Återskapa återskapar frågan utan att ta hänsyn till den aktuella kontexten, så att du kan prova en annan metod.

• Förbearbetnings- och jordningsdata: Copilot hämtar jordningsdata från modellschemat och allt i frågefönstret. Copilot tar följande information som kontext för att försöka förbättra användbarheten och specificiteten för Copilot-utdata:

  • All text i det aktuella DAX-frågefönstret, inklusive DAX-kod som du skrev, kommentarer eller tidigare DAX-frågor som du genererade.
  • Konversationshistoriken med Copilot från den aktiva sessionen. Den här historiken innehåller tidigare frågor och utdata, men inte datapunkter.
  • Det semantiska modellschemat, som innehåller tabeller, rader, kolumner, mått och andra objekt som relationer och beräkningsgrupper. Det här schemat innehåller alla objekt oavsett om de är dolda eller inte, förutom när du har en live-anslutning till en delad semantisk modell.
  • Synonymer från modellens språkschema.
  • Vissa semantiska modellegenskaper, inklusive DAX-uttryck, beskrivningar (trunkerade efter de första 200 tecknen), datatyper, formatsträngar (och formatsträngsuttryck) och datakategori.
  • Vissa statistiska aggregeringar som lägsta och högsta värden för kolumner från din modell som kan användas i en fråga. Dessa värden är datapunkter som skickas till Copilot som kontext.
  • Copilot kan också skicka tillbaka frågeresultatet till Azure OpenAI för att förklara den genererade frågan eller dess resultat.

  Följande information undantas:

  • Konversationshistoriken med Copilot i den aktuella sessionen när du väljer knappen Försök igen.
  • Alla tabeller i modellen som är markerade som privata.
  • Kommentarer i DAX-uttryck.

• Utdata: Utdata som Copilot tillhandahåller innehåller antingen DAX-kod och DAX-kommentarer i DAX-frågefönstret eller förklaringar av DAX i indatarutan Copilot. En användare måste vanligtvis välja att köra och spara frågeställningen själv.

Tips för att förbättra Copilot-utdata

För att förbättra kvaliteten på DAX-frågor som genereras av Copilot använder du samma tips som när du använder upplevelsen Fråga datafrågor i Copilot. Se specifikt till att dina frågor är tydliga, korrekta och beskrivande och att din semantiska modell är väl utformad, organiserad och inte innehåller för mycket komplexitet eller undantag.

Några tips som är specifika för DAX-frågeupplevelsen är följande:

• Skillnader mellan lokala och live-anslutningsmodeller: Copilot fungerar annorlunda beroende på om du kör frågor mot en lokal modell som är öppen i Power BI Desktop eller en delad semantisk modell i Power BI-tjänsten. Om du till exempel har en live-anslutning till en delad semantisk modell och använder DAX-frågevyn:

  • Copilot kan inte se DAX-uttryck för mått eller dolda eller privata objekt.
  • Copilot måste köra DAX-frågan innan den returneras för att säkerställa att frågan är giltig.

• Använd knappen Försök igen: Knappen Försök igen tömmer Copilot-cachen så att du får ett nytt resultat med samma prompt- och grunddata. Den här funktionen är användbar när du iterativt arbetar mot en lösning som uppfyller dina specifika krav.

• Be Copilot att lägga till kommentarer i koden: Kommentarer är ett användbart sätt att organisera och dokumentera dina DAX-frågor och för att hjälpa dig att förstå koden som Copilot genererar. Du kan också be Copilot att förklara DAX-konceptet.

• Kontrollera kvalitet, peer-granskade källor: Om du fortfarande inte förstår den genererade koden med kommentarer och förklaringar från Copilot kan du undersöka funktionerna och mönstren online från välrenommerade källor antingen i Microsoft-dokumentationen eller från Power BI-communityn.

• Var försiktig med variabelanvändning av Copilot: Copilot kan ha svårt att använda variabler på rätt sätt i DAX-frågor och definierade mått. Till exempel kan Copilot försöka filtrera eller gruppera en variabel som redan har deklarerats, vilket inte är möjligt och ger ett oväntat resultat.

• Använd kortfattade beskrivningar för att skilja mellan fält med liknande namn: Beskrivningar hjälper när liknande fält finns i samma modell, till exempel Namn i tabellen Kund och Namni store-tabellen .

• Var uppmärksam på användning av beräkningsgrupper av Copilot: Copilot har svårt att använda beräkningsgrupper i dina föreslagna frågor. För att förbättra Copilots användning av beräkningsgrupper inkluderar du namn på beräkningsobjekt som anges i beskrivningen av beräkningsgruppen.

• Se upp för nyare funktioner och DAX-syntax: Copilot och andra generativa AI-verktyg är begränsade i sin träningsdatavolym och omfattning. Därför är det mer troligt att de gör misstag med nyare DAX-funktioner eller syntax. I de här scenarierna kanske du vill prova att redigera frågan själv först och sedan ändra den med hjälp av Copilot.

• När du genererar mått frågar du alltid efter en fråga: Copilot-upplevelsen i DAX-frågevyn är utformad för att generera DAX-frågor. Du får bästa resultat när du instruerar Copilot att utföra den här uppgiften i stället för att be den att generera ett mått eller ett annat DAX-uttryck.

Generera måttbeskrivningar med Copilot

Använd Copilot för att generera beskrivningar för modellmått. Måttbeskrivningar hjälper både modellkonsumenter och andra utvecklare att förstå syftet med ett mått och hur det ska användas. Dessutom kan måttbeskrivningar förbättra nyttan av Copilot-utdata för andra Copilot-upplevelser, till exempel när du använder Copilot för att generera DAX-frågor i DAX-frågevyn för en Power BI-semantisk modell.

Använd Copilot för att generera måttbeskrivningar för dina modellmått. Granska sedan resultaten och revidera dem så att de är korrekta, koncisa och användbara.

Fördelar

Att skapa måttbeskrivningar är normalt en svår uppgift som ofta försummas. Om du genererar måttbeskrivningar minskar den tid du lägger ned på att organisera och dokumentera din semantiska modell. Till skillnad från ett språkschema har alla semantiska modeller nytta av att lägga till beskrivningar i tabeller, kolumner och mått. Den här metoden hjälper till att förbättra modelldokumentationen och användbarheten för andra i din organisation.

Tips för att förbättra Copilot-utdata

Den här Copilot-upplevelsen använder följande grunddata för kontext:

• DAX-uttryck för mått och beräknade objekt.
• Fältegenskaper, inklusive beskrivningar, datatyper, formatsträngar och datakategori.
• Fältsynonymer

Med tanke på dessa grunddata kan du se till att föreslagna synonymer är användbara genom att:

• Använda konsekventa namngivningskonventioner.
• Begränsa användningen av skiljetecken, akronymer och förkortningar.
• Namnge åtgärder på engelska.

Copilot i webbmodellering (služba Power BI)

Copilot i webbmodellering är en AI-driven assistent som integreras direkt i služba Power BI modellredigeringsupplevelsen. Till skillnad från andra funktioner som beskrivs i det här avsnittet, som främst är tillgängliga i Power BI Desktop, kan du Copilot i webbmodellering analysera och förbättra dina semantiska modeller med naturligt språk utan att lämna webbläsaren.

När du öppnar en semantisk modell i tjänstens modellvy och växlar till redigeringsläge kan Copilot:

• Analysera modellen efter problem, till exempel inkonsekventa namngivningskonventioner och oklar struktur, och föreslå förbättringar av bästa praxis.
• Tillämpa schemauppdateringar direkt, inklusive att byta namn på tabeller och kolumner, skapa relationer och generera DAX-mått.

Ändringar som Copilot föreslår eller tillämpar i den här upplevelsen påverkar den aktiva semantiska modellen precis som andra manuella ändringar. Granska alla föreslagna uppdateringar noggrant innan du godkänner dem, precis som för alla modelländringar. Optimeringsvägledningen som beskrivs i Optimera din semantiska modell för Copilot i Power BI gäller även här: en välstrukturerad, tydligt namngiven modell ger bättre Copilot analys och mer exakta förslag.

Hantera Copilot-åtkomst för semantiska modeller

Användare med skrivbehörighet för en semantisk modell kan styra om användare med skrivskyddade behörigheter kan komma åt modellen via Copilot funktioner. Den här inställningen kan hjälpa organisationer att uppfylla styrnings- och dataåtkomstkraven samtidigt som de ser till att Copilot endast är tillgängliga för semantiska modeller som är avsedda för Copilot förbrukning.

Den här inställningen finns i avsnittet Copilot i fönstret inställningar på semantisk modellnivå med beskrivningen "Tillåt alla personer med endast läsbehörighet att använda AI (till exempel Copilot Microsoft MCP-verktyg) på den här modellen och dess relaterade rapporter". Du hittar även den här inställningen på sidan med fullständiga semantiska modellinställningar under avsnittet Utforska och AI-åtkomst .

Den här inställningen gäller för följande funktioner:

• Power BI Copilot-gränssnitt för användning, inklusive rapportpanelen, fristående läge och appar
• M365 Copilot Chat och samarbete
• Dataagent
• Fjärrverktyg för Microsofts MCP

Som standard är den här inställningen aktiverad så att användare med skrivskyddad behörighet kan använda Copilot och Microsoft MCP-funktioner som stöds för att få åtkomst till semantikmodellen.

När du inaktiverar den här semantiska inställningen på modellnivå:

• Användare med behörighet med endast läsåtkomst kan inte få åtkomst till den semantiska modellen via någon av de Copilot- eller fjärrupplevelser för Microsoft MCP-verktyg som stöds. Copilot-startpunkterna är dolda, inaktiverade eller visar ett åtkomstmeddelande beroende på upplevelse.
• I upplevelser som stöder flera semantiska modeller kan användarna fortsätta att använda Copilot med andra berättigade semantiska modeller som har inställningen aktiverad.
• I upplevelser som stöder flera semantiska modeller undantas begränsade modeller och rapporter från sökresultat för alla användare, inklusive användare med bygg- och skrivbehörighet. Användare med bygg- och skrivbehörighet kan fortfarande komma åt begränsade modeller och rapporter via direktåtkomstmetoder, till exempel navigera till modellen eller rapport-URL:en eller koppla modellen eller rapporten manuellt.

Använd en semantisk modell med Copilot

Du kan använda Copilot för att ställa datafrågor till dina semantiska modeller under förbrukningen. Den här upplevelsen är tillgänglig när du använder en rapport, inklusive i Power BI Desktop, en publicerad rapport i en arbetsyta, app eller OrgApp-objekt eller i Power BI-mobilappen.

Konsumenter kan ställa datafrågor om en semantisk modell i följande scenarier:

• De kan inte hitta den information eller analys som de behöver i sina rapporter.
• De vill se data som presenteras på ett annat sätt och att anpassa visuella objekt är inte aktiverat.
• De vill ställa en datafråga med naturligt språk i stället för att använda verktyg eller kod.

Mer information om hur du kan använda Copilot i rapporter, som använder en semantisk modell, finns i artikeln Använda Copilot med Power BI-rapporter.

Förbereda en semantisk modell för Copilot-förbrukning

Använd Copilot för att använda semantiska modeller först när du har vidtagit nödvändiga åtgärder för att uppdatera datamodellen så att den fungerar bra med Copilot för Power BI.

Power BI Desktop

I Power BI Desktop använder du chattfönstret Copilot för att ställa datafrågor om din semantiska modell. Den här funktionen fungerar med både lokala modeller som är öppna i Power BI Desktop och när du är ansluten till en delad semantisk modell med hjälp av en live-anslutning. Mer information finns i Ställa datafrågor tidigare i den här artikeln.

Du kan också använda DAX-frågevyn för att använda en semantisk modell genom att generera DAX-frågor. Avancerade användare av Power BI kan använda den här metoden om de föredrar att utforska data med hjälp av kod.

Men för de flesta datakonsumenter är det i allmänhet enklare och effektivare att använda och utforska en semantisk modell genom att lägga till visuella objekt på rapportarbetsytan eller med hjälp av andra objekt som utforskningar eller pivottabeller i Analysera i Excel. Dessa objekt har vanligtvis ett enklare användargränssnitt och användarupplevelse som passar bättre för att utforska och förstå data än chattliknande upplevelser på naturligt språk, till exempel Copilot.

Publicerad rapport

I en publicerad rapport använder du chattfönstret Copilot för att ställa datafrågor om den anslutna semantiska modellen. Den här upplevelsen i Fabric är identisk med upplevelsen Ställ datafrågor i Power BI Desktop för både modellutveckling och förbrukning.

Power BI-mobilapp

I Power BI-mobilappen använder du chattfönstret Copilot i appen för att ställa datafrågor för alla rapporter. Frågorna går till den anslutna semantiska modellen för rapporten. Den här funktionen fungerar på samma sätt som upplevelsen Fråga datafrågor som beskrevs tidigare i den här artikeln.

Relaterat innehåll

• Uppdatera datamodellen så att den fungerar bra med Copilot för Power BI
• Översikt över Copilot för Power BI
• Copilot i Power BI-integration