ใช้ Copilot กับแบบจําลองความหมาย

บทความนี้ช่วยให้คุณใช้ประสบการณ์ Copilot ใน Power BI สําหรับแบบจําลองความหมาย

Copilot ใน Microsoft Fabric เป็นผู้ช่วย AI แบบสร้างที่มีจุดมุ่งหมายเพื่อปรับปรุงประสบการณ์การวิเคราะห์ข้อมูลในแพลตฟอร์ม Fabric รวมถึงปริมาณงานของ Power BI คุณสามารถใช้ Copilot ใน Power BI เพื่อสนับสนุนทั้งการพัฒนาและการใช้แบบจําลองความหมายโดยทั้งผู้ใช้แบบบริการตนเองและผู้ใช้ระดับองค์กร เมื่อใช้อย่างมีประสิทธิภาพ Copilot สามารถสนับสนุนทั้งนักวิเคราะห์และผู้ใช้ทางธุรกิจเพื่อปรับปรุงประสิทธิภาพและได้รับคุณค่ามากขึ้นจากแบบจําลองความหมายของพวกเขา

อย่างไรก็ตาม ในการใช้ Copilot กับแบบจําลองความหมายใน Power BI คุณต้องเตรียมข้อมูลของคุณ แบบจําลองความหมาย และผู้ใช้ของคุณก่อน หากคุณไม่เตรียมองค์ประกอบเหล่านี้ Copilot ส่วนใหญ่จะสร้างผลลัพธ์ที่มีคุณภาพต่ําและไม่ถูกต้อง ซึ่งอาจไม่ถูกต้องหรืออาจทําให้เข้าใจผิดได้ ส่วนต่อไปนี้แนะนําวิธีการที่คุณสามารถใช้ Copilot ใน Power BI เพื่อพัฒนาหรือใช้แบบจําลองความหมายด้วยประสบการณ์ Copilot ที่พร้อมใช้งาน

พัฒนาแบบจําลองความหมายด้วยความช่วยเหลือจาก Copilot

เมื่อคุณพัฒนาแบบจําลองความหมายใน Power BI ให้ใช้ Copilot เพื่อช่วยปรับปรุงประสิทธิภาพและความสะดวกของงานบางอย่าง โดยปกติ กระบวนการนี้เกี่ยวข้องกับการใช้ประโยชน์จาก Copilot เพื่อปรับปรุงการเปลี่ยนแปลงที่ซ้ําซ้อนหรือซ้ําซากสําหรับคุณ (เช่น การสร้างคําอธิบายหน่วยวัด) หรือช่วยให้คุณจัดการหรือทําความเข้าใจการออกแบบแบบจําลองหรือ DAX ที่ท้าทาย (เช่น การใช้ Copilot ในมุมมองคิวรี DAX เพื่ออธิบายแนวคิด DAX หรือเพื่อสร้างคิวรี DAX)

ส่วนต่อไปนี้อธิบายว่านักพัฒนา Power BI หรือนักวิเคราะห์ที่สร้างแบบจําลองเชิงความหมายสามารถใช้ประโยชน์จากประสบการณ์การใช้งาน Copilot ต่าง ๆ ใน Power BI ได้อย่างไร

ถามคําถามเกี่ยวกับข้อมูลเกี่ยวกับโมเดลความหมายของคุณ

ในขณะที่พัฒนาแบบจําลองความหมาย คุณมักจะต้องสํารวจและสืบค้นข้อมูล โดยปกติ คุณจะใช้การรวมกันของตัวแก้ไข Power Query พื้นที่รายงาน และคิวรี DAX อย่างไรก็ตาม คุณยังสามารถถามคําถามเกี่ยวกับแบบจําลองและเนื้อหาของคุณโดยใช้บานหน้าต่างการสนทนาของ Copilot โดยทั่วไป การถามคําถามข้อมูลเป็นประสบการณ์การใช้งานที่มากกว่า ซึ่งผู้ใช้ทางธุรกิจสามารถถามคําถามเกี่ยวกับข้อมูลเมื่อพวกเขาไม่พบคําตอบในรายงาน อย่างไรก็ตาม นักพัฒนาอาจใช้คุณลักษณะนี้เพื่อสํารวจข้อมูลหรือตรวจสอบประสิทธิภาพของ Copilot ในโมเดลของตน

รูปภาพต่อไปนี้แสดงตัวอย่างของผู้ใช้ที่ถามคําถามข้อมูลไปยัง Copilot เกี่ยวกับแบบจําลองความหมาย รูปภาพจะแสดงพร้อมท์ต่อไปนี้: กําไร % สําหรับภูมิภาคการขายออสเตรเลียในปี 2023 คืออะไร

ใช้กรณี

ใช้ Copilot เพื่อถามคําถามเกี่ยวกับข้อมูลสําหรับกรณีการใช้งานต่อไปนี้:

• สํารวจข้อมูลในแบบจําลองของคุณ: นักพัฒนาอาจใช้ประสบการณ์ ถามคําถาม เพื่อสํารวจข้อมูลในแบบจําลองของพวกเขาโดยใช้ Copilot อย่างไรก็ตาม อาจมีประสิทธิภาพมากกว่าในการสํารวจข้อมูลโดยการเพิ่มวิชวลไปยังพื้นที่รายงาน หรือโดยใช้คิวรี DAX นั่นเป็นเพราะว่าวิชวลรายงานจะอัปเดตโดยอัตโนมัติเมื่อใดก็ตามที่คุณทําการเปลี่ยนแปลงในแบบจําลอง แต่ตอบคําถามของข้อมูลในบานหน้าต่างแชท Copilot เป็นแบบคงที่และหายไปเมื่อใดก็ตามที่คุณปิดบานหน้าต่างการสนทนา Copilot นอกจากนี้ วิชวลที่สร้างขึ้นโดย Copilot สามารถประกอบด้วยตัวกรองเฉพาะวิชวลที่คุณไม่สามารถสร้างด้วยตนเองใน Power BI Desktop ได้ ตัวกรองเหล่านี้อาจทําให้เข้าใจผิดหรือมีปัญหาในการตรวจสอบ

• ตรวจสอบความถูกต้องของการใช้ Copilot สําหรับการใช้แบบจําลองความหมาย: นักพัฒนาควรใช้ประสบการณ์ ถามคําถามข้อมูล เพื่อทําความเข้าใจและทดสอบว่าประสบการณ์การใช้งาน Copilot มีประสิทธิภาพอย่างไรในรูปแบบความหมายของพวกเขา นี่คือกรณีการใช้งานหลักสําหรับการใช้ ถามคําถามข้อมูล เมื่อคุณพัฒนาแบบจําลองความหมาย กรณีการใช้งานนี้ช่วยให้นักพัฒนาทําการเปลี่ยนแปลงแบบจําลองความหมายที่อาจสนับสนุน Copilot ให้สร้างเอาต์พุตที่มีประโยชน์มากขึ้น

สวัสดิการ

นักพัฒนาสามารถใช้ ถามคําถามข้อมูล เพื่อทําความเข้าใจว่าประสบการณ์จะเป็นอย่างไรสําหรับผู้ใช้ทางธุรกิจที่ใช้แบบจําลองความหมายโดยใช้ Copilot ใน Power BI การทดสอบนี้จําเป็นหากผู้ใช้ทางธุรกิจต้องการใช้ Copilot เพื่อใช้แบบจําลองเชิงความหมาย

ข้อมูลเฉพาะของประสบการณ์การใช้งาน

ประสบการณ์ ถามคําถามเกี่ยวกับข้อมูล แตกต่างจากกระบวนการ Copilot มาตรฐานใน Fabric ในพื้นที่ต่อไปนี้ ภาพรวมนี้ใช้ได้กับประสบการณ์ถามคําถามเมื่อทั้งการพัฒนาและใช้แบบจําลองความหมาย:

• อินพุต: ผู้ใช้มีพร้อมท์ที่เป็นลายลักษณ์อักษรเพื่อถามคําถามหรือร้องขอข้อมูลเฉพาะจากแบบจําลองความหมาย

• ข้อมูลการประมวลผลเบื้องต้นและข้อมูลพื้นฐาน: Copilot ดึงข้อมูลพื้นฐานจาก schema ของแบบจําลอง ซึ่งดําเนินการลด Schema เพื่อพยายามจํากัดบริบทให้เป็นสิ่งที่สําคัญที่สุด เป็นบริบท Copilot ใช้ข้อมูลต่อไปนี้เพื่อปรับปรุงประโยชน์และความจําเพาะของเอาต์พุต Copilot:

  • เมตาดาต้าของรายงานใด ๆ บนหน้ารายงานปัจจุบัน หากมีเมตาดาต้าของรายงานที่เกี่ยวข้อง Copilot ใน Power BI จะตอบคําถามข้อมูลจากรายงานแทนแบบจําลอง
  • การสนทนากับ Copilot ในเซสชันปัจจุบัน การสนทนานี้รวมถึงคําถามและผลลัพธ์ก่อนหน้านี้ ซึ่งรวมถึงจุดข้อมูลจากคําถามข้อมูลที่ Copilot ตอบไว้ก่อนหน้านี้
  • Schema ของแบบจําลองเชิงความหมาย ซึ่งรวมถึงตาราง แถว คอลัมน์ หน่วยวัด และวัตถุอื่น ๆ (เช่น ความสัมพันธ์ กลุ่มการคํานวณ และอื่นๆ)
  • รูปแบบภาษาของแบบจําลองแบบเต็ม
  • คุณสมบัติของแบบจําลองความหมายบางอย่าง รวมถึงคําอธิบาย ชนิดข้อมูล สตริงรูปแบบ และประเภทข้อมูล

  ข้อมูลต่อไปนี้จะถูกแยกออก:

  • หน้ารายงานใด ๆ ที่ถูกซ่อน
  • เขตข้อมูลใด ๆ (หน่วยวัดหรือคอลัมน์) ในแบบจําลองที่ถูกซ่อนไว้
  • ตารางใด ๆ ในแบบจําลองที่ถูกทําเครื่องหมายเป็นส่วนตัว

• ผลิตภัณฑ์: เอาต์พุตที่ Copilot มีหลายส่วน:

  • เกี่ยวกับสายตา: Copilot ตอบคําถามข้อมูลโดยการแสดงผลวิชวล Power BI เช่น การ์ด แผนภูมิเส้น หรือตาราง Copilot เลือกวิชวลและการจัดรูปแบบ ซึ่งผู้ใช้ไม่สามารถควบคุมหรือร้องขอในพร้อมท์ของตนได้ วิชวลอาจหมดเวลาถ้าแบบจําลองพื้นฐาน DAX หรือข้อมูลไม่ได้ปรับให้เหมาะสมหรือซับซ้อนเกินไป
  • สรุป: Copilot สรุปผลลัพธ์คิวรี ข้อมูลสรุปนี้ถูกสร้างขึ้นโดยการส่งผลลัพธ์คิวรีเชิงความหมายกลับไปยัง Azure OpenAI (ซึ่งรวมถึงจุดข้อมูล) และร้องขอคําอธิบายภาษาธรรมชาติ
  • ข้อผิดพลาดหรือคําขอการชี้แจง: ถ้า Copilot ไม่สามารถสร้างการตอบสนอง ระบบอาจส่งกลับข้อความแสดงข้อผิดพลาดทั่วไป ข้อความแสดงข้อผิดพลาดนี้อาจรวมถึงคําขอการชี้แจง รวมถึงตัวแปรที่แนะนําของคําถามข้อมูลต้นฉบับของผู้ใช้

เคล็ดลับในการปรับปรุงเอาต์พุตของ Copilot

Copilot สามารถสร้างเอาต์พุตที่ไม่ถูกต้องหรือมีคุณภาพต่ํา รวมถึงคําตอบที่ไม่ถูกต้องสําหรับคําถามเกี่ยวกับข้อมูล บ่อยครั้งคําตอบที่ไม่ถูกต้องเกิดขึ้นจากความผิดพลาดของผู้ใช้หรือปัญหาแบบจําลอง เพื่อลดความน่าจะเป็นของเอาต์พุต Copilot ที่ไม่ถูกต้องหรือไม่คาดคิด ให้ระบุข้อความแจ้งของผู้ใช้และการออกแบบโมเดลข้อมูล

ผู้ใช้สามารถสร้างผลลัพธ์ที่ไม่ถูกต้องโดยการเขียนพร้อมท์ที่ไม่ดีเท่านั้น ตัวอย่างของพร้อมท์ที่ไม่ดีประกอบด้วย:

• พร้อมท์ที่คลุมเครือหรือไม่สมบูรณ์: หากคุณอธิบายเอาต์พุตที่ต้องการไม่ถูกต้องหรือไม่สมบูรณ์ หรือคุณใช้ภาษาที่ไม่ชัดเจนในพร้อมท์ของคุณ Copilot มีแนวโน้มที่จะสร้างผลลัพธ์ที่มีประโยชน์น้อยลง เมื่อเขียนข้อความแจ้ง ให้พยายามระบุผลลัพธ์ที่คุณต้องการให้เฉพาะเจาะจงและอธิบายให้มากที่สุด

• ข้อความแจ้งไม่ถูกต้อง: หากคุณสะกดผิดเมื่อคุณอ้างถึงชื่อหน่วยวัด คอลัมน์ หรือตาราง Copilot อาจไม่อ้างถึงฟิลด์ที่ถูกต้อง เมื่อเขียนพร้อมท์ ตรวจสอบให้แน่ใจว่าฟิลด์ที่คุณกล่าวถึงในพร้อมท์ของคุณอ้างอิงถึงฟิลด์ใน Schema แบบจําลองความหมายอย่างถูกต้อง กฎนี้รวมถึงการหลีกเลี่ยงตัวย่อ ตัวย่อ หรือเครื่องหมายวรรคตอนมากเกินไป คุณยังสามารถใช้คําพ้องความหมายเพื่ออ้างถึงฟิลด์ แต่ไม่มีวิธีตรวจสอบความถูกต้องว่าคําพ้องความหมายใดที่พร้อมใช้งานสําหรับฟิลด์ที่กําหนด (เช่น วิธีที่คุณสามารถดูคําอธิบายเมื่อวางเมาส์เหนือการวัดผลหรือคอลัมน์ในแผงข้อมูล)

• ข้อมูลการต่อสายดินที่มากเกินไปหรือไม่เหมาะสม: หากคุณส่งข้อความแจ้งผ่านบานหน้าต่างแชท Copilot Copilot จะใช้ประวัติการแชทจากเซสชันนั้นเป็นข้อมูลพื้นฐานระหว่างการประมวลผลล่วงหน้า ขึ้นอยู่กับว่าประวัติการแชทนั้นคืออะไร คุณอาจได้รับผลลัพธ์ที่แตกต่างหรือที่ไม่คาดคิด เมื่อเขียนข้อความแจ้ง ให้คํานึงว่าข้อความแจ้งและเอาต์พุตก่อนหน้านี้ถูกใช้เป็นข้อมูลพื้นฐาน เพื่อหลีกเลี่ยงปัญหานี้ ให้เลือกปุ่ม Copilot เพื่อปิดและเปิดบานหน้าต่างแชท Copilot อีกครั้ง โดยล้างประวัติการแชทก่อนที่คุณจะส่งข้อความแจ้งใหม่

รูปต่อไปนี้แสดงตัวอย่างของผลลัพธ์ที่ไม่ถูกต้องจาก Copilot เนื่องจากพร้อมท์ผู้ใช้ไม่ดี:

รูปภาพจะแสดงพร้อมท์ต่อไปนี้: กําไร % สําหรับภูมิภาคการขายออสเตรเลียในปี 2023 คืออะไร ในผลลัพธ์ Copilot ส่งกลับค่ากําไรแทนที่จะเป็นกําไรเป็นเปอร์เซ็นต์ ในกรณีนี้ ผู้ใช้สามารถได้รับผลลัพธ์ที่ดีกว่าจาก Copilot โดยระบุให้ชัดเจนมากขึ้นว่าพวกเขาต้องการกําไรเป็นเปอร์เซ็นต์ (แทนที่จะใช้สัญลักษณ์เปอร์เซ็นต์)

นอกเหนือจากพร้อมท์ผู้ใช้ ประสบการณ์ การถามคําถาม ยังสามารถสร้างผลลัพธ์ที่ไม่ถูกต้องหรือที่ไม่คาดคิดเนื่องจากคุณภาพหรือองค์กรของแบบจําลองความหมายพื้นฐาน ตัวอย่างของเมื่อแบบจําลองความหมายของคุณสร้างผลลัพธ์ที่ไม่ดีได้แก่:

• การออกแบบหรือการใช้งานโมเดลไม่ดี: หากแบบจําลองความหมายของคุณไม่เป็นไปตามแนวทางปฏิบัติที่ดีที่สุดทั่วไป (เช่น การออกแบบสคีมารูปดาว) คุณมีแนวโน้มที่จะได้ผลลัพธ์ที่ไม่ดีด้วยเครื่องมือหรือประสบการณ์การใช้งานใดๆ มุ่งมั่นหาแบบจําลองความหมายที่มีคุณภาพเสมอเพื่อให้ได้ประโยชน์สูงสุดจาก Power BI และ Fabric ดูเพิ่มเติมที่ คําแนะนําการสร้างแบบจําลองข้อมูลสําหรับ Power BI สําหรับเคล็ดลับและคําแนะนําเพิ่มเติมเพื่อปรับปรุงแบบจําลองความหมาย Power BI ของคุณ

• แบบแผนการตั้งชื่อที่ไม่ดี: หากฟิลด์ของคุณมีแบบแผนการตั้งชื่อที่ไม่สอดคล้องกันหรือมากเกินไป (เช่น ตัวย่อ ตัวย่อ และเครื่องหมายวรรคตอน) ผู้ใช้มีแนวโน้มที่จะทําผิดพลาดในข้อความแจ้ง และ Copilot จะสับสนเมื่ออ้างถึงฟิลด์เหล่านี้ Copilot จะทํางานได้ดีที่สุดเมื่อตาราง คอลัมน์ และหน่วยวัดมีชื่อในภาษาอังกฤษที่มนุษย์อ่านได้

• องค์กรต้นแบบที่ไม่ดี: หากคุณไม่จัดระเบียบโมเดล คุณมีแนวโน้มที่จะประสบปัญหาเพิ่มเติมกับ Copilot องค์กรแบบจําลองเป็นหัวข้อขนาดใหญ่ที่ครอบคลุมงานจํานวนมาก รวมถึงคําอธิบายเขตข้อมูล การซ่อนคอลัมน์และหน่วยวัด และการหลีกเลี่ยงเขตข้อมูลที่มีชื่อเดียวกันในตารางที่แตกต่างกัน

• การสร้างแบบจําลองทางภาษาศาสตร์: หากแบบจําลองความหมายของคุณไม่มีการตั้งค่าการสร้างแบบจําลองทางภาษา รวมถึงคําพ้องความหมายสําหรับฟิลด์หรือคํากริยาสําหรับความสัมพันธ์ Copilot อาจมีแนวโน้มที่จะส่งคืนผลลัพธ์ที่ไม่คาดคิด Power BI อาศัยการสร้างแบบจําลองภาษาเดียวกันกับคุณลักษณะ Q&A การตั้งค่าแบบจําลองภาษาสําหรับแบบจําลองความหมายของคุณจะใช้เวลาเพิ่มเติมและความพยายามที่ด้านบนของงานการพัฒนาแบบจําลองความหมายของคุณ สําหรับข้อมูลเพิ่มเติม ดู บทนําสู่ Q&A tooling เพื่อฝึก Power BI Q&A

• ความซับซ้อนของแบบจําลอง: ยิ่งแบบจําลองของคุณซับซ้อนมากขึ้น รวมถึงการมีเขตข้อมูล การขึ้นต่อกัน และตรรกะทางธุรกิจมากขึ้น โอกาสที่คุณจะประสบปัญหาเมื่อใช้ Copilot ตัวอย่างเช่น รูปแบบที่ซับซ้อน เช่น การแปลงสกุลเงินหรือตารางที่ไม่เชื่อมต่อ (เช่น พารามิเตอร์เขตข้อมูล) อาจทําให้เกิดผลลัพธ์ที่ไม่คาดคิดหรือไม่ถูกต้องเมื่อผู้ใช้อ้างอิงเขตข้อมูลหรือตารางเหล่านี้ในพร้อมท์ ด้วยแบบจําลองที่ซับซ้อนมากขึ้น คุณอาจต้องพิจารณาการตัดสินใจในการออกแบบแบบจําลองที่เฉพาะเจาะจงเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดจาก Copilot โดยทั่วไป คุณควรทดสอบแบบจําลองของคุณด้วย Copilot เพื่อตรวจสอบว่าคุณได้รับผลลัพธ์ที่ถูกต้องและเชื่อถือได้อย่างสม่ําเสมอหรือไม่ ถ้าไม่เป็นเช่นนั้น คุณอาจต้องการพิจารณาแนะนําผู้ใช้ที่ไม่ใช้ Copilot เพื่อใช้แบบจําลองความหมายของคุณ

รูปต่อไปนี้แสดงตัวอย่างของผลลัพธ์ที่ไม่ถูกต้องจาก Copilot เนื่องจากปัญหากับแบบจําลองความหมาย:

รูปภาพแสดงพร้อมท์ต่อไปนี้: จํานวนหน่วยที่ขายได้ในออสเตรเลียในปี 2023 ในการตอบสนอง Copilot ส่งกลับจํานวนหน่วยที่มีการกรองคอลัมน์ ประเทศ ในตาราง ลูกค้า เป็น "ออสเตรเลีย" แทนที่จะกรองคอลัมน์ ประเทศ ในตาราง ภูมิภาคการขาย ในกรณีนี้ ผู้ใช้สามารถปรับปรุงพร้อมท์เพื่อระบุประเทศในภูมิภาคการขายได้ อย่างไรก็ตาม นักพัฒนาแบบจําลองความหมายยังสามารถซ่อนหรือเปลี่ยนชื่อคอลัมน์ ประเทศ ในตาราง ลูกค้า ได้หากไม่ได้ตั้งใจที่จะใช้โดย Copilot อีกวิธีหนึ่งคือ พวกเขาสามารถปิดใช้งานเขตข้อมูลจาก คําพ้องความหมายเขตข้อมูล ของแบบจําลองภาษาโดยใช้การตั้งค่า Q&A

ไม่ว่าคุณจะรวดเร็วหรือคุณภาพของแบบจําลอง คุณยังสามารถรับผลลัพธ์ที่ไม่ถูกต้องหรือมีคุณภาพต่ําจาก Copilot เมื่อคุณใช้ประสบการณ์ถามคําถามกับข้อมูล นั่นเป็นเพราะแบบจําลองพื้นฐาน - ด้วยการกําหนดค่าปัจจุบัน - ไม่แน่นอนและไม่รับประกันว่าจะสร้างคําตอบที่ถูกต้อง หรือคําตอบเดียวกันกับพร้อมท์ แบบจําลอง และข้อมูลเดียวกัน

รูปภาพต่อไปนี้แสดงตัวอย่างของการผลิต Copilot ผลลัพธ์ที่ไม่ถูกต้องหรือไม่เหมาะสม:

ในตัวอย่างนี้ รูปภาพจะแสดงพร้อมท์: คําถาม: ประเทศไหนที่สร้างกําไรสูงสุดในปี 2024 และ คําถาม: ประเทศใดที่สร้างกําไรสูงสุดในปี 2023 เอาต์พุตแสดง Copilot ถามสําหรับการชี้แจงครั้งแรกหลังจากที่ระบุว่าไม่มีข้อมูลสําหรับปี 2024 ในแบบจําลอง อย่างไรก็ตาม มี ข้อมูลในแบบจําลองในปี 2024 เมื่อกรองไปยังปีนั้นโดยใช้ตารางวันที่ จากนั้น Copilot ส่งกลับผลลัพธ์ในการกรองคอลัมน์ Birthday จากตาราง Customer แทนที่จะเป็นตารางวันที่ที่ทําเครื่องหมายในแบบจําลอง ในขณะที่ผู้ใช้สามารถสร้างพร้อมท์ที่เฉพาะเจาะจงมากขึ้นหรือนักพัฒนาสามารถซ่อนเขตข้อมูล วันเกิด ในกรณีนี้ Copilot ควรสร้างผลลัพธ์ที่คาดไว้

เมื่อต้องการบรรเทาปัญหานี้ ให้ฝึกอบรมผู้ใช้ให้ประเมินผลลัพธ์ใดๆ ที่พวกเขาได้รับจาก Copilot ใน Fabric และ Power BI อย่างมีวิจารณญาณ และสิ่งที่ต้องทําเพื่อแก้ไขปัญหาผลลัพธ์ที่ไม่คาดคิด หรือลองใช้พร้อมท์ใหม่โดยการปิดและเปิดบานหน้าต่างหรือหน้าต่างแชทของ Copilot อีกครั้ง

มุมมองคิวรี DAX

ขณะพัฒนาแบบจําลองความหมาย ให้ใช้ Copilot เพื่อสร้างคิวรี DAX ในมุมมองคิวรี DAX ในคิวรีเหล่านี้ คุณยังสามารถกําหนดหน่วยวัด DAX ซึ่งคุณสามารถเพิ่มไปยังแบบจําลองความหมายของคุณได้ คุณยังสามารถใช้ Copilot เพื่ออธิบายแนวคิด DAX ในคิวรีที่สร้างขึ้นหรือคิวรีที่คุณเขียนด้วยตัวคุณเองได้

รูปภาพต่อไปนี้แสดงตัวอย่างของผู้ใช้ที่ขอให้ Copilot สร้างคิวรี DAX

รูปภาพแสดงพร้อมท์ต่อไปนี้: กําไร YTD ตามเดือนในปี 2023 จากนั้นผู้ใช้สามารถขอให้ Copilot อธิบายคิวรี ตามที่อธิบายไว้ในรูปภาพต่อไปนี้

รูปภาพแสดงพร้อมท์ต่อไปนี้: อธิบายคิวรี DAX นี้ คําอธิบายจะแสดงที่ด้านล่างของหน้าต่าง Copilot

ใช้กรณี

ใช้ Copilot ในมุมมองคิวรี DAX สําหรับกรณีการใช้งานต่อไปนี้:

• สร้างคิวรี DAX: ใช้ Copilot เพื่อแนะนําคิวรี DAX ซึ่งคุณสามารถใช้เพื่อ:

  • สํารวจหรือวิเคราะห์แบบจําลองหรือข้อมูลของคุณ
  • ทดสอบและตรวจสอบแบบจําลองหรือข้อมูลของคุณ
  • ลองใช้วิธีการหรือรูปแบบใหม่ในการคํานวณใน DAX

• ปรับโครงสร้างคิวรี DAX ที่มีอยู่: ใช้ Copilot เพื่อแก้ไขการสืบค้นที่คุณคัดลอกหรือเขียนด้วยตัวเองได้อย่างสะดวกหรือมีประสิทธิภาพมากขึ้น เช่น:

  • การเพิ่มข้อคิดเห็นเพื่ออธิบายและจัดทําเอกสารคิวรี DAX หรือหน่วยวัด
  • ทําให้คิวรีง่ายต่อการอ่านและทําความเข้าใจ เช่น คิวรีที่คัดลอกจากวิชวลรายงาน Power BI ที่คุณกําลังตรวจสอบ
  • ทําการเปลี่ยนรหัสขนาดใหญ่หรือซ้ํา ๆ
  • การขอให้ Copilot ลบหรือแทนที่ตัวแปร

• สร้างหน่วยวัด DAX: ใช้ Copilot เพื่อแนะนําหน่วยวัด DAX ซึ่งกําหนดไว้ต้นน้ําของคิวรีที่สร้างขึ้น หน่วยวัดเหล่านี้สามารถจํากัดเฉพาะคิวรี DAX ที่คุณสร้างหรือเพิ่มลงในแบบจําลองความหมายของคุณ

• อธิบายแนวคิด DAX: ใช้ Copilot เพื่ออธิบายและทําความเข้าใจแนวคิดต่างๆ ใน DAX ได้ดียิ่งขึ้น เช่น:

  • คิวรี DAX หรือหน่วยวัดที่กําหนดไว้ในคิวรี
  • ฟังก์ชัน DAX เช่น CALCULATE หรือ KEEPFILTERS

สวัสดิการ

ประโยชน์หลักของการใช้ Copilot ในมุมมองคิวรี DAX คือคุณจะได้รับการสนับสนุนเมื่อคุณเขียนคิวรี DAX การสนับสนุนนี้หมายความว่านักพัฒนาและนักวิเคราะห์ที่มีประสบการณ์น้อยสามารถใช้ Copilot เพื่อเรียนรู้แนวคิด DAX หรือสร้าง DAX เพื่อใช้ในแบบจําลองของตนได้ นอกจากนี้ยังสามารถประหยัดเวลาระดับกลางและประสบการณ์ของนักพัฒนาเมื่อพวกเขาต้องการพัฒนา DAX แต่ไม่สามารถจดจําฟังก์ชันหรือรูปแบบเฉพาะ หรือเมื่อพวกเขาต้องการปรับโครงสร้างของคิวรีที่มีอยู่หรือลดความซับซ้อน

เครื่องมือ Generative AI อื่นๆ พร้อมใช้งานสําหรับโค้ด DAX แต่ Copilot ใน Power BI มีประโยชน์เฉพาะดังต่อไปนี้:

• Copilot ใน Power BI ได้รับการพัฒนาในการทํางานร่วมกันกับผู้เขียนภาษา DAX
• Copilot ไม่ได้ใช้การปรับแต่งแบบจําลองใด ๆ แต่จะประกอบด้วย metaprompts กับตัวอย่าง DAX ที่เฉพาะเจาะจงโดย Microsoft
• คุณไม่จําเป็นต้องคัดลอกหรือวางโค้ดหรือข้อมูลแบบจําลอง เนื่องจาก Copilot ถูกรวมไว้ใน Power BI Desktop
• ในระหว่างการประมวลผล Copilot ใช้ตัวแยกวิเคราะห์ DAX เพื่อให้แน่ใจว่าคิวรีถูกต้อง ซึ่งจะช่วยลดความน่าจะเป็นที่จะได้รับภาพหลอนในคิวรีของคุณ

ข้อมูลเฉพาะของประสบการณ์การใช้งาน

ประสบการณ์การใช้งาน Copilot ในมุมมองคิวรี DAX มีขั้นตอนระหว่างการประมวลผลล่วงหน้าและกระบวนการที่แตกต่างจากประสบการณ์การใช้งาน Copilot อื่นใน Fabric

Copilot ในมุมมองคิวรี DAX มีข้อมูลจําเพาะต่อไปนี้ที่ควรทราบ:

• อินพุต: ผู้ใช้มีพร้อมท์ที่เขียนลงในกล่องป้อนข้อมูลเฉพาะสําหรับหน้าต่างคิวรี DAX เดียว พวกเขาสามารถร้องขอคิวรี ร้องขอการเปลี่ยนแปลงคิวรีที่มีอยู่ซึ่ง Copilot สร้างขึ้นแล้ว หรืออธิบายแนวคิด DAX ในกล่องป้อนเข้า ผู้ใช้สามารถเลือกปุ่มเพื่อสร้างคิวรีได้ ปุ่ม ลองใหม่ จะสร้างคิวรีใหม่ในขณะที่ละเลยบริบทปัจจุบัน เพื่อให้คุณสามารถลองใช้วิธีการอื่นได้

• ข้อมูลการประมวลผลเบื้องต้นและข้อมูลพื้นฐาน: Copilot ดึงข้อมูลพื้นฐานจาก schema ของแบบจําลองและสิ่งใด ๆ ในหน้าต่างคิวรี Copilot ใช้ข้อมูลต่อไปนี้เป็นบริบทเพื่อปรับปรุงประโยชน์และความจําเพาะของเอาต์พุต Copilot:

  • ข้อความใดๆ ในหน้าต่างคิวรี DAX ปัจจุบัน รวมถึงโค้ด DAX ที่คุณเขียน ข้อคิดเห็น หรือคิวรี DAX ก่อนหน้านี้ที่คุณสร้างขึ้น
  • ประวัติการสนทนาด้วย Copilot จากเซสชันที่ใช้งานอยู่ในปัจจุบัน ประวัตินี้รวมถึงคําถามและผลลัพธ์ก่อนหน้านี้ แต่ไม่ใช่จุดข้อมูล
  • Schema แบบจําลองความหมาย ซึ่งประกอบด้วยตาราง แถว คอลัมน์ หน่วยวัด และวัตถุอื่นๆ เช่น ความสัมพันธ์และกลุ่มการคํานวณ สคีมานี้รวมออบเจ็กต์ทั้งหมดโดยไม่คํานึงถึงว่าวัตถุเหล่านั้นจะถูกซ่อนไว้หรือไม่ก็ตาม ยกเว้นเมื่อคุณมีการเชื่อมต่อแบบสดกับโมเดลความหมายที่ใช้ร่วมกัน
  • คําพ้องจากรูปแบบภาษาของแบบจําลอง
  • คุณสมบัติแบบจําลองความหมายบางอย่าง รวมถึงนิพจน์ DAX คําอธิบาย (ถูกตัดให้สั้นลงหลังจาก 200 อักขระแรก), ชนิดข้อมูล สตริงรูปแบบ (และรูปแบบนิพจน์สตริง) และประเภทข้อมูล
  • การรวมทางสถิติบางอย่าง เช่น ค่าต่ําสุดและสูงสุดของคอลัมน์จากแบบจําลองของคุณที่อาจใช้ในคิวรี ค่าเหล่านี้เป็นจุดข้อมูลที่ส่งไปยัง Copilot เป็นบริบท
  • Copilot อาจส่งผลลัพธ์คิวรีกลับไปยัง Azure OpenAI เพื่ออธิบายคิวรีที่สร้างขึ้นหรือผลลัพธ์

  ข้อมูลต่อไปนี้จะถูกแยกออก:

  • ประวัติการสนทนาด้วย Copilot ในเซสชันปัจจุบันเมื่อคุณเลือกปุ่ม ลองใหม่
  • ตารางใด ๆ ในแบบจําลองที่ถูกทําเครื่องหมายเป็น ส่วนตัว
  • ข้อคิดเห็นในนิพจน์ DAX

• ผลิตภัณฑ์: ผลลัพธ์ที่ Copilot มีโค้ด DAX และข้อคิดเห็นของ DAX ในหน้าต่างคิวรี DAX หรือคําอธิบายของ DAX ในกล่องป้อนข้อมูล Copilot โดยทั่วไปแล้วผู้ใช้ต้องเลือกที่จะเรียกใช้และทําให้คิวรีด้วยตนเอง

เคล็ดลับในการปรับปรุงเอาต์พุตของ Copilot

เมื่อต้องการปรับปรุงคุณภาพของคิวรี DAX ที่สร้างโดย Copilot ให้ใช้เคล็ดลับเดียวกับเมื่อคุณใช้ประสบการณ์ ถามคําถามเกี่ยวกับข้อมูล ใน Copilot ตรวจสอบให้แน่ใจว่าข้อความแจ้งของคุณชัดเจน ถูกต้อง และสื่อความหมาย และโมเดลความหมายของคุณได้รับการออกแบบ จัดระเบียบ และไม่มีความซับซ้อนหรือข้อยกเว้นมากเกินไป

เคล็ดลับบางอย่างที่เฉพาะสําหรับประสบการณ์การคิวรี DAX มีดังนี้:

• ความแตกต่างระหว่างแบบจําลองการเชื่อมต่อภายในเครื่องและแบบสด: Copilot ทํางานแตกต่างกันขึ้นอยู่กับว่าคุณกําลังคิวรีแบบจําลองภายในเครื่องที่เปิดใน Power BI Desktop หรือแบบจําลองความหมายที่ใช้ร่วมกันในบริการ Power BI ตัวอย่างเช่น เมื่อคุณมีการเชื่อมต่อสดไปยังแบบจําลองความหมายที่ใช้ร่วมกันและใช้ประสบการณ์มุมมองคิวรี DAX:

  • Copilot ไม่สามารถมองเห็นนิพจน์ DAX ของหน่วยวัดหรือวัตถุที่ซ่อนหรือส่วนตัวใดๆ ได้
  • Copilot ต้องเรียกใช้คิวรี DAX ก่อนที่จะส่งกลับเพื่อให้แน่ใจว่าคิวรีถูกต้อง

• ใช้ปุ่มลองใหม่: ปุ่ม ลองใหม่ จะฝังแคช Copilot เพื่อให้แน่ใจว่าคุณจะได้รับผลลัพธ์ใหม่พร้อมข้อความแจ้งเตือนและข้อมูลพื้นฐานเดียวกัน คุณลักษณะนี้มีประโยชน์เมื่อคุณกําลังทํางานซ้ําๆ เพื่อหาโซลูชันที่ตรงกับความต้องการเฉพาะของคุณ

• ขอให้ Copilot เพิ่มความคิดเห็นลงในโค้ดของคุณ: ข้อคิดเห็นเป็นวิธีที่มีประโยชน์ในการจัดระเบียบและจัดทําเอกสารคิวรี DAX ของคุณ และเพื่อช่วยให้คุณเข้าใจโค้ดที่ Copilot สร้างขึ้น คุณยังสามารถขอให้ Copilot อธิบายแนวคิด DAX

• ตรวจสอบคุณภาพแหล่งที่มาที่ผ่านการตรวจสอบโดยเพื่อน: หากคุณยังไม่เข้าใจโค้ดที่สร้างขึ้นพร้อมข้อคิดเห็นและคําอธิบายจาก Copilot ให้ค้นคว้าฟังก์ชันและรูปแบบออนไลน์จากแหล่งที่มีชื่อเสียงทั้งในเอกสารประกอบของ Microsoft หรือจากชุมชน Power BI

• ระวังการใช้งานตัวแปรโดย Copilot: Copilot สามารถต่อสู้กับการใช้ตัวแปรอย่างเหมาะสมในคิวรี DAX และหน่วยวัดที่กําหนด ตัวอย่างเช่น Copilot อาจพยายามกรองหรือจัดกลุ่มตัวแปรที่ถูกประกาศซึ่งเป็นไปไม่ได้และสร้างผลลัพธ์ที่ไม่คาดคิด

• ใช้คําอธิบายที่รัดกุมเพื่อแยกความแตกต่างระหว่างเขตข้อมูลที่มีชื่อคล้ายกัน: คําอธิบายจะช่วยเหลือเมื่อมีเขตข้อมูลที่คล้ายกันในแบบจําลองเดียวกัน เช่น ชื่อ ในตารางลูกค้า และ ชื่อ ในตารางร้านค้า

• การใช้งานกลุ่มการคํานวณของ Beware โดย Copilot: Copilot สามารถดิ้นรนเพื่อใช้กลุ่มการคํานวณในคิวรีที่แนะนําของคุณ หากต้องการปรับปรุงการใช้กลุ่มการคํานวณของ Copilot ให้รวมชื่อรายการคํานวณที่แสดงอยู่ในคําอธิบายกลุ่มการคํานวณ

• ระวังฟังก์ชันที่ใหม่กว่าและไวยากรณ์ DAX: Copilot และเครื่องมือ AI แบบสร้างอื่น ๆ ถูกจํากัดในปริมาณและขอบเขตข้อมูลการฝึกของพวกเขา ด้วยเหตุนี้ จึงมีแนวโน้มที่จะทําผิดพลาดกับฟังก์ชัน DAX หรือไวยากรณ์ที่ใหม่กว่า สําหรับสถานการณ์เหล่านี้ คุณอาจต้องการลองเขียนคิวรีด้วยตนเองก่อน จากนั้นจึงแก้ไขโดยใช้ Copilot

• เมื่อสร้างหน่วยวัด ให้ถามคิวรีเสมอ: ประสบการณ์การใช้งาน Copilot ในมุมมองคิวรี DAX ได้รับการออกแบบมาเพื่อสร้างคิวรี DAX คุณจะได้รับผลลัพธ์ที่ดีที่สุดเมื่อคุณสั่งให้ Copilot ทํางานนี้ แทนที่จะขอให้สร้างหน่วยวัดหรือนิพจน์ DAX อื่น

สร้างคําอธิบายการวัดด้วย Copilot

ใช้ Copilot เพื่อสร้างคําอธิบายสําหรับการวัดแบบจําลอง คําอธิบายการวัดผลช่วยให้ทั้งผู้บริโภคแบบจําลองและนักพัฒนารายอื่นเข้าใจวัตถุประสงค์ของการวัดผลและวิธีใช้งาน นอกจากนี้ คําอธิบายหน่วยวัดสามารถปรับปรุงประโยชน์ของเอาต์พุต Copilot สําหรับประสบการณ์การใช้งาน Copilot อื่น ๆ เช่นเมื่อคุณใช้ Copilot เพื่อสร้างคิวรี DAX ในมุมมองคิวรี DAX ของแบบจําลองความหมาย Power BI

ใช้ Copilot เพื่อสร้างคําอธิบายการวัดผลสําหรับการวัดแบบจําลองของคุณ จากนั้นตรวจสอบผลลัพธ์และแก้ไขเพื่อให้แน่ใจว่าถูกต้อง กระชับ และเป็นประโยชน์

สวัสดิการ

การสร้างคําอธิบายหน่วยวัดเป็นงานที่ยุ่งยากซึ่งมักจะละเลย การสร้างคําอธิบายหน่วยวัดช่วยลดเวลาที่คุณใช้ในการจัดระเบียบและจัดทําเอกสารแบบจําลองความหมายของคุณ โมเดลความหมายทั้งหมดต่างจากสคีมาทางภาษา โดยได้รับประโยชน์จากการเพิ่มคําอธิบายลงในตาราง คอลัมน์ และหน่วยวัด แนวทางปฏิบัตินี้ช่วยปรับปรุงเอกสารแบบจําลองและประโยชน์สําหรับผู้อื่นในองค์กรของคุณ

เคล็ดลับในการปรับปรุงเอาต์พุตของ Copilot

ประสบการณ์ Copilot นี้ใช้ข้อมูลพื้นฐานต่อไปนี้สําหรับบริบท:

• นิพจน์ DAX สําหรับหน่วยวัดและวัตถุจากการคํานวณ
• คุณสมบัติของเขตข้อมูล รวมถึงคําอธิบาย ชนิดข้อมูล สตริงรูปแบบ และประเภทข้อมูล
• คําเหมือนของเขตข้อมูล

เมื่อกําหนดข้อมูลพื้นฐานนี้ คุณสามารถมั่นใจได้ว่าคําพ้องที่แนะนําจะมีประโยชน์โดย:

• การใช้มาตรฐานการตั้งชื่อที่สอดคล้องกัน
• การจํากัดการใช้เครื่องหมายวรรคตอน ตัวย่อ และตัวย่อ
• หน่วยวัดการตั้งชื่อในภาษาอังกฤษ

Copilot การสร้างแบบจําลองเว็บ (บริการของ Power BI)

Copilot ในการสร้างแบบจําลองเว็บเป็นผู้ช่วยที่ขับเคลื่อนด้วย AI ที่รวมเข้ากับประสบการณ์การเขียนแบบจําลอง บริการของ Power BI โดยตรง แตกต่างจากประสบการณ์อื่น ๆ ที่อธิบายไว้ในส่วนนี้ ซึ่งมีให้ใช้งานใน Power BI Desktop เป็นหลัก Copilot ในการสร้างแบบจําลองเว็บช่วยให้คุณวิเคราะห์และปรับปรุงแบบจําลองเชิงความหมายของคุณโดยใช้ภาษาธรรมชาติโดยไม่ต้องออกจากเบราว์เซอร์

เมื่อคุณเปิดแบบจําลองแสดงความหมายในมุมมองแบบจําลองของบริการ และสลับไปยังโหมดการแก้ไข Copilot สามารถ:

• วิเคราะห์แบบจําลองสําหรับปัญหา เช่น มาตรฐานการตั้งชื่อที่ไม่สอดคล้องกันและโครงสร้างที่ไม่ชัดเจน และแนะนําการปรับปรุงแนวทางปฏิบัติที่ดีที่สุด
• ใช้การอัปเดต schema โดยตรง รวมถึงการเปลี่ยนชื่อตารางและคอลัมน์ การสร้างความสัมพันธ์ และการสร้างหน่วยวัด DAX

การเปลี่ยนแปลงที่ Copilot เสนอหรือนําไปใช้ในประสบการณ์นี้มีผลต่อแบบจําลองความหมายที่ใช้งานอยู่เช่นเดียวกับการแก้ไขด้วยตนเองอื่น ๆ ตรวจสอบการอัปเดตที่แนะนําทั้งหมดอย่างระมัดระวังก่อนที่จะยอมรับเช่นเดียวกับการเปลี่ยนแปลงแบบจําลอง คําแนะนําการปรับให้เหมาะสมที่อธิบายไว้ใน ปรับแบบจําลองความหมายของคุณให้เหมาะสมสําหรับ Copilot ใน Power BI ยังนําไปใช้ที่นี่: แบบจําลองที่มีโครงสร้างชัดเจนและตั้งชื่อชัดเจนจะสร้างการวิเคราะห์ Copilot ที่ดีขึ้นและคําแนะนําที่ถูกต้องยิ่งขึ้น

ควบคุม Copilot การเข้าถึงสําหรับแบบจําลองเชิงความหมาย

ผู้ใช้ที่มีสิทธิ์เขียนบนแบบจําลองความหมายสามารถควบคุมได้ว่าผู้ใช้ที่มีสิทธิ์แบบอ่านอย่างเดียวสามารถเข้าถึงแบบจําลองผ่านประสบการณ์ Copilot ได้หรือไม่ การตั้งค่านี้สามารถช่วยให้องค์กรเป็นไปตามข้อกําหนดด้านการกํากับดูแลและการเข้าถึงข้อมูลในขณะที่ตรวจสอบให้แน่ใจว่า Copilot พร้อมใช้งานสําหรับแบบจําลองความหมายที่ตั้งใจจะใช้ได้ Copilot เท่านั้น

การตั้งค่านี้จะอยู่ในส่วน Copilot ของบานหน้าต่างการตั้งค่าระดับแบบจําลองเชิงความหมายที่มีคําอธิบายว่า "อนุญาตให้บุคคลใดที่มีสิทธิ์ในการอ่านเท่านั้นใช้ AI (ตัวอย่างเช่น Copilot เครื่องมือ MCP Microsoft) ในแบบจําลองนี้และรายงานที่เกี่ยวข้อง" คุณยังสามารถค้นหาการตั้งค่านี้ในหน้าการตั้งค่าแบบจําลองความหมายแบบเต็มภายใต้ส่วน สํารวจและการเข้าถึง AI

การตั้งค่านี้ใช้กับประสบการณ์การใช้งานต่อไปนี้:

• Power BI Copilot การใช้งานรวมถึงบานหน้าต่างรายงาน แอปแบบสแตนด์อโลน
• Copilot Chat M365 และ Cowork
• ตัวแทนข้อมูล
• เครื่องมือ MCP ของ Microsoft ระยะไกล

ตามค่าเริ่มต้น การตั้งค่านี้จะเปิดใช้งาน อนุญาตให้ผู้ใช้ที่มีสิทธิ์แบบอ่านอย่างเดียวสามารถใช้ประสบการณ์การใช้งาน Copilot ที่รองรับและ Microsoft MCP เพื่อเข้าถึงแบบจําลองความหมาย

เมื่อคุณปิดใช้งานการตั้งค่าระดับแบบจําลองเชิงความหมายนี้:

• ผู้ใช้ที่มีสิทธิ์แบบอ่านอย่างเดียวไม่สามารถเข้าถึงแบบจําลองความหมายผ่านประสบการณ์เครื่องมือ Copilot หรือ Microsoft ระยะไกลใดๆ ที่สนับสนุน จุดเข้าใช้งานของ Copilot จะถูกซ่อน ปิดใช้งาน หรือส่งกลับข้อความการเข้าถึง ทั้งนี้ขึ้นอยู่กับประสบการณ์การใช้งาน
• ในประสบการณ์ที่สนับสนุนแบบจําลองความหมายหลายตัว ผู้ใช้สามารถใช้งาน Copilot ต่อด้วยแบบจําลองความหมายที่มีสิทธิ์อื่น ๆ ที่มีการตั้งค่าที่เปิดใช้งานอยู่
• ในประสบการณ์ที่สนับสนุนแบบจําลองความหมายหลายแบบจําลอง การจํากัดแบบจําลองและรายงานจะถูกแยกออกจากผลลัพธ์การค้นหาสําหรับผู้ใช้ทั้งหมดรวมทั้งผู้ใช้ที่มีสิทธิ์ในการสร้างและเขียน ผู้ใช้ที่มีสิทธิ์ในการสร้างและเขียนยังคงสามารถเข้าถึงแบบจําลองและรายงานที่จํากัดผ่านวิธีการเข้าถึงโดยตรง เช่น การนําทางไปยัง URL ของแบบจําลองหรือรายงาน หรือการแนบแบบจําลองหรือรายงานด้วยตนเอง

ใช้แบบจําลองความหมายโดยใช้ Copilot

คุณสามารถใช้ Copilot เพื่อถามคําถามข้อมูลกับแบบจําลองความหมายของคุณในระหว่างการใช้งาน ประสบการณ์การใช้งานนี้จะพร้อมใช้งานเมื่อใดก็ตามที่คุณใช้รายงานรวมถึงใน Power BI Desktopรายงานที่เผยแพร่ในพื้นที่ทํางาน แอป หรือรายการ OrgApp หรือในแอป Power BI สําหรับอุปกรณ์เคลื่อนที่

ผู้บริโภคอาจถามคําถามเกี่ยวกับข้อมูลของแบบจําลองความหมายในสถานการณ์ต่อไปนี้:

• พวกเขาไม่พบข้อมูลหรือการวิเคราะห์ที่พวกเขาต้องการในรายงานของพวกเขา
• พวกเขาต้องการดูข้อมูลที่แสดงด้วยวิธีอื่น และไม่เปิดใช้งานวิชวลส่วนบุคคล
• พวกเขาต้องการถามคําถามข้อมูลโดยใช้ภาษาธรรมชาติ แทนที่จะใช้เครื่องมือหรือรหัส

สําหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการที่คุณสามารถใช้ Copilot ในรายงานที่ใช้แบบจําลองความหมาย ให้ดูบทความ ใช้ Copilot กับรายงาน Power BI

เตรียมแบบจําลองความหมายสําหรับปริมาณการใช้ Copilot

ใช้ Copilot เพื่อใช้แบบจําลองความหมายหลังจากที่คุณทําตามขั้นตอนที่จําเป็นเพื่อ อัปเดตแบบจําลองข้อมูลของคุณให้ทํางานได้ดีกับ Copilot สําหรับ Power BI เท่านั้น

Power BI Desktop

ใน Power BI Desktop ใช้บานหน้าต่างแชท Copilot เพื่อถามคําถามเกี่ยวกับข้อมูลเกี่ยวกับแบบจําลองความหมายของคุณ คุณลักษณะนี้ใช้งานได้กับทั้งแบบจําลองภายในเครื่องที่เปิดใน Power BI Desktop และเมื่อคุณเชื่อมต่อกับแบบจําลองความหมายที่ใช้ร่วมกันโดยใช้การเชื่อมต่อแบบสด สําหรับข้อมูลเพิ่มเติม ให้ดู ถามคําถามข้อมูล ก่อนหน้าในบทความนี้

คุณยังสามารถใช้มุมมองคิวรี DAX เพื่อใช้แบบจําลองเชิงความหมายโดยการสร้างคิวรี DAX ได้ ผู้ใช้ขั้นสูงของ Power BI อาจใช้วิธีการนี้หากต้องการสํารวจข้อมูลโดยใช้โค้ด

อย่างไรก็ตาม สําหรับผู้ใช้ข้อมูลส่วนใหญ่ โดยทั่วไปแล้วจะใช้และสํารวจแบบจําลองความหมายโดยการเพิ่มวิชวลลงในพื้นที่รายงาน หรือโดยใช้รายการอื่นๆ เช่น การ สํารวจ หรือตาราง Pivot วิเคราะห์ใน Excel โดยทั่วไปแล้วรายการเหล่านี้จะมีส่วนต่อประสานผู้ใช้ที่เรียบง่ายกว่าและประสบการณ์ผู้ใช้ที่เหมาะสําหรับการสํารวจและทําความเข้าใจข้อมูลมากกว่าประสบการณ์การแชทแบบภาษาธรรมชาติ เช่น Copilot

รายงานที่เผยแพร่

ในรายงานที่เผยแพร่ ให้ใช้บานหน้าต่างแชท Copilot เพื่อถามคําถามเกี่ยวกับข้อมูลเกี่ยวกับแบบจําลองความหมายที่เชื่อมต่อ ประสบการณ์การใช้งานใน Fabric จะเหมือนกับประสบการณ์ ถามคําถามเกี่ยวกับคําถาม ใน Power BI Desktop สําหรับทั้งการพัฒนาแบบจําลองและปริมาณการใช้

แอป Power BI สําหรับอุปกรณ์เคลื่อนที่

ในแอป Power BI สําหรับอุปกรณ์เคลื่อนที่ ให้ใช้บานหน้าต่างแชท Copilot ในแอปเพื่อถามคําถามเกี่ยวกับข้อมูลสําหรับรายงานใดๆ คําถามไปที่แบบจําลองความหมายที่เชื่อมต่อสําหรับรายงานนั้น คุณลักษณะนี้ทํางานคล้ายกับประสบการณ์ ถามคําถามเกี่ยวกับข้อมูลที่ อธิบายไว้ก่อนหน้านี้ในบทความนี้

เนื้อหาที่เกี่ยวข้อง

• อัปเดตแบบจําลองข้อมูลของคุณเพื่อให้ทํางานได้ดีกับ Copilot สําหรับ Power BI
• ภาพรวมของ Copilot สําหรับ Power BI
• การรวม Copilot ใน Power BI