Del via

Opdater din datamodel, så den fungerer godt sammen med Copilot Power BI

  • Artikel

GÆLDER FOR: Power BI Desktop Power BI-tjeneste

Før du begynder at bruge Copilot med din semantiske model, skal du evaluere dine data. Det kan være nødvendigt at rydde op i din semantiske model, så du Copilot kan få indsigt i den.

Bemærk

Overvejelser i forbindelse med semantiske modeller til Copilot brug

I følgende tabel vises de kriterier, der kan hjælpe dig med at oprette nøjagtige rapporter med Copilot. Disse elementer er anbefalinger, der kan hjælpe med at generere nøjagtige Power BI-rapporter.

Element Overvejelse Beskrivelse Eksempel
Tabellinkning Definer Ryd relationer Sørg for, at alle relationer mellem tabeller er klart defineret og logiske, hvilket angiver, hvilke der er en til mange, mange til en eller mange til mange. Tabellen "Sales" er knyttet til tabellen "Date" efter feltet "DateID".
Målinger Standardiseret beregningslogik Målinger skal have standardiseret, klar beregningslogik, der er let at forklare og forstå. "Total Sales" beregnet som summen af "SaleAmount" fra tabellen "Sales".
Målinger Navngivningskonventioner Navnene på målinger skal tydeligt afspejle deres beregning og formål. Brug "Average_Customer_Rating" i stedet for "AvgRating".
Målinger Foruddefinerede målinger Medtag et sæt foruddefinerede målinger, som brugerne med størst sandsynlighed vil anmode om i rapporter. "Year_To_Date_Sales", "Month_Over_Month_Growth" osv.
Faktatabeller Ryd afgrænsning Afgræns tydeligt faktatabeller, der indeholder de målbare, kvantitative data til analyse. "Transaktioner", "Salg", "Besøg".
Dimensionstabeller Understøttende beskrivende data Opret dimensionstabeller, der indeholder de beskrivende attributter, der er relateret til de kvantitative målinger i faktatabeller. "Product_Details", "Customer_Information".
Hierarkier Logiske grupperinger Opret klare hierarkier i dataene, især for dimensionstabeller, der kan bruges til at foretage detailudledning i rapporter. Et hierarki af typen "Tid", der opdeler fra "År" til "Kvartal" til "Måned" til "Dag".
Kolonne- navne Entydige navne Kolonnenavne skal være entydige og selvforklarende, så du undgår brug af id'er eller koder, der kræver yderligere opslag uden kontekst. Brug "Product_Name" i stedet for "ProdID".
Kolonnedatatyper Korrekt og konsistent Anvend korrekte og konsistente datatyper for kolonner på tværs af alle tabeller for at sikre, at målingerne beregnes korrekt, og for at aktivere korrekt sortering og filtrering. Sørg for, at numeriske kolonner, der bruges i beregninger, ikke er angivet som tekstdatatyper.
Relationstyper Klart angivet Hvis du vil sikre nøjagtig oprettelse af rapporter, skal du tydeligt angive relationernes art (aktiv eller inaktiv) og deres kardinalitet. Markér, om en relation er "En til en", "En til mange" eller "Mange til mange".
Datakonsistens Standardiserede værdier Vedligehold standardiserede værdier i kolonner for at sikre ensartethed i filtre og rapportering. Hvis du har kolonnen "Status", skal du konsekvent bruge "Open", "Closed", "Pending" osv.
KPI'er (Key Performance Indicators) Foruddefineret og relevant Opret et sæt KPI'er, der er relevante for forretningskonteksten, og som ofte bruges i rapporter. "Return on Investment (ROI)", "Customer Acquisition Cost (CAC)", "Lifetime Value (LTV)".
Opdater tidsplaner Gennemsigtig og planlagt Du kan tydeligt kommunikere opdateringsplanerne for dataene for at sikre, at brugerne forstår rettidigheden af de data, de analyserer. Angiv, om dataene er i realtid, dagligt, ugentligt osv.
Sikkerhed Definitioner på rolleniveau Definer sikkerhedsroller for forskellige niveauer af dataadgang, hvis der er følsomme elementer, som ikke alle brugere skal se. Medlemmer af salgsteamet kan se salgsdata, men ikke HR-data.
Metadata Dokumentation til struktur Dokumentér datamodellens struktur, herunder tabeller, kolonner, relationer og målinger, til reference. En dataordbog eller et modeldiagram, der er angivet som en reference.

I følgende tabel vises yderligere kriterier, der kan hjælpe dig med at oprette nøjagtige DAX-forespørgsler med Copilot. Disse elementer er anbefalinger, der kan hjælpe med at generere nøjagtige DAX-forespørgsler.

Element Overvejelse Beskrivelse Eksempel
Målinger, tabeller og kolonner Beskrivelser Medtag, hvad det er, og hvordan du vil bruge hvert element i egenskaben description. Bemærk! Der bruges kun de første 200 tegn. [YOY Sales] beskrivelse kan være "År-for-år-forskel i ordrer. Bruges sammen med kolonnen 'Date'[Year] til at vise efter andre år end det seneste år. Delvise år vil sammenlignes med samme periode for det foregående år."
Beregningsgrupper Beskrivelser Beregningselementer er ikke inkluderet i modelmetadataene. Brug beskrivelsen af kolonnen for beregningsgruppen til at få vist og forklare brugen af beregningselementerne. Bemærk! Der bruges kun de første 200 tegn. Det kan f.eks. kolonnen Time intelligence-eksempelberegningsgruppe kan have denne beskrivelse: "Brug med målinger & datotabel for aktuel: aktuel værdi, MTD: måned til dato, QTD: kvartal til dato, ÅTD: år til dato, PY: forrige år, PY MTD, PY QTD, YOY: ændring år for år, YOY%: YOY som en %", og i en tabel med målinger kan en beskrivelse af forbruget udvides, f.eks. "Målinger bruges til at aggregere data. Disse målinger kan vises som år for år ved hjælp af denne syntaks CALCULATE([Measure Name], 'Time intelligence'[Time calculation] = "YOY")"

Relateret indhold