準備您的數據以搭配Power BI中的 Copilot 使用

已完成

在 Power BI 中使用 Copilot 之前，您應該先準備語意模型，以確保一致性和精確度。 Copilot 使用大型語言模型 (LLM) ，這需要數據的精確度和可靠性才能生效。

確保數據品質

您也需要針對數據品質的不同層面評估語意模型，或 Copilot 可能無效。

建立 Power BI 報表時，數據品質非常重要，因為它會直接影響您可以從數據衍生之深入解析的精確度和可靠性。 以下是數據品質如何影響 Power BI 報表成功建立的範例：

• 完整性：遺漏值可能會導致間距。
• 有效性：超出範圍的數據值可能會扭曲視覺效果和結果。
• 一致性：不一致的數據可能會影響日期相關視覺效果。
• 唯一性：重複專案可能會影響數據精確度。
• 數據關聯性：如果沒有關聯性，可能無法使用跨數據表視覺效果。
• DAX 計算：有限的計算可能會導致較少的可能深入解析。

使用 Power Query 準備數據

Power Query 是 Power BI Desktop 準備語意模型的重要功能。 這是建立 Power BI 報表的初始步驟，而且在使用 Copilot 時會很不重要。 若要確保數據品質，請使用 Power Query 來：

• 藉由評估數據行品質、數據行散發和數據行配置檔來分析您的數據。
• 藉 由解決不一致、非預期或 Null 值，以及其他數據質量考慮來清除您的數據。
• 實作數據行和查詢的使用者易記命名慣例、改變數據行數據類型，以及套用數據圖形轉換，以轉換您的數據。

評估語意模型大小

雖然語意模型的大小沒有固定的限制，但請務必有足夠的數據來取得有意義的內容。 不過，過度複雜的模型可能會導致不清楚的結果。

考量與限制

我們會持續努力改善報表頁面的品質，包括 Copilot 所產生的視覺效果和摘要。 例如，Copilot 可能無法瞭解複雜的提示，例如產生多頁報表。

提示

如需考慮的完整清單，請檢閱 Power BI 參考檔中的 Copilot。