Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
GILT FÜR: Power BI Desktop
Power BI-Dienst
Es wird empfohlen, Ihre Daten auszuwerten, bevor Sie mit der Verwendung Copilot des semantischen Modells beginnen. Möglicherweise müssen Sie Ihr semantisches Modell bereinigen, Copilot damit Einblicke daraus abgeleitet werden können.
Hinweis
Beachten Sie die folgenden Anforderungen:
- Ihr Administrator muss Copilot in Microsoft Fabric aktivieren.
- Ihre Fabric-Kapazität muss sich in einer der regionen befinden, die in diesem Artikel aufgeführt sind, fabric region availability. Wenn dies nicht geschieht, können Sie Copilot nicht verwenden.
- Der Administrator muss den Mandantenwechsel aktivieren, bevor Sie Copilot verwenden können. Details finden Sie im Artikel Copilot Mandanteneinstellungen.
- Wenn sich Ihr Mandant oder Ihre Kapazität außerhalb der USA und Frankreich befindet, ist Copilot standardmäßig deaktiviert. Die einzige Ausnahme besteht darin, dass Ihr Fabric-Mandantenadministrator die Einstellung Azure OpenAI gesendete Daten können außerhalb der geografischen Region, Compliance-Grenze oder der nationalen Cloud-Instanz Ihres Mandanten verarbeitet werden aktiviert. Diese Einstellung finden Sie im Fabric-Verwaltungsportal.
- Copilot in Microsoft Fabric wird für Test-SKUs nicht unterstützt. Nur kostenpflichtige SKUs werden unterstützt.
- Um die eigenständige Copilot Oberfläche in Power BI anzuzeigen, muss Ihr Mandantenadministrator den Mandantenwechsel aktivieren.
Überlegungen für semantische Modelle zur Verwendung für Copilot
Mithilfe der Kriterien in der folgenden Tabelle können Sie genaue Berichte Copilot erstellen. Diese Empfehlungen können Ihnen helfen, genaue Power BI-Berichte zu generieren.
| Element | Überlegung | Beschreibung | Wo sie angewendet werden soll | Beispiel |
|---|---|---|---|---|
| Tabellenverknüpfung | Definieren klarer Beziehungen | Stellen Sie sicher, dass alle Beziehungen zwischen Tabellen klar definiert und logisch sind. Geben Sie an, welche eins-zu-viele, viele-zu-eins oder viele-zu-viele sind. | Verwenden Sie in der Modellansicht "Beziehungen verwalten" | Erstellen Sie eine Eins-zu-Viele-Beziehung von Date[DateID] zu Sales[DateID] und überprüfen Sie, ob die Beziehung aktiv ist. |
| Maßnahmen | Standardisierte Berechnungslogik | Die Maßnahmen sollten eine standardisierte und klare Berechnungslogik haben, die leicht zu erklären und zu verstehen ist. | In der Maßdefinition und Beschreibungseigenschaft | Messen Sie DAX: Total Sales = SUM(Sales[SaleAmount]) und fügen Sie eine Beschreibung hinzu: "Summe aller Verkaufsbeträge". |
| Maßnahmen | Benennungskonventionen | Die Namen für Maßnahmen sollten ihre Berechnung und ihren Zweck klar widerspiegeln. | Im Feld "Maßnahmenname" beim Erstellen von Maßnahmen | Verwenden Sie einen beschreibenden Namen: Average Customer Rating statt abgekürzt: AvgRating. |
| Maßnahmen | Vordefinierte Maßnahmen | Schließen Sie eine Reihe vordefinierter Measures ein, die Benutzer höchstwahrscheinlich in Berichten anfordern. | Erstellen Sie in Ihrem Modell Maßnahmen, die Nutzer häufig benötigen | Fügen Sie Maßnahmen wie YTD Sales = TOTALYTD(SUM(Sales[SaleAmount]), 'Date'[Date]) oder MoM Growth = DIVIDE([This Month Sales] - [Last Month Sales], [Last Month Sales]) hinzu. |
| Faktentabellen | Klare Abgrenzung | Grenzen Sie Faktentabellen, die die messbaren, quantitativen Daten für die Analyse enthalten, eindeutig ab. | In Tabelleneigenschaften und Datenmodellstruktur | Benennen Sie Tabellen explizit als Faktentabellen: FactSales, FactTransactions, FactVisits. |
| Dimensionstabellen | Unterstützende beschreibende Daten | Erstellen Sie Dimensionstabellen, die die beschreibenden Attribute in Zusammenhang mit den quantitativen Messgrößen in Faktentabellen enthalten. | In Tabelleneigenschaften und Datenmodellstruktur | Erstellen Sie Dimensionstabellen wie DimProduct mit Attributen (ProductName, Category, Brand) und DimCustomer mit Attributen (CustomerName, City, Segment). |
| Hierarchien | Logische Gruppierungen | Richten Sie klare Hierarchien innerhalb der Daten ein, insbesondere für Dimensionstabellen, die zum Drilldown in Berichten verwendet werden können. | Wählen Sie im Kontextmenü der Tabelle die Option "Neue Hierarchie" aus. | Erstellen Sie in der Date Tabelle eine Hierarchie: Year>Quarter>Month>Day. In Geography Tabelle: Country/Region>State>City. |
| Spaltennamen | Eindeutige Bezeichnungen | Spaltennamen sollten eindeutig und selbsterklärend sein. Vermeiden Sie die Verwendung von IDs oder Codes, die eine weitere Suche ohne Kontext erfordern. | Umbenennen von Spalten in der Power Query-Editor- oder Modellansicht | Spalte umbenennen von ProdID nach Product ID oder Product Name, und von CustNo nach Customer Number. |
| Spaltendatentypen | Richtig und konsistent | Wenden Sie korrekte und konsistente Datentypen für Spalten in allen Tabellen an, um sicherzustellen, dass Measures korrekt berechnet werden und um eine ordnungsgemäße Sortierung und Filterung zu ermöglichen. | Legen Sie in Spalteneigenschaften den Datentyp fest. | Stellen Sie sicher, dass Sales[SaleAmount] "Dezimalzahl" (nicht "Text"), Date[Date] "Datum" (nicht "Text") Product[ProductID] als "Ganze Zahl" angegeben ist. |
| Beziehungstypen | Klar angegeben | Geben Sie den Typ der Beziehungen (aktiv oder inaktiv) und deren Kardinalität eindeutig an, um eine genaue Berichtsgenerierung sicherzustellen. | Dialogfeld 'Beziehungseigenschaften' | Legen Sie Date auf Sales als "n:1" (aktiv) fest, Product auf Sales ebenfalls als "n:1" (aktiv), und kennzeichnen Sie Rollenbestehende Beziehungen bei Bedarf als inaktiv. |
| Datenkonsistenz | Standardisierte Werte | Verwalten Sie standardisierte Werte innerhalb von Spalten, um die Konsistenz in Filtern und Berichten sicherzustellen. | Verwenden Sie Suchen und Ersetzen oder Power Query-Transformationen | Stellen Sie in der Status Spalte sicher, dass alle Werte eine konsistente Groß-/Kleinschreibung verwenden: Open, Closed, Pending (nicht gemischte Schreibweise wie open, CLOSED). |
| Key Performance Indicators (KPIs) | Vordefinierte und relevante | Richten Sie eine Reihe von KPIs ein, die für den Geschäftskontext relevant sind und häufig in Berichten verwendet werden. | Maßnahmen für häufig nachverfolgte KPIs erstellen | Definieren Sie Maßnahmen wie ROI = DIVIDE([Profit], [Investment]), CAC = DIVIDE([Marketing Spend], [New Customers]), LTV = [Avg Order Value] * [Purchase Frequency] * [Customer Lifespan]. |
| Zeitpläne aktualisieren | Transparent und geplant | Kommunizieren Sie klar die Aktualisierungszeitpläne der Daten, um sicherzustellen, dass die Benutzer die Aktualität der Daten verstehen, die sie analysieren. | In Datensatzeinstellungen und -dokumentation | Fügen Sie ein Textfeld oder eine Beschreibung hinzu, das besagt: "Daten werden täglich um 6:00 Uhr UTC aktualisiert" oder "Echtzeitdaten mit einer inkrementellen Aktualisierung von 15 Minuten". |
| Sicherheit | Rollenebenendefinitionen | Definieren Sie Sicherheitsrollen für unterschiedliche Ebenen des Datenzugriffs, wenn vertrauliche Elemente vorhanden sind, die nicht alle Benutzer*innen sehen sollten. | Wählen Sie in der Modellansicht "Rollen verwalten" aus. | Erstellen Sie die Rolle "Vertrieb" mit einem Filter: Sales[Region] = USERNAME() und die Rolle "Personalwesen" mit einem Filter auf Mitarbeiterdaten-Tabellen. |
| Metadaten | Dokumentation der Struktur | Dokumentieren Sie zur Referenz die Struktur des Datenmodells, einschließlich Tabellen, Spalten, Beziehungen und Measures. | Verwenden von Beschreibungseigenschaften und externer Dokumentation | Fügen Sie Tabellen- und Spaltenbeschreibungen hinzu. Erstellen Sie ein separates Dokument mit Modelldiagramm, Datenwörterbuch und Measurekatalog. |
In der folgenden Tabelle sind weitere Kriterien aufgeführt, mit denen Sie genaue DAX-Abfragen Copilot(Data Analysis Expressions) erstellen können. Diese Empfehlungen können Ihnen helfen, genaue DAX-Abfragen zu generieren.
| Element | Überlegung | Beschreibung | Wo sie angewendet werden soll | Beispiel |
|---|---|---|---|---|
| Maßnahmen, Tabellen und Spalten | Beschreibungen | Definieren Sie in der Beschreibungseigenschaft die einzelnen Elemente und deren Verwendung. Es werden nur die ersten 200 Zeichen verwendet. | Eigenschaftenbereich, Beschreibungsfeld für Maße, Tabellen und Spalten | Fügen Sie für Maßnahme [YOY Sales] eine Beschreibung hinzu: "Jahr-zu-Jahr-Unterschied in Bestellungen. Wird mit der Spalte "Datum"[Jahr] verwendet, um nach anderen Jahren als dem letzten Jahr anzuzeigen. Teiljahre vergleichen sich mit dem gleichen Zeitraum des Vorjahres." |
| Berechnungsgruppen | Beschreibungen | Berechnungselemente sind in den Modellmetadaten nicht enthalten. Verwenden Sie die Beschreibung der Berechnungsgruppenspalte, um die Verwendung der Berechnungselemente auflisten und zu erläutern. Es werden nur die ersten 200 Zeichen verwendet. | Im Eigenschaftenfenster für die Spalte der Berechnungsgruppe | Fügen Sie für die Spalte Zeitintelligenz-Beispielberechnungsgruppe eine Beschreibung hinzu: "Verwendung mit Kennzahlen und Datumstabelle für Aktueller Wert, MTD: Monat bis Datum, QTD: Quartal bis Datum, YTD: Jahr bis Datum, PY: Vorjahr, PY MTD, PY QTD, YOY: Jahr-zu-Jahr-Änderung, YOY%: YOY als %." Fügen Sie für eine Kennzahlen-Tabelle Folgendes hinzu: "Kennzahlen werden zum Aggregieren von Daten verwendet. Diese Kennzahlen können als Jahresvergleich angezeigt werden, indem diese Syntax verwendet wird: CALCULATE([Measure Name], Time intelligence[Time calculation] = YOY). |