Préparer vos données pour l’IA : instructions d’IA

La préparation de vos données pour l’IA dans Power BI implique l’optimisation de votre modèle sémantique pour améliorer les performances de Copilot. Lorsque vous utilisez des fonctionnalités telles que des instructions IA, vous pouvez fournir un contexte et des conseils qui améliorent la pertinence et la précision des insights pilotés par l’IA. Ce guide vous guide tout au long des étapes de configuration et de test des instructions d’IA pour vous aider à préparer vos données pour l’analyse basée sur l’IA.

Les instructions IA permettent aux auteurs de modèles de fournir le contexte, la logique métier et des conseils spécifiques directement sur le modèle sémantique. Copilot utilise ces instructions pour mieux interpréter les questions des utilisateurs en incorporant le langage organisationnel, la terminologie et les priorités analytiques qui Copilot ne comprendraient pas par eux-mêmes.

Ces instructions permettent de clarifier les termes métier, de guider les approches d’analyse et de fournir un contexte de données critique. Après avoir enregistré les instructions, Copilot les utilise pour répondre plus intelligemment aux invites de l’utilisateur.

Les instructions d’IA rendent Copilot plus aligné sur votre entreprise. Ils améliorent la qualité et la pertinence des réponses en réduisant l’ambiguïté et en veillant à Copilot comprendre vos attentes en matière de termes et d’analyse spécifiques à votre domaine. En fin de compte, cette pratique entraîne des insights plus significatifs, moins de frustration des utilisateurs et une expérience plus fluide avec Copilot les rapports qui utilisent le même modèle.

Configurer des instructions d’IA

1. Sélectionnez le bouton Préparer les données pour l'IA situé sur le ruban Accueil dans Power BI Desktop, ou sur le ruban du modèle sémantique sélectionné dans le service Power BI.

   

   Si les onglets de Préparation des données pour l'IA sont désactivés, activez Power BI Q&A pour votre modèle.

   

2. Dans la boîte de dialogue, accédez à l’onglet Ajouter des instructions IA .

3. Fournissez des instructions sur le modèle sémantique qui vous aident à Copilot comprendre votre entreprise, la terminologie et comment hiérarchiser les données dans le modèle.

   

4. Sélectionnez Appliquer.

Une fois la boîte de dialogue fermée, vos modifications sont enregistrées dans votre modèle. Copilot utilise désormais les instructions d’IA.

Instructions de test de l'IA dans Power BI Desktop

1. Ouvrez le Copilot volet dans Power BI Desktop.
2. Utilisez le sélecteur de compétences pour sélectionner la fonctionnalité spécifique Copilot que vous souhaitez tester. Nous vous recommandons de choisir réponses aux questions sur les données.
3. Interagissez avec Copilot en utilisant l’une des instructions que vous avez définies.
4. Assurez-vous que Copilot réponde précisément.
5. Si vous devez modifier les instructions, réouvrez le dialogue Préparation des données pour l'IA et ajustez.
6. Publiez ou enregistrez votre rapport. Lorsque vous avez terminé le test et que vous êtes satisfait des instructions d’IA, publiez votre rapport sur le service Power BI.

Consommer des instructions d'IA

Une fois que votre rapport est publié sur le service Power BI ou que les modifications sont enregistrées dans le service, les utilisateurs peuvent tirer parti des instructions d’INTELLIGENCE artificielle partout avec Copilotlesquelles le modèle interagit.

Cas d’usage courants pour les instructions d’IA

Les instructions IA offrent un moyen flexible d'améliorer la façon dont Copilot interprète et répond aux invites utilisateur. Bien qu’il existe de nombreuses applications potentielles, deux cas d’usage courants se distinguent : le contexte commercial général et les règles d’interprétation et d’analyse des données.

Contexte commercial général et interprétation des données

Les instructions peuvent aider à Copilot cadrer les réponses dans le contexte de votre entreprise, à adapter les réponses en fonction de votre secteur, de vos objectifs stratégiques, de la terminologie ou de la logique opérationnelle. Lorsque vous utilisez des instructions, vous pouvez vous assurer que les utilisateurs obtiennent des insights plus précis et pertinents. Voici quelques exemples :

• La saison occupée est d’octobre à février.
• Cadrez vos analyses en mettant l'accent sur l'évaluation des risques et les tendances du marché.
• Lorsqu’un utilisateur mentionne ABCD, il fait référence au champ de facture total .
• Un pourcentage d’attrition inférieur est plus positif.

Règles d’analyse

Vous pouvez guider Copilot sur comment aborder certains types d’analyses en fournissant des règles et des préférences sur la manière dont les données doivent être segmentées ou hiérarchisées. Voici quelques exemples :

• Analysez toujours les ventes tous les trimestres.
• Lors de la présentation des revenus, décomposez-le par trimestre et comparez-le au industry champ.
• Pour obtenir des insights sur la vente au détail, priorisez les tableaux customsegmentationtable et saleschannel.
• Utilisez la sales_fact table comme source principale pour toutes les questions relatives aux ventes.
• Lorsqu’un utilisateur demande des ventes de produits, demandez toujours des précisions sur l’emplacement.

Création de prompts pour les instructions de l'IA

Étant donné que les instructions d’IA sont fortement basées sur des invites, il est important de comprendre les meilleures pratiques pour l’ingénierie des invites lorsque vous élaborez vos instructions pour un modèle sémantique. Copilot peut être sensible aux invites qu’il reçoit, de sorte que la formulation des invites affecte les sorties de Copilot. Voici quelques façons de tirer le meilleur parti de vos instructions IA, notamment un exemple de bonnes pratiques en action.

Être explicite et spécifique

Supposons Copilot n’a aucune compréhension de l’utilisation du modèle de données ou du contexte métier pour vos données. Par exemple, au lieu d’écrire « Vous êtes un analyste de décisionnel chevronné qui est orienté détail », considérez : « Vous êtes un analyste décisionnel chevronné qui travaille pour un grand distributeur alimentaire. Les réponses doivent être axées sur les détails et axées sur le chiffre d’affaires et la rentabilité.

Utiliser des analogies et un langage descriptif

Lorsque vous utilisez des analogies et un langage descriptif, vous aidez le modèle à comprendre le résultat souhaité. Les exemples peuvent également jouer un rôle essentiel pour aider le modèle à comprendre exactement ce que vous voulez dire. Par exemple, pour les ventes spécifiques au produit, utilisez la mesure Total_Sales_Product (exemple de produit : Word, PowerPoint, Excel, SharePoint, Teams).

Évitez les ambiguïtés

Soyez clair sur tout ce que vous voulez Copilot mettre en évidence ou éviter. Plus vous pouvez fournir de détails et de contenu pertinent Copilot, mieux c'est. Par exemple, pour Total Active Partners, utilisez la mesure Monthly Active Partner Count. (Ne filtrez pas sur la table Customers.)

Regrouper les instructions liées

Copilot Pour mieux comprendre votre intention, organisez des instructions par thème ou objectif (comme la logique de date, les métriques clés et les termes du secteur). Il peut être utile d’inclure des éléments structurels, tels que des sections, des hiérarchies et des en-têtes. Pour obtenir un exemple de regroupement d’instructions associées dans l’ensemble complet d’instructions, consultez l’exemple de scénario.

L’ordre dans lequel vous créez des instructions peut affecter la sortie que vous recevez

Vous pouvez augmenter vos chances d’obtenir des sorties correctes en testant différentes variantes, commandes, exemples et formulations.

Décomposer les instructions complexes en étapes plus simples

Lorsque vous décomposez des instructions en étapes simples, vous pouvez améliorer la clarté et réduire les erreurs. Par exemple, définissez les principaux clients en examinant d’abord la table des revenus, puis en retournant uniquement les clients avec les valeurs de commande les plus élevées.

Garder les instructions concises

Selon le modèle et les instructions que vous définissez, parfois moins est plus. Les conflits et la complexité des instructions peuvent entraîner une confusion pour les modèles de langage volumineux (LLMs).

Exemple de scénario

L’exemple de scénario suivant montre un ensemble d’instructions IA qui sont conçues pour s’adapter à un modèle spécifique.

Instructions pour répondre aux questions sur les données

Les ventes brutes de produits (GPS) doivent référencer le grossrevenue champ dans la table Revenus.

Les principaux vendeurs font référence aux trois principaux partenaires avec le chiffre d’affaires le plus élevé. N’affichez pas les clients, sauf si l’utilisateur demande explicitement.

Identification du client

• accountid fait référence aux clients dans la table Revenue .
• earningsid fait référence aux clients dans la table Partenaires .
• customid dans la table de commandes ne fait pas référence aux clients.
• Définissez les principaux clients en examinant d’abord la table des revenus, puis en retournant uniquement les clients avec les valeurs de commande les plus élevées.
• Certains partenaires sont également des clients. Ne supprimez pas ces doublons. Au lieu de cela, indiquez s’il s’agit d’un partenaire ou d’un client en fonction de la valeur d’ID.

Métriques de produit

• Filtrez les données par State= Washington ou State= California sauf si l’utilisateur demande spécifiquement un état différent.

• Pour les ventes spécifiques au produit, utilisez la mesure Total_Sales_Product (exemple de produit : Word, PowerPoint, Excel, SharePoint ou Teams). Filtrez sur la colonne Product de la table Sales .

• Pour Total Active Partners, utilisez la mesure Monthly Active Partner Count_ID. (Ne filtrez pas sur la table Customers.)

• Les ventes de produits alimentaires proviennent toujours de magasins de détail.

  Si la valeur product_type de la table Product est Food, affichez toujours le magasin où l’élément a été vendu. Les informations de magasin se trouvent dans la table Store avec le champ store_nameet peuvent être liées par product_typestore_id.

Considérations et limitations

• Étant donné que les instructions d’IA ne sont pas structurées, le LLM les interprète uniquement Copilot. Il n’y a aucune garantie que le LLM suivra exactement les instructions.
• Les instructions d’IA affectent les Copilot fonctionnalités, mais ne s’étendent pas aux conversations générales avec Copilot.
• Les instructions IA sont enregistrées au niveau du modèle sémantique. Les instructions ne peuvent pas être stockées actuellement au niveau du rapport.
• Les instructions d’IA ne sont pas censées être spécifiques à la personne ou modifier des sorties non liées aux données pour l’utilisateur final.
• Les instructions d’IA ne peuvent pas désactiver d’autres Copilot fonctionnalités de Power BI ou empêcher/hiérarchiser certaines fonctionnalités d’être appelées.
• Les instructions ne visent pas à fonctionner avec des modifications thématiques ou visuelles dans votre rapport.
• Actuellement, vous ne pouvez pas charger d’instructions dans la boîte de dialogue dans Desktop.
• Pour tester des instructions dans Desktop, vous devez fermer et rouvrir votre Copilot volet pour voir les nouvelles instructions appliquées.
• Les utilisateurs ne peuvent pas définir d’instructions par catégorie ou par mode (affichage ou modification) dans Copilot Power BI.
• Les consommateurs ne peuvent pas voir quelles instructions un auteur a appliqué au modèle dans l’interface utilisateur.
• Les utilisateurs finaux ne peuvent pas désactiver les instructions sur un modèle sémantique.
• Les instructions IA peuvent ne pas être respectées dans Power BI Desktop lorsque vous essayez de créer une page, d'obtenir des sujets de page de rapport suggérés ou d'obtenir un résumé de jeu de données, avec Copilot. Pour contourner ce problème, utilisez le sélecteur de compétences et sélectionnez Uniquement Créer de nouvelles pages de rapport pour que les instructions s’appliquent correctement.
• Les instructions IA sont limitées à 10 000 caractères.

Pour obtenir une liste complète des considérations et limitations, consultez Préparer vos données pour l’IA.

Contenu connexe

• Données de préparation pour l’IA
• Schémas de données IA
• Réponses vérifiées
• Faq sur la préparation des données pour l’IA