Perguntas frequentes sobre como preparar dados para IA

Hoje, o Power BI oferece quatro recursos principais de ferramentas para configurar seu modelo para estar pronto para o processamento de linguagem natural:

• Esquema de dados de IA: permite que você selecione um subconjunto do esquema para consumo do Copilot.
• Respostas verificadas: um conjunto de respostas configurado por um autor de modelo validado para precisão e confiabilidade. Os autores podem definir visuais específicos para Copilot usar em uma resposta verificada quando um usuário faz uma pergunta que se enquadra na categoria atribuída.
• Instruções de IA: instruções que você pode definir em seu modelo para fornecer mais contexto sobre os dados no modelo, ajudar a orientar o Copilot a entender quando se concentrar em quais dados e ajudar a entender determinados mapeamentos que os usuários da linguagem podem usar ao interagir com o Copilot.
• Descrições: descrições definidas em tabelas e colunas para fornecer mais detalhes sobre o contexto nos dados. As descrições são usadas apenas em recursos de consulta de consulta e pesquisa copilot q das expressões de análise de dados (DAX).

Para obter o maior valor do Power BI Copilot, sugerimos implementar seus recursos de ferramentas na seguinte sequência:

1. Defina o esquema de dados de IA.

   Comece selecionando as tabelas, campos e medidas específicos que o Copilot deve fazer referência ao responder a perguntas de dados.

   Durante o desenvolvimento do modelo, você pode incluir elementos que não são relevantes para consultas de usuário final. Restringir o esquema ajuda o Copilot a se concentrar nas partes mais significativas do seu modelo, reduzindo a ambiguidade , especialmente em grandes conjuntos de dados com campos sobrepostos ou similarmente nomeados.

   Aqui temos um exemplo de como o esquema de dados de IA pode ajudar o Copilot a se concentrar nos dados corretos.

   Quando todo o esquema é usado, o Copilot nem sempre fica claro sobre a intenção do usuário quando ele diz vendas. Nesse caso, Copilot retornou GPM ou margem de lucro bruto, uma interpretação legítima de vendas, mas não a métrica que essa equipe normalmente usa para analisar vendas.

   O autor do modelo entra na preparação de dados para IA e remove a medida total do GPM de ser incluída no esquema passado para o Copilot.

   Agora, quando o usuário faz a mesma pergunta, o Copilot tem mais clareza sobre de onde obter a resposta e interpreta corretamente as vendas como definidas e medidas por essa equipe.

   

2. Crie respostas verificadas.

   Configure respostas verificadas para perguntas comuns ou com nuances que os usuários podem fazer.

   Para fazer isso, selecione um visual e escolha "Criar resposta verificada". Em seguida, adicione frases de gatilho que reflitam como os usuários provavelmente expressarão suas perguntas. Quando os usuários inserem uma frase correspondente ou semelhante em Copilot, ela retorna o visual confiável , garantindo respostas consistentes e de alta qualidade em relatórios.

   O exemplo a seguir mostra o benefício de uma resposta verificada. O usuário solicita vendas por área. Copilot interpreta a área como área do produto e retorna uma lista de produtos e suas vendas. No entanto, o usuário estava procurando vendas por região ou local.

   O autor do modelo define uma resposta verificada, usando um visual que inclui vendas por região. Depois de optar por definir uma resposta verificada no visual, o autor do modelo inclui frases de gatilho que, quando solicitadas por um usuário, devem retornar essa resposta visual específica.

   Agora, quando o usuário pergunta o que são vendas por área, a resposta verificada, aprovada pelo autor do modelo, é retornada pela Copilot.

   

3. Adicione instruções de IA.

   Depois de definir o esquema e as respostas verificadas, use instruções de IA para orientar o comportamento do Copilot no nível do modelo.

   As instruções ajudam a esclarecer a lógica de negócios, mapear a terminologia do usuário para campos de modelo e direcionar o Copilot sobre como interpretar ou analisar tipos específicos de dados. Eles são úteis para fornecer contexto que Copilot não inferiria por conta própria.

   O exemplo a seguir mostra como as instruções de IA podem ser usadas para fornecer mais contexto ao Copilot. O usuário pediu vendas durante a temporada movimentada de 2012. A temporada ocupada é uma frase bem definida e comumente usada dentro desta organização. No entanto, o modelo semântico não tem nenhuma indicação desse termo em qualquer lugar. O autor do modelo define uma instrução de que a temporada de ocupado é definida como junho-agosto.

   Agora, quando o usuário faz a pergunta novamente sobre vendas durante a temporada movimentada, a Copilot entende esse termo definido e pode fornecer a resposta.

   

4. Adicione descrições a tabelas e colunas.

   As descrições fornecem metadados extras que o Copilot pode usar para entender seu modelo.

   Embora as descrições atualmente influenciem apenas alguns comportamentos do Copilot, elas desempenharão um papel maior em recursos futuros. Adicioná-los agora ajuda a criar uma base forte para o sucesso a longo prazo com interações de linguagem natural no Power BI.

Hoje, as ferramentas e os recursos de configuração só estão disponíveis no modelo. Ainda não há suporte para a configuração de relatórios diferentes compilados com o mesmo modelo. O esquema, as respostas verificadas, as instruções e as descrições são definidos no modelo semântico, mas não no relatório.

Consulte a tabela a seguir:

1. Defina seu esquema de dados de IA.

   Remova tabelas, colunas ou campos irrelevantes para as necessidades dos usuários. Isso ajuda o Copilot a se concentrar nas partes mais relevantes do seu modelo, garantindo que ele selecione os campos certos ao responder às consultas.

2. Use respostas verificadas para visuais em relatórios.

   Se a resposta a uma pergunta puder ser derivada de um visual em seu relatório, crie uma resposta verificada. Isso garante que, quando os usuários fazem perguntas com frases de gatilho específicas, Copilot retorna o visual correto de forma consistente.

3. Personalize as instruções para campos específicos.

   Depois de definir o esquema e as respostas verificadas, você poderá usar instruções de IA para orientar Copilot ao selecionar campos específicos. É recomendável usar instruções para ajuste fino e para cenários avançados depois que outros recursos de IA de dados de preparação forem definidos. Usando essa sequência de etapas, você garante que o Copilot retorne os resultados mais precisos e contextualmente relevantes aos usuários, guiados pela estrutura do modelo e suas instruções definidas.

Se você tiver um termo copilot está lutando para entender que sempre tem o mesmo item correto único para fazer referência em seu modelo, você pode fornecer um nome alternativo por meio de instruções de IA.

Por exemplo, se sua equipe chamar as pessoas que vendem seus produtos de "mais perto", a melhor opção seria dar uma referência nas instruções de IA definindo "vendedores" para também serem conhecidos como "mais próximos".

Se sua equipe usa determinados termos que não são uma correspondência exata 1:1 com tabelas/campos em seu modelo, o uso de instruções de IA ajuda a esclarecer diferentes itens com determinadas condições ou agrupamentos.

Por exemplo, uma equipe de vendas pode classificar "alto desempenho" como qualquer pessoa que venda mais de 100% de suas metas em um determinado mês. Em seguida, você pode fornecer as seguintes instruções ao Copilot:

Alto desempenho significa um vendedor que atende 100% ou mais de sua meta mensal.

Agora, quando um usuário pergunta "Quem foram os artistas de alto desempenho no mês passado?" Copilot entende a definição do que significa um alto desempenho em sua equipe e organização.

Outro exemplo pode vir com a forma como uma equipe classifica temporadas diferentes. Por exemplo, Jan-May pode ser referenciado em sua equipe como temporada lenta, junho a setembro pode ser temporada movimentada, e outubro a dezembro pode ser temporada padrão.

Nas instruções de IA, você pode definir o seguinte:

• Temporada lenta significa janeiro a maio.
• Temporada movimentada significa junho a setembro.
• Temporada padrão significa outubro a dezembro.

Agora, quando um usuário pergunta "Quais foram as vendas totais para a temporada movimentada do ano passado?" Copilot entende o período de tempo que o usuário significa por temporada movimentada.

Os consumidores de seu relatório e dados provavelmente têm perguntas comuns que são feitas com mais frequência. A melhor maneira de resolver isso é aplicar respostas verificadas ao seu modelo. Aplique uma resposta verificada selecionando um visual e definindo frases de gatilho que, quando um usuário pergunta sobre o tópico, ele retorna informações usando o visual atribuído.

Por exemplo, os consumidores do relatório e do modelo geralmente perguntam: "Qual produto teve as maiores vendas na semana passada" perguntas sobre o total e os valores de vendas. Definir uma resposta verificada ajuda o Copilot a entender de onde obter as informações certas e ajuda a criar a confiança do autor e do consumidor com a resposta fornecida.

As funcionalidades que existem hoje estão limitadas ao consumo amplo. Atualmente, não há suporte para a criação de um glossário baseado em grupos diferentes. Por exemplo, se o uso para engenheiros significa "número de vezes clicado" e o uso para um gerente de produto significa "pagando clientes em um determinado mês" então, a definição de "uso" no modelo de duas maneiras diferentes não pode ser suportada hoje.

Para o Copilot ser capaz de executar no seu melhor, é fundamental que o Copilot possa entender os dados subjacentes no modelo semântico. Uma maneira que o Power BI Copilot tenta entender os dados subjacentes é indexando o modelo semântico para pesquisar com precisão valores relevantes para corresponder. Isso permite que o Copilot responda a perguntas efetivamente com base no prompt do usuário.

Considere o conjunto de dados de turismo do Havaí. Para responder perguntas como: "Como o clima afetou as visitas turísticas em Maui?" Copilot precisa entender que Maui é um valor de instância no modelo semântico na coluna Nome da Ilha da tabela Island .

Para fornecer ao Copilot a capacidade de pesquisar efetivamente esses valores de instância, o modelo semântico é indexado quando o Q&A é habilitado e reindexado quando o Power BI detecta alterações feitas no modelo.

Frequência de indexação de modelo

A indexação é feita para todos os modelos que têm a configuração de Q&A habilitada.

A reindexação ocorre quando uma das seguintes ações ocorre:

• Para modelos de importação :
  • O modelo foi publicado/republicado no serviço.
  • O modelo foi atualizado por meio de atualização manual ou agendada e Copilot/Q&A foi usado nos últimos 14 dias.
• Para modelos direct query e Direct Lake :
  • O modelo foi publicado/republicado no serviço.
  • O índice tem mais de 24 horas e Copilot/Q&A foi usado nos últimos 14 dias.

A mensagem a seguir no Copilot indica que o modelo está atualmente em processo de indexação. A mensagem deve ser resolvida automaticamente após a conclusão da indexação.

Metodologia de indexação

As colunas de texto no modelo semântico são as únicas colunas indexadas. As colunas ocultas no esquema de IA por meio do recurso Preparar seus dados para IA não são indexadas.

Até cinco milhões de valores de instância são indexados com colunas, com a menor cardinalidade sendo indexada primeiro. A cardinalidade da coluna é determinada para DISTINCTCOUNT modelos de importação e COLUMNSTATISTICS para modelos de Consulta Direta. Para fontes de Consulta Direta, a COLUMNSTATISTICS função usa a APPROXIMATEDISTINCTCOUNT função para fontes de dados subjacentes que dão suporte a ela para determinar com eficiência cardinalidades de coluna aproximadas. Para evitar ainda mais a sobrecarga do sistema subjacente para modelos de Consulta Direta com um influxo de consultas devido à indexação, os resultados COLUMNSTATISTICS são armazenados em cache e as estatísticas são recomputadas a cada sete dias. Durante o processo de indexação, se o limite superior do valor de cinco milhões de instâncias for cruzado com a indexação da próxima coluna, a indexação da coluna será totalmente ignorada.

Se o limite da indexação for atingido, Copilot ainda responderá, mas com base no índice criado, que não inclui todos os valores de instância. Os usuários veem o aviso a seguir quando o modelo semântico em questão atinge o limite de indexação.

Limitações conhecidas

• A indexação tem um limite de limite superior de cinco milhões de valores de instância ou 1.000 entidades de modelo (tabelas/colunas) para modelos semânticos grandes.
• Valores de texto de mais de 100 caracteres não são indexados.
• Os modelos de Consulta Direta indexam apenas colunas para fontes de dados compatíveis APPROXIMATEDISTINCTCOUNT.
• A indexação para modelos direct query e Direct Lake ocorre uma vez durante um período de tempo de 24 horas, a menos que o modelo seja republicado.