Perguntas frequentes sobre a preparação de dados para IA

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

• Esquema de dados AI: Permite selecionar um subconjunto do esquema para consumo do Copilot.
• Respostas verificadas: uma resposta configurada definida por um autor de modelo que é validada para precisão e confiabilidade. Os autores podem definir visuais específicos para o 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 para entender quando se concentrar em quais dados e ajudar a entender certos mapeamentos que os usuários podem usar ao interagir com o Copilot.
• Descrições: Descrições definidas em tabelas e colunas para fornecer mais detalhes sobre o contexto dos dados. As descrições são usadas apenas em expressões de análise de dados (DAX), consulta q e recursos de pesquisa Copilot.

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

1. Defina o esquema de dados da IA.

   Comece selecionando as tabelas, campos e medidas específicos que o Copilot deve referenciar ao responder a perguntas sobre dados.

   Durante o desenvolvimento do modelo, você pode incluir elementos que não são relevantes para consultas do usuário final. Estreitar 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 com nomes semelhantes.

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

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

   O autor do modelo entra para preparar dados para IA e remove a medida Total 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 conforme definido e medido por essa equipe.

   

2. Crie respostas verificadas.

   Configure respostas verificadas para perguntas comuns ou matizadas que os usuários possam fazer.

   Para fazer isso, selecione um visual e escolha "Criar resposta verificada". Em seguida, adicione frases de gatilho que reflitam como os usuários provavelmente formularão suas perguntas. Quando os usuários inserem uma frase correspondente ou semelhante no Copilot, ele retorna o visual confiável - garantindo respostas consistentes e de alta qualidade em todos os relatórios.

   O exemplo a seguir mostra o benefício de uma resposta verificada. O usuário pede vendas por área. Copilot interpreta área como área de 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 escolher 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 devolvida pelo 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 o Copilot não inferiria sozinho.

   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 alta temporada de 2012. Temporada movimentada é uma expressão bem definida e comumente usada dentro desta organização. No entanto, o modelo semântico não tem indicação deste termo em lugar algum. O autor do modelo define uma instrução de que a alta temporada é definida como junho-agosto.

   Agora, quando o usuário faz a pergunta novamente sobre vendas durante a alta temporada, o 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 nos recursos futuros. Adicioná-los agora ajuda a construir uma base sólida para o sucesso a longo prazo com interações de linguagem natural no Power BI.

Hoje, as ferramentas e os recursos de configuração estão disponíveis apenas no modelo. A configuração de diferentes relatórios criados a partir do mesmo modelo ainda não é suportada. 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 quaisquer tabelas, colunas ou campos que sejam irrelevantes para as necessidades dos utilizadores. Isso ajuda o Copilot a se concentrar nas partes mais relevantes do seu modelo, garantindo que ele selecione os campos certos ao responder a consultas.

2. Use respostas verificadas para elementos visuais em relatórios.

   Se a resposta a uma pergunta puder ser derivada de um visual no seu relatório, crie uma resposta verificada. Isso garante que, quando os usuários fizerem perguntas com frases de gatilho específicas, o Copilot retorne o visual correto de forma consistente.

3. Personalize instruções para campos específicos.

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

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

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

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

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

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

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

Outro exemplo pode vir com a forma como uma equipa classifica diferentes épocas. 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.

Dentro das instruções de IA, você pode definir o seguinte:

• Baixa temporada 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 alta temporada no ano passado?" O Copilot entende qual o período de tempo que o usuário entende por alta temporada.

Os consumidores do 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 gatilho 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 das vendas. Definir uma resposta verificada ajuda o Copilot a entender de onde obter as informações certas e ajuda a construir a confiança do autor e do consumidor com a resposta fornecida.

As capacidades, tal como existem hoje, limitam-se a um consumo alargado. Atualmente, não há suporte para a criação de um glossário com base em diferentes grupos. Por exemplo, se o uso para engenheiros significa "número de vezes clicado" e o uso para um gerente de produto significa "clientes pagantes em um determinado mês", então definir "uso" no modelo de duas maneiras diferentes não pode ser suportado hoje.

Para que o Copilot possa ter o seu melhor desempenho, é fundamental que o Copilot possa compreender 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 os valores relevantes para corresponder. Isso permite que o Copilot responda a perguntas de forma eficaz com base no prompt do usuário.

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

Para fornecer ao Copilot a capacidade de pesquisar efetivamente esses valores de instância, o modelo semântico é indexado quando as Perguntas e Respostas são habilitadas e reindexadas quando o Power BI deteta que foram feitas alterações no modelo.

Frequência de indexação do modelo

A indexação é feita para todos os modelos que têm a configuração de Perguntas e Respostas habilitada.

A reindexação ocorre quando ocorre uma das seguintes ações:

• Para modelos de importação :
  • O modelo foi publicado/republicado no serviço.
  • O modelo foi atualizado via atualização manual ou programada e o 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 o Copilot/Q&A foi utilizado nos últimos 14 dias.

A seguinte mensagem no Copilot indica que o modelo está atualmente em processo de indexação. A mensagem deve ser resolvida automaticamente assim que a indexação for concluída.

Metodologia de indexação

As colunas de texto no modelo semântico são as únicas colunas indexadas. As colunas que estão 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 com DISTINCTCOUNT para 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 a suportam para determinar com eficiência cardinalidades aproximadas de coluna. Para evitar ainda mais sobrecarregar o sistema subjacente para modelos de Direct Query com um influxo de consultas devido à indexação, os resultados são COLUMNSTATISTICS armazenados em cache e as estatísticas são recalculadas 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 ignorada completamente.

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

Limitações conhecidas

• A indexação tem um limite superior de cinco milhões de valores de instância ou 1.000 entidades de modelo (tabelas/colunas) para modelos semânticos grandes.
• Os valores de texto de 100+ caracteres não são indexados.
• Os modelos do Direct Query indexam apenas colunas para fontes de dados que oferecem suporte ao APPROXIMATEDISTINCTCOUNT.
• A indexação para modelos Direct Query e Direct Lake ocorre uma vez durante um período de 24 horas, a menos que o modelo seja republicado.