คําถามที่พบบ่อยเกี่ยวกับการเตรียมข้อมูลสําหรับ AI

วันนี้ Power BI มีฟีเจอร์เครื่องมือหลักสี่อย่างเพื่อกําหนดค่าแบบจําลองของคุณให้พร้อมสําหรับการประมวลผลภาษาธรรมชาติ:

• เค้าร่างข้อมูล AI: ช่วยให้คุณสามารถเลือกชุดย่อยของสคีมาสําหรับปริมาณการใช้ Copilot
• คําตอบที่ได้รับการตรวจสอบแล้ว: คําตอบที่กําหนดค่าไว้โดยผู้สร้างแบบจําลองที่ผ่านการตรวจสอบความถูกต้องและความน่าเชื่อถือ ผู้เขียนสามารถตั้งค่าวิชวลเฉพาะสําหรับ Copilot เพื่อใช้ในคําตอบที่ผ่านการตรวจสอบเมื่อผู้ใช้ถามคําถามที่ตรงกับประเภทที่กําหนด
• คําแนะนําของ AI: คําแนะนําที่คุณสามารถตั้งค่าบนแบบจําลองของคุณเพื่อให้บริบทเพิ่มเติมเกี่ยวกับข้อมูลในแบบจําลอง ช่วยแนะนํา Copilot ให้เข้าใจว่าเมื่อใดที่ควรเน้นไปที่ข้อมูล และช่วยทําความเข้าใจการทําแผนที่ภาษาที่ผู้ใช้อาจใช้เมื่อโต้ตอบกับ Copilot
• คําอธิบาย: คําอธิบายที่ตั้งค่าในตารางและคอลัมน์เพื่อให้รายละเอียดเพิ่มเติมเกี่ยวกับบริบทเกี่ยวกับข้อมูล คําอธิบายจะใช้ในนิพจน์การวิเคราะห์ข้อมูล (DAX) เท่านั้น q query และความสามารถในการค้นหา Copilot

เพื่อให้ได้ค่าสูงสุดจาก Power BI Copilot เราขอแนะนําให้ใช้คุณลักษณะการใช้เครื่องมือตามลําดับต่อไปนี้:

1. กําหนดเค้าร่างข้อมูล AI

   เริ่มต้นด้วยการเลือกตาราง เขตข้อมูล และหน่วยวัดที่เฉพาะเจาะจง Copilot ควรอ้างอิงเมื่อตอบคําถามข้อมูล

   ในระหว่างการพัฒนาแบบจําลอง คุณอาจมีองค์ประกอบที่ไม่เกี่ยวข้องกับคิวรีของผู้ใช้ปลายทาง การจํากัด Schema ให้แคบลงช่วยให้ Copilot มุ่งเน้นไปที่ส่วนที่มีความหมายมากที่สุดของแบบจําลองของคุณ ลดความคลุมเครือ - โดยเฉพาะอย่างยิ่งในชุดข้อมูลขนาดใหญ่ที่มีการซ้อนทับกันหรือเขตข้อมูลที่มีชื่อคล้ายกัน

   ที่นี่เรามีตัวอย่างของวิธีที่โครงสร้างข้อมูล AI สามารถช่วยให้ Copilot มุ่งเน้นไปที่ข้อมูลที่ถูกต้อง

   เมื่อใช้เค้าร่างทั้งหมด Copilot จะไม่ชัดเจนเสมอไปตามเจตนาของผู้ใช้เมื่อพวกเขาพูดว่ายอดขาย ในกรณีนี้ Copilot ส่งกลับ GPM หรืออัตรากําไรขั้นต้น การตีความยอดขายที่ถูกต้องตามกฎหมาย แต่ไม่ใช่เมตริกที่ทีมนี้ใช้เพื่อวิเคราะห์ยอดขายโดยทั่วไป

   ผู้สร้างแบบจําลองจะเข้าไปเพื่อเตรียมข้อมูลสําหรับ AI และลบหน่วยวัด GPM ทั้งหมดออกจากการรวมอยู่ใน schema ที่ส่งผ่านไปยัง Copilot

   ตอนนี้เมื่อผู้ใช้ถามคําถามเดียวกัน Copilot มีความชัดเจนมากขึ้นว่าจะได้รับคําตอบจากที่ใดและตีความยอดขายได้อย่างถูกต้องตามที่กําหนดไว้และหน่วยวัดโดยทีมนี้

   

2. สร้างคําตอบที่ผ่านการตรวจสอบแล้ว

   ตั้งค่าคําตอบที่ได้รับการตรวจสอบแล้วสําหรับคําถามทั่วไปหรือคําถามที่ต่างกันที่ผู้ใช้อาจถาม

   เมื่อต้องการทําเช่นนี้ ให้เลือกวิชวลและเลือก "สร้างคําตอบที่ผ่านการตรวจสอบ" จากนั้นเพิ่มวลีทริกเกอร์ที่สะท้อนให้เห็นว่าผู้ใช้มีแนวโน้มที่จะเขียนวลีคําถามของพวกเขาอย่างไร เมื่อผู้ใช้ป้อนวลีที่ตรงกันหรือคล้ายกันใน Copilot จะส่งกลับวิชวลที่เชื่อถือได้ เพื่อให้มั่นใจว่าการตอบกลับในรายงานทั้งหมดมีคุณภาพสม่ําเสมอและมีคุณภาพสูง

   ตัวอย่างต่อไปนี้แสดงให้เห็นถึงประโยชน์ของคําตอบที่ผ่านการตรวจสอบแล้ว ผู้ใช้ขอยอดขายตามพื้นที่ Copilot ตีความพื้นที่เป็นพื้นที่ผลิตภัณฑ์และส่งกลับรายการผลิตภัณฑ์และยอดขายของพวกเขา อย่างไรก็ตาม ผู้ใช้กําลังค้นหายอดขายตามภูมิภาคหรือตําแหน่งที่ตั้ง

   ผู้สร้างแบบจําลองตั้งค่าคําตอบที่ผ่านการตรวจสอบแล้วโดยใช้วิชวลที่มียอดขายตามภูมิภาค หลังจากเลือกที่จะตั้งค่าคําตอบที่ผ่านการตรวจสอบแล้วบนวิชวล ผู้สร้างแบบจําลองจะมีวลีทริกเกอร์ที่เมื่อผู้ใช้ถามควรส่งกลับการตอบสนองวิชวลเฉพาะนี้

   ตอนนี้ เมื่อผู้ใช้ถามว่ายอดขายตามพื้นที่คืออะไร คําตอบที่ได้รับการตรวจสอบแล้วซึ่งได้รับการอนุมัติโดยผู้สร้างแบบจําลองจะถูกส่งกลับโดย Copilot

   

3. เพิ่มคําแนะนําของ AI

   หลังจากกําหนดสคีมาและคําตอบที่ผ่านการตรวจสอบแล้ว ให้ใช้คําแนะนํา AI เพื่อแนะนําลักษณะการทํางานของ Copilot ในระดับแบบจําลอง

   คําแนะนําช่วยชี้แจงตรรกะทางธุรกิจ แมปคําศัพท์ของผู้ใช้ไปยังเขตข้อมูลแบบจําลอง และ Direct Copilot เกี่ยวกับวิธีการแปลหรือวิเคราะห์ข้อมูลประเภทเฉพาะ ซึ่งมีประโยชน์ในการให้บริบท Copilot จะไม่อนุมานด้วยตัวมันเอง

   ตัวอย่างต่อไปนี้แสดงวิธีการใช้คําแนะนํา AI เพื่อให้บริบทเพิ่มเติมแก่ Copilot ผู้ใช้ขอยอดขายในช่วงไม่ว่างของปี 2012 ฤดูกาลที่ไม่ว่างเป็นวลีที่กําหนดไว้อย่างดีและมักใช้ภายในองค์กรนี้ อย่างไรก็ตาม แบบจําลองความหมายไม่มีการระบุคํานี้ที่ใดก็ได้ ผู้สร้างแบบจําลองตั้งค่าคําแนะนําที่ฤดูกาลยุ่งเหน็จถูกกําหนดเป็น เดือนมิถุนายน-ส.ค.

   ตอนนี้เมื่อผู้ใช้ถามคําถามเกี่ยวกับยอดขายในช่วงไม่ว่างอีกครั้ง Copilot เข้าใจคําศัพท์ที่กําหนดไว้นี้และสามารถให้การตอบสนองได้

   

4. เพิ่มคําอธิบายลงในตารางและคอลัมน์

   คําอธิบายมีเมตาดาต้าพิเศษที่ Copilot สามารถใช้เพื่อทําความเข้าใจแบบจําลองของคุณ

   ในขณะที่คําอธิบายในปัจจุบันมีอิทธิพลต่อพฤติกรรมของตัวนําร่องบางอย่างเท่านั้น แต่จะมีบทบาทที่ใหญ่ขึ้นในความสามารถในอนาคต การเพิ่มข้อมูลในขณะนี้ช่วยสร้างรากฐานที่แข็งแกร่งสําหรับความสําเร็จระยะยาวด้วยการโต้ตอบภาษาธรรมชาติใน Power BI

วันนี้ ฟีเจอร์การใช้เครื่องมือและการกําหนดค่าสามารถใช้งานได้บนแบบจําลองเท่านั้น การกําหนดค่ารายงานที่แตกต่างกันที่สร้างขึ้นจากแบบจําลองเดียวกันยังไม่ได้รับการสนับสนุน Schema คําตอบที่ผ่านการตรวจสอบ คําแนะนํา และคําอธิบายจะถูกตั้งค่าบนแบบจําลองความหมาย แต่ไม่อยู่ในรายงาน

อ้างอิงไปยังตารางต่อไปนี้:

1. กําหนดเค้าร่างข้อมูล AI ของคุณ

   ลบตาราง คอลัมน์ หรือเขตข้อมูลใดๆ ที่ไม่เกี่ยวข้องตามความต้องการของผู้ใช้ของคุณ การดําเนินการนี้ช่วยให้ Copilot มุ่งเน้นไปที่ส่วนที่เกี่ยวข้องมากที่สุดของแบบจําลองของคุณ เพื่อให้แน่ใจว่าจะเลือกเขตข้อมูลที่ถูกต้องเมื่อตอบสนองต่อการคิวรี

2. ใช้คําตอบที่ผ่านการตรวจสอบสําหรับวิชวลในรายงาน

   หากคําตอบของคําถามสามารถมาจากวิชวลในรายงานของคุณ ให้สร้างคําตอบที่ผ่านการตรวจสอบแล้ว ซึ่งทําให้แน่ใจว่าเมื่อผู้ใช้ถามคําถามด้วยวลีทริกเกอร์เฉพาะ Copilot จะส่งกลับวิชวลที่ถูกต้องอย่างสม่ําเสมอ

3. กําหนดคําแนะนําสําหรับเขตข้อมูลเฉพาะ

   เมื่อคุณตั้งค่า Schema และคําตอบที่ผ่านการตรวจสอบแล้ว คุณสามารถใช้คําแนะนํา AI เพื่อแนะนํา Copilot เมื่อเลือกเขตข้อมูลเฉพาะ เราขอแนะนําให้ใช้คําแนะนําสําหรับการปรับให้เหมาะสมและสําหรับสถานการณ์ขั้นสูงหลังจากตั้งค่าคุณลักษณะ AI ของข้อมูลการเตรียมการอื่นๆ แล้ว เมื่อใช้ลําดับขั้นตอนนี้ คุณมั่นใจได้ว่า Copilot จะส่งกลับผลลัพธ์ที่ถูกต้องและเกี่ยวข้องกับบริบทมากที่สุดแก่ผู้ใช้ โดยให้คําแนะนําจากโครงสร้างของแบบจําลองและคําแนะนําที่คุณกําหนด

หากคุณมีคําว่า Copilot กําลังดิ้นรนเพื่อให้เข้าใจว่ามีรายการที่ถูกต้องรายการเดียวกันเสมอเพื่ออ้างอิงในแบบจําลองของคุณ คุณสามารถใส่ชื่อทางเลือกผ่านคําแนะนําของ AI ได้

ตัวอย่างเช่น หากทีมของคุณเรียกคนที่ขายผลิตภัณฑ์ "ผู้ใกล้ชิด" ของคุณ ตัวเลือกที่ดีที่สุดคือการให้การอ้างอิงคําแนะนํา AI โดยการตั้งค่า "ผู้ขาย" เรียกอีกอย่างว่า "ผู้ใกล้ชิด"

หากทีมของคุณใช้คําศัพท์บางคําที่ไม่ตรงกับตาราง/เขตข้อมูลในแบบจําลองของคุณ 1:1 เมื่อใช้คําแนะนํา AI จะช่วยอธิบายรายการต่าง ๆ ที่มีเงื่อนไขหรือการจัดกลุ่มบางอย่าง

ตัวอย่างเช่น ทีมขายอาจจัดประเภท "ผู้ทํางานสูง" เป็นใครก็ตามที่ขายมากกว่า 100% เป้าหมายของพวกเขาในเดือนใด ๆ ที่ระบุ จากนั้นคุณสามารถให้คําแนะนําต่อไปนี้กับ Copilot:

ผู้มีประสิทธิภาพสูงหมายถึงผู้ขายที่ตรงตามเป้าหมายรายเดือนมากกว่า 100% หรือมากกว่า

ตอนนี้ เมื่อผู้ใช้ถามว่า "ใครเป็นผู้ทํางานสูงเมื่อเดือนที่แล้ว" Copilot เข้าใจความหมายของความหมายของความหมายของผู้ทํางานสูงในทีมและองค์กรของคุณ

ตัวอย่างอื่นอาจมากับวิธีที่ทีมจัดประเภทฤดูกาลที่แตกต่างกัน ตัวอย่างเช่น Jan-May อาจมีการอ้างอิงถึงในทีมของคุณเป็นฤดูกาลที่ช้า เดือนมิถุนายนถึงกันยายนอาจยุ่งมาก และเดือนตุลาคมถึงธันวาคมอาจเป็นฤดูกาลมาตรฐาน

ภายในคําแนะนําของ AI คุณสามารถตั้งค่าต่อไปนี้:

• ฤดูกาลช้า หมายถึงเดือนมกราคมถึงพฤษภาคม
• ช่วงไม่ว่าง หมายถึงเดือนมิถุนายนถึงกันยายน
• ฤดูกาลมาตรฐาน หมายถึงเดือนตุลาคมถึงธันวาคม

ตอนนี้ เมื่อผู้ใช้ถามว่า "ยอดขายทั้งหมดสําหรับฤดูกาลที่ยุ่งมากเป็นอย่างไรเมื่อปีที่แล้ว" Copilot เข้าใจว่ากรอบเวลาใดที่ผู้ใช้หมายถึงตามฤดูกาลที่ไม่ว่าง

ผู้บริโภคของรายงานและข้อมูลของคุณอาจมีคําถามทั่วไปที่ถามบ่อยที่สุด วิธีที่ดีที่สุดในการแก้ไขปัญหานี้คือการใช้คําตอบที่ผ่านการตรวจสอบกับแบบจําลองของคุณ ใช้คําตอบที่ผ่านการตรวจสอบโดยการเลือกวิชวลและการตั้งค่าวลีทริกเกอร์ที่เมื่อผู้ใช้ถามเกี่ยวกับหัวข้อ จะส่งกลับข้อมูลโดยใช้วิชวลที่กําหนด

ตัวอย่างเช่น ผู้บริโภคของรายงานและแบบจําลองมักจะถามคําถามเกี่ยวกับ "ผลิตภัณฑ์ใดมียอดขายสูงสุดในสัปดาห์ที่แล้ว" เกี่ยวกับยอดขายรวมและจํานวน การตั้งค่าคําตอบที่ผ่านการตรวจสอบช่วยให้ Copilot เข้าใจตําแหน่งที่จะรับข้อมูลที่ถูกต้องจากและช่วยสร้างความไว้วางใจของผู้เขียนและผู้บริโภคด้วยคําตอบที่ให้ไว้

ความสามารถที่พวกเขามีอยู่ในปัจจุบันนี้จํากัดเฉพาะการบริโภคในวงกว้าง การสร้างอภิธานศัพท์ตามกลุ่มที่แตกต่างกันไม่ได้รับการสนับสนุนในวันนี้ ตัวอย่างเช่น หากการใช้งานกับวิศวกรหมายถึง "จํานวนครั้งที่คลิก" และการใช้งานกับผู้จัดการผลิตภัณฑ์ หมายความว่า "การชําระเงินลูกค้าในเดือนที่ระบุ" การกําหนด "การใช้งาน" ในแบบจําลองในสองวิธีที่แตกต่างกันจะไม่สามารถรองรับได้ในปัจจุบัน

สําหรับ Copilot เพื่อให้สามารถทํางานได้ดีที่สุด มันเป็นสิ่งสําคัญที่ Copilot สามารถทําความเข้าใจข้อมูลเบื้องต้นในแบบจําลองความหมาย วิธีหนึ่งที่ Power BI Copilot พยายามทําความเข้าใจข้อมูลเบื้องต้นคือการจัดทําดัชนีแบบจําลองความหมายเพื่อค้นหาค่าที่เกี่ยวข้องให้ตรงกับอย่างถูกต้อง ซึ่งช่วยให้ Copilot ตอบคําถามได้อย่างมีประสิทธิภาพตามพร้อมท์ของผู้ใช้

พิจารณาชุดข้อมูลการท่องเที่ยวฮาวาย หากต้องการตอบคําถามเช่น "สภาพอากาศส่งผลต่อการเที่ยวชมสถานที่ท่องเที่ยวบน Maui อย่างไร" Copilot จําเป็นต้องทําความเข้าใจว่า Maui เป็นค่าอินสแตนซ์ในแบบจําลองความหมายในคอลัมน์ชื่อเกาะของตารางเกาะ

เพื่อให้ Copilot สามารถค้นหาค่าอินสแตนซ์เหล่านี้ได้อย่างมีประสิทธิภาพ แบบจําลองความหมายจะถูกจัดทําดัชนีเมื่อเปิดใช้งาน Q&A และจัดดัชนีใหม่เมื่อ Power BI ตรวจพบการเปลี่ยนแปลงที่เกิดขึ้นกับแบบจําลอง

ความถี่ในการจัดทําดัชนีแบบจําลอง

การทําดัชนีเสร็จแล้วสําหรับแบบจําลองทั้งหมดที่มีการเปิดใช้งานการตั้งค่า Q&A

การจัดดัชนีใหม่จะเกิดขึ้นเมื่อหนึ่งในการดําเนินการต่อไปนี้เกิดขึ้น:

• สําหรับแบบจําลอง การนําเข้า :
  • แบบจําลองถูกเผยแพร่/เผยแพร่ใหม่ไปยังบริการ
  • แบบจําลองถูกรีเฟรชผ่านการรีเฟรชด้วยตนเองหรือตามกําหนดการ และการใช้งาน Copilot/Q&A ภายใน 14 วันที่ผ่านมา
• สําหรับ คิวรีโดยตรง และแบบจําลอง Direct Lake :
  • แบบจําลองถูกเผยแพร่/เผยแพร่ใหม่ไปยังบริการ
  • ดัชนีที่มีอายุมากกว่า 24 ชั่วโมง และ Copilot/Q&A ถูกใช้ภายใน 14 วันที่ผ่านมา

ข้อความต่อไปนี้ใน Copilot ระบุว่าแบบจําลองกําลังอยู่ระหว่างการทําดัชนี ข้อความควรแก้ไขโดยอัตโนมัติเมื่อการทําดัชนีเสร็จสมบูรณ์

วิธีการทําดัชนี

คอลัมน์ข้อความในแบบจําลองความหมายเป็นคอลัมน์เดียวเท่านั้นที่จัดทําดัชนี คอลัมน์ที่ซ่อนอยู่ในโครงสร้าง AI ผ่าน การเตรียมข้อมูลของคุณสําหรับคุณลักษณะ AI จะไม่ถูกจัดทําดัชนี

มีการทําดัชนีค่าอินสแตนซ์สูงสุดห้าล้านค่าด้วยคอลัมน์ โดยมีคาร์ดินาลลิตี้ที่น้อยที่สุดที่จัดทําดัชนีก่อน มีการกําหนดคาร์ดินาลลิตี้ของคอลัมน์สําหรับ DISTINCTCOUNT แบบจําลองการนําเข้าและ COLUMNSTATISTICS สําหรับแบบจําลองคิวรีโดยตรง สําหรับแหล่งข้อมูล COLUMNSTATISTICS Direct Query ฟังก์ชันจะใช้ APPROXIMATEDISTINCTCOUNT ฟังก์ชันสําหรับแหล่งข้อมูลต้นแบบที่สนับสนุนเพื่อกําหนดคาร์ดินาลลิตี้ของคอลัมน์โดยประมาณได้อย่างมีประสิทธิภาพ เพื่อป้องกันการโอเวอร์โหลดระบบพื้นฐานสําหรับแบบจําลองคิวรีโดยตรงที่มีคิวรีจํานวนมากเกินไปเนื่องจากการจัดทําดัชนี ผลลัพธ์ของ COLUMNSTATISTICS จะถูกแคชและสถิติจะถูกรวมใหม่ทุก ๆ เจ็ดวัน ในระหว่างกระบวนการทําดัชนี หากค่าอินสแตนซ์ห้าล้านที่ผูกไว้ด้านบนถูกข้ามกับการทําดัชนีของคอลัมน์ถัดไป การจัดทําดัชนีของคอลัมน์จะถูกข้ามไปทั้งหมด

ถ้าถึงขีดจํากัดของการทําดัชนี Copilot ยังคงให้คําตอบ แต่ขึ้นอยู่กับดัชนีที่สร้างขึ้น ซึ่งไม่รวมค่าอินสแตนซ์ทั้งหมด ผู้ใช้เห็นคําเตือนต่อไปนี้เมื่อแบบจําลองความหมายในคําถามถึงขีดจํากัดการทําดัชนี

ข้อจำกัดที่ทราบ

• การทําดัชนีมีขีดจํากัดที่ผูกสูงสุดของค่าอินสแตนซ์ห้าล้านค่าหรือเอนทิตีแบบจําลอง 1,000 รายการ (ตาราง/คอลัมน์) สําหรับแบบจําลองความหมายขนาดใหญ่
• ค่าข้อความที่มีอักขระมากกว่า 100 ตัวจะไม่ถูกจัดทําดัชนี
• แบบจําลอง Direct Query ทําดัชนีคอลัมน์สําหรับแหล่งข้อมูลที่สนับสนุน APPROXIMATEDISTINCTCOUNTเท่านั้น
• การทําดัชนีสําหรับคิวรีโดยตรงและแบบจําลอง Direct Lake จะเกิดขึ้นหนึ่งครั้งในช่วงเวลา 24 ชั่วโมงเว้นแต่ว่าแบบจําลองจะถูกเผยแพร่อีกครั้ง