أعلنت Microsoft للتو عن المرحلة التالية من Power BI: تجربة جديدة في Power BI Desktop تبني تطبيقات بيانات من نموذجك الدلالي بلغة عادية، وإجابات من Copilot تستند إلى تقارير Power BI ونماذجها الدلالية الخاضعة للحوكمة (إعلان Microsoft). وكل هذه الميزات تبدأ من المكان نفسه: نموذجك الدلالي.

وتقول Microsoft بوضوح ما يحدث عندما لا يكون النموذج جاهزًا: بدون الإعداد الصحيح قد يقدّم Copilot نتائج أقل فائدة وغير دقيقة (Microsoft Learn). أي أن الذكاء الاصطناعي جيد بقدر جودة النموذج الذي خلفه. إليك سبعة أمور تفحصها أولًا، بالترتيب الذي نصلحها به.

1. أسماء يفهمها الإنسان، بلا تكرار

يقرأ الذكاء الاصطناعي أسماء الحقول كما يقرأها زميل جديد. Sls_Amt_2 لا يعني شيئًا، أما Sales Amount فواضح. وانتبه للاسم نفسه في جدولين، مثل Name في جدول العملاء وName في جدول الفروع: تذكر Microsoft تكرار أسماء الحقول بين الجداول ضمن ما يصعّب الوصول إلى إجابات دقيقة. أعد تسميتها حتى يقول كل حقل ما هو بالضبط.

2. وصف للحقول المهمة

جملة واحدة تصف الجدول أو العمود أو المقياس تخبر الذكاء الاصطناعي بمعناه ومتى يُستخدم: "صافي المبيعات بعد المرتجعات، دون ضريبة القيمة المضافة." ابدأ بأهم 20 مقياسًا والأعمدة التي يُفلتر بها الناس أكثر. ومن تجربتنا، إنها من أرخص التحسينات التي يمكنك القيام بها.

3. أخفِ الحقول التقنية

المعرّفات والمفاتيح والأعمدة المساعدة مثل أعمدة ترتيب الفرز يحتاجها النموذج لكنها تربك الذكاء الاصطناعي. أخفِها، أو استبعدها من نطاق الذكاء الاصطناعي (الخطوة 7). وفي الدليل التعليمي من Microsoft نفسها، أول ما يُستبعد هو معرّف الحساب وعمودا ترتيب الأيام والأشهر.

4. احذف ما لا يستخدمه أحد

توصي Microsoft بتبسيط النماذج بحذف الجداول والأعمدة والمقاييس غير المستخدمة لأنها تزيد الغموض في الإجابات. وهي أيضًا أصعب ما يمكن إيجاده يدويًا. أداتنا المجانية فحص صحة النموذج تسرد كل عمود ومقياس لا يستخدمه أي عنصر مرئي أو فلتر أو مقياس أو علاقة، وتكتب لك خطوات التنظيف.

5. نموذج نجمي نظيف بلا مسارات ملتبسة

جداول الحقائق في المنتصف وجداول الأبعاد حولها، ومسار واحد واضح بين أي جدولين. العلاقات الملتبسة أو متعددة الأطراف تجعل الإنسان يتردد وتجعل الذكاء الاصطناعي يخمّن. وإرشاد Microsoft هو نفسه لأي نموذج جيد: اتبع تصميم النموذج النجمي وتجنّب العلاقات الملتبسة.

6. التنسيقات وترتيب الفرز، لأن الذكاء الاصطناعي يكررها

إذا لم يكن لمقياس الهامش تنسيق، ستُظهر البطاقة 0.34 لهامش قيمته 33.8% (0.3378): بلا علامة النسبة المئوية، وبمنزلتين عشريتين تقرّبان القيمة. وإذا لم يكن لأسماء الأشهر عمود ترتيب، سيظهر الرسم حسب الشهر بترتيب أبريل، أغسطس، ديسمبر. يقرأ Copilot سلاسل التنسيق من نموذجك، وتستخدم جداوله تنسيق النموذج (Microsoft Learn)، فقد تصل القيمة 0.34 نفسها إلى من سأل. أداة فحص صحة النموذج تنبّهك إلى أسماء الأشهر والأيام بلا عمود ترتيب وإلى المقاييس بلا تنسيق. أما المقياس الذي يُرجع نصًا فلا يحتاج تنسيقًا: راجع خمس حالات لا تنطبق فيها قاعدة أفضل الممارسات.

7. استخدم Prep data for AI

أصبح في Power BI زر Prep data for AI (في مرحلة المعاينة): في شريط Home في Desktop، وفي شريط النموذج الدلالي في الخدمة (Microsoft Learn). وله ثلاثة أجزاء:

  • مخطط بيانات للذكاء الاصطناعي (AI data schema): اختر الجداول والأعمدة والمقاييس التي يستخدمها الذكاء الاصطناعي واستبعد الباقي.
  • إجابات موثّقة (Verified answers): اربط الأسئلة الشائعة بعنصر مرئي راجعته، فتكون الإجابة هي التي اعتمدتها.
  • تعليمات للذكاء الاصطناعي (AI instructions): اشرح مصطلحات عملك بلغة بسيطة، مثل ماذا يعني "عميل نشط" في شركتك.

ملاحظتان عمليتان من توثيق Microsoft: يجب تفعيل Q&A للنموذج وإلا تكون التبويبات معطّلة، وإجابات الذكاء الاصطناعي غير حتمية، فالإعداد يحسّنها لكنه لا يضمن الإجابة نفسها في كل مرة.

إذا كان عملك يسير على التقويم الخليجي

اطلب من الذكاء الاصطناعي مقارنة "رمضان هذا العام برمضان الماضي" ولن يستطيع الإجابة إلا إذا كان نموذجك يعرف متى كان رمضان. أضف الأشهر الهجرية وعلامات رمضان والعيد وعطلة نهاية الأسبوع إلى جدول التاريخ (أداتنا المجانية مولّد جدول التاريخ تبنيه لك)، ثم اشرح في تعليمات الذكاء الاصطناعي كيف يقارن عملك هذه الفترات. وقد عرضنا كود DAX في مقال مبيعات رمضان في Power BI.

ابدأ بفحص من عشر دقائق

  • في Power BI Desktop: File > Export > Power BI template (ملف ‎.pbit فيه النموذج بلا بيانات).
  • أفلته على أداة فحص صحة النموذج. تعمل في متصفحك ولا يُرفع أي شيء.
  • أصلح الحقول غير المستخدمة وترتيب الفرز والتنسيقات أولًا، ثم الأسماء والأوصاف وPrep data for AI.

الذكاء الاصطناعي في Power BI يتطور بسرعة. والنماذج التي ستحصل على إجابات جيدة هي التي كانت واضحة للناس أولًا.