PowerBI Copilot 零售数据分析自动化报告实战

读了三篇powerbi copilot的文章,想必大家对此都有了大致的了解:

Copilot in Power BI等了好久终于等到今天

Copilot in Power BI详细使用说明

PowerBI Copilot已全面支持中文识别

有小伙伴提出如下问题:

老师这个是不是还得在powerbi desktop制作模型然后上传到云端再进行使用,如果我现在有很多公司的Excel数据文件,想快速使用这个copilot功能制作一些基础的展示报告,而不通过desktop软件来制作,可以吗?

答案是可以的,今天就来写一个简单的流程实现这一切。

一、数据

零售行业的一份模拟数据,带有日期、品类、省份城市等字段。

PowerBI Copilot 零售数据分析自动化报告实战_第1张图片

数据来自郑志刚老师的《PowerBI零售数据分析实战》这本书示例数据,稍加整理。强烈推荐零售行业的小伙伴学习此书。

二、上传数据

在premium工作区点击“新建语义模型”:

PowerBI Copilot 零售数据分析自动化报告实战_第2张图片

添加Excel文件:

PowerBI Copilot 零售数据分析自动化报告实战_第3张图片

导航到相应的文件,双击后等待加载:

PowerBI Copilot 零售数据分析自动化报告实战_第4张图片

返回工作区,找到这个语义模型,点击“···”后,找到“创建报表”:

PowerBI Copilot 零售数据分析自动化报告实战_第5张图片

三、启动copilot生成报告

点击“copilot”按钮:

PowerBI Copilot 零售数据分析自动化报告实战_第6张图片

出现copilot窗口:

PowerBI Copilot 零售数据分析自动化报告实战_第7张图片

有小伙伴说,好家伙,英文啊,放弃!

我说,先别急!中文版这不是来了么!

PowerBI Copilot 零售数据分析自动化报告实战_第8张图片

怎么搞出来的?

简单!浏览器中右键会吧!点击“翻译为简体中文”不就行了么:

PowerBI Copilot 零售数据分析自动化报告实战_第9张图片

那就接着来。

让copilot直接给一些建议:

PowerBI Copilot 零售数据分析自动化报告实战_第10张图片

直接添加第一个建议:

PowerBI Copilot 零售数据分析自动化报告实战_第11张图片

你看它多谦虚,还得跟你说一声,正在研究。

很快结果就出来了:

PowerBI Copilot 零售数据分析自动化报告实战_第12张图片

接着添加第二个建议页面:

PowerBI Copilot 零售数据分析自动化报告实战_第13张图片

很快也便给出了答案:

PowerBI Copilot 零售数据分析自动化报告实战_第14张图片

再看看第三个建议:

PowerBI Copilot 零售数据分析自动化报告实战_第15张图片

这个生成的要慢一些,大约20多秒:

PowerBI Copilot 零售数据分析自动化报告实战_第16张图片

还有第四个建议:

PowerBI Copilot 零售数据分析自动化报告实战_第17张图片

也是很快就创建完成:

PowerBI Copilot 零售数据分析自动化报告实战_第18张图片

然后我们再手动输入要求创建一个可视化页面:

PowerBI Copilot 零售数据分析自动化报告实战_第19张图片

结果展示:

PowerBI Copilot 零售数据分析自动化报告实战_第20张图片

注意,这一切都在国内正常网络上运行,无需任何科学手段即可实现,powerbi 服务版本为global,世纪互联无法使用。

点评:

做了这几天报告,发了这几篇文章,大家也能看得出来,目前copilot生成的报告基本上是类似的模式,顶部左上角标题,右上角切片器,紧接着两三个卡片图简单的数字,下面多个可视化对象平均分布进行展示,不过很丰富,一般的表、横向纵向柱状图、折线图与地图基本上都会有。

当然,需要说明的是目前这些可视化效果距离真正的业务指导还差得远,只能大致反映出来目前提供的数据所隐藏的业务概况,对这些数据从各个指标方向进行展示。

这对于细致入微的数据分析与复杂业务场景所需要的角度刁钻而上下文复杂的DAX公式而言,简直上不了台面。

当然,对于像我这样的工作,为诸多企业做数据分析报表看板,每天要接触大量不同行业的数据,各式各样的字段与分类方式。在以往,只能在拿到数据之后先进行各种整理,拆分出事实表和维度表并建立关系,然后再进行可视化的初步展示,并且在这个过程中或者之前总得先和对方进行充分的业务沟通,主要是在没有一个参照的情况下往往沟通得云里雾里。

现在我只需要对方先发一份少量的数据文件过来,只要包含了充分的字段,哪怕只有10行的数据,通过copilot的分析与建议,我就可以大致明确这家公司的这份数据具体在描述些什么,究竟应该从哪些点去入手分析,这样在跟客户交流时会有一个初步的载体。

同时,整个过程中,我并没有用到powerbi desktop软件,这也就意味着我的MacBook又重新绽放了活力。甚至再稍微发挥想象,如果我只带着iPad出门,对方发来一个数据文件,我可以打开浏览器登录我的powerbi账号,然后轻松地在iPad上实现文中所讲的一切。

当然,以上场景可能并不适合每一个人,一方面是因为copilot目前没有办法直接书写DAX度量值,也就无法直接实现非常复杂的逻辑展示;另一方面,copilot对业务的理解恐怕也没有达到一个初级的业务人员所应具备的素养。

但是随着时间的不断成长,copilot在这两方面必然会有较大的提升,一方面,GPT能力的不断提升使得DAX书写已经开始媲美专业人士,copilot调用也是迟早的事;另一方面随着使用copilot的企业越来越多,虽然其承诺不会使用企业的数据,但是用户对于字段的调整和模型的修改都会被copilot记录并作为自己进化的肥料,做出一份相当水平的报告实际上指日可待。

也因此我也正试图结合郑老师的成果报告去尝试修改输入copilot的条件,以更好地让copilot理解模型,自动生成更好的展示结果。

PowerBI Copilot 零售数据分析自动化报告实战_第21张图片

无独有偶,群里另一位使用GPT4的小伙伴在对powerbi模型进行分析时,也得到了同样的震撼。

PowerBI Copilot 零售数据分析自动化报告实战_第22张图片

在powerbi中调用python模块并写出业务逻辑:

PowerBI Copilot 零售数据分析自动化报告实战_第23张图片

由ChatGPT进行业务理解并给出解决方案:

PowerBI Copilot 零售数据分析自动化报告实战_第24张图片

然后将代码在powerbi中运行,得到想要的结果:

PowerBI Copilot 零售数据分析自动化报告实战_第25张图片

殊途同归,不论是GPT4还是copilot,不论是openai还是Microsoft,都在从简单的问答模式开始向更复杂的实际业务问题迈进,而这个步伐,迈的还很快!

很多人讲,AI终将淘汰人。

我说,这是错的,AI不会淘汰人,是那些会使用AI并且能够驾驭AI的人把其他人淘汰。

学过哲学的大家都清楚,生产力的提升是不以人的意志而转移的,你只能接触它,感受它,拥抱它,然后才有可能借助它改变自己当前所处的生产关系。

改变,就在当下!

你可能感兴趣的:(powerbi,copilot,零售)