【Microsoft Fabric】Microsoft Fabric中用于AI驱动的自助分析的Copilot

在当今数据驱动的世界中，企业需要智能的自助分析来从数据中获取价值。这就是数据分析统一平台Microsoft Fabric和人工智能助手Copilot可以提供帮助的地方。

在本文中，我们将探讨Copilot的功能以及它如何增强Microsoft Fabric中的每种体验。我们将讨论它们的起源、功能、局限性和现实世界的应用。

目录

1. 副驾驶：这是什么？
2. 起源、Azure Open AI架构和插件生态系统
3. 能力
4. 每次Microsoft Fabric体验中的副本
5. 实际应用
6. 局限性
7. 用于工作流自动化的复制品
8. 摘要
9. 相关阅读
    

副驾驶：这是什么？

Copilot是一种人工智能助手，可以理解自然语言输入，并生成具有可操作见解的报告。它可以通过赋予所有数据从业者（即使是没有技术背景的人）权力，使数据分析变得可访问和包容。

Microsoft Fabric Copilot加速了体验

微软Fabric Copilot加速了体验-来源：Youtube。

Microsoft Fabric中对Copilot的需求

在当今不断变化的数字世界中，组织会遇到无情的数据洪流，这是一个隐藏的潜在见解宝库。然而，释放这一潜力远非易事；数据存储在断开连接（孤立）的隔间中，并且以多种格式出现在众多来源中。

此外，数据同步问题源于孤立的数据，并导致集成费用。低于标准的数据质量会损害人工智能模型的有效性，过时的报告会导致对数据的不准确解释，阻碍创新。

为了解决这个问题，Microsoft Fabric的设计反映了一个具有不同地区的“信息大都市”，每个地区都有独特的数据需求。Copilot担任这座大都市的人工智能导游。

微软为其每种产品——Power BI、Microsoft Fabric、Windows等——设想了一个副产品。目标是为Fabric的每一层（以及微软生态系统中的其他产品）注入生成式人工智能，以帮助所有数据从业者从他们的数据中找到见解。

在进一步使用Microsoft Fabric中的Copilot之前，了解Copilot的这一愿景以及随后集成它们的插件非常重要。

微软生态系统中的copilot：起源、Azure Open AI架构和插件生态系统

微软Copilot的起源

微软通过GitHub Copilot提出了“副驾驶”的想法，这是一个帮助程序员编写代码的人工智能助手。

从更广泛的意义上讲，微软将副驾驶定义为“一种使用现代人工智能和大型语言模型来帮助你完成复杂认知任务的应用程序——从撰写推销词或补上错过的会议，到为演示文稿生成图像或计划主题晚宴。”

微软后来开始将这一理念融入其主要产品和服务中，如Microsoft 365 Copilot, GitHub Copilot X, Dynamics 365 Copilot等。最近的Copilot集成包括Power BI、Power Pages, Microsoft Fabric, and Windows 11等产品。

注意：我们将把微软内部的通用LLM应用程序称为“Copilot”。对于Microsoft Fabric每一层中的生成式AI体验，我们将使用术语“Copilot”。

微软生态系统中的副驾驶是由什么驱动的？

Azure OpenAI服务包含一系列AI模型和生成AI实用程序。该组合中包括第四代生成式人工智能模型GPT-4，它为许多应用程序提供了动力，其中最著名的是GitHub Copilot。

副驾驶使用Azure OpenAI服务来实现他们的目的。微软打算比用插件构建副驾驶生态系统更进一步。
让我们进一步探索这些插件。

什么是副驾驶插件？

微软将插件定义[Microsoft defines plugins]为通过允许副驾驶与其他软件和服务交互来使副驾驶更有用的工具。目标是帮助开发人员构建自己的副驾驶和下一代人工智能应用程序。

借助插件，您的副驾驶可以从外部系统访问实时数据，整合来自各种来源的特定业务数据，执行独特的计算，并根据用户输入执行任务。这有助于根据您的特定业务需求定制AI系统。

开放插件标准

微软遵循开放的插件标准，使不同的系统能够轻松协同工作，并鼓励多样化的插件环境。得益于开放标准，开发人员可以使用单个平台构建与商业和个人界面兼容的插件，包括ChatGPT、Bing、Dynamics 365 Copilot、Microsoft 365 Copilod和Windows Copilot。

例子

例如，开发人员可以创建一个插件，将Copilot链接到Microsoft Fabric中的法律文档私有数据库。这将允许Copilot访问和搜索这些文件，以获取有关过去法律案件的信息。

另一个插件可以将Copilot连接到企业的旅行预订系统，让它安排符合公司政策的旅行。

创建和使用插件的指南

为了帮助开发人员制作这些插件，微软提供了一套完整的指南和开发工具。这些资源包括关于如何使用API[how to use the API, best practices for development]的详细说明、开发的最佳实践，以及开发人员可以提问和分享知识的支持性社区。

Azure开放式人工智能和微软Fabric Copilot

Copilot集成到Microsoft Fabric中，使用Azure OpenAI服务使工作更容易。微软强调，开发人员可以将编码和语言模型用于各种用例，如编写辅助、代码生成和数据推理。

对于结构的某些部分，如数据工厂、数据工程工作负载、Synapse分析、数据激活器和Power BI，都是如此。

根据微软的说法：

“在每次数据体验中，使用Microsoft Fabric中的Copilot，用户可以使用对话语言创建数据流和数据管道，生成代码和整个函数，构建机器学习模型，或可视化结果。”

Microsoft Fabric中的Copilot：功能

Copilot在Microsoft Fabric中的主要优势包括人工智能辅助帮助、机器学习和个性化以及理解人类语言。

人工智能辅助支持

Fabric Copilot有助于完善您的项目管理方法。作为一个处理数据的人，你可以使用这个人工智能工具来提高项目的可见性，使团队合作更加高效。

当您要求项目更新时，Fabric Copilot会深入到您公司的项目管理软件中，提取数据，并对其进行研究以生成详细的报告。这些报告为您提供了任务进展的即时图片，例如已完成和正在进行的任务、谁负责什么以及预期的时间表。

机器学习和个性化

Fabric Copilot的机器学习能力有助于它理解和适应每个用户或公司的独特需求和工作风格。

例如，可以训练它识别公司使用的特定术语或项目结构，使其能够提供更精确和相关的帮助。

此外，Fabric Copilot的机器学习算法能够处理非结构化数据，例如用户用自然语言进行的查询。这意味着它可以理解和响应各种请求，无论它们是如何措辞的。随着时间的推移和足够的培训，该系统可以更好地理解人类语言的细微差异，提高其理解和响应用户查询的能力。

副驾驶也从反馈中学习。因此，您可以对系统的响应或操作提供反馈，然后它可以使用这些反馈来调整其算法，并在未来表现更好。这种反馈循环意味着Copilot不断学习和改进，使用得越多就越有用。

理解人类语言

Fabric Copilot理解自然语言的能力是其人工智能能力的关键部分。这项技术使系统能够以一种有意义且与上下文相关的方式理解和解释人类语言。

例如，你可以告诉它“调出我们最畅销产品的最新销售数据”，Copilot就会明白它需要访问销售数据，根据这些数据识别最畅销的产品，并获取这些产品的最新动态。

此外，这种对自然语言的理解使Fabric Copilot能够处理复杂和多部分的查询。

例如，你可以要求它“下周与营销团队安排一次会议，讨论第三季度的活动，并提前发送会议议程。”

系统将理解这涉及几个步骤：

1. 安排会议
2. 确定相关团队成员
3. 为会议设定主题
4. 发送议程

每次Microsoft Fabric体验中的Copilot：那会是什么样子？

让我们探讨一下Copilot在Fabric目前提供的每种体验中是如何工作的：

数据工厂和Copilot

在数据工厂中，Copilot协助软件工程师使用自然语言创建复杂的数据管道。

工程师可以描述他们想要完成的任务，例如将数据从SQL复制到blob存储中的容器中（即，一种可扩展且简单的存储解决方案，用于存储大量非结构化数据，如文件和图像）。Copilot将建议并生成必要的管道活动来实现这些任务。

Synapse数据科学与数据工程及Copilot

数据工程工作负载中的副本可以帮助软件工程师探索和分析数据。通过用自然语言描述他们的数据探索需求，Copilot生成代码并相应地执行查询。

例如，数据工程师可能会让Copilot深入研究应用程序中的用户行为数据。他们可能会用简单的术语表达他们的需求，比如“收集过去六个月按地理区域划分的用户登录频率数据。”

对此，Copilot将生成适当的代码，从应用程序的数据库中提取、转换和加载所请求的信息。

Synapse分析（数据仓库）和Copilot

在Synapse Analytics中，Copilot可以通过用简单的语言理解数据分析师的分析需求，帮助他们进行SQL查询和计算。

分析师可以描述他们需要的见解，例如在特定时间段内按销售额查找顶级客户，Copilot将生成SQL查询来检索这些信息。

数据激活器和Copilot

Data Activator中的Copilot可以帮助软件工程师设置触发器并监控数据更改。

工程师可以描述应该触发操作的条件，比如当超过某个温度阈值时发送电子邮件，Copilot将创建必要的规则和触发器。

Power BI和Copilot

Power BI中的Copilot使业务经理能够使用自然语言描述创建报告并获得见解。他们可以描述所需的视觉效果、见解和计算，Copilot将自动生成报告、分析数据并提供交互式可视化。

例如，人力资源经理可以要求Copilot创建一份分解员工数据的报告，以了解人口统计和招聘趋势，Copilot将使用所需的图表和过滤器生成报告。

Microsoft Fabric中的Copilot：现实世界的应用程序

结合Microsoft Fabric和Copilot的强大功能，打开了一个跨各个行业的现实世界应用程序的世界，例如：

• 营销
• 供应链
• 保健
• 财务
• 零售业

让我们进一步探索每个应用程序。

数据驱动的营销

营销团队经常处理分布在不同平台上的大量数据。Microsoft Fabric通过提供一个单一平台来从各种来源收集客户数据，发现模式，并通过定制的营销策略定位客户，从而简化了这一过程。

同时，Microsoft Copilot可以通过创建自动摘要来促进数据分析，帮助营销人员快速有效地理解数据。

改善供应链

Microsoft Fabric可以帮助公司收集和组合供应链数据，以便更清楚地了解其供应链的运作情况以及可以在哪些方面进行改进。实时分析可用于实时跟踪货物并关注库存水平。

同时，Copilot可以让用户轻松地询问有关数据的问题，并了解复杂的供应链动态。例如，用户可能会问：“货物从a点到B点通常需要多长时间？”

管理医疗保健数据

医疗保健部门从各种来源生成大量数据，如电子健康记录、成像系统和基因组学研究。Microsoft Fabric可以帮助整合这些数据。

Copilot可以帮助医疗保健专业人员直观地与这些数据进行交互，回答诸如“过去一年有多少患者被诊断出患有X病？”之类的问题

因此，医疗保健提供者可以使用Microsoft Fabric和Copilot来预测患者的预后，微调治疗并改善手术。

生成财务见解

Microsoft Fabric可以帮助管理和分析实时和历史财务数据，用于各种目的，如风险评估、做出投资决策和确保监管合规性。

另一方面，Copilot可以通过提供对数据提问的能力以及创建可视化和数据分析表达式（DAX）度量（即，您可以在Power BI、Power Pivot和Analysis Services表格模型中创建的特殊计算）来帮助用户快速生成见解。

例如，用户可能会问：“过去五年的收入趋势是什么？”

零售分析

在零售领域，Microsoft Fabric可用于从不同来源收集有关客户偏好、销售和库存的数据。这些数据可用于个性化购物体验、微调库存管理和促进销售。

Copilot可以通过使数据分析更加用户友好和直观、创建销售数据摘要以及允许用户对数据提出问题来支持这一过程。例如，“上个季度我们最畅销的产品是什么？”

Microsoft Fabric中的Copilot：局限性

虽然Microsoft Copilot在自动化任务和简化工作流程方面提供了显著的优势，但重要的是要承认用户在将其集成到操作中时可能面临的一些限制和挑战。

这些措施包括：

• 对连接器的支持有限
• 无法解决流错误
• 对参数化的支持有限
• 循环功能有限

让我们深入探讨细节。

对连接器的支持有限

Microsoft Fabric中的连接器是允许各种服务相互通信的链接。

Copilot不支持所有连接器，这意味着它可能不允许所有服务无缝交互。这种限制可能会阻止用户在某些服务之间自动进行数据传输或操作，从而在某些情况下限制Copilot的有效性。

因此，用户需要检查他们需要的连接器是否与Copilot兼容。

无法解决流错误

在设置流（即数据所采取的一系列步骤）时，您可能会因各种原因遇到问题，如配置不当的步骤、错误的输入或连接问题。

Copilot没有能力排除和修复这些错误，这可能是一个挑战，特别是对于依赖它来处理设置流的复杂性的用户。因此，用户需要对系统有一定程度的了解，才能手动识别和修复出现的任何问题。

对参数化的支持有限

参数是流中的动作执行任务所需的输入。

如果Copilot不能完全支持参数化（如在预览阶段），它可能无法为所有操作自动提供这些输入。

这可能会使自动化过程变慢，因为用户可能必须手动输入某些操作的参数。

循环功能有限

像“Apply to each”和“Do until”这样的循环结构对于在流中执行重复任务至关重要。

由于Copilot在预览阶段对这些构造的支持有限，它可能无法完全自动化重复操作，这将迫使用户手动将这些构造包含在他们的流中。

这种限制可能会影响Copilot提供的效率和自动化程度。

通过Microsoft Fabric（Power BI）和Power automation实现工作流自动化的Copilot：分步指南

Power BI是Microsoft Fabric的一部分，旨在为Power Automation工作流（或流）发送或接收数据。

因此，您在Power BI中可视化和分析的数据可以触发Power Automation中的自动化任务，这些任务的结果可以反馈到Power BI中进行额外的分析和报告。

此设置简化了数据驱动流程的自动化，包括：

• Fabric作为统一的数据平台
• Power BI（和Copilot）用于数据分析和可视化
• Power Automation（和Copilot）用于自动化任务

以下是开始使用它的简单指南：

1. 登录Power Automation。
2. 首先解释一下你想自动化什么。根据您键入的内容，Copilot将提供一些流程建议。
3. 选择一个建议或坚持你创建的建议。
4. 如果您对Copilot创建的流程感到满意，请单击“下一步”。您可以更改提示以获取其他建议。
5. 检查您连接的应用程序和服务，然后单击“下一步”
6. 通过调整所需的设置来结束您的流程，然后单击“创建流程”
7. 按照Copilot的建议完成流程设置，或使用Copilot更改您的流程。
8. 一旦完成，记得保存你的流量。
9. 保存后尝试一下你的流程是一个很好的做法；您可以通过单击右上角的“测试”来完成此操作。

您还可以在Copilot的帮助下编辑现有的流程：

1. 登录Power Automation。
2. 点击左侧边栏的“我的流程”。
3. 找到要编辑的流，然后单击三个垂直点（⋮）。
4. 点击“编辑>尝试人工智能编辑（预览）”。您的流将在复制模式下打开，您可以使用复制开始编辑流。

Microsoft Fabric中的复制品：技巧
当你向Copilot提问时，建议：

• 将你的请求格式化为“当X发生时，做Y。”
• 在你的请求中尽可能详细。
• 如果可能，请在您的请求中包含连接器，如Outlook、Teams、Forms等。
• 如果最初的请求不符合要求，请修改您的请求以获得更好的结果。

摘要

Microsoft Fabric和Copilot为数据从业者提供了强大的工具，以应对数据管理挑战并释放数据的全部潜力。

Fabric为数据收集、组合和分析提供了一个统一的平台，而Copilot则通过人工智能引导的见解增强了数据分析。

通过利用这两种解决方案，企业可以克服数据孤岛、集成成本、数据质量差和报告过时的问题。市场营销、供应链管理、医疗保健、金融和零售分析中的实际应用证明了这种组合的切实好处。

然而，重要的是要意识到Copilot的局限性——对连接器的支持有限，无法解决流错误，以及对参数化和循环函数的限制。

Microsoft Fabric Copilot：相关阅读

• Microsoft Fabric: A Comprehensive Overview of Microsoft’s New Data Platform
• 7 Microsoft Fabric Use Cases in Data and Analytics
• Microsoft Fabric vs. Snowflake: Features, Architecture, and Use Cases
• Microsoft Fabric vs. Power BI: Architecture, Capabilities, Data Governance, and Use Cases
• Microsoft Fabric vs. Databricks: Capabilities, Architecture, Security, Uses, and FAQs