Latest / M365.FM – Podcast de Microsoft 365, Copilot e IA en español / Copilot en Microsoft Fabric: limpia, transforma y optimiza tus modelos de datos con IA (Doblaje IA)

Transcript

Copilot en Microsoft Fabric: limpia, transforma y optimiza tus modelos de datos con IA (Doblaje IA) · M365.FM – Podcast de Microsoft 365, Copilot e IA en español

• 0:00
  Speaker 2: Listo para 10 días de Microsoft 365, Copilot, IA, Azure
• 0:04
  Speaker 2: y las personas que están dando forma al futuro del trabajo.
• 0:07
  Speaker 2: Este enero, M365 con regresa y venimos con más fuerza.
• 0:12
  Speaker 2: Únete a nosotros para sesiones en vivo, demostraciones reales y
• 0:15
  Speaker 2: conocimientos prácticos de MVPs y expertos de la industria de
• 0:17
  Speaker 2: todo el mundo. Nada de diapositivas genéricas ni tecnicismos interminables.
• 0:22
  Speaker 2: Abordaremos los desafíos reales. Copilot Studio, agentes de IA, Fabric, Seguridad,
• 0:26
  Speaker 2: Gobernanza y Automatización. Ya seas un profesional de TI, desarrollador
• 0:31
  Speaker 2: o líder empresarial, hay sesiones diseñadas para ti. Con 10
• 0:35
  Speaker 2: días completos, puedes explorar múltiples tecnologías y conectar con una
• 0:39
  Speaker 2: comunidad global. Mira las sesiones en vivo y lleva conocimientos
• 0:42
  Speaker 2: prácticos de vuelta a tu organización. Enero de 2027. 10 días.
• 0:47
  Speaker 2: Una comunidad Microsoft. El registro ya está abierto. Ve a m365con.net
• 0:54
  Speaker 2: y asegura tu lugar hoy mismo. Eso es m365con.net.com. Únete
• 1:00
  Speaker 2: ahora en m365.com.net y nos veremos. En vivo en enero.
• 1:05
  Speaker 3: Alguna vez te has preguntado por qué tus modelos de
• 1:06
  Speaker 3: datos se sienten pesados, incluso con las mejores intenciones? No
• 1:09
  Speaker 3: estás solo. Hoy mostraré dónde Copilot realmente acelera tu flujo
• 1:12
  Speaker 3: de trabajo en Microsoft Fabric y dónde aún necesita un
• 1:15
  Speaker 3: toque humano. Identificaremos los puntos críticos y los pipelines de datos,
• 1:19
  Speaker 3: resaltaremos casos de uso reales de Copilot y responderemos¿ Puede
• 1:22
  Speaker 3: un asistente de IA realmente convertir datos sin procesar en
• 1:25
  Speaker 3: mejores ideas?¿ Más rápido? Quédate, porque las respuestas podrían cambiar
• 1:30
  Speaker 3: por completo tu enfoque sobre el modelado de datos, tu
• 1:33
  Speaker 3: involcado de datos a una entrada inteligente, donde Copilot comienza
• 1:36
  Speaker 3: a trabajar. Si alguna vez has subido una hoja de
• 1:38
  Speaker 3: cálculo a Microsoft Fabric y te has arrepentido al instante,
• 1:40
  Speaker 3: no eres el único. Muchos de nosotros asumimos que la
• 1:43
  Speaker 3: limpieza de datos se hace después que con un poco
• 1:45
  Speaker 3: de paciencia, fuerza bruta y un par de rondas con
• 1:47
  Speaker 3: fórmulas de Excel se puede arreglar el desastre. Pero aquí
• 1:52
  Speaker 3: hay algo que toma mucha gente por sorpresa. Copilot no
• 1:56
  Speaker 3: espera que descubras que has cometido un error Comienza a
• 1:59
  Speaker 3: escanear tus datos en el momento en que los conectas.
• 2:02
  Speaker 3: Esto no se trata solo de buscarse las vacías o
• 2:04
  Speaker 3: fechas extrañas. Copilot analiza realmente la composición de tu fuente,
• 2:08
  Speaker 3: desglosando estructuras, resaltando columnas que no coinciden y marcando tipos
• 2:12
  Speaker 3: de datos que te causarán problemas más adelante. La mayoría
• 2:16
  Speaker 3: de las personas pasan esto por alto hasta que están
• 2:17
  Speaker 3: a mitad de la creación de un plugin que ya
• 2:19
  Speaker 3: está destinado al fracaso. Copilot se encarga de ello antes
• 2:21
  Speaker 3: de que esa pérdida de tiempo siquiera comience. Digamos que
• 2:24
  Speaker 3: has traído una exportación CSV de un sistema de terceros.
• 2:27
  Speaker 3: Los encabezados de columnas son inconsistentes, algunos campos están mezclados y,
• 2:31
  Speaker 3: lo peor de todo, tus fechas están en tres formatos distintos.
• 2:36
  Speaker 3: En lugar de simplemente señalar que algo parece estar mal,
• 2:38
  Speaker 3: Copilot profundiza más. Señala los problemas estructurales enfocándose en columnas
• 2:44
  Speaker 3: que existen en el esquema, pero no se incluyen en
• 2:46
  Speaker 3: su importación o campos con tipos de datos mixtos que
• 2:48
  Speaker 3: darán problemas en Power BI más adelante. Además, Copilot no
• 2:53
  Speaker 3: se limita a encogerse de hombros y dejar que usted
• 2:55
  Speaker 3: resuelva el problema. Recibirá recomendaciones prácticas. Cambia el nombre de
• 2:59
  Speaker 3: estos encabezados para mantener la coherencia. Separa esta columna anidada.
• 3:02
  Speaker 3: Estandarice los formatos de fecha antes de importar. Antes de importar.
• 3:06
  Speaker 3: Imagine que se conecta a una API y por primera
• 3:07
  Speaker 3: vez establece una herramienta de marketing con nombres de campo
• 3:09
  Speaker 3: personalizados como ventas anuales USD en una tabla y ventas
• 3:13
  Speaker 3: USD en otra. Donde la mayoría solo notaría la discrepancia
• 3:17
  Speaker 3: después de fallar o unir las tablas. Copilot marca la
• 3:20
  Speaker 3: falta de coincidencia desde el principio y sugiere nombres unificados
• 3:22
  Speaker 3: respaldados por su comprensión de las relaciones de datos. La
• 3:25
  Speaker 3: realidad es que no todas las fuentes de datos se
• 3:27
  Speaker 3: comportan de la mejor manera. Algunas fuentes son básicamente un
• 3:30
  Speaker 3: caos en una hoja de cálculo, y eso importa porque
• 3:32
  Speaker 3: cerca del 60% de los errores de los procesos se
• 3:35
  Speaker 3: remontan a problemas que pudo haber detectado en esta etapa.
• 3:38
  Speaker 3: Esa cifra no es solo una táctica para asustar. Proviene
• 3:40
  Speaker 3: de estudios internos que rastrean los puntos débiles más comunes
• 3:43
  Speaker 3: en proyectos de datos fallidos dentro de Fabric. Popilot hace
• 3:46
  Speaker 3: el trabajo de detective por usted ante el desorden. No
• 3:48
  Speaker 3: solo revela los problemas. Le dice por qué son un
• 3:51
  Speaker 3: problema y, lo que es crucial, qué hacer al respecto
• 3:54
  Speaker 3: antes de perder... días atrapado en el ciclo de resolución
• 3:57
  Speaker 3: de problemas. Muchas herramientas le dirán que está mal después
• 4:01
  Speaker 3: de presionar ejecutar y que todo falle. Copilot adopta un
• 4:04
  Speaker 3: enfoque más inteligente de proponer qué hacer a continuación. Por ejemplo,
• 4:08
  Speaker 3: marcarás y sus ID se almacenan como texto en un
• 4:10
  Speaker 3: lugar y como números en otro y luego recomendará convertirlos
• 4:13
  Speaker 3: a un tipo común antes de ejecutar una unión. También
• 4:18
  Speaker 3: lo guía hacia las mejores prácticas que no tiene presentes
• 4:21
  Speaker 3: como sugerirle normalizar ciertas tablas o usar formatos de ingeste
• 4:25
  Speaker 3: específicos que preserven la fidelidad de las columnas. Estos son
• 4:29
  Speaker 3: los detalles que normalmente requieren prueba y error o un
• 4:32
  Speaker 3: montón de búsquedas en Stack Overflow para acertar. Copilot interrumpe
• 4:37
  Speaker 3: eficazmente ese ciclo y lo impulsa hacia datos más limpios
• 4:39
  Speaker 3: y utilizables desde el principio. A veces las sorpresas son
• 4:43
  Speaker 3: realmente útiles. No se trata solo de limpiar, sino de
• 4:46
  Speaker 3: optimizar sus datos a medida que ingresan. Para conjuntos de
• 4:49
  Speaker 3: datos más grandes, Copilot ofrece estrategias de partición, tal vez
• 4:52
  Speaker 3: dividiendo sus datos de ventas por región en lugar de
• 4:54
  Speaker 3: poner todo en una sola tabla. Esto no es solo
• 4:57
  Speaker 3: un ajuste formal. Los datos particionados pueden acelerar las actualizaciones
• 5:00
  Speaker 3: de los modelos, reducir los tiempos de consulta y ahorrarle
• 5:02
  Speaker 3: muchos dolores de cabeza en el paquete. Estamos hablando de
• 5:04
  Speaker 3: ganancias de rendimiento tangibles que podría haber pasado por alto
• 5:06
  Speaker 3: por completo si hubiera optado por la ruta manual. Y
• 5:09
  Speaker 3: en lugar de solo mostrarte una cuadrícula de datos en
• 5:11
  Speaker 3: modista previa, Copilot te permite echar un vistazo a cómo
• 5:13
  Speaker 3: esos ajustes impactarían en tu futuro modelo de datos. Es
• 5:16
  Speaker 3: una maqueta visual de posibles relaciones, cardinalidades e incluso un
• 5:19
  Speaker 3: resumen de la calidad de datos prevista tras aplicar los cambios.
• 5:25
  Speaker 3: Abordar la limpieza de datos de esta manera no solo
• 5:27
  Speaker 3: elimina un dolor de cabeza, sino que cambia el proceso posterior.
• 5:30
  Speaker 3: Cuando la ingesta es fluida, las transformaciones que aplicas después
• 5:33
  Speaker 3: son más rápidas y eficaces. Se dedica menos tiempo a
• 5:36
  Speaker 3: entender por qué falló una unión o por qué tus
• 5:38
  Speaker 3: visuales de Power BI aparecen en blanco. No solo estás
• 5:42
  Speaker 3: evitando errores, estás preparando tus datos para un procesamiento más
• 5:45
  Speaker 3: inteligente y adaptable en cada capa siguiente. Usar Copilot desde
• 5:49
  Speaker 3: el principio significa modelos más precisos, menos sorpresas de último
• 5:53
  Speaker 3: minuto y canales que realmente tienen sentido de principio a fin.
• 5:57
  Speaker 3: Hay una recompensa acá. Integrar Copilot en tu etapa de
• 5:59
  Speaker 3: ingesta construye una base para cada decisión que tomes posteriormente.
• 6:03
  Speaker 3: En lugar de corregir errores después de que ocurran, los
• 6:05
  Speaker 3: ves y los resuelves cuando más importan. Y eso significa
• 6:09
  Speaker 3: que cuando llega el momento de transformar y modelar tus datos,
• 6:11
  Speaker 3: empiezas de una posición de fortaleza, no luchando por reparar
• 6:14
  Speaker 3: todo lo que se pasó por alto. Lo que nos
• 6:16
  Speaker 3: lleva a lo que sucede después de la ingesta a
• 6:17
  Speaker 3: la etapa intermedia y compleja. Aquí es donde Copilot pasa
• 6:21
  Speaker 3: de sugerencias inteligentes a la transformación práctica, dando forma y
• 6:24
  Speaker 3: refinando tus datos automáticamente con el mismo nivel de conocimiento.
• 6:28
  Speaker 3: Convirtiendo el caos de datos en claridad, el motor de
• 6:30
  Speaker 3: transformación de Copilot, ahora que tus datos entran limpios, comienza
• 6:34
  Speaker 3: el trabajo duro. La capa de transformación es donde la
• 6:37
  Speaker 3: mayoría de los proyectos tropiezan. No porque falten herramientas, sino
• 6:40
  Speaker 3: porque adaptar la lógica de negocio a un lío de
• 6:42
  Speaker 3: tablas se vuelve tedioso rápidamente. Piensa en todas las veces
• 6:46
  Speaker 3: que cargaste datos solo para pasar la hora siguiente arrastrando campos,
• 6:50
  Speaker 3: renombrando columnas sin sentido y escribiendo fórmulas de memoria. Todos
• 6:54
  Speaker 3: nos hemos sentado con una docena de condiciones de unión abiertas,
• 6:57
  Speaker 3: dudando si esa fecha de transacción es realmente la última
• 6:59
  Speaker 3: compra sobre una marca de tiempo de importación. Y si
• 7:02
  Speaker 3: has construido al menos un modelo de Power BI, sabes
• 7:05
  Speaker 3: cómo una relación faltante o un tipo de dato no
• 7:07
  Speaker 3: coincidente puede afectar directamente a cada informe y panel posterior.
• 7:12
  Speaker 3: Lo que Copilot hace diferente, sacarte de esa trampa de
• 7:15
  Speaker 3: interminables pruebas y errores. Observa cómo das forma a los datos,
• 7:19
  Speaker 3: qué columnas combinas, qué tablas unes, dónde añades esos cálculos,
• 7:22
  Speaker 3: DAX difíciles de documentar y te ofrece alternativas, a veces,
• 7:26
  Speaker 3: antes de que te des cuenta de que las necesitas.
• 7:31
  Speaker 3: Imagina que estás preparando un informe para el equipo de finanzas.
• 7:34
  Speaker 3: Has vinculado datos transaccionales con tu maestro de clientes, pero
• 7:36
  Speaker 3: las cifras todavía no cuadran bien. En lugar de revisar
• 7:39
  Speaker 3: tablas de búsqueda, Copilot sugiere agregar las ventas por región,
• 7:42
  Speaker 3: no solo por mes, y luego genera una medida DAX
• 7:45
  Speaker 3: lista para usar sobre el crecimiento interanual. No tienes que
• 7:48
  Speaker 3: memorizar ni depurar la fórmula. Aparece como una sugerencia con
• 7:52
  Speaker 3: explicaciones completas sobre lo que impulsa el cálculo. Existe la
• 7:56
  Speaker 3: preocupación persistente de que Copilot pueda simplificar la Demasiado las
• 7:59
  Speaker 3: cosas o que pase por alto una regla sutil que
• 8:02
  Speaker 3: definiste como un socio comercial tras tres largas reuniones es
• 8:05
  Speaker 3: una preocupación pálida. La IA no lee la mente y
• 8:08
  Speaker 3: a veces la primera sugerencia es demasiado amplia, omitiendo, por ejemplo,
• 8:11
  Speaker 3: que cierta línea de producto no debería incluirse en un
• 8:14
  Speaker 3: cálculo específico. Sin embargo, cuanto más usas Copilot, más precisas
• 8:18
  Speaker 3: se vuelven esas recomendaciones. El sistema solicita comentarios cada vez
• 8:21
  Speaker 3: que revisas o rechazas una de sus sugerencias, por lo
• 8:23
  Speaker 3: que la próxima vez que construyas un modelo similar, recordarás
• 8:26
  Speaker 3: sus matices, recordarás sus matices. Aprende gradualmente lo que realmente
• 8:29
  Speaker 3: importa para tu organización frente a las suposiciones genéricas. El
• 8:32
  Speaker 3: intercambio se convierte en una colaboración en lugar de ser
• 8:34
  Speaker 3: solo un consejo aislado. Los datos reales de los usuarios
• 8:36
  Speaker 3: respaldan esto. El último año, estudios han demostrado que las
• 8:39
  Speaker 3: medidas DAX generadas por IA en Fabric igualan la precisión
• 8:42
  Speaker 3: y el rendimiento de fórmulas escritas por desarrolladores de BI experimentados,
• 8:46
  Speaker 3: al menos para tareas comerciales estándar, como totales acumulados, crecimiento
• 8:50
  Speaker 3: porcentual y filtrado de segmentos. Mientras un analista nuevo podría
• 8:54
  Speaker 3: pasar horas resolviendo por qué una medida de retorno total
• 8:57
  Speaker 3: falla durante los cambios de año, las plantillas de Copilot
• 9:00
  Speaker 3: para estos escenarios han sido probadas en conjuntos de datos
• 9:03
  Speaker 3: masivos y casos inusuales. Eso no significa que cada fórmula
• 9:06
  Speaker 3: sea perfecta, pero el nivel mínimo de calidad ha aumentado drásticamente.
• 9:10
  Speaker 3: Donde Copilot realmente se destaca no es solo automatizando lo básico.
• 9:14
  Speaker 3: Detecta problemas de rendimiento en tus pasos y los señala.
• 9:18
  Speaker 3: Si estás encadenando 5 consultas,¿ cuándo serían suficientes? O si
• 9:21
  Speaker 3: tus uniones están desordenadas y ralentizan los tiempos de actualización,
• 9:24
  Speaker 3: los marca como cuellos de botella. Recibirá sugerencias para combinar
• 9:27
  Speaker 3: consultas o ordenar pasos para lograr eficiencia, no solo precisión.
• 9:31
  Speaker 3: Estos son los pequeños detalles que usualmente solo surgen después
• 9:34
  Speaker 3: de que tu modelo se bloquea o recibes quejas sobre
• 9:36
  Speaker 3: paneles lentos. Copilot colocas esas advertencias en primer plano para
• 9:40
  Speaker 3: que no tengas que adivinar por qué tu espacio de
• 9:41
  Speaker 3: trabajo se vuelve lento cuando crecen los datos. Un aspecto
• 9:44
  Speaker 3: de la transformación de datos que suele pasarse por alto
• 9:46
  Speaker 3: en la documentación. Cuanta más personas tocan un modelo más
• 9:49
  Speaker 3: frágil y misterioso se vuelve, especialmente si trabaja rápido y
• 9:52
  Speaker 3: no te tomas el tiempo para anotar los pasos o
• 9:54
  Speaker 3: explicar por qué existe un filtro.¿ Copaila también interviene aquí?
• 9:59
  Speaker 3: A medida que aceptas o personalizas los pasos de transformación,
• 10:02
  Speaker 3: genera un registro elegible de cambios, captura tus motivos detrás
• 10:05
  Speaker 3: de los ajustes y los almacena como metadatos dentro del modelo.
• 10:09
  Speaker 3: Los colegas que se incorporan después no tendrán que deducir
• 10:12
  Speaker 3: la intención detrás de cada transformación. Pueden ver la lógica
• 10:15
  Speaker 3: y las reglas de negocio en un lenguaje sencillo, Si
• 10:17
  Speaker 3: alguna vez tuvo que defender una columna calculada ante un auditor,
• 10:20
  Speaker 3: conoce la molestia de buscar notas de proyectos antiguos. La
• 10:23
  Speaker 3: documentación automática de Copilot le permite obtener una explicación rápida
• 10:26
  Speaker 3: de cualquier cambio, junto con un historial de versiones. Esto
• 10:29
  Speaker 3: no es solo una comodidad, puede ahorrar días en el
• 10:31
  Speaker 3: proceso cuando sus modelos deben ser revisados o compartidos con
• 10:33
  Speaker 3: alguien nuevo.¿ El efecto final? Ya no se verá atrapado
• 10:37
  Speaker 3: en sintaxis y soluciones provisionales. En cambio, esas horas dedicadas
• 10:42
  Speaker 3: a resolver problemas aislados se redirigen a refinar el valor
• 10:44
  Speaker 3: comercial del modelo, hacer preguntas más precisas, experimentar con enfoques
• 10:48
  Speaker 3: de segmentación o probar nuevos KPI. Para cuando presiona publicar,
• 10:54
  Speaker 3: la mayor parte del trabajo pesado ha sido gestionado o
• 10:55
  Speaker 3: al menos señalado por Copilot, dejándole tiempo para concentrarse en
• 10:58
  Speaker 3: las decisiones que realmente hacen avanzar el negocio. Esto nos
• 11:02
  Speaker 3: lleva directamente a la parte que hace tropezar incluso a
• 11:04
  Speaker 3: los analistas experimentados, visualizar los datos de una manera que
• 11:07
  Speaker 3: brinde respuestas en lugar de solo añadir confusión. Desarrollar las
• 11:10
  Speaker 3: medidas y limpiar la lógica es solo una parte. Traducir
• 11:13
  Speaker 3: esos números en elementos visuales que respalden la acción es
• 11:15
  Speaker 3: un desafío completamente diferente. Ahí es donde la siguiente ronda
• 11:19
  Speaker 3: de sugerencias de Copilot marca una diferencia notable. De números
• 11:23
  Speaker 3: a narrativas, las sugerencias visuales de Copilot Empower PI. Crear
• 11:28
  Speaker 3: modelos limpios y lógicos en fábrica le ayuda a avanzar,
• 11:30
  Speaker 3: pero seamos honestos, la mayoría de los paneles terminan acumulando
• 11:33
  Speaker 3: polvo porque las imágenes no dicen lo que realmente le
• 11:36
  Speaker 3: importa a su audiencia. Pero existe este viejo hábito de
• 11:39
  Speaker 3: dejar que Power BI simplemente arroje algunos gráficos de barras
• 11:42
  Speaker 3: en una página esperando que uno impresione a un director
• 11:44
  Speaker 3: lo suficiente como para generar una pregunta. No obstante, al
• 11:48
  Speaker 3: observar cómo los equipos directivos pasan las pestañas de los
• 11:51
  Speaker 3: informes con expresiones inexpresivas, uno empieza a ver el problema.
• 11:54
  Speaker 3: No es que falten datos, es que los visuales no
• 11:56
  Speaker 3: conectan con las preguntas de negocio que la gente realmente
• 11:58
  Speaker 3: está haciendo. Ahí es donde interviene Copilot y por una
• 12:01
  Speaker 3: vez no solo se limita a ponerse al día. En
• 12:03
  Speaker 3: lugar de lanzar gráficos genéricos a su informe, Copilot se
• 12:06
  Speaker 3: sitúa sobre su modelo y realiza un análisis. Lee no
• 12:09
  Speaker 3: solo sus campos, sino también las relaciones entre ellos, sus
• 12:12
  Speaker 3: medidas calculadas y las capas que ha apilado a través
• 12:14
  Speaker 3: de su canalización. Aquí es donde todo cambia. Por ejemplo,
• 12:17
  Speaker 3: supongamos que está preparando un informe de ventas para dirección.
• 12:20
  Speaker 3: Tiene medidas de región, producto y beneficio, y sabe que
• 12:22
  Speaker 3: a la dirección no le interesa otro gráfico de líneas
• 12:24
  Speaker 3: básico que se parezca a todos los demás informes del
• 12:26
  Speaker 3: último año. Copilot procesa su estructura y su geográfico de
• 12:30
  Speaker 3: cascada para explicar cómo cada factor de costo-ingreso contribuye a
• 12:34
  Speaker 3: la ganancia total, para que el desglose cuente una historia
• 12:36
  Speaker 3: en lugar de solo apilar barras. Para las ventas por geografía,
• 12:41
  Speaker 3: en lugar de otro grupo de columnas, recibe una recomendación
• 12:44
  Speaker 3: de un mapa visual que destaca donde el rendimiento supera
• 12:46
  Speaker 3: las metas, no solo donde las ventas son más altas
• 12:49
  Speaker 3: en números brutos. Siempre surge esta pregunta. Copilot le ofrece
• 12:53
  Speaker 3: algo realmente impactante o solo está aplicando una capa brillante
• 12:55
  Speaker 3: sobre los mismos datos de siempre sobre los informes. Lo
• 12:58
  Speaker 3: que marca la diferencia es el nivel de explicación que recibe.
• 13:00
  Speaker 3: Cuando Copilot inserta el objeto visual sugerido, no se detiene
• 13:03
  Speaker 3: en un simple de cascada. Aquí tiene un gráfico de cascada.
• 13:06
  Speaker 3: Explica por qué el gráfico de cascada es efectivo. Tal
• 13:08
  Speaker 3: vez porque su conjunto de datos muestra múltiples valores aditivos
• 13:11
  Speaker 3: y sustractivos, de modo que la estructura refleja directamente el
• 13:14
  Speaker 3: recorrido de la ganancia, en lugar de ocultar detalles tras
• 13:16
  Speaker 3: un total resumido. Para un mapa, Copilot puede señalar que
• 13:21
  Speaker 3: su modelo incluye campos geográficos con relación directa a las
• 13:24
  Speaker 3: métricas de ventas, haciéndolo. que el diseño sea más útil
• 13:27
  Speaker 3: que una tabla tradicional. Muchas herramientas de informes solo dejan
• 13:34
  Speaker 3: que el usuario adivine qué se verá bien y lo
• 13:35
  Speaker 3: dejan con un tablero técnicamente correcto, pero no muy revelador.
• 13:39
  Speaker 3: Copilot le acompaña en el proceso, identificando qué visuales coinciden
• 13:42
  Speaker 3: no solo con el tipo de campo, sino también con
• 13:44
  Speaker 3: la dirección del análisis. Ese impulso adicional puede ser la
• 13:47
  Speaker 3: diferencia entre un informe que se menciona en las reuniones
• 13:49
  Speaker 3: y uno que se ignora silenciosamente. Existe una investigación que
• 13:52
  Speaker 3: respalda esto. Los estudios que arrastran sesiones de usuarios de
• 13:56
  Speaker 3: Power BI muestran que integrar las sugerencias visuales de Copilot
• 13:58
  Speaker 3: conduce a una finalización más rápida de la fase de
• 14:00
  Speaker 3: diseño del informe, reduciendo a veces el tiempo hasta en
• 14:03
  Speaker 3: un 40%. Más interesante aún, la interacción con esos informes
• 14:07
  Speaker 3: aumenta porque los usuarios finales ven algo adaptado a sus
• 14:10
  Speaker 3: necesidades en lugar de una monotonía visual. Los informes creados
• 14:14
  Speaker 3: con ayuda de Copilot también se comparten con más frecuencia internamente,
• 14:17
  Speaker 3: lo que sugiere que las personas confíen un poco más
• 14:19
  Speaker 3: en los conocimientos obtenidos. Ahora bien, incluso con todas estas recomendaciones,
• 14:23
  Speaker 3: Copilot no solo está pilando visuales por pura variedad, también
• 14:27
  Speaker 3: realiza un poco de clasificación. Supongamos que ha colocado 10
• 14:29
  Speaker 3: segmentos en un gráfico circular o ha creado una tabla
• 14:31
  Speaker 3: con tantas filas que los números se confunden. Confunden. Copilot
• 14:35
  Speaker 3: marca esas opciones como problemáticas. Problemáticas. En su lugar, podría
• 14:39
  Speaker 3: sugerirle usar un gráfico de barras para comparaciones más claras
• 14:42
  Speaker 3: o un árbol de descomposición para analizar un valor atípico
• 14:44
  Speaker 3: que se pierde en un sector confuso de gráfico circular.
• 14:47
  Speaker 3: Esto significa que Copilot le protege de esos errores comunes
• 14:50
  Speaker 3: donde un visual elegante en realidad oculta lo importante o,
• 14:52
  Speaker 3: peor aún, lleva a alguien a una conclusión equivocada. El
• 14:56
  Speaker 3: formato importa mucho más de lo que la gente cree
• 14:58
  Speaker 3: y esta es una de esas áreas que Copilot no
• 15:00
  Speaker 3: pasa por alto. Quizás la escala de tus ejes esté
• 15:02
  Speaker 3: ocultando tendencias, haciendo que los cambios parezcan planos cuando en
• 15:05
  Speaker 3: realidad son importantes para el negocio. O tal vez tu
• 15:07
  Speaker 3: paleta de colores incumple las normas de accesibilidad, dificultando que
• 15:10
  Speaker 3: algunos usuarios distingan las diferencias en los puntos de datos.
• 15:14
  Speaker 3: Copilot no solo sugiere ajustes de formato, como corregir ejes,
• 15:17
  Speaker 3: ajustar etiquetas de datos o cambiar una paleta de alto contraste,
• 15:19
  Speaker 3: sino que también explica por qué esas selecciones son importantes.
• 15:24
  Speaker 3: Estos consejos generan visualizaciones que no solo cumplen con los estándares,
• 15:28
  Speaker 3: sino que son más legibles y funcionan mejor en distintos dispositivos.
• 15:32
  Speaker 3: Están surgiendo historias de usuarios que probaron sugerencias que habrían
• 15:35
  Speaker 3: pasado por alto. Un usuario que trabajaba con un modelo
• 15:39
  Speaker 3: de ventas regionales vio que Copilot recomendaba un árbol de
• 15:41
  Speaker 3: descomposición en lugar de un resumen plano. Esto no solo
• 15:45
  Speaker 3: sacó a la luz una anomalía pasada por alto, una
• 15:47
  Speaker 3: región que parecía promedio en el resumen pero que tuvo
• 15:49
  Speaker 3: un pico en una categoría, sino que inició un proyecto
• 15:51
  Speaker 3: para corregir un error de asignación de ventas que podría
• 15:54
  Speaker 3: haber pasado inadvertido otro trimestre. La conclusión es que, a veces,
• 15:59
  Speaker 3: la mejor visualización no es la más obvia. El motor
• 16:01
  Speaker 3: de Copilot aprende las relaciones de tu modelo y la
• 16:03
  Speaker 3: intención detrás de tus KPI, dándote la oportunidad de descubrir
• 16:06
  Speaker 3: cosas que ni siquiera sabías que debías buscar. Por tanto,
• 16:09
  Speaker 3: estas sugerencias visuales no son solo para que todo se
• 16:12
  Speaker 3: vea más bonito en una reunión. Se trata de construir
• 16:15
  Speaker 3: vistas que fomenten la conversación, señalen problemas y respalden directamente
• 16:18
  Speaker 3: las decisiones de negocios reales. Así que el trabajo base
• 16:21
  Speaker 3: del modelo no significa nada menos que la gente realmente
• 16:23
  Speaker 3: use tus paneles para actuar. A medida que empiezas a
• 16:26
  Speaker 3: ver estas visualizaciones personalizadas y formatos más claros, obtienes algo
• 16:29
  Speaker 3: más que compromiso, obtienes acción. A continuación está la curva
• 16:33
  Speaker 3: de aprendizaje que no solo afecta a Copilot, sino también
• 16:35
  Speaker 3: a ti, a ti. El ciclo de retroalimentación que convierte
• 16:38
  Speaker 3: tu flujo de trabajo de modelado de datos en algo
• 16:40
  Speaker 3: más preciso con el tiempo. Ciclo de retroalimentación entrenando a
• 16:43
  Speaker 3: Copilot y a tu propia inteligencia de datos. La mayoría
• 16:46
  Speaker 3: de la gente ve a Copilot como una máquina de sugerencias,
• 16:48
  Speaker 3: de recomendaciones. Las aceptas o las rechazas. Pero si profundizas,
• 16:53
  Speaker 3: la relación es un poco más compleja y francamente más
• 16:56
  Speaker 3: inteligente que una calle de sentido único. Cada vez que
• 16:59
  Speaker 3: envías comentarios a Copilot, ya sea aceptando esa nueva fórmula
• 17:02
  Speaker 3: DAX o anulando una combinación de columnas sugerida, no solo
• 17:05
  Speaker 3: estás ajustando la IA, en realidad estás replanteando tu propia
• 17:09
  Speaker 3: lógica con cada cambio. Es como ese momento en el
• 17:13
  Speaker 3: que cambias la ruta de un piloto automático y te
• 17:15
  Speaker 3: ves obligado a revisar tu mapa. El Copilot de Fabric
• 17:18
  Speaker 3: no está tomando notas sobre una pizarra en blanco. Está
• 17:21
  Speaker 3: absorbiendo activamente tu flujo de trabajo y adaptándose, lo que
• 17:23
  Speaker 3: termina cambiando tu forma de abordar las sesiones después de
• 17:26
  Speaker 3: un tiempo. Imagínate esto, has pasado medio día dando forma
• 17:30
  Speaker 3: a un modelo de ventas bastante estándar, y justo cuando
• 17:32
  Speaker 3: vas a aceptar la medida de beneficio total recomendada por Copilot,
• 17:35
  Speaker 3: éste arroja un cálculo que sabes que no coincide con
• 17:37
  Speaker 3: tu estándar de informes. Tal vez omitió una exclusión de
• 17:40
  Speaker 3: descuentos para socios, o incluyó una promoción que debería haberse separado.
• 17:45
  Speaker 3: Tú cambia la forma. Al instante Copilot pide contexto, una
• 17:48
  Speaker 3: breve descripción o una marca de verificación sobre la regla
• 17:50
  Speaker 3: que aplicaste. La clave aquí es que esa información no
• 17:53
  Speaker 3: desaparece en el abismo. La próxima vez que crees un
• 17:56
  Speaker 3: modelo con datos similares, Copilot lo recordará. Se acabó de
• 17:59
  Speaker 3: asumir que todos los ingresos son ganancias reales y ciertamente
• 18:02
  Speaker 3: no vas a olvidar excluir descuentos de socios en los
• 18:04
  Speaker 3: informes trimestrales. Así que tu retroalimentación realmente vuelve a integrarse
• 18:09
  Speaker 3: en cada sugerencia posterior de una forma que la mayoría
• 18:11
  Speaker 3: no esperaría. El proceso no es solo sobre eficiencia, es
• 18:13
  Speaker 3: sobre precisión, versión tras versión. Hay un punto de duda
• 18:17
  Speaker 3: que la gente debe superar. La idea de que dejar
• 18:20
  Speaker 3: que una IA observe y aprenda de tus correcciones es arriesgado,
• 18:22
  Speaker 3: tiene sentido. Si le dices algo incorrecto a Copilot,¿ se
• 18:26
  Speaker 3: aferrará a ese error?¿ Qué pasa si adopta una solución
• 18:29
  Speaker 3: improvisada y torpe que usaste solo para cumplir con un
• 18:31
  Speaker 3: plazo y luego la convierte en norma? Esa ansiedad no
• 18:33
  Speaker 3: es descabellada. Las organizaciones no quieren que su lógica de
• 18:36
  Speaker 3: negocio cambie a menos que puedan rastrear cómo lo hace.
• 18:39
  Speaker 3: Pero aquí está el detalle. El diseño de Copilot en
• 18:41
  Speaker 3: Fabric implica que nunca deja de pedir información cuando hay
• 18:44
  Speaker 3: un cambio o un rechazo. Ese comentario continuo, las pequeñas
• 18:48
  Speaker 3: razones y notas se registran como parte del ciclo de retroalimentación.
• 18:52
  Speaker 3: Con el tiempo, este registro ayuda a orientar sus recomendaciones
• 18:55
  Speaker 3: para que se ajusten más a tus reglas de negocio específicas,
• 18:58
  Speaker 3: no solo a los valores predeterminados. Cuanto más interactúas, más
• 19:02
  Speaker 3: específica para tu negocio se vuelve la guía. Y si
• 19:04
  Speaker 3: necesitas revertir un hábito, todo está rastreado y es explicable.
• 19:08
  Speaker 3: El resultado es un motor en evolución que se vuelve
• 19:09
  Speaker 3: más flexible, no más frágil. Un equipo con el que
• 19:13
  Speaker 3: trabajé empezó ignorando la mitad de las sugerencias de Copilot.
• 19:17
  Speaker 3: Sus primeros modelos eran estándar, uniones básicas, algunos gráficos sosos,
• 19:21
  Speaker 3: nada que realmente destacara. Pero a medida que empezaron a responder,
• 19:24
  Speaker 3: rechazando gráficos, reelaborando DAX para nuevas líneas de productos, y
• 19:28
  Speaker 3: tratando por qué importaba cierto paso de transformación, algo cambió,
• 19:31
  Speaker 3: algo cambió. En un mes, Copilot ya no solo sugería
• 19:35
  Speaker 3: resultados genéricos, alineaba gráficos que reflejaban los KPIs de la empresa,
• 19:39
  Speaker 3: incluso sugería transformaciones que coincidían con los nuevos procesos de
• 19:43
  Speaker 3: negocio adoptados. Su flujo de trabajo también se aceleró porque
• 19:47
  Speaker 3: las correcciones constantes alimentaron a Copilot con información que lo
• 19:50
  Speaker 3: sacó del modo predeterminado, hacia un patrón más personalizado. Al
• 19:54
  Speaker 3: vincular los ciclos de retroalimentación con las necesidades reales de
• 19:57
  Speaker 3: su negocio, cerraron la brecha entre modelos suficientemente buenos y
• 20:00
  Speaker 3: resultados aptos para una revisión seria. No son solo anécdotas
• 20:03
  Speaker 3: las que respaldan este punto. Los estudios están rastreando cómo
• 20:06
  Speaker 3: trabajar activamente con el ciclo de retroalimentación de Copilot marca
• 20:09
  Speaker 3: una diferencia real. Los equipos que dan retroalimentación constante, ya
• 20:12
  Speaker 3: sea positiva, negativa o simple explicaciones, ven reducir sus tasas
• 20:15
  Speaker 3: de error en los modelos. Los reportes se vuelven más
• 20:17
  Speaker 3: relevantes y la precisión de las medidas calculadas mejora. Las
• 20:21
  Speaker 3: cifras más recientes muestran que los equipos involucrados logran un
• 20:24
  Speaker 3: aumento del 30% en la precisión de los reportes en
• 20:27
  Speaker 3: comparación con quienes solo aceptan o rechazan sugerencias sin dar contexto.
• 20:33
  Speaker 3: La implicación aquí no es magia, es aprendizaje dirigido a
• 20:36
  Speaker 3: través de la interacción interna Cuanto más ve Copilot y
• 20:39
  Speaker 3: más lo obligas a explicar o refinar más, se alinean
• 20:42
  Speaker 3: tus modelos de datos con los objetivos del negocio. Inesperadamente,
• 20:46
  Speaker 3: este sistema de retroalimentación no solo entrena la IA. Más
• 20:50
  Speaker 3: usuarios reportan que revisar y corregir los resultados de Copilot
• 20:52
  Speaker 3: en realidad mejora su propio enfoque de modelado. Suena extraño,
• 20:57
  Speaker 3: pero se ve cómo la gente empieza a anticipar problemas,
• 20:59
  Speaker 3: detectar fallas de lógica ocultas o incluso añadir documentación donde
• 21:03
  Speaker 3: antes no lo hacían. En lugar de aceptar todo sin cuestionar,
• 21:07
  Speaker 3: los equipos adquieren el hábito de desafiar recomendaciones, editar fórmulas
• 21:11
  Speaker 3: y pensar deliberadamente por qué ciertos visuales funcionan y otros no.
• 21:16
  Speaker 3: Es común ver a las personas adoptar mejores prácticas de modelado,
• 21:18
  Speaker 3: casi por accidente, hábitos que atribuyen al acto de explicar
• 21:21
  Speaker 3: correcciones o defender un ajuste de lógica de datos ante Copilot.
• 21:26
  Speaker 3: No se trata de automatizar tu trabajo hasta desaparecer, sino
• 21:28
  Speaker 3: de impulsar tus instintos de datos mientras el sistema madura
• 21:32
  Speaker 3: junto a ti. Por lo tanto, Sarcopilot no es una
• 21:35
  Speaker 3: experiencia pasiva. Es una asociación que perfecciona tanto a la
• 21:38
  Speaker 3: herramienta como al usuario con el tiempo. Cuanto más inviertes
• 21:41
  Speaker 3: en retroalimentación, más precios se vuelven tus modelos, reportes y tableros.¿
• 21:45
  Speaker 3: Tu flujo de trabajo evoluciona?