Latest / M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano / Copilot contro sviluppatore in Power BI: chi vince su modello dati, DAX e design delle dashboard? (Doppiaggio IA)

Transcript

Copilot contro sviluppatore in Power BI: chi vince su modello dati, DAX e design delle dashboard? (Doppiaggio IA) · M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano

0:00
Speaker 2: Siete pronti per 10 giorni di Microsoft 365? Copilot, IA,
0:04
Speaker 2: Azure e le persone che stanno plasmando il futuro del lavoro?
0:08
Speaker 2: Questo gennaio, M365 con ritorna e faremo le cose in grande.
0:12
Speaker 2: Unitevi a noi per sessioni dal vivo, demo reali e
0:15
Speaker 2: conoscenze pratiche da MVP ed esperti del settore di tutto
0:17
Speaker 2: il mondo. Niente slide generica, niente gergo infinito. Affronteremo le
0:22
Speaker 2: sfide reali. Copilot Studio, agenti EA, Fabric, Sicurezza, Governance e Automazione.
0:30
Speaker 2: Che siate professionisti IT, sviluppatori o leader aziendali, ci sono
0:33
Speaker 2: sessioni pensate per voi. Con 10 giorni interi potrete esplorare
0:37
Speaker 2: molteplici tecnologie e connettervi con una community globale. Seguite dal
0:41
Speaker 2: vivo e portate intuizioni pratiche nella vostra organizzazione. Gennaio 2027,
0:46
Speaker 2: 10 giorni, un'unica community Microsoft. Le iscrizioni sono aperte. Prenotate
0:52
Speaker 2: il vostro posto oggi stesso. L'indirizzo è metta365con. net Iscrivetevi ora
1:02
Speaker 2: su m365phone. net e vi aspettiamo dal vivo a gennaio. Se
1:05
Speaker 2: Microsoft Copilot può creare una dashboard di Power BI più
1:07
Speaker 2: velocemente di uno sviluppatore esperto, cosa significa questo per il
1:10
Speaker 2: futuro del vostro lavoro? In questo video mettiamo alla prova
1:13
Speaker 2: proprio questa domanda, con una sfida diretta tra IA ed
1:16
Speaker 2: esperienza umana. Da un lato ci si affida l'anno di esperienza,
1:18
Speaker 2: dall'altro l'automazione delle macchine. La vera domanda, quale dei due
1:22
Speaker 2: offre un valore realmente utilizzabile in un contesto aziendale? Il
1:26
Speaker 2: grande timore degli sviluppatori sono sostituibili. La grande domanda che
1:29
Speaker 2: alleggia nell'area è semplice. Se Copilot può generare dashboard complete
1:33
Speaker 2: premendo un pulsante, che ne sarà di chi si è
1:35
Speaker 2: formato per anni per fare lo stesso lavoro a mano?
1:38
Speaker 2: Non è il tipo di ipotesi che si può liquidare
1:39
Speaker 2: con non curanza. Per gli sviluppatori che hanno costruito la
1:42
Speaker 2: loro carriera padroneggiando Power BI DAX e la modellazione dei dati,
1:45
Speaker 2: il ritmo con cui Microsoft spinge Copilot non è solo
1:47
Speaker 2: entusiasmante e inquietante. E questo disagio nasce da una situazione
1:50
Speaker 2: molto reale. Gli strumenti all'interno di Microsoft 365 hanno adottato
1:54
Speaker 2: silenziosamente l'IA a una velocità vertiginosa e ogni nuova versione
1:57
Speaker 2: sembra spostare più lavoro dal controllo manuale all'automazione. funzionalità che
2:02
Speaker 2: un tempo richiedevano abilità o formazione ora si affidano alla
2:04
Speaker 2: generazione di suggerimenti direttamente da una macchina. Se il vostro
2:07
Speaker 2: sostentamento dipende da quelle competenze è ovvio che vi chiederete
2:09
Speaker 2: se il terreno vi stia per essere tolto da sotto
2:11
Speaker 2: i piedi. Non aiuta il fatto che abbiamo visto titoli
2:13
Speaker 2: in cui i sistemi di IA superano le persone in
2:15
Speaker 2: aree che credevamo intoccabili dall'automazione. Macchine che scrivono codice, modelli
2:19
Speaker 2: linguistici che superano esami professionali, IA che generano design realistici
2:23
Speaker 2: in pochi secondi che un tempo richiedevano ore di lavoro creativo.
2:26
Speaker 2: Queste storie costruiscono una relazione potente. Gli umani inciampano, l'IA scala,
2:30
Speaker 2: La domanda che continua a insinuarsi è se siamo i
2:32
Speaker 2: prossimi sulla lista. Con Copilot integrato direttamente nell'ecosistema Microsoft, i
2:35
Speaker 2: lavoratori non scelgono nemmeno di competere. È inserito direttamente negli
2:38
Speaker 2: strumenti che usano già per il loro lavoro. Quindi la
2:40
Speaker 2: tensione cresce. Se il software è già sulla tua dashboard,
2:42
Speaker 2: pronto a produrre risultati all'istante, quanto tempo passerà prima che
2:45
Speaker 2: sia considerato sufficiente a sostituirti del tutto? Ma Power BI
2:49
Speaker 2: non è solo un parco giochi di grafici trascini e rilasci.
2:52
Speaker 2: Sotto la superficie si tratta di strutturare dati aziendali disordinati,
2:55
Speaker 2: risolvere conflitti nelle definizioni e assicurarsi che i numeri riflettono
2:58
Speaker 2: in processi reali, Chiunque abbia dovuto eseguire il debug di
3:01
Speaker 2: un modello con tabelle di fatti multiple sa che esiste
3:03
Speaker 2: un abisso tra l'aspetto visivo e l'affidabilità analitica. Quel contesto
3:07
Speaker 2: e quel giudizio non sono cose che un algoritmo azzecca automaticamente.
3:10
Speaker 2: Puoi pensarlo un po' come l'ingresso delle calcolatrici nelle aule
3:12
Speaker 2: di matematica decenni fa. Hanno eliminato il bisogno di matematici.
3:16
Speaker 2: Quello che hanno fatto è stato spostare il terreno di gioco.
3:19
Speaker 2: Improvvisamente l'aritmetica fondamentale aveva meno peso professionale perché le macchine
3:22
Speaker 2: la gestivano meglio. Ma il ragionamento di ordine superiore e
3:25
Speaker 2: la logica applicata hanno solo cresciuto e la stessa ricalibrazione
3:28
Speaker 2: che gli sviluppatori sospettano possa accadere qui. Ciò che la
3:31
Speaker 2: ricerca spesso mostra è che l'IA prospera quando le regole
3:33
Speaker 2: sono esplicite e il compito è ripetitivo. Dalle una formula
3:37
Speaker 2: da ottimizzare e lo farà senza stancarsi, ma le sfumature,
3:41
Speaker 2: l'area grigia dove la risposta giusta dipende dalla cultura aziendale
3:43
Speaker 2: o dalla strategia locale, non sono il punto di forza
3:45
Speaker 2: delle macchine. Prendiamo qualcosa di pratico come Ecopilot che suggerisce
3:49
Speaker 2: una nuova misura. Il modello potrebbe restituire una somma o
3:51
Speaker 2: una media che sembra tecnicamente corretta, ma uno sviluppatore esperto
3:54
Speaker 2: sa che richiede un contesto di filtro e un aggiustamento
3:56
Speaker 2: per il significato aziendale. Un collega ha raccontato proprio quel momento.
4:00
Speaker 2: copilot ha generato il DAX in meno di 3 secondi,
4:03
Speaker 2: ma hanno comunque dovuto fermarsi, testare e regolare la misura
4:05
Speaker 2: perché la macchina non riusciva a capire cosa significassero realmente
4:08
Speaker 2: le vendite valide nella logica aziendale. Lì era efficiente, ma
4:12
Speaker 2: l'efficienza richiedeva supervisione. Quindi cosa significa questo in pratica? Significa
4:16
Speaker 2: che non possiamo accettare per buone le ipotesi astratte sull'IA
4:19
Speaker 2: che ruba i posti di lavoro. Dobbiamo vedere come se
4:22
Speaker 2: la cava quando il compito richiede sia velocità che comprensione.
4:25
Speaker 2: Vogliamo sapere se Copilot crolla quando le tabelle diventano complesse
4:28
Speaker 2: o se riesce a resistere al caos delle richieste del
4:30
Speaker 2: mondo reale. Ed è qui che questo esperimento diventa importante.
4:34
Speaker 2: Invece di girare intorno alla paura, la mettiamo direttamente alla prova.
4:37
Speaker 2: Ia da una parte, abilità umana dall'altra, stessa sfida, stesso input.
4:41
Speaker 2: Copilot dimostrerà che la modellazione manuale è obsoleta o lo
4:44
Speaker 2: sviluppatore mostrerà che l'interpretazione umana è ancora indispensabile. Questo video
4:48
Speaker 2: è il nostro modo di sostituire le speculazioni con le prove.
4:51
Speaker 2: Vedrai Copilot messo alla prova con gli stessi vincoli di
4:53
Speaker 2: un professionista e i risultati confermeranno o placcheranno ogni sospetto.
4:57
Speaker 2: Forse il timore di essere sostituiti è esagerato, forse la
4:59
Speaker 2: preoccupazione è giustificata in modi che non abbiamo ancora ammesso.
5:02
Speaker 2: In ogni caso, questa competizione porterà chiarezza. E a proposito
5:05
Speaker 2: di chiarezza, vediamo com'è strutturata la sfida umano contro Copilot.
5:09
Speaker 2: Può un click davvero eguagliare anni di pratica strutturata nella
5:12
Speaker 2: creazione di modelli dati, scrittura di DAX e definizione di
5:14
Speaker 2: grafici che evidenziano i punti chiave per chi decide? È
5:16
Speaker 2: proprio questo che stiamo per mettere in gioco. La configurazione
5:19
Speaker 2: è semplice. Due partecipanti a una sfida allo stesso set
5:22
Speaker 2: di dati. Da una parte, uno sviluppatore che conosce a
5:24
Speaker 2: fondo Power BI, che ha risolto innumerevoli relazioni interrotte e
5:27
Speaker 2: misure disalineate nei sistemi di produzione. Dall'altra parte, Copilot. Invece
5:32
Speaker 2: di digitare formule o trascinare campi, ascolta i prompt e
5:35
Speaker 2: genera automaticamente codice grafici. È velocità contro giudizio, automazione contro maestria.
5:40
Speaker 2: E la domanda chiave, quale metodo funziona meglio quando serve
5:43
Speaker 2: qualcosa su cui un'azienda possa fare affidamento? Per rendere tutto
5:46
Speaker 2: questo più di una semplice teoria, abbiamo scelto un compito
5:48
Speaker 2: che rientra perfettamente in ciò che i professionisti affrontano ogni giorno.
5:52
Speaker 2: Non è così banale da risolversi in pochi secondi con
5:54
Speaker 2: dati demo, ma nemmeno così personalizzato da non poter essere
5:56
Speaker 2: tentato da mai. Entrambe le parti ricevono un set di
5:58
Speaker 2: dati di vendita con diverse tabelle, holding clienti, dettagli prodotti
6:01
Speaker 2: e periodi temporali. La richiesta è semplice da esporre. Connettere
6:05
Speaker 2: la fonte dati, creare relazioni, definire misure per ricavi e
6:08
Speaker 2: profitti e visualizzarle in una dashboard. Ma chiunque abbia usato
6:11
Speaker 2: Power BI sa che questa frase nasconde una serie di sfide.
6:14
Speaker 2: Le relazioni non sempre si allineano correttamente. I calcoli dei
6:17
Speaker 2: profitti possono essere più complicati del previsto. I grafici possono
6:19
Speaker 2: sembrare belli in un layout predefinito ma significare poco senza contesto.
6:23
Speaker 2: Lo sviluppatore lo affronterà come fa nei progetti per i clienti.
6:26
Speaker 2: Primo passo, verificare l'integrità delle tabelle di origine. Secondo passo,
6:29
Speaker 2: definire le relazioni deliberatamente invece di dare per scontati i
6:32
Speaker 2: valori predefiniti. Terzo passo, progettare misure che corrispondano ai requisiti
6:35
Speaker 2: aziendali anziché a calcoli puri. È un lavoro costante e metodico.
6:39
Speaker 2: L'approccio di Copilot appare quasi alieno al confronto. Scrivi un
6:42
Speaker 2: prompt come mostra le vendite per regione cliente o crea
6:44
Speaker 2: una misura per l'utile netto e pochi secondi dopo genera l'output.
6:48
Speaker 2: In teoria un prompt può evitare diversi minuti di sforzo manuale,
6:51
Speaker 2: ma la velocità da sola non garantisce la correttezza. Se
6:54
Speaker 2: Copilot costruisce una relazione basandosi solo sui nomi delle colonne,
6:57
Speaker 2: potrebbe non cogliere l'effettiva logica aziendale. Un disallineamento della chiave
7:00
Speaker 2: esterna che un umano noterebbe subito potrebbe passare inosservato nel
7:03
Speaker 2: suggerimento di Copilot. È qui che intringe Acropost in pari.
7:06
Speaker 2: Non conta solo chi è più veloce, conta chi ha ragione.
7:09
Speaker 2: Un errore di calcolo in una demo dimostrativa è innocuo.
7:12
Speaker 2: Un errore di calcolo e una revisione trimestrale può influenzare
7:14
Speaker 2: le decisioni con costi reali. Eppure non si può negare
7:17
Speaker 2: il fascino di premere un tasto e ottenere risultati istantanei.
7:20
Speaker 2: È come guardare i due atleti competere nella stessa gara,
7:22
Speaker 2: ma uno dei due ha una macchina che lo spinge
7:24
Speaker 2: alle spalle. Nello sport la tecnologia spesso rimodella la competizione,
7:28
Speaker 2: scarpe da corsa, costumi, persino l'analisi delle prestazioni. Qui il
7:31
Speaker 2: parallelo è lo stesso. Copilot è la tecnologia ingegnerizzata che
7:34
Speaker 2: piega il processo stesso. Mentre lo sviluppatore si affida alla
7:37
Speaker 2: propria disciplina, al fascino, Sta nel vedere se la potenza
7:40
Speaker 2: ingegneristica superi davvero l'esperienza. Ciò che rende questo confronto particolarmente
7:45
Speaker 2: interessante è il ritmo iniziale. Copilot parte subito in quarta.
7:49
Speaker 2: Pochi secondi dopo aver scelto un set di dati genera
7:51
Speaker 2: le prime immagini, crea campi calcolati e riempie di colore
7:54
Speaker 2: una tela vuota. Uno sguardo distratto sembra un vantaggio incolmabile
7:58
Speaker 2: per l'essere umano. Ma la velocità può essere ingannevole. Quei
8:01
Speaker 2: primi grafici potrebbero sembrare belli ma essere scollegati dai KPI
8:04
Speaker 2: del mondo reale. Magari fatturato e calcolato male o i filtri.
8:08
Speaker 2: non corrispondono alle aspettative del report. Lo splendore iniziale può
8:11
Speaker 2: nascondere crepe profonde. Per lo sviluppatore l'avvio sembra più lento
8:14
Speaker 2: perché convalida ogni passaggio. Non mostra fuochi d'artificio immediati, ma
8:18
Speaker 2: getta basi solide che resistono all'analisi attenta. Quindi, cosa misureremo
8:21
Speaker 2: esattamente per decidere il vincitore? Tre cose. Velocità, perché finire
8:25
Speaker 2: prima ha un valore ovvio con scadenze eminenti. Precisione, perché
8:29
Speaker 2: i numeri errati non sono solo inutili, sono pericolosi. E qualità,
8:32
Speaker 2: ovvero quanto la dashboard finale sia usabile e comprensibile per
8:35
Speaker 2: un manager. Questi tre punti ci offrono un equilibrio equo
8:38
Speaker 2: tra potenza brutta e design accurato. Proprio come in una
8:41
Speaker 2: partita sportiva dove le giocate veloci fanno punti, ma la
8:43
Speaker 2: costanza crea i campioni. Qui contano sia i momenti spettacolari
8:47
Speaker 2: che l'esecuzione costante. E' questo lo scenario che abbiamo preparato.
8:50
Speaker 2: Due giocatori, un set di dati condiviso, un mix di meccanica,
8:52
Speaker 2: logica e presentazione. Con il quadro definito è ora di
8:55
Speaker 2: smettere di speculare e iniziare a osservare. Vediamo come Copilot
8:59
Speaker 2: gestisce il primo grande ostacolo, passare dal set di dati
9:01
Speaker 2: a un output funzionante senza inciampare. Velocità contro precisione, arrivano
9:06
Speaker 2: i primi risultati. Veloce non significa sempre giusto, e i
9:09
Speaker 2: primi risultati qui lo chiariscono. Copilot entra subito in azione.
9:13
Speaker 2: Pochi secondi dopo aver ricevuto il set di dati, ha
9:15
Speaker 2: già prodotto grafici a barre, grafici a linee e una
9:17
Speaker 2: serie di misure DAX che a prima vista sembrano sorprendentemente curate.
9:22
Speaker 2: Per chi osserva dal vivo l'impressione iniziale che stia creando
9:24
Speaker 2: in pochi istanti ciò che a uno sviluppatore umano richiede
9:26
Speaker 2: solitamente molto tempo per essere organizzato. La velocità di questo
9:30
Speaker 2: tipo è impressionante senza dubbio. ma la sfida che stiamo
9:33
Speaker 2: testando non è solo se qualcosa appaia rapidamente sullo schermo.
9:36
Speaker 2: La vera prova è se quei risultati possano davvero essere
9:38
Speaker 2: affidabili quando vengono messi sotto pressione dal business. Lo sviluppatore
9:41
Speaker 2: umano al confronto sembra quasi lento. Si prende il tempo
9:44
Speaker 2: per esplorare le tabelle, tracciare le relazioni e ricontrollare i
9:47
Speaker 2: tipi di dati prima ancora di inserire un oggetto visivo.
9:50
Speaker 2: All'inizio questo sembra inefficiente, specialmente rispetto alla produttività istantanea di Copilot.
9:55
Speaker 2: Ma ecco cosa è importante con l'itmo più lento e intenzionale.
9:58
Speaker 2: Ogni azione, e mi a garantire che i numeri non
10:01
Speaker 2: si guastino in seguito con query o filtri complessi potrebbe
10:05
Speaker 2: non sembrare affascinante ma il lavoro di base assicura che
10:07
Speaker 2: ciò che viene costruito poggi su fondamenta solide anziché su
10:10
Speaker 2: una struttura che crolla appena vengono testate le ipotesi ed
10:13
Speaker 2: è qui che vediamo iniziare a crescere la tensione Copilot
10:16
Speaker 2: gestisce facilmente le basi calcolare il ricavo totale ad esempio
10:19
Speaker 2: non è un problema Riconosce il campo corretto, applica una
10:22
Speaker 2: somma e genera una misura pulita e funzionante. Per i
10:25
Speaker 2: principianti o i manager che desiderano solo una panoramica di
10:27
Speaker 2: alto livello è già prezioso. Nel momento in cui i
10:29
Speaker 2: requisiti vanno oltre il semplice inizio da mostrarsi le creme.
10:31
Speaker 2: Prendiamo qualcosa come il margine di profitto da inizio anno.
10:34
Speaker 2: Copilot crea una misura che sembra corretta nella formula ma
10:36
Speaker 2: una volta applicata i totali non riflettono realmente la logica
10:39
Speaker 2: aziendale prevista. I filter attraversano le tabelle in modo incoerente.
10:42
Speaker 2: Alcune categorie si gonfiano, altre sottostimano. In superficie sembra ancora
10:45
Speaker 2: un grafico funzionante ma scavando un po' più a fondo
10:47
Speaker 2: i risultati risultano fuorviati. Lo sviluppatore è più lento con
10:50
Speaker 2: la stessa richiesta. Invece di creare istantaneamente una misura, verifica
10:53
Speaker 2: quali colonne definiscono il margine di profitto. Si adegua esplicitamente
10:56
Speaker 2: agli sconti sui prodotti. Si assicura che le funzioni di
10:58
Speaker 2: Time Intelligence facciano riferimento alla tabella calendario corretta. Questo test
11:01
Speaker 2: supplementare significa che non rilascia alcun grafico finché non è
11:03
Speaker 2: certo che rifletta come l'azienda misura effettivamente il margine. Il
11:06
Speaker 2: processo sembra cauto perché lo è davvero. Questa è la differenza.
11:09
Speaker 2: Copilot punta il risultato immediato, mentre l'umano dà priorità alla
11:12
Speaker 2: validazione passo dopo passo. Se hai mai provato a scrivere
11:15
Speaker 2: un'espressione DAX più avanzata a questo scenario, dovrebbe sembrarti familiare.
11:19
Speaker 2: Le cose sembrano semplici all'inizio, poi degenerano rapidamente in tentativi
11:22
Speaker 2: ed errori non appena entrano in gioco filtri e relazioni
11:24
Speaker 2: logiche personalizzate. E risulta che lì è inciampa nelle stesse
11:27
Speaker 2: trappole che mettono in difficoltà gli studenti umani. Aritmetica di base,
11:30
Speaker 2: nessun problema. Qualsiasi cosa richiede a cambi di contesto di
11:32
Speaker 2: filtro o aggregazioni personalizzate improvvisamente. Le cose diventano instabili. Vedere
11:36
Speaker 2: Copilot interpretare male cosa conta come ricavo da cliente attivo
11:39
Speaker 2: è quasi un errore da manuale, uno di quelli che
11:40
Speaker 2: riconosci se hai mai corretto una funzione calcolata e applicata male.
11:44
Speaker 2: Questa differenza conta perché, mentre la prototipazione rapida ha un
11:47
Speaker 2: valore reale, gli ambienti di produzione richiedono affidabilità. I manager
11:50
Speaker 2: non vogliono solo numeri che appaiono in fretta, vogliono dati
11:52
Speaker 2: che possano difendere in una riunione, numeri di cui potersi
11:54
Speaker 2: fidare per prendere decisioni senza dubitare decisioni, senza dubitare dei
11:57
Speaker 2: calcoli sostanziali. Il vantaggio di Copilot nel creare bozze sarebbe
12:01
Speaker 2: fantastico per il brainstorming o l'esplorazione iniziale, ma in produzione
12:05
Speaker 2: il rischio che piccoli disalineamenti diventino grandi errori di reportistica
12:08
Speaker 2: diventa un fattore limitante. Il compromesso è evidente sullo schermo.
12:11
Speaker 2: La velocità offre un vanto immediato, ma la precisione garantisce
12:14
Speaker 2: un valore a lungo termine. Chiunque stia guardando può vedere
12:17
Speaker 2: che Copilot vince facilmente questo primo round in termini di velocità.
12:20
Speaker 2: È difficile discutere con grafici istantanei e misure generate automaticamente
12:23
Speaker 2: che tecnicamente funzionano senza alcuno sforzo. Mettendoli a confronto iniziano
12:26
Speaker 2: ad apparire dei dubbi. Se ogni grafico deve comunque essere ricontrollato,
12:29
Speaker 2: quanto tempo sta risparmiando davvero? Per ora Copilot ha tagliato
12:32
Speaker 2: il primo traguardo più velocemente, pure dall'impressione di un atleta
12:35
Speaker 2: che scatta subito, ma non sembra abbastanza costante per vincere
12:37
Speaker 2: l'intera gara. E la vera prova non è ancora arrivata.
12:41
Speaker 2: Costruire visualizzazioni rapide è un conto, ma quando si tratta
12:44
Speaker 2: di collegare tabelle, gestire relazioni multiple e preservare un contesto
12:47
Speaker 2: di filtro accurato, la pressione aumenta. È qui che la
12:50
Speaker 2: velocità superficiale conterrà meno della adottabilità alla complessità aziendale, il
12:53
Speaker 2: che solleva la prossima domanda critica. Una volta arrivati alla
12:57
Speaker 2: modellazione relazionale dei dati, l'automazione inizierà a mostrare i suoi
13:00
Speaker 2: limiti e Occopilot riuscirà a mantenere il suo slancio. Il
13:03
Speaker 2: punto di rottura è la modellazione complessa dei dati. Le
13:05
Speaker 2: demo semplici sono facili. La vera prova arriva quando i
13:08
Speaker 2: dati smettono di essere ordinati e iniziano a comportarsi come
13:10
Speaker 2: nel mondo reale. In questo round della sfida il focus
13:12
Speaker 2: si sposta sulla modellazione complessa. Invece di lavorare con un'ordinata
13:16
Speaker 2: tabella di transazioni di vendita, sia Copilot che il nostro
13:18
Speaker 2: sviluppatore si trovano di fronte a un set di dati multitabella.
13:21
Speaker 2: Ci sono anagrafiche clienti, gerarchie di prodotti, ordini di vendita,
13:24
Speaker 2: tabelle di sconti resi e una tabella calendario separata per
13:27
Speaker 2: l'intelligence temporale. Chiunque abbia costruito un modello Power BI non
13:31
Speaker 2: banale sa che è qui che spesso le cose si rompono.
13:34
Speaker 2: Un grafico appariscente non significa molto se le fondamenta, le
13:36
Speaker 2: relazioni e i campi calcolati non reggono il confronto con
13:39
Speaker 2: la logica aziendale reale. L'approccio di Copilot qui è automatizzare,
13:43
Speaker 2: esamina i nomi delle colonne, cerca chiavi simili e propone relazioni,
13:46
Speaker 2: come se fossero corrispondenze ovvie. In apparenza sembra utile, ma
13:49
Speaker 2: nella realtà i dati aziendali raramente si mappano in modo
13:52
Speaker 2: pulito basandosi solo sul nome della colonna. Ad esempio Copilot
13:55
Speaker 2: individua l'ID cliente in due tabelle e crea una join.
13:58
Speaker 2: Tecnicamente funziona, ma quando il modello viene testato su clienti
14:01
Speaker 2: attivi rispetto a quelli abbandonati, il join gonfia i totali
14:04
Speaker 2: perché ignora i campi di stato che avrebbero dovuto essere considerati.
14:08
Speaker 2: Produce un risultato, ma non quello corretto. E il vero
14:10
Speaker 2: problema è che l'output sembra comunque perfetto finché non approfondisci
14:13
Speaker 2: perché i numeri sembrano sbagliati. Al contrario, lo sviluppatore non
14:16
Speaker 2: dà per scontato che l'ID cliente debba sempre coespondere direttamente.
14:20
Speaker 2: Si ferma a verificare come l'azienda definisce che è interattivo
14:22
Speaker 2: nel set di dati. Questa consapevolezza cambia il modo in
14:25
Speaker 2: cui modella la razza. Invece di lasciare che ogni cliente
14:27
Speaker 2: venga collegato, inserisce dei filtri affinché solo i clienti attivi
14:30
Speaker 2: continuino ai fini della misura. Richiede più tempo, ma ora
14:33
Speaker 2: i totali sono in linea con le aspettative. Questa differenza
14:35
Speaker 2: illustra la sfida fondamentale che Copilot deve affrontare. Le macchine
14:38
Speaker 2: possono indovinare i join, ma non possono facilmente applicare le
14:41
Speaker 2: sfumature della regola aziendale che non sono scritte esplicitamente nello schema.
14:44
Speaker 2: Un altro esempio si manifesta con il calcolo del profitto
14:46
Speaker 2: su più tabelle dei fatti. Copilot genera una relazione automatizzata
14:51
Speaker 2: tra la tabella vendita e quella degli sconti, ma imposta
14:53
Speaker 2: di default, un join molti a molti perché entrambe le
14:55
Speaker 2: tabelle includono chiavi sovrapposte. Chiunque abbia lavorato con relazioni molti
14:59
Speaker 2: a molti in Power BI sa che ciò può causare
15:00
Speaker 2: aggregazioni gonfiate, specialmente se i filtri non sono applicati correttamente.
15:03
Speaker 2: Copilot non segnala alcun avviso. Il grafico creato sembra il finito,
15:07
Speaker 2: ma se confrontato con la versione dello sviluppatore i margini
15:09
Speaker 2: di profitto schizzano in modo irrealistico. Dal punto di vista
15:11
Speaker 2: aziendale questi numeri gonfiati potrebbero indurre il management a credere
15:14
Speaker 2: che le performance siano molto più solide di quanto non
15:16
Speaker 2: siano in realtà. Lo sviluppatore individua rapidamente il problema. Ristruttura
15:20
Speaker 2: il modello normalizzando i dati degli sconti e separandoli in
15:23
Speaker 2: una tabella a ponte. Questa mossa converte le relazioni in
15:26
Speaker 2: una multi consentendo un'aggregazione accurata che rappresenta correttamente le condizioni aziendali.
15:31
Speaker 2: Questo momento evidenzia perché il contesto è tutto. Per Copilot
15:34
Speaker 2: un join è un join. Per uno sviluppatore BI, un
15:36
Speaker 2: join è una decisione con un impatto diretto su come
15:38
Speaker 2: il management vede le prestazioni aziendali. Questa differenza è il
15:41
Speaker 2: punto di rottura che iniziamo a notare quando passiamo da
15:43
Speaker 2: attività semplice alla modellazione significativa. C'è anche la questione dei
15:46
Speaker 2: campi calcolati. Copilot può scrivere espressioni DAX, ma quando servono
15:50
Speaker 2: funzioni di time intelligence le cose diventano instabili. Ad esempio,
15:53
Speaker 2: propone una misura anno su anno usando una funzione integrata,
15:56
Speaker 2: ma la applica alla data di transazione nella tabella ordini
15:58
Speaker 2: invece che alla tabella calendario dedicata. Il risultato mostra numeri
16:02
Speaker 2: che sembrano plausibili ma che divergono leggermente mancando alcuni periodi.
16:06
Speaker 2: In scenari reali errori sottili come questo passano spesso inosservati
16:09
Speaker 2: finché una revisione trimestrale non espone le discrepanze. Lo sviluppatore
16:13
Speaker 2: naturalmente sa come muovere. Verifica che i calcoli utilizzino la
16:15
Speaker 2: tabella calendario corrette e siano allineati con la logica dell'anno fiscale.
16:18
Speaker 2: Non si tratta solo di scrivere una formula ma di
16:20
Speaker 2: sapere quale riferimento produce i risultati su cui conta la leadership.
16:23
Speaker 2: Osservare entrambi fianco a fianco è rivelatore. Copilot produce risultati
16:27
Speaker 2: appariscenti a ritmo record ma la sua sicurezza nasconde errori fondamentali.
16:30
Speaker 2: Lo sviluppatore può sembrare più lento, ma l'accuratezza del suo
16:33
Speaker 2: modello elimina il rischio di report forvianti. Questo sottolinea la
16:36
Speaker 2: semplice verità. Lì ha legge i pattern, ma non ne
16:38
Speaker 2: comprende il significato a meno che le regole non vengano
16:40
Speaker 2: fornite esplicitamente. La logica aziendale spesso risiede fuori dal set
16:44
Speaker 2: di dati, in conversazioni, policy e contesti che Copilot non
16:46
Speaker 2: può dedurre. È qui che l'esperienza umana mantiene ancora un vantaggio.
16:51
Speaker 2: Il flusso di lavoro automatizzato sembra fluido finché le regole
16:53
Speaker 2: non cambiano sin sinonamiguità. Allora emergono i crea. La modellazione
16:57
Speaker 2: complessa non riguarda la velocità di rendering di un grafico,
16:59
Speaker 2: ma garantire che la logica dietro quel grafico eraga sotto esame.
17:03
Speaker 2: In questo round lo sviluppatore lo dimostra perfettamente. Copilot inciampa,
17:06
Speaker 2: l'umano corregge e il modello finale riflette l'azienda in modo
17:09
Speaker 2: più accurato. Ora che le basi sono gettate, la tensione
17:12
Speaker 2: si sposta di nuovo. Con i modelli costruiti e i
17:14
Speaker 2: calcoli testati, i riflettori passano alla fase finale, trasformare tutto
17:17
Speaker 2: questo in dashboard che i decisori possono realmente usare. L'ultimo sprint,
17:21
Speaker 2: qualità e usabilità della dashboard. Non si tratta solo di
17:23
Speaker 2: far tornare i conti, Una dashboard efficace deve fare di
17:26
Speaker 2: più che mostrare i dati. Deve parlare direttamente alle persone
17:28
Speaker 2: che la utilizzano. In questa fase la domanda riguarda meno
17:32
Speaker 2: i calcoli totali e più l'usabilità. Puoi avere il modello
17:35
Speaker 2: più accurato al mondo, ma se i leader non riescono
17:37
Speaker 2: a vedere rapidamente ciò che conta, il valore crolla. È
17:40
Speaker 2: qui che iniziamo a notare un tipo di divario molto
17:41
Speaker 2: diverso tra Copilot e lo sviluppatore. Copilot prende di nuovo
17:44
Speaker 2: il comando grazie alla propria velocità. In pochi minuti la
17:46
Speaker 2: tela si riempie di grafici, filtri e layout generati automaticamente.
17:50
Speaker 2: Copre le basi, vendite per regione, entrate nel tempo, ripartizioni
17:53
Speaker 2: per categoria di prodotto. è indiscutibilmente più veloce che costruire
17:57
Speaker 2: ogni visualizzazione a mano. L'automazione sembra impressionante perché i dashboard
18:00
Speaker 2: che richiederebbero un pomeriggio appaiono quasi istantaneamente, ma una volta
18:03
Speaker 2: osservati i risultati più da vicino l'entusiasmo svanisce. Le visualizzazioni
18:06
Speaker 2: sono alineate ma sembrano generiche, quasi dei modelli predefiniti. Non
18:09
Speaker 2: c'è una vera priorizzazione. I ricavi appaiono con lo stesso
18:12
Speaker 2: peso di metriche meno critiche e le lacune nella narrazione
18:15
Speaker 2: sono evidenti. Un manager che naviga nella dashboard otterrebbe informazioni
18:18
Speaker 2: ma non una storia. Quella narrazione è esattamente ciò su
18:21
Speaker 2: cui punta lo sviluppatore umano. Invece di lasciare che Power
18:24
Speaker 2: BI inserisca grafici nei segnaposto, lo sviluppatore si chiede qual
18:27
Speaker 2: è la prima cosa che un decisore deve vedere. Trend
18:29
Speaker 2: dei profitti in alto, trend di abbandono dei clienti prima
18:31
Speaker 2: dei dettagli originali. Il contesto emerge dal modo in cui
18:33
Speaker 2: gli elementi visivi sono ordinati e dimensionati ed etichettati. I
18:36
Speaker 2: titoli sono scritti in un linguaggio aziendale chiaro invece che
18:38
Speaker 2: con nomi di database grazi. Il prodotto finale è molto
18:40
Speaker 2: più di una semplice serie di grafiche. È una storia.
18:42
Speaker 2: Guida l'utente dalla panoramica al dettaglio in modo logico. Si
18:46
Speaker 2: percepisce che la dashboard è frutto di tempo e ragionamento,
18:48
Speaker 2: non solo di velocità. È qui che il contrasto si
18:50
Speaker 2: fa davvero netto. Il copilot può generare molti contenuti rapidamente,
18:54
Speaker 2: ma la quantità non è qualità, specialmente nell'analisi. Ad esempio,
18:57
Speaker 2: nella sua prima versione, il copilot mostra gli sconti totali
19:00
Speaker 2: in un grafico autonomo e vistoso. Sulla carta è una
19:03
Speaker 2: metrica valida. Nel contesto non significa molto se non viene
19:05
Speaker 2: collegata ai margini. Alla dirigenza non interessa la montata complessiva
19:09
Speaker 2: degli sconti in termini assoluti. Interessa sapere se quegli sconti
19:12
Speaker 2: abbiano ridotto la redditività o aumentato il volume di vendita
19:14
Speaker 2: in modo adeguato. Quel legame è difficile da cogliere per
19:17
Speaker 2: l'IA perché richiede di ragionare su come una metrica influenzi
19:20
Speaker 2: l'altra A. Lo sviluppatore invece modella col confronto direttamente mettendo
19:24
Speaker 2: gli sconti a confronto con l'utile lordo emetto nel tempo.
19:26
Speaker 2: La storia diventa subito più chiara perché spiega invece di
19:28
Speaker 2: limitarsi a mostrare. La ricerca sulla visualizzazione, sul design e
19:33
Speaker 2: la business intelligence sottolinea che le migliori dashboard non sono
19:35
Speaker 2: quelle con più elementi ma quelle che comunicano meglio. Le
19:39
Speaker 2: migliori pratiche suggeriscono di evitare il disordine, enfatizzare i confronti
19:43
Speaker 2: e definire i KPI in linea con gli obiettivi aziendali.
19:47
Speaker 2: Copilot può imitare queste pratiche quando sono basate su regole
19:50
Speaker 2: come allineare i numeri per la leggibilità o suggerire un
19:52
Speaker 2: grafico a barre invece di una torta. Tuttavia nel codificare
19:56
Speaker 2: sottili best practice l'arte di scegliere ciò che conta di
19:59
Speaker 2: più è ancora fuori dalla sua portata. Ciò richiede familiarità
20:01
Speaker 2: sia con i dati che con le problematiche aziendali. La
20:03
Speaker 2: differenza pratica si nota nel modo in cui le dashboard
20:05
Speaker 2: vengono percepite dai diversi destinatari. L'output del copilot sembra una
20:09
Speaker 2: bozza curata, utile per l'esplorazione interna o per sessioni di
20:11
Speaker 2: brainstorming iniziali. Un team potrebbe prenderlo, modificarlo e mutare a
20:15
Speaker 2: qualcosa di meglio. Ma chiediti, entraresti in una sala riunioni
20:18
Speaker 2: per presentarlo senza modifiche? Probabilmente no. In confronto, la dashboard
20:22
Speaker 2: dello sviluppatore richiede più tempo ma appare subito pronta per
20:24
Speaker 2: una revisione esecutiva a una struttura. Comunica un intento. La
20:28
Speaker 2: dirigenza può dare un'occhiata ai grafici principali e comprendere i
20:30
Speaker 2: trend critici in pochi secondi. Quello che assistiamo quindi è
20:33
Speaker 2: una divisione dell'utilità. Copilot è un'es...