Latest / M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano / Copilot in Microsoft Fabric: pulire, trasformare e ottimizzare i modelli di dati con l’IA (Doppiaggio IA)

Transcript

Copilot in Microsoft Fabric: pulire, trasformare e ottimizzare i modelli di dati con l’IA (Doppiaggio IA) · M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano

0:00
Speaker 2: Pronti per dieci giorni di Microsoft 365, Copilot, EA, Azure
0:04
Speaker 2: e le persone che stanno plasmando il futuro del lavoro?
0:08
Speaker 2: Questo gennaio, M365 con ritorno e puntiamo ancora più in alto?
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 da tutto
0:17
Speaker 2: il mondo. Niente slide generiche, niente gergo infinito. Affronteremo le
0:22
Speaker 2: sfide reali. Copilot Studio, agenti IAA, Fabric, Sicurezza, Governance e Automazione, eh?
0:29
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. Andate
0:52
Speaker 2: su m365com. net e assicuratevi il vostro posto oggi stesso. Il
0:56
Speaker 2: sito è m365com. net. it Iscrivetevi ora su m3665con. net e ci vedremo
1:03
Speaker 2: dal vivo a gennaio
1:05
Speaker 3: Vi siete mai chiesti perché i vostri modelli di dati
1:06
Speaker 3: risultano macchinosi nonostante le migliori intenzioni? Non siete i soli.
1:10
Speaker 3: Oggi vi mostrerò dove Copilot accelera realmente il vostro flusso
1:12
Speaker 3: di lavoro in Microsoft Fabric dove invece serve ancora il
1:15
Speaker 3: tocco umano. Identificheremo i punti critici nelle pipeline di dati,
1:19
Speaker 3: metteremo in luce casi d'uso reali di Copilot e risponderemo
1:22
Speaker 3: può un assistente IA trasformare davvero i dati grezzi in
1:24
Speaker 3: migliori intuizioni più velocemente? Può Restate con noi perché le
1:29
Speaker 3: risposte potrebbero cambiare completamente il vostro approccio alla modellazione dei dati.
1:33
Speaker 3: Dal dump di dati all'input intelligente, dove Copilot inizia a lavorare.
1:36
Speaker 3: Se avete mai caricato un foglio di calcolo su Microsoft
1:38
Speaker 3: Fabric pentendovene subito dopo, non siete i soli, non siete
1:41
Speaker 3: i suoi. Molti di noi pensano che la pulizia dei
1:44
Speaker 3: dati avvenga a posteriori, che un po' di pazienza, forza
1:47
Speaker 3: bruta e qualche formula di Excel possano sistemare il disastro.
1:52
Speaker 3: Ma ecco qualcosa che coglie molti di sorpresa. Copilot non
1:56
Speaker 3: aspetta che siate voi a scoprire di aver fatto un
1:58
Speaker 3: pasticcio inizia a scansionare i dati nel momento stesso in
2:01
Speaker 3: cui li connettete. Non si tratta solo di controllare celle
2:04
Speaker 3: vuote o date strane. Copilot esamina la composizione della sorgente,
2:08
Speaker 3: analizza le strutture, evidenzia le colonne disallineate e segnala i
2:11
Speaker 3: tipi di dati che vi creeranno problemi in seguito. La
2:15
Speaker 3: maggior parte delle persone non se ne accorge finché non
2:17
Speaker 3: è a metà di una pipeline già destinata al fallimento.
2:20
Speaker 3: Copilot interviene prima ancora che inizi quella perdita di tempo.
2:23
Speaker 3: Mettiamo che abbiate importato un file CSV da un sistema
2:25
Speaker 3: di terze parti. Le intestazioni delle colonne sono incoerenti Alcuni
2:30
Speaker 3: campi sono mescolati e, peggio ancora, le date sono in
2:33
Speaker 3: tre formati diversi. Invece di limitarsi a indicare che qualcosa
2:37
Speaker 3: non va, Copilot scava più a fondo. Segnala i problemi
2:42
Speaker 3: strutturali concentrandosi sulle colonne presenti nello schema ma non considerate
2:46
Speaker 3: nell'importazione o sui campi con tipi di dati misti che
2:49
Speaker 3: Power BI bloccherebbero in seguito. Inoltre Copilot non si limita
2:53
Speaker 3: ad alzare le spalle virtuali e lasciarti al tuo destino.
2:56
Speaker 3: Riceverai consigli pratici? rinomina queste intestazioni per coerenza separa questa
3:01
Speaker 3: colonna nidificata standardizza i formati delle date prima dell'importazione immagina
3:06
Speaker 3: di connetterti a un API per la prima volta magari
3:08
Speaker 3: uno strumento di marketing con nomi di campi personalizzati come
3:11
Speaker 3: vendite annuali USD in una tabella e vendite USD in
3:13
Speaker 3: un'altra laddove la maggior parte delle persone noterebbe l'incongruenza solo
3:17
Speaker 3: dopo aver fallito l'unione delle tabelle Copilot segnala il problema
3:20
Speaker 3: subito e suggerisce nomi unificati basati sulla comprensione delle relazioni
3:24
Speaker 3: tra i dati la realtà è che non tutte le
3:27
Speaker 3: origini dati si comportano bene Alcune fonti sono fondamentalmente un
3:30
Speaker 3: caos in un foglio di calcolo e questo è importante
3:32
Speaker 3: perché circa il 60% degli errori nella pipeline deriva da
3:35
Speaker 3: problemi che avresti potuto individuare in questa fase. Questo numero
3:38
Speaker 3: non è solo una tattica intimidatore. Proviene da studi interni
3:41
Speaker 3: che tracciano i punti critici più comuni nei progetti dati
3:44
Speaker 3: falliti all'interno di Fabric. Copilot fa il lavoro sporco da
3:47
Speaker 3: detective per te. Non si limita a far emergere i problemi.
3:50
Speaker 3: Ti spiega perché rappresentano un problema e, soprattutto, cosa fare
3:53
Speaker 3: prima di perdere giorni bloccati nel ciclo di risoluzione dei
3:57
Speaker 3: problemi della pipeline. Molti strumenti in circolazione ti dicono cosa
4:00
Speaker 3: non va solo dopo che hai avviato il processo e
4:02
Speaker 3: tutto è andato in tilt. Copilot è un approccio più intelligente,
4:05
Speaker 3: proponendo cosa fare dopo. Ad esempio, segnalerà se i tuoi
4:09
Speaker 3: ID sono archiviati come testo in un posto e come
4:11
Speaker 3: numeri in un altro, consigliando di convertirli in un tipo comune,
4:14
Speaker 3: prima ancora di usare un'istruzione join. Ti spinge anche verso
4:18
Speaker 3: le best practice, a cui non pensi subito, come suggerire
4:22
Speaker 3: di normalizzare alcune tabelle o usare formati di ingestione specifici
4:25
Speaker 3: che preservino la fedeltà delle colonne. Questi sono i tipi
4:30
Speaker 3: di dettagli che solitamente richiedono tentativi d'errori o una marea
4:32
Speaker 3: di ricerche su Stack Overflow per essere risolti correttamente. Copilot
4:36
Speaker 3: interrompe efficacemente questo ciclo e ti orienta verso dati più
4:39
Speaker 3: puliti e utilizzabili fin dall'inizio. A volte le sorprese sono
4:43
Speaker 3: davvero utili. Non si tratta solo di pulire ma di
4:46
Speaker 3: ottimizzare i dati man mano che arrivano. Per sé di
4:49
Speaker 3: dati più grandi Copilot offre strategie di partizionamento magari dividendo
4:52
Speaker 3: i dati di vendita per regione invece di stipare tutto
4:54
Speaker 3: in un'unica tabella. Non è solo un ritocco alla formatazione.
4:58
Speaker 3: I dati partizionati possono accelerare gli aggiornamenti del modello, ridurre
5:01
Speaker 3: i tempi di query e risparmiarti molti grattacapito di back- end.
5:04
Speaker 3: Stiamo parlando di guadagni tangibili, nelle prestazioni che potresti aver
5:06
Speaker 3: trascurato completamente se avessi scelto la strada manuale. Invece di
5:09
Speaker 3: mostrarti solo una griglia di dati in anteprima, Copilot ti
5:12
Speaker 3: offre uno sguardo su come quelle modifiche influiranno sul tuo
5:14
Speaker 3: futuro modello dati. Visualizzi una simulazione di potenziali relazioni, cardinalità
5:19
Speaker 3: e persino un riepilogo della qualità prevista dei dati dopo
5:22
Speaker 3: l'applicazione e delle modifiche. Approcciare la pulizia dei dati in
5:26
Speaker 3: questo modo non elimina solo un problema, ma trasforma l'intero
5:29
Speaker 3: processo a valle. Quando l'acquisizione è fluida, le trasformazioni applicate
5:33
Speaker 3: in seguito risultano più rapide ed efficaci. Si dedica meno
5:36
Speaker 3: tempo a capire perché un join non si è riuscito,
5:38
Speaker 3: perché i tuoi visual power BI mostrino solo campi vuoti.
5:41
Speaker 3: Non stai solo evitando errori, stai preparando i tuoi dati
5:43
Speaker 3: per un'elaborazione più intelligente e adattiva in ogni livello successivo.
5:46
Speaker 3: In ogni livello successivo. Usare Copilot fin dall'inizio significa avere
5:50
Speaker 3: modelli più precisi, meno sorprese, dell'ultimo minuto e pipeline davvero
5:54
Speaker 3: coerenti dall'inizio alla fine. Il vantaggio è chiaro. Integrare Copilot
5:59
Speaker 3: nella fase di acquisizione crea una base solida per ogni
6:01
Speaker 3: decisione presa a valle. Invece di correggere gli errori a posteriori,
6:05
Speaker 3: li vedi e li risolvi quando contano di più. Questo
6:09
Speaker 3: significa che, quando arriva il momento di trasformare e modellare
6:11
Speaker 3: i dati, parti da una posizione di forza senza dover
6:13
Speaker 3: rincorrere ciò che è sfuggito. La fase centrale è ciò
6:17
Speaker 3: che accade dopo l'acquisizione della fase centrale, quella più completa.
6:20
Speaker 3: È qui che Copilot passa dai suggerimenti intelligenti alla trasformazione pratica,
6:23
Speaker 3: modellando e raffinando automaticamente i tuoi dati con lo stesso
6:26
Speaker 3: livello di intuito. Trasformare il caos dei dati in chiarezza
6:30
Speaker 3: è come un motore di trasformazione di Copilot. Ora che
6:33
Speaker 3: i tuoi dati arrivano puliti inizia il vero lavoro. Il
6:36
Speaker 3: livello di trasformazione è dove la maggior parte dei progetti vacilla,
6:39
Speaker 3: non per mancanza di strumenti ma perché adattare la logica
6:41
Speaker 3: aziendale a un grovio di tabelle diventa presto tedioso. pensa
6:45
Speaker 3: tutte le volte in cui hai caricato i dati solo
6:47
Speaker 3: per passare l'ora successiva a trascinare campi, rinominare colonne incomprensibili
6:52
Speaker 3: e scrivere formule a memoria. Siamo stati tutti lì con
6:55
Speaker 3: una dozzina di condizioni di join aperte, dubitando se quella
6:58
Speaker 3: data di transazione sia l'ultimo acquisto o solo un timestamp
7:00
Speaker 3: di importazione. E se hai creato anche solo un modello
7:03
Speaker 3: Power BI, sai come una relazione mancante o un tipo
7:06
Speaker 3: di dato errato possano ripercuotersi su ogni report e dashboard successivi.
7:12
Speaker 3: Ciò che rende Copilot diverso è che ti tira fuori
7:14
Speaker 3: dalla trappola di infiniti tentativi ed errori. Osserva come modelli
7:18
Speaker 3: i dati, quali colonne unisci, quali tabelle colleghi, dove aggiungi
7:21
Speaker 3: quei calcoli DAX difficili da documentare e offre alternative, a
7:25
Speaker 3: volte prima, ancora che tu capisca di averne bisogno. Immagina
7:31
Speaker 3: di dover preparare un report per il team finanziario. Hai
7:34
Speaker 3: collegato i dati transazionali con la tua anagrafica clienti, ma
7:36
Speaker 3: i numeri non tornano ancora come dovrebbero. Invece di setacciare
7:39
Speaker 3: le tabelle di ricerca, Copilot suggerisce di aggregare le vendite
7:42
Speaker 3: per regione, non solo per mese, e poi genera una
7:44
Speaker 3: misura DAX pronta all'uso per la crescita anno su anno.
7:48
Speaker 3: Non devi memorizzare o correggere la formula. Appare come un
7:51
Speaker 3: suggerimento completo di spiegazioni su cosa guida il calcolo. C'è
7:56
Speaker 3: il timore persistente che Copilot possa semplificare troppo le cose,
7:59
Speaker 3: o che tralasci una regola sottile definita con un partner
8:02
Speaker 3: commerciale dopo tre lunghe riunioni. È una preoccupazione egizia. LIA
8:07
Speaker 3: non legge nel pensiero e a volte la prima bozza
8:10
Speaker 3: di suggerimento è troppo generica, trascurando ad esempio che una
8:13
Speaker 3: linea di prodotti non dovrebbe essere inclusa in un dato calcolo. Tuttavia,
8:17
Speaker 3: più usi Copilot, più le raccomandazioni diventano precise. Il sistema
8:20
Speaker 3: richiede un feedback ogni volta che rivedi o rifiuti uno
8:22
Speaker 3: dei suoi suggerimenti, così la prossima volta che costruirai un
8:25
Speaker 3: modello simile ne ricorderai le sfumature. Impara gradualmente ciò che
8:28
Speaker 3: conta davvero per la tua organizzazione rispetto alle ipotesi generiche.
8:31
Speaker 3: Il bot a risposta si trasforma in una collaborazione piuttosto
8:33
Speaker 3: che in un suggerimento isolato. I dati reali degli utenti
8:36
Speaker 3: lo confermano. Nell'ultimo anno gli studi hanno dimostrato che le
8:39
Speaker 3: misure DAX generate dall'IA in fabbrica eguagliano ormai l'accuratezza e
8:42
Speaker 3: le prestazioni delle formule scritte da sviluppatori BI esperti, almeno
8:46
Speaker 3: per attività aziendali standard, come totali progressivi, crescita percentuale e
8:50
Speaker 3: filtraggio dei segmenti. Laddove un nuovo analista potrebbe perdere ore
8:55
Speaker 3: a capire perché una misura di rendimento totale si interrompe
8:58
Speaker 3: durante il passaggio di anno, i modelli di Copilot per
9:00
Speaker 3: questi scenari sono stati testati su enormi set di dati
9:03
Speaker 3: e casi insoliti. Ciò non significa che ogni formula sia perfetta,
9:07
Speaker 3: ma il livello minimo di qualità sia alzato drasticamente. Ciò
9:10
Speaker 3: che distingue davvero Copilot non è solo l'automazione delle basi.
9:14
Speaker 3: Individua i problemi di prestazione dei tuoi passaggi e li segnala.
9:18
Speaker 3: Se stai concatenando 5 query, quando ne basterebbero 2 o
9:21
Speaker 3: se i tuoi joins sono in ordine errato e rallentano
9:23
Speaker 3: i tempi di aggiornamento, li segnala come colli di bottiglia.
9:26
Speaker 3: Riceverai suggerimenti per unire le query o riordinare i passaggi
9:28
Speaker 3: per migliorare l'efficienza, non solo la correttezza. Sono quei piccoli
9:32
Speaker 3: dettagli che solitamente emergono solo quando il tuo modello incontra
9:35
Speaker 3: un ostacolo o ricevi segnalazioni su dashboard lente. Copilot mette
9:39
Speaker 3: quegli avvisi in primo piano, così non dovrai chiederti perché
9:41
Speaker 3: il tuo workspace rallenta quando i dati crescono. Un aspetto
9:44
Speaker 3: della trasformazione dei dati che viene spesso trascurato dalla documentazione.
9:47
Speaker 3: Più mani toccano un modello, più questo diventa fragile e misterioso,
9:50
Speaker 3: specialmente se ti muovi velocemente e non trovi il tempo
9:53
Speaker 3: di annotare i passaggi o scrivere note sul perché esiste
9:55
Speaker 3: un filtro. Copilot interviene anche qui. Mentre accetti o personalizzi
10:00
Speaker 3: i passaggi di trasformazione, genera un registro leggibile delle modifiche,
10:03
Speaker 3: cattura il tuo ragionamento dietro le correzioni e lo memorizza
10:06
Speaker 3: come metadati all'interno del modello. I colleghi che arrivano in
10:10
Speaker 3: un secondo momento non devono fare il reverse engineering dell'intento
10:12
Speaker 3: dietro ogni trasformazione. Vedono la logica e le regole di
10:15
Speaker 3: business in un linguaggio semplice. Se hai mai dovuto difendere
10:18
Speaker 3: una colonna calcolata davanti a un revisore e conosci il
10:20
Speaker 3: fastidio di dover recuperare vecchi appunti di progetto, la documentazione
10:24
Speaker 3: automatica di Copilot ti permette di ottenere rapidamente una spiegazione
10:26
Speaker 3: per qualsiasi modifica completa di cronologia delle versioni. Non si
10:29
Speaker 3: tratta solo di comodità, può far risparmiare giorni di lavoro
10:31
Speaker 3: quando i tuoi modelli devono essere revisionati o condivisi con
10:33
Speaker 3: qualcuno di nuovo. L'effetto finale? Non sei più bloccato tra
10:37
Speaker 3: sintassi e soluzioni alternative. Invece, quelle ore passate a risolvere
10:42
Speaker 3: problemi isolati vengono reindirizzate a perfezionare il valore di business
10:45
Speaker 3: del modello. porre domande più incisive, sperimentare approcci di segmentazione
10:49
Speaker 3: o testare nuovi KPI. Quando premi pubblica, la maggior parte
10:54
Speaker 3: del lavoro pesante è stata gestita o almeno segnalata da Copilot,
10:57
Speaker 3: lasciandoti libero di concentrarti sulle decisioni che fanno davvero progredire l'azienda.
11:02
Speaker 3: Questo porta direttamente all'aspetto che mette in difficoltà anche gli
11:04
Speaker 3: analisti esperti. Visualizzare i dati in modo da fornire risposte
11:07
Speaker 3: invece di aggiungere solo confusione. Costruire le misure e pulire
11:11
Speaker 3: la logica è solo una parte. Tradurre quei numeri in
11:13
Speaker 3: elementi visivi che favoriscono l'azione o l'azione è una sfida
11:16
Speaker 3: completamente diversa. È qui che la serie successiva di suggerimenti
11:19
Speaker 3: di Copilot fa una differenza notevole. Dai numeri alle narrazioni,
11:24
Speaker 3: i suggerimenti visivi di Copilot in Power BI. Creare modelli
11:28
Speaker 3: puliti e logici in fabbrica è un buon punto di partenza,
11:30
Speaker 3: ma siamo onesti, molte dashboard finiscono a prendere polvere perché
11:34
Speaker 3: le visualizzazioni non parlano di ciò che interessa davvero al
11:36
Speaker 3: tuo pubblico. Tuttavia c'è la vecchia abitudine di lasciare che
11:40
Speaker 3: Power BI inserisca dei grafici a bar in una pagina
11:43
Speaker 3: sperando che uno di essi colpisca un direttore abbastanza da
11:45
Speaker 3: sollevare una domanda, ma quando osservi team dirigenziali scorrere le
11:49
Speaker 3: schede dei report con espressioni impassibili inizia a vedere il problema.
11:54
Speaker 3: Non è che manchino i dati e che le visualizzazioni
11:56
Speaker 3: non si collegano alle domande di business che le persone
11:58
Speaker 3: pongono realmente, è qui che interviene Copilot e per una
12:01
Speaker 3: volta non si limita a inseguire. Invece di inserire visualizzazioni
12:04
Speaker 3: generiche nel tuo report, Copilot si posiziona sopra il tuo
12:07
Speaker 3: modello ed esegue una scansione. Non legge solo i tuoi campi,
12:10
Speaker 3: ma le relazioni tra essi, le tue misure calcolate e
12:13
Speaker 3: i livelli che hai sovrapposto lungo la tua pipeline. È
12:16
Speaker 3: qui che le cose cambiano. Ad esempio, supponiamo che tu
12:18
Speaker 3: stia assemblando un report sulle vendite per la dirigenza. Hai
12:21
Speaker 3: misure per regione, prodotto e profitto e sai che la
12:23
Speaker 3: direzione non vuole un altro grafico a linee di base
12:25
Speaker 3: che assomigli a ogni altro report dell'ultimo anno. Copilot elabora
12:29
Speaker 3: la tua struttura e suggerisce un grafico a cascata per
12:31
Speaker 3: spiegare come ogni fattore di costo e ricavo contribuisca al
12:34
Speaker 3: profitto complessivo, così la scomposizione racconta una storia invece di
12:37
Speaker 3: limitarsi ad accumulare barre. Per le vendite per area geografica,
12:41
Speaker 3: invece di un altro gruppo di colonne, ottieni il suggerimento
12:43
Speaker 3: di un grafico a mappa che evidenzia dove le prestazioni
12:46
Speaker 3: superano gli obiettivi, non solo dove le vendite sono più
12:48
Speaker 3: alte in termini assoluti. Sorge sempre una domanda, Copilot ti
12:52
Speaker 3: sta offrendo qualcosa di realmente efficace o sta solo applicando
12:55
Speaker 3: una veste accattivante agli stessi vecchi dati? Ciò che fa
12:58
Speaker 3: la differenza è il livello di spiegazione che ottieni. Quando
13:01
Speaker 3: Ecopilot inserisce il grafico suggerito non si limita a dire
13:03
Speaker 3: ecco un grafico a cascata. Spiega perché il grafico a
13:07
Speaker 3: cascata è efficace, forse perché il tuo set di dati
13:09
Speaker 3: mostra molteplici valori positivi e negativi, quindi la struttura del
13:12
Speaker 3: grafico riflette direttamente il percorso del profitto anziché nascondere i
13:15
Speaker 3: dettagli dietro un totale riassuntivo. Per una mappa, Copilot può
13:21
Speaker 3: sottolineare che il tuo modello include campi geografici con relazioni
13:24
Speaker 3: dirette con le metriche di vendita, rendendo il layout più
13:27
Speaker 3: utile di una tabella tradizionale. Molti strumenti di reportistica lasciano
13:33
Speaker 3: che l'utente indovini cosa possa funzionare lasciandoti con una dashboard
13:36
Speaker 3: tecnicamente corretta ma poco significativa. Copilot ti viene incontro a
13:41
Speaker 3: metà strada identificando quali grafici corrispondono non solo al tipo
13:43
Speaker 3: di campo ma anche alla direzione dell'analisi. Quel contributo extra
13:47
Speaker 3: può fare la differenza tra un report che viene citato
13:48
Speaker 3: durante le riunioni e uno che viene ignorato. Ci sono
13:52
Speaker 3: ricerche a supporto di questo. Gli studi che monitorano le
13:55
Speaker 3: sessioni degli utenti di Power BI mostrano che integrare i
13:57
Speaker 3: suggerimenti grafici di Copilot porta a un completamento più rapido
14:00
Speaker 3: della fase di progettazione del report, riducendo i tempi talvolta
14:03
Speaker 3: fino al 40%. Ancora più interessante è il coinvolgimento con
14:07
Speaker 3: cui il report aumenta perché gli utenti finali vedono qualcosa
14:09
Speaker 3: di adatto alle loro esigenze invece di una sequenza uniforme
14:11
Speaker 3: di dati. I report creati con il contributo di Copilot
14:15
Speaker 3: vengono anche condivisi più spesso internamente suggerendo che le persone
14:18
Speaker 3: si fidino un po' di più delle analisi. Ora anche
14:22
Speaker 3: con tutti questi suggerimenti Copilot non sta solo accumulando grafici
14:25
Speaker 3: per una questione di varietà. Effetto anche una sorta di selezione.
14:28
Speaker 3: Supponiamo che tu abbia inserito 10 segmenti in un grafico
14:30
Speaker 3: a torta o creato una tabella con così tante righe
14:32
Speaker 3: che i numeri diventano confusi. Copilot segnala queste scelte come problematiche.
14:38
Speaker 3: Invece potrebbe suggerirti di passare a un grafico a barre
14:40
Speaker 3: per confronti più chiari o di utilizzare un albero di
14:42
Speaker 3: scomposizione per analizzare un valore anomalo che si perde in
14:45
Speaker 3: una fetta confusa del grafico a torta? Ciò significa che
14:48
Speaker 3: Copilot ti protegge da quelle insidie comuni in cui un'estetica
14:51
Speaker 3: accattivante nasconde ciò che conta o, peggio, porta qualcuno a
14:54
Speaker 3: conclusioni errate? La formatazione conta molto più di quanto si
14:58
Speaker 3: pensi e questa è una di quelle aree che Copilot
14:59
Speaker 3: non trascura. Forse la scala dei tuoi assi maschera i trend,
15:03
Speaker 3: facendo sembrare piatte variazioni che invece sono importanti per il business.
15:07
Speaker 3: Oppure la tua tavolozza di colori non rispetta le mie
15:09
Speaker 3: guida sull'accessibilità, rendendo difficile per alcuni utenti distinguere i punti dati.
15:13
Speaker 3: Copilot non solo suggerisce modifiche alla formattazione, come correggere gli assi,
15:17
Speaker 3: regolare le etichette o passare a colori ad alto contrasto,
15:21
Speaker 3: ma spiega anche perché sono scelte importanti. Questi suggerimenti portano
15:25
Speaker 3: a grafici che non sono solo conformi agli standard, ma
15:28
Speaker 3: sono più leggibili e performano meglio su ogni dispositivo. Stanno
15:33
Speaker 3: emergendo storie di utenti che hanno provato suggerimenti che altrimenti
15:35
Speaker 3: avrebbero ignorato. Un utente che lavorava a modello di vendite
15:39
Speaker 3: regionali ha visto Copilot consigliare un albero di scomposizione invece
15:42
Speaker 3: di un riepilogo lineare. Non solo ciò ha fatto emergere
15:45
Speaker 3: un'anomalia sfuggita a una regione che sembrava nella media nel
15:48
Speaker 3: riepilogo ma aveva un picco in una categoria ma ha
15:50
Speaker 3: dato il via a un progetto per correggere un errore
15:53
Speaker 3: di allocazione che sarebbe rimasto inosservato per un altro trimestre.
15:56
Speaker 3: La conclusione è che a volte il grafico migliore non
15:59
Speaker 3: è quello più ovvio. Il motore di Copilot apprende le
16:02
Speaker 3: relazioni nel tuo modello e l'intento dietro i tuoi KPI
16:04
Speaker 3: offrendoti la possibilità di far emergere aspetti che non sapevi
16:07
Speaker 3: nemmeno di dover cercare. Dunque, questi suggerimenti visivi non servono
16:11
Speaker 3: solo a rendere tutto più bello per una riunione. Servono
16:14
Speaker 3: a costruire viste che stimolano la conversazione, segnalano problemi e
16:17
Speaker 3: supportano direttamente decisioni aziendali concrete. Quindi il lavoro di base
16:21
Speaker 3: sul modello non serve a nulla se le persone non
16:24
Speaker 3: usano davvero i tuoi dashboard per agire. Iniziando a vedere
16:26
Speaker 3: questi grafici personalizzati o una formattazione più chiara, ottieni più
16:29
Speaker 3: che un semplice coinvolgimento, ottieni azione. Inoltre c'è la curva
16:32
Speaker 3: di apprendimento che non riguarda solo Copilot, ma anche te,
16:35
Speaker 3: ma anche te. Il ciclo di feedback rende il tuo
16:38
Speaker 3: flusso di lavoro di modellazione dei dati più nitido nel tempo.
16:42
Speaker 3: Il ciclo di feedback destra Copilot è il tuo stesso
16:44
Speaker 3: quaziente intellettivo sui dati. La maggior parte delle persone vede
16:46
Speaker 3: Copilot come una macchina per suggerimenti. Ti fornisce delle raccomandazioni.
16:50
Speaker 3: Puoi accettarle o rifiutarle. Ma se guardi oltre la superficie,
16:54
Speaker 3: la relazione è un po' più complessa e francamente più
16:56
Speaker 3: intelligente di una strada senso unico. Ogni volta che fornisci
17:00
Speaker 3: un feedback a Copilot che tu stia accettando quella nuova
17:02
Speaker 3: formula DAX o sovrascrivendo una combinazione di colonne suggerita, non
17:06
Speaker 3: stai solo ottimizzando lì, stai ripensando la tua stessa logica
17:09
Speaker 3: a ogni modifica. Un po' come quando cambi la rotta
17:13
Speaker 3: di un pilota automatico e sei costretto a ricontrollare la mappa.
17:17
Speaker 3: Il Copilot di Fabric non scrive appunti su una lavagna vuota.
17:21
Speaker 3: Assorbe attivamente il tuo flusso di lavoro e si adatta
17:23
Speaker 3: al che finisce per modificare il modo in cui approcci
17:25
Speaker 3: le decisioni dopo un po' di tempo. Immagina, hai passato
17:29
Speaker 3: mezza giornata a definire un modello di vendita standard e,
17:31
Speaker 3: proprio mentre stai per accettare la misura di profitto totale
17:34
Speaker 3: consigliato da Copilot, lui inserisce un calcolo che sai non
17:36
Speaker 3: corrispondere al tuo standard di reportistica. Forse ha mancato un'esclusione
17:41
Speaker 3: per gli sconti ai partner o ha incluso una promozione
17:43
Speaker 3: che doveva essere separata. Tu modifichi la forma. immediatamente Copilot
17:47
Speaker 3: chiede il contesto, una breve descrizione o una conferma sulla
17:50
Speaker 3: regola che hai applicato. Il punto chiave è che il
17:53
Speaker 3: tuo input non svanisce nel nulla. La prossima volta che
17:56
Speaker 3: creerai un modale simile Copilot se ne ricorderà. Niente più
18:00
Speaker 3: ipotesi che ogni ricavo sia profitto reale e certamente niente
18:02
Speaker 3: più dimenticanze nell'escludere gli sconti ai partner e i record trimestrali.
18:06
Speaker 3: Quindi il tuo feedback rientra effettivamente in ogni suggerimento successivo
18:09
Speaker 3: in un modo che la maggior parte delle persone non
18:10
Speaker 3: si aspetterebbe. Il processo non riguarda solo l'efficienza ma la precisione,
18:14
Speaker 3: versione dopo versione. C'è un momento di esitazione che le
18:17
Speaker 3: persone devono superare. L'idea che lasciare che un'IA osservi e
18:20
Speaker 3: impari dalle tue correzioni sia rischioso ha senso. Se dici
18:25
Speaker 3: a Copilot qualcosa di sbagliato sia ancora un errore. Se
18:28
Speaker 3: imparassi una soluzione approssimativa che usi solo per rispettare una
18:30
Speaker 3: scadenza per poi trasformarla in una regola fissa. L'ansia non
18:33
Speaker 3: è infondata. Le organizzazioni non vogliono che la loro logica
18:36
Speaker 3: aziendale cambi senza poter tracciare come avviene. Ma è quel punto.
18:40
Speaker 3: Il design di Copilot in Fabric fa sì che non
18:42
Speaker 3: smetta mai di chiedere input quando c'è una modifica o
18:44
Speaker 3: un rifiuto. Quel commento continuo, le piccole ragioni e le
18:48
Speaker 3: note vengono registrati come parte del ciclo di feedback. Nel
18:53
Speaker 3: tempo questo registro aiuta a orientare i suoi suggerimenti affinché
18:55
Speaker 3: si avvicinino alle tue regole aziendali specifiche, non solo alle
18:59
Speaker 3: impostazioni predefinite. Più interagisci, più l'IA diventa specifica per la
19:03
Speaker 3: tua attività. E se devi tornare indietro su un'abitudine, è
19:06
Speaker 3: tutto tracciato e spiegabile. Il risultato ha un motore in
19:09
Speaker 3: evoluzione che diventa più flessibile, non più fragile. Un team
19:12
Speaker 3: con cui ho lavorato inizialmente ignorava metà dei suggerimenti di Copilot.
19:17
Speaker 3: I loro primi modelli erano standard, joint di base, poche
19:19
Speaker 3: visualizzazioni banali, nulla che colpisse davvero. Ma man mano che
19:24
Speaker 3: hanno iniziato a rispondere, rifiutando visualizzazioni, rielaborando il DAX per
19:27
Speaker 3: nuove linee di prodotti, spiegando perché un certo passaggio di
19:30
Speaker 3: trasformazione contava, qualcosa è cambiato. Nel giro di un mese
19:34
Speaker 3: Copilot non suggeriva più solo output generici, ma allineava visualizzazioni
19:38
Speaker 3: che rispecchiavano i KPI dell'azienda e proponeva trasformazioni adatte ai
19:42
Speaker 3: nuovi processi aziendali adottati. Anche la loro pipeline accelerato perché
19:47
Speaker 3: le continue correzioni hanno fornito a copilot informazioni che l'hanno
19:50
Speaker 3: spinto fuori dalla modalità predefinita verso un modello più personalizzato
19:54
Speaker 3: legando i cicli di feedback alle esigenze reali della loro
19:56
Speaker 3: attività hanno colmato il divario tra modelli accettabili e risultati
20:00
Speaker 3: pronti per una revisione rigorosa non sono solo aneddoti a
20:03
Speaker 3: sostenere questo punto gli studi stanno monitorando come lavorare attivamente
20:07
Speaker 3: con il ciclo di feedback di copilot faccia davvero la
20:09
Speaker 3: differenza I team che forniscono un feedback regolare, positivo, negativo
20:13
Speaker 3: o anche solo piccoli suggerimenti esplicativi vedono calare i tassi
20:15
Speaker 3: di errori in modellazione. La reportistica diventa più pertinente e
20:18
Speaker 3: l'accuratezza nelle misure calcolate migliora. Gli ultimi dati mostrano che
20:22
Speaker 3: i team più coinvolti registrano un aumento di circa il
20:24
Speaker 3: 30% dell'accuratezza e precisione complessiva dei report rispetto ai gruppi
20:28
Speaker 3: che accettano o rifiutano passivamente i suggerimenti senza aggiungere contesto.
20:33
Speaker 3: L'implicazione qui non è magica, si tratta di apprendimento mirato
20:36
Speaker 3: attraverso l'interazione. Più Copilot vede e più lo si spinge
20:39
Speaker 3: a spiegare o rifinire, più i modelli di dati si
20:42
Speaker 3: allineano con gli intenti aziendali. Inaspettatamente questo sistema di feedback
20:46
Speaker 3: non sta solo addestrando l'IA. Sempre più utenti segnalano che
20:51
Speaker 3: rivedere e correggere l'output di Copilot sta effettivamente affinando il
20:54
Speaker 3: loro approccio alla modellazione. Sembra strano, ma lo si nota
20:57
Speaker 3: dal modo in cui le persone iniziano ad anticipare i problemi,
20:59
Speaker 3: individuare difetti logici nascosti o persino aggiungere documentazione, dove prima
21:03
Speaker 3: non si preoccupavano di farlo. Invece di approvare ciecamente qualsiasi cosa,
21:07
Speaker 3: i team... Prendono l'abitudine di mettere in discussione i consigli,
21:10
Speaker 3: modificare le formule e riflettere più deliberatamente sul perché certe
21:13
Speaker 3: visualizzazioni funzionano e altre no, e altre no. È diventato
21:16
Speaker 3: comune vedere persone apprendere le migliori pratiche di modellazione quasi
21:19
Speaker 3: per caso, abitudini che attribuiscono all'atto di spiegare correzioni o
21:22
Speaker 3: difendere una modifica alla logica dei dati a Copilot. Non
21:26
Speaker 3: si tratta di automatizzare il proprio lavoro fino a eliminarlo,
21:28
Speaker 3: ma di stimolare il proprio istinto per i dati mentre
21:31
Speaker 3: il sistema matura insieme a te. Quindi, usare Copilot non
21:35
Speaker 3: è un'esperienza passiva. È una partnership che perfeziona sia lo
21:38
Speaker 3: strumento che l'utente nel tempo. Più investi nel feedback, più
21:41
Speaker 3: i tuoi modelli, report e dashboard diventano precisi. Il tuo
21:45
Speaker 3: flusso di lavoro evolve.