Latest / M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands / Copilot in Microsoft Fabric: datamodellen opschonen, transformeren en optimaliseren met AI (AI-nasynchronisatie)

Transcript

Copilot in Microsoft Fabric: datamodellen opschonen, transformeren en optimaliseren met AI (AI-nasynchronisatie) · M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands

• 0:00
  Speaker 2: Klaar voor 10 dagen vol Microsoft 365, Copilot, AI, Azure
• 0:05
  Speaker 2: en de mensen die de toekomst van werk vormgeven. Deze
• 0:08
  Speaker 2: januari is M365 komt terug en we pakken het grootser aan.
• 0:12
  Speaker 2: Doe mee voor live sessies, praktijkdemo's en bruikbare kennis van
• 0:16
  Speaker 2: MVP's en experts van over de hele wereld. Geen algemene sliedes,
• 0:20
  Speaker 2: geen eindeloze modewoorden. We pakken de echte uitdagingen aan Copilot Studio,
• 0:25
  Speaker 2: AI Agents, Fabric, Beveiliging, Governance en Automatisering. Of je nu IT-professional,
• 0:31
  Speaker 2: ontwikkelaar of zakelijk leider bent, er zijn sessies speciaal voor
• 0:34
  Speaker 2: jou ontworpen. Met 10 volledige dagen kun je diverse technologieën
• 0:37
  Speaker 2: verkennen en in contact komen met een wereldwijde community. Kijk
• 0:41
  Speaker 2: live mee en neem praktische inzichten mee terug naar je organisatie.
• 0:44
  Speaker 2: Januari 2027, 10 dagen, 1 Microsoft Community. De registratie is
• 0:50
  Speaker 2: nu geopend. Ga naar m365com.net en verzeker je vandaag nog
• 0:55
  Speaker 2: van een plek. Dat is m365com.net. Meld je nu aan
• 1:01
  Speaker 2: op m365con.net, dan zien we je live in januari. Heb
• 1:05
  Speaker 2: je je ooit afgevraagd waarom je datamodellen onhandig aanvoelen, ondanks
• 1:08
  Speaker 2: je beste bedoelingen? Je bent niet de enige. Vandaag laat
• 1:10
  Speaker 2: ik zien waar Copilot je Microsoft Fabric Workflow echt versnelt
• 1:14
  Speaker 2: en waar het nog steeds een menselijke aanpak vereist. We
• 1:17
  Speaker 2: identificeren de knelpunten in datapijplijnen, belichten echte Copilot gebruiksituaties en
• 1:22
  Speaker 2: beantwoorden kan een AI-assistent echt sneller je ruwe data omzetten
• 1:26
  Speaker 2: in betere inzichten. Blijf kijken, want de antwoorden kunnen je
• 1:30
  Speaker 2: benadering van datamodellering volledig veranderen. Van datadump naar slimme input,
• 1:35
  Speaker 2: hier begint het werk van Copilot. Als je ooit een
• 1:37
  Speaker 2: spreadsheet hebt geüpload naar Microsoft Fabric en daar meteen spijt
• 1:40
  Speaker 2: van kreeg, ben je niet de enige. Velen van ons
• 1:43
  Speaker 2: gaan ervan uit dat het opschonen van data achteraf gebeurt,
• 1:46
  Speaker 2: dat de, punt een beetje geduld, wat brute kracht en
• 1:49
  Speaker 2: een paar Excel-formules de boel wel kunnen redden. Maar dit
• 1:52
  Speaker 2: is iets wat veel mensen overvalt. Copilot wacht niet tot
• 1:56
  Speaker 2: jij ontdekt dat je er een puinhoop van hebt gemaakt.
• 1:59
  Speaker 2: Het begint je data te scannen zodra je deze koppelt.
• 2:02
  Speaker 2: Dit gaat niet alleen over het controleren op lege cellen
• 2:04
  Speaker 2: of vreemde datums. Copilot beoordeelt daadwerkelijk de opbouw van je bron,
• 2:08
  Speaker 2: ontleedt structuren, markeert kolommen die niet overeenkomen en geeft datatypen
• 2:13
  Speaker 2: aan die je later in de problemen gaan brengen. De
• 2:15
  Speaker 2: meeste mensen zien dit pas als ze halverwege het bouwen
• 2:18
  Speaker 2: van een pijplijn zijn die al gedoemd is te mislukken.
• 2:20
  Speaker 2: Copilot pakt dit aan voordat die tijdrovende klus überhaupt begint.
• 2:23
  Speaker 2: Stel dat je een CSV-export hebt geïmporteerd vanuit een extern systeem.
• 2:27
  Speaker 2: De kolomkoppen zijn inconsistent, sommige velden staan door elkaar en...
• 2:31
  Speaker 2: punt het ergste van alles, je datums staan in drie
• 2:34
  Speaker 2: verschillende formaten. In plaats van alleen aan te geven dat
• 2:37
  Speaker 2: er iets niet klopt, gaat Copilot dieper. Het signaleert structurele
• 2:42
  Speaker 2: problemen en focust op kolommen die wel in het schema staan,
• 2:45
  Speaker 2: maar niet in je import zijn opgenomen, of velden met
• 2:48
  Speaker 2: gemengde datatypen waar Power BI later over zal struikelen. Bovendien
• 2:52
  Speaker 2: haalt Copilot niet simpelweg de virtuele schouders op om je
• 2:55
  Speaker 2: het zelf uit te laten zoeken. Je krijgt concrete aanbevelingen.
• 2:58
  Speaker 2: Hernoem deze kopteksten voor consistentie, splits deze geneste kolom en
• 3:03
  Speaker 2: standaardiseer die datumnotaties voordat je importeert. Stel je voor dat
• 3:06
  Speaker 2: je voor het eerst verbinding maakt met een API, misschien
• 3:08
  Speaker 2: een marketing tool met aangepaste veldnamen zoals Annual Sales USD
• 3:12
  Speaker 2: in de ene tabel en Sales USD in de andere.
• 3:15
  Speaker 2: Waar de meeste mensen de discrepantie pas opmerken nadat het
• 3:18
  Speaker 2: koppelen van de tabellen mislukt, signaleert Copilot dit vooraf en
• 3:21
  Speaker 2: stelt het uniformename voor, gebaseerd op inzicht in datarelaties. De
• 3:25
  Speaker 2: realiteit is dat niet elke databron zich even netjes gedraagt.
• 3:29
  Speaker 2: Sommige bronnen zijn in feite chaos in een spreadsheet en
• 3:32
  Speaker 2: dat is belangrijk omdat ongeveer 60% van de pipeline fouten
• 3:35
  Speaker 2: terug te voeren is op problemen die je in dit
• 3:37
  Speaker 2: stadium al had kunnen zien. Dat cijfer is geen bangmakerij.
• 3:40
  Speaker 2: Het is gebaseerd op intern onderzoek dat de meest voorkomende
• 3:43
  Speaker 2: pijnpunten in mislukte dataprojecten binnen Fabric in kaart brengt. Copilot
• 3:46
  Speaker 2: fungeert als je rechercheur in de rommel. Het brengt niet
• 3:49
  Speaker 2: alleen problemen aan het licht. Het vertelt je waarom ze
• 3:51
  Speaker 2: een probleem vormen en, cruciaal, wat je eraan kunt doen
• 3:54
  Speaker 2: voordat je dagen kwijt bent aan het oplossen van problemen
• 3:57
  Speaker 2: in de pipeline. Veel tools vertellen je pas wat er
• 4:00
  Speaker 2: mis is nadat je op Run hebt geklikt en alles
• 4:02
  Speaker 2: in de soep loopt. Copilot kiest een slimmere aanpak door
• 4:05
  Speaker 2: voor te stellen wat de volgende stap moet zijn. Het
• 4:07
  Speaker 2: geeft bijvoorbeeld aan als je ID's op de ene plek
• 4:09
  Speaker 2: als tekst en op de andere als getal zijn opgeslagen
• 4:12
  Speaker 2: en adviseert dan om ze naar een gemeenschappelijk type om
• 4:15
  Speaker 2: te zetten voordat je een Join-opdracht uitvoert. Het wijst je
• 4:18
  Speaker 2: ook op best practices waar je niet direct aan denkt,
• 4:21
  Speaker 2: zoals het normaliseren van bepaalde tabellen of het gebruik van
• 4:24
  Speaker 2: specifieke importformaten die de kolomintegriteit behouden. Dit zijn de details
• 4:30
  Speaker 2: die normaal gesproken vallen en opstaan vereisen, of een hele
• 4:33
  Speaker 2: reeks zoekopdrachten op Stack Overflow om ze goed te krijgen.
• 4:36
  Speaker 2: Copilot doorbreekt die cirkel effectief en stuurt je vanaf het
• 4:39
  Speaker 2: begin naar schonere, beter bruikbare data. Soms zijn verrassingen juist nuttig.
• 4:44
  Speaker 2: Het gaat niet alleen om opschonen, maar om het optimaliseren
• 4:47
  Speaker 2: van je data terwijl deze binnenkomt. Voor grotere datasets biedt
• 4:50
  Speaker 2: Copilot partitioneringsstrategieën aan, zoals het opsplitsen van verkoopdata per regio
• 4:54
  Speaker 2: in plaats van alles in één tabel te proppen. Dit
• 4:56
  Speaker 2: is meer dan alleen een opmaakwijziging. Gepartitioneerde data kunnen modelverversingen versnellen,
• 5:01
  Speaker 2: querytijden verkorten en je veel hoofdpijn aan de achterkant besparen.
• 5:04
  Speaker 2: We hebben het over tastbare prestatiewinsten die je volledig over
• 5:06
  Speaker 2: het hoofd had kunnen zien als je de handmatige route
• 5:08
  Speaker 2: had gekozen. In plaats van alleen een raster met gegevens
• 5:10
  Speaker 2: in de voorbeeldmodus te tonen, geeft Copilot je een voorproefje
• 5:13
  Speaker 2: van hoe die aanpassingen je toekomstige datamodel beïnvloeden. Je ziet
• 5:16
  Speaker 2: een visueel ontwerp van potentiële relaties, kardinaliteiten en zelfs een
• 5:20
  Speaker 2: samenvatting van de verwachte datakwaliteit nadat de wijzigingen zijn doorgevoerd.
• 5:24
  Speaker 2: Je data opschonen op deze manier lost niet alleen een
• 5:27
  Speaker 2: hoofdpijndossier op, maar verandert het hele vervolgproces. Wanneer de invoer
• 5:31
  Speaker 2: soepel verloopt, zijn de transformaties die je later toepast sneller
• 5:34
  Speaker 2: en effectiever. Je besteedt minder tijd aan het uitzoeken waarom
• 5:37
  Speaker 2: een join is mislukt of waarom je Power BI visualisaties
• 5:40
  Speaker 2: overal leeg blijven. Je voorkomt niet alleen fouten, je bereidt
• 5:44
  Speaker 2: je data voor op slimmere, adaptieve verwerking in elke volgende laag.
• 5:48
  Speaker 2: Copilot vanaf het begin gebruiken betekent nauwkeurigere modellen, minder verrassingen
• 5:52
  Speaker 2: op het laatste moment en pijplijnen die echt logisch zijn
• 5:55
  Speaker 2: van begin tot eind. Het resultaat is duidelijk. Copilot inschakelen
• 5:59
  Speaker 2: tijdens je invoerfase legt een fundament voor elke beslissing die
• 6:02
  Speaker 2: je daarna neemt. In plaats van fouten achteraf te herstellen,
• 6:05
  Speaker 2: zie en los je ze op wanneer ze er het
• 6:07
  Speaker 2: meest toe doen. En dat betekent dat wanneer het tijd
• 6:09
  Speaker 2: is om je data te transformeren en modelleren, je begint
• 6:12
  Speaker 2: vanuit een sterke positie in plaats van te moeten repareren
• 6:15
  Speaker 2: wat er tussendoor is geglipt. Wat ons brengt bij wat
• 6:17
  Speaker 2: er na de invoer gebeurt, het lastige middenstuk. Hier gaat
• 6:20
  Speaker 2: Copilot over van slimme suggesties naar hands-on transformatie, waarbij je
• 6:24
  Speaker 2: data automatisch wordt gevormd en verfijnd met hetzelfde inzicht. Data
• 6:28
  Speaker 2: chaos omzetten in duidelijkheid, dat is de transformatie engine van Copilot.
• 6:32
  Speaker 2: Nu je data schoon binnenkomt, begint het echte zware werk.
• 6:35
  Speaker 2: De transformatielaag is waar de meeste projecten struikelen, niet door
• 6:39
  Speaker 2: een gebrek aan tools, maar omdat bedrijfslogica matchen met een
• 6:42
  Speaker 2: weerwaaraan tabellen snel saai wordt. Denk aan alle keren dat
• 6:46
  Speaker 2: je data hebt geladen, om vervolgens een uur bezig te
• 6:49
  Speaker 2: zijn met het verslepen van velden, het hernoemen van onduidelijke
• 6:52
  Speaker 2: kolommen en het schrijven van formules uit je hoofd. We
• 6:54
  Speaker 2: hebben allemaal wel eens met een dozijn join voorwaarden open gezeten,
• 6:58
  Speaker 2: twijfelend of die transactiedatum echt de laatste aankoop is of
• 7:00
  Speaker 2: slechts een importtijdstempel. En als je ook maar één Power
• 7:04
  Speaker 2: BI-model hebt gebouwd, weet je hoe een ontbrekende relatie of
• 7:07
  Speaker 2: een niet overeenkomend datatype kan doorwerken in elk rapport en
• 7:10
  Speaker 2: dashboard daarna. Wat Copilot anders doet, is je bevrijden uit
• 7:14
  Speaker 2: die valstrik van eindeloos vallen en opstaan. Het kijkt hoe
• 7:18
  Speaker 2: je de data vormgeeft, welke kolommen je samenvoegt, welke tabellen
• 7:22
  Speaker 2: je koppelt en waar je die lastig te documenteren DAX-berekeningen toevoegt,
• 7:25
  Speaker 2: en het biedt alternatieven, soms nog voordat je zelf beseft
• 7:28
  Speaker 2: dat je ze nodig hebt. Stel je voor dat je
• 7:31
  Speaker 2: een rapport samenstelt voor het financiële team. Je hebt transactiedata
• 7:35
  Speaker 2: gekoppeld aan je klantgegevens, maar de cijfers kloppen nog steeds niet.
• 7:38
  Speaker 2: In plaats van opzoektabellen door te spitten, stelt Copilot voor
• 7:41
  Speaker 2: om verkoopcijfers per regio te aggregeren in plaats van alleen
• 7:44
  Speaker 2: per maand en genereert vervolgens direct een kant-en-klare DAX-metriek voor
• 7:47
  Speaker 2: jaar-op-jaar groei. Je hoeft de formule niet uit je hoofd
• 7:49
  Speaker 2: te leren of te debuggen. Het verschijnt als een suggestie,
• 7:52
  Speaker 2: inclusief uitleg over wat de berekening aanstuurt. Er is een
• 7:56
  Speaker 2: knagende zorg dat Copilot zaken te veel vereenvoudigt of dat
• 8:00
  Speaker 2: het een subtiele regel mist die je met een zakenpartner
• 8:02
  Speaker 2: in drie lange vergaderingen hebt afgesproken. Dat is een terechte zorg.
• 8:07
  Speaker 2: AI kan geen gedachten lezen en soms is de eerste
• 8:10
  Speaker 2: suggestie te algemeen, waardoor bijvoorbeeld een productlijn wordt meegenomen die
• 8:14
  Speaker 2: eigenlijk niet in de berekening thuis hoort. Hoe langer je
• 8:16
  Speaker 2: Copilot echter gebruikt, hoe nauwkeuriger die aanbevelingen worden. Het systeem
• 8:20
  Speaker 2: vraagt om feedback telkens wanneer je een van de suggesties
• 8:23
  Speaker 2: aanpast of verwerpt. zodat het de nuance onthoudt voor de
• 8:25
  Speaker 2: volgende keer dat je een soort gelijk model bouwt. Het
• 8:27
  Speaker 2: leert gaandeweg wat echt belangrijk is voor jouw organisatie in
• 8:30
  Speaker 2: vergelijking met algemene aannames. De interactie verandert in een samenwerking
• 8:33
  Speaker 2: in plaats van een eenmalige tip. Actuele gebruikersgegevens ondersteunen dit.
• 8:37
  Speaker 2: In het afgelopen jaar hebben studies aangetoond dat door AI-gegenereerde
• 8:41
  Speaker 2: Daxmetri-eken in Fabric nu de nauwkeurigheid en prestaties evenaren van
• 8:45
  Speaker 2: formules geschreven door ervaren BI-ontwikkelaars, althans voor standaard zakelijke taken
• 8:49
  Speaker 2: zoals totale, groeipercentages en segmentfiltering. Waar een nieuwe analist uren
• 8:54
  Speaker 2: kwijt kan zijn aan het oplossen van fouten in een
• 8:56
  Speaker 2: totaalrendementsmetriek bij de jaarovergang, zijn de schablonen van Copilot voor
• 9:01
  Speaker 2: deze scenario's getest op enorme datasets en ongebruikelijke gevallen. Dat
• 9:05
  Speaker 2: betekent niet dat elke formule perfect is, maar de ondergrens
• 9:08
  Speaker 2: voor kwaliteit is drastisch gestegen. Waar Copilot zich echt onderscheidt,
• 9:12
  Speaker 2: is niet alleen het automatiseren van de basis. Het signaleert
• 9:15
  Speaker 2: prestatieproblemen in je stappen en benoemt deze. Als je vijf
• 9:18
  Speaker 2: queries aan elkaar reigt terwijl er twee volstaan, of als
• 9:21
  Speaker 2: je joins in de verkeerde volgorde staan en de ververstijden vertragen,
• 9:24
  Speaker 2: markeert het deze als knelpunten. Je krijgt suggesties om queries
• 9:27
  Speaker 2: samen te voegen of stappen te herschikken voor efficiëntie, niet
• 9:30
  Speaker 2: alleen voor correctheid. Dit zijn de kleine dingen die meestal
• 9:33
  Speaker 2: pas aan het licht komen nadat je model tegen een
• 9:35
  Speaker 2: muur loopt of je telefoontjes krijgt over trage dashboards. Copilot
• 9:38
  Speaker 2: plaatst die waarschuwingen direct in beeld, zodat je niet hoeft
• 9:41
  Speaker 2: te gissen waarom je werkruimte traag wordt naarmate de data groeit.
• 9:43
  Speaker 2: Een aspect van datatransformatie dat vaak over het hoofd wordt gezien,
• 9:46
  Speaker 2: is documentatie. Hoe meer mensen aan een model werken, hoe
• 9:49
  Speaker 2: kwetsbaarder en ondoorzichtiger het wordt, vooral als je snel werkt
• 9:52
  Speaker 2: en geen tijd neemt om stappen te annoteren of notities
• 9:55
  Speaker 2: te schrijven over waarom een filter bestaat. Copilot springt ook hierbij.
• 9:58
  Speaker 2: Terwijl je transformatie accepteert of aanpast, genereert het een leesbaar
• 10:03
  Speaker 2: logboek van wijzigingen, legt het je redenering achter aanpassingen vast
• 10:06
  Speaker 2: en slaat het dit op als metagegevens in het model.
• 10:09
  Speaker 2: Collega's die later instappen hoeven niet langer de achterliggende bedoeling
• 10:12
  Speaker 2: van elke transformatie te achterhalen. Zij zien de logica en
• 10:15
  Speaker 2: de bedrijfsregel in begrijpelijke taal. Als je ooit een berekende
• 10:18
  Speaker 2: kolom hebt moeten verdedigen tegenover een editor, ken je het
• 10:21
  Speaker 2: gedoe van oude projectnotices uitpluizen. Dankzij de automatische documentatie van
• 10:25
  Speaker 2: Copilot kun je snel een uitleg voor elke wijziging opvragen,
• 10:27
  Speaker 2: inclusief een versiegeschiedenis. Dit is niet alleen handig, het kan
• 10:31
  Speaker 2: dagen schelen wanneer je modellen moeten worden beoordeeld of gedeeld
• 10:33
  Speaker 2: met iemand anders. Het uiteindelijke resultaat? Je raakt niet langer
• 10:37
  Speaker 2: verstrikt in syntax en onslachtige oplossingen. In plaats daarvan worden
• 10:41
  Speaker 2: die uren die je kwijt was aan eenmalige problemen nu
• 10:43
  Speaker 2: besteed aan het verfijnen van de bedrijfswaarde, het stellen van
• 10:46
  Speaker 2: scherpere vragen, het experimenteren met segmentatie of het testen van
• 10:50
  Speaker 2: nieuwe KPIs. Tegen de tijd dat je op publiceren drukt,
• 10:54
  Speaker 2: is het meeste zware werk al afgehandeld of op zijn
• 10:56
  Speaker 2: minst gemarkeerd door Copilot, zodat jij je kunt focussen op
• 10:59
  Speaker 2: beslissingen die het bedrijf echt vooruit helpen. Dit leidt direct
• 11:02
  Speaker 2: naar het onderdeel waar zelfs ervaren analisten over struikelen, data
• 11:06
  Speaker 2: visualiseren op een manier die antwoorden biedt in plaats van
• 11:08
  Speaker 2: alleenruis toevoegt. Het opbouwen van measures en het opschonen van
• 11:11
  Speaker 2: logica is één ding. Het vertalen van die cijfers naar
• 11:14
  Speaker 2: visuals die actie ondersteunen is een heel andere uitdaging. Dat
• 11:18
  Speaker 2: is waar de volgende reeks suggesties van Copilot een merkbaar
• 11:21
  Speaker 2: verschil maakt. Van cijfers naar verhalen, co-pilots, visuele suggesties in
• 11:26
  Speaker 2: Power B. Het bouwen van schone, logische modellen in fabric
• 11:29
  Speaker 2: brengt je een heel eind, maar laten we eerlijk zijn,
• 11:32
  Speaker 2: de meeste dashboards belanden in de vergetelheid omdat de visuals
• 11:35
  Speaker 2: niet aansluiten bij wat voor jouw publiek echt belangrijk is.
• 11:38
  Speaker 2: Toch is er die oude gewoonte waarbij mensen Power B
• 11:41
  Speaker 2: gewoon wat staafdiagrammen op een pagina laten plaatsen, in de
• 11:44
  Speaker 2: hoop dat een ervan een directeur genoeg imponeert om een
• 11:46
  Speaker 2: vraag te stellen. Maar als je ziet hoe leidinggevenden met
• 11:49
  Speaker 2: een uitdrukkingsloos gezicht door rapport tabbladen scrollen, begin je het
• 11:53
  Speaker 2: probleem te zien. Het is niet dat er geen data is,
• 11:55
  Speaker 2: het is dat de visuals niet aansluiten bij de zakelijke
• 11:58
  Speaker 2: vragen die mensen daadwerkelijk stellen. Daar komt Copilot in beeld
• 12:01
  Speaker 2: en voor één keer loopt het niet alleen maar achter
• 12:03
  Speaker 2: de feiten aan. In plaats van generieke visuals in je
• 12:05
  Speaker 2: rapport te gooien, analyseert Copilot je model grondig. Het leest
• 12:09
  Speaker 2: niet alleen je velden, maar ook de relaties daartussen, je
• 12:12
  Speaker 2: berekende measures en de lagen die je via je pipeline
• 12:15
  Speaker 2: hebt opgebouwd. Dit is waar de zaken veranderen. Stel bijvoorbeeld
• 12:18
  Speaker 2: dat je een verkooprapport samenstelt voor de directie. Je hebt regio,
• 12:21
  Speaker 2: product en winstgegevens en je weet dat de directie niet
• 12:24
  Speaker 2: zit te wachten op weer een standaard lijngrafiek die lijkt
• 12:26
  Speaker 2: op elk ander rapport van het afgelopen jaar. Copilot verwerkt
• 12:29
  Speaker 2: je structuur en stelt een watervaldiagram voor om uit te
• 12:31
  Speaker 2: leggen hoe elke kosten- en opbrengstfactor bijdraagt aan de totale winst,
• 12:35
  Speaker 2: zodat het overzicht een verhaal vertelt in plaats van alleen
• 12:38
  Speaker 2: balken te stapelen. Voor verkoop per regio krijg je, in
• 12:42
  Speaker 2: plaats van weer een reeks kolommen, een aanbeveling voor een
• 12:45
  Speaker 2: kaartvisualisatie die laat zien waar de prestaties de doelen over treffen,
• 12:48
  Speaker 2: niet alleen waar de verkoopcijfers het hoogst zijn. Er is
• 12:51
  Speaker 2: altijd de vraag, geeft CoPilot je iets dat echt impact heeft,
• 12:54
  Speaker 2: of plakt het alleen een glimmend laagje over dezelfde oude data?
• 12:58
  Speaker 2: Wat anders is, is de extra uitleg die je krijgt.
• 13:00
  Speaker 2: Wanneer Copilot de voorgestelde visualisatie toevoegt, stopt het niet bij
• 13:04
  Speaker 2: hier is een watervaldiagraam. Het legt uit waarom het watervaldiagraam
• 13:08
  Speaker 2: effectief is, wellicht omdat je dataset meerdere optellende en aftrekkende
• 13:12
  Speaker 2: waarden bevat, waardoor de structuur van het diagram direct de
• 13:14
  Speaker 2: weg naar de winst weer spiegelt in plaats van details
• 13:17
  Speaker 2: te verbergen achter een totaal. Bij een kaart kan Copilot
• 13:21
  Speaker 2: aangeven dat je modelgeografische velden bevat met directe relaties tot verkoopcijfers,
• 13:26
  Speaker 2: waardoor een indeling nuttiger is dan een traditionele tabel. Veel
• 13:32
  Speaker 2: rapportagetools laten de gebruiker zelf gokken wat er goed uitziet
• 13:35
  Speaker 2: en laten je achter met een dashboard dat technisch correct is,
• 13:38
  Speaker 2: maar niet erg inzichtelijk. Copilot komt je halverwege tegemoet door
• 13:41
  Speaker 2: te identificeren welke visualisaties niet alleen passen bij het veldtype,
• 13:44
  Speaker 2: maar ook bij de richting van de analyse. Dat extra
• 13:46
  Speaker 2: zetje kan het verschil maken tussen een rapport dat in
• 13:48
  Speaker 2: vergaderingen wordt aangehaald en een rapport dat stilletjes wordt genegeerd.
• 13:52
  Speaker 2: Er is onderzoek dat dit ondersteunt. Studies naar Power BI
• 13:55
  Speaker 2: gebruikersessies laten zien dat het integreren van co-pilots visuele suggesties
• 14:00
  Speaker 2: leidt tot een snellere afronding van het rapportontwerp, soms tot
• 14:03
  Speaker 2: wel 40% sneller. Nog interessanter is dat de betrokkenheid bij
• 14:07
  Speaker 2: die rapporten toeneemt omdat eindgebruikers iets zien dat is afgestemd
• 14:10
  Speaker 2: op hun behoefte, in plaats van een muur van eenheidsworst.
• 14:13
  Speaker 2: Rapporten die met input van Copilot zijn gebouwd, worden ook
• 14:16
  Speaker 2: vaker intern gedeeld, wat suggereert dat mensen net iets meer
• 14:19
  Speaker 2: vertrouwen hebben in de inzichten. Zelfs met al deze aanbevelingen
• 14:23
  Speaker 2: is Copilot niet zomaar visualisaties aan het stapelen onder variatie.
• 14:26
  Speaker 2: Het voert ook een zekere triage uit. Stel dat je
• 14:29
  Speaker 2: tien segmenten in een cirkeldiagram hebt geplaatst of een tabel
• 14:32
  Speaker 2: hebt gemaakt met zoveel rijen dat de cijfers in elkaar overvloeien.
• 14:34
  Speaker 2: Copilot markeert deze keuzes als problematisch. In plaats daarvan kan
• 14:38
  Speaker 2: het voorstellen om een staafdiagram te gebruiken voor duidelijkere vergelijkingen,
• 14:42
  Speaker 2: of een decompositieboom in te zetten om in te zoomen
• 14:44
  Speaker 2: op een uitschieter die verloren gaat in een onduidelijk stukje
• 14:46
  Speaker 2: van de taart. Dat betekent dat Copilot je beschermt tegen
• 14:49
  Speaker 2: die algemene valkuilen waarbij een gelikte visualisatie juist verbergt wat
• 14:52
  Speaker 2: belangrijk is of erger nog iemand tot de verkeerde conclusie leidt.
• 14:56
  Speaker 2: Opmaak is veel belangrijker dan de meeste mensen denken en
• 14:58
  Speaker 2: dit is een van de gebieden die Copilot niet over
• 15:00
  Speaker 2: het hoofd ziet. Misschien maskeert je assenschaal trends, waardoor veranderingen
• 15:04
  Speaker 2: vlak lijken terwijl ze in werkelijkheid cruciaal zijn voor het bedrijf.
• 15:07
  Speaker 2: Of misschien voldoet je kleurenpalet niet aan de toegankelijkheidsrichtlijnen, waardoor
• 15:11
  Speaker 2: sommige gebruikers moeilijker verschillen in datapunten zien. Copilot suggereert niet
• 15:15
  Speaker 2: alleen opmaakwijzigingen, zoals het aanpassen van assen, labels of overstappen
• 15:20
  Speaker 2: op een contrastrijk palet, maar legt ook uit waarom die
• 15:22
  Speaker 2: keuzes ertoe doen. Deze suggesties leiden tot visuals die niet
• 15:27
  Speaker 2: alleen aan standaarden voldoen, maar ook beter leesbaar zijn en
• 15:30
  Speaker 2: beter presteren op verschillende apparaten. Er komen verhalen naar boven
• 15:33
  Speaker 2: van gebruikers die suggesties uit probeerden die ze anders zouden
• 15:36
  Speaker 2: hebben overgeslagen. Een gebruiker die werkte aan een regionaal verkoopmodel
• 15:40
  Speaker 2: zag Copilot een decompositieboom aanraden in plaats van een simpele samenvatting.
• 15:44
  Speaker 2: Dat bracht niet alleen een gemiste anomalie aan het lichten
• 15:47
  Speaker 2: regio die gemiddeld leek in het overzicht, maar uitsprong in
• 15:50
  Speaker 2: één categorie maar startte ook een project om een toewijzingsfout
• 15:53
  Speaker 2: in de verkoop te herstellen die anders nog een kwartaal
• 15:55
  Speaker 2: onopgemerkt was gebleven. De belangrijkste lee is dat de beste
• 15:58
  Speaker 2: visual soms niet de meest voor de hand liggende is.
• 16:01
  Speaker 2: De engine van Copilot leert de relaties in je model
• 16:04
  Speaker 2: en de intentie achter je KPIs, waardoor je dingen kunt
• 16:07
  Speaker 2: ontdekken waar je zelf niet is op zocht. Dus, deze
• 16:09
  Speaker 2: visuele suggesties gaan niet alleen over het mooier maken van
• 16:12
  Speaker 2: presentaties voor een vergadering. Ze gaan over het bouwen van
• 16:15
  Speaker 2: weergave die gesprekken uitlokken, problemen aankaarten en direct ondersteuning bieden
• 16:19
  Speaker 2: bij echte bedrijfsbeslissingen. Het fundament van het model betekent niets
• 16:22
  Speaker 2: tenzij mensen je dashboards daadwerkelijk gebruiken om actie te ondernemen.
• 16:26
  Speaker 2: Wanneer je deze op maat gemaakte visuals en heldere opmaak
• 16:29
  Speaker 2: gaat zien, krijg je meer dan betrokkenheid. Je krijgt actie.
• 16:32
  Speaker 2: Daarnaast is er de leerkurve die niet alleen invloed heeft
• 16:34
  Speaker 2: op Copilot, maar ook op jouw. De feedbackloop die je
• 16:38
  Speaker 2: datamodellerings workflow na verloop van tijd scherper maakt. De feedbackloop
• 16:42
  Speaker 2: die Copilot traint en tegelijkertijd je eigen data IQ versterkt.
• 16:45
  Speaker 2: De meeste mensen zien Copilot als een suggestiemachine. Het geeft
• 16:49
  Speaker 2: je aanbevelingen, je accepteert ze of je negeert ze. Maar
• 16:52
  Speaker 2: als je beter kijkt, is de relatie iets ingewikkelder en
• 16:55
  Speaker 2: eerlijk gezegd slimmer dan een inrichtingsverkeer. Elke keer dat je
• 17:00
  Speaker 2: feedback geeft aan Copilot, of je nu die nieuwe DAX-formule
• 17:03
  Speaker 2: accepteert of een voorgestelde kolomcombinatie overschrijft, stem je niet alleen
• 17:07
  Speaker 2: de AI af, maar heroverweeg je bij elke aanpassing je
• 17:10
  Speaker 2: eigen logica. Een beetje zoals het moment waarop je de
• 17:13
  Speaker 2: route van een automatische piloot aanpast en gedwongen wordt je
• 17:16
  Speaker 2: eigen kaart te controleren. De Copilot van Fabric schrijft geen
• 17:19
  Speaker 2: notities op een blancovel. Het absorbeert actief je workflow en
• 17:23
  Speaker 2: past zich aan, wat er na verloop van tijd toe
• 17:25
  Speaker 2: leidt dat je beslissingen anders benadert. Stel je voor, je
• 17:28
  Speaker 2: hebt een halve dag besteed aan een standaard verkoopmodel en
• 17:31
  Speaker 2: net wanneer je de aanbevolen winstmaatstaf van Copilot wilt accepteren,
• 17:35
  Speaker 2: stelt het een berekening voor waarvan je weet dat deze
• 17:37
  Speaker 2: niet voldoet aan je rapportagestandaard. Misschien heeft het een uitsluiting
• 17:40
  Speaker 2: voor partnerkortingen gemist of een actie samengevoegd die apart vermeld
• 17:44
  Speaker 2: had moeten worden. Je past de formule aan. Direct vraagt
• 17:47
  Speaker 2: Copilot om context. Een korte beschrijving of een vinkje voor
• 17:50
  Speaker 2: de regel die je hebt toegepast. Het punt hier is
• 17:52
  Speaker 2: dat die input niet zomaar in een zwart gat verdwijnt.
• 17:55
  Speaker 2: De volgende keer dat je een model bouwt met vergelijkbare data,
• 17:58
  Speaker 2: onthoud Copilot het. Niet langer aannemen dat alle omzet echte
• 18:01
  Speaker 2: winst is en zeker niet meer vergeten om partnerkortingen uit
• 18:04
  Speaker 2: kwartaalrapporten te laten. Dus je feedback vloeit daadwerkelijk terug in
• 18:08
  Speaker 2: elke latere suggestie, op een manier die de meeste mensen
• 18:11
  Speaker 2: niet verwachten. Het proces draait niet alleen om efficiëntie, het
• 18:14
  Speaker 2: gaat om nauwkeurigheid, versie na versie. Er is een drempel
• 18:17
  Speaker 2: waar mensen overheen moeten stappen. Het idee dat het riskant
• 18:20
  Speaker 2: is om een eye te laten meekijken en leren van
• 18:22
  Speaker 2: je correcties is logisch. Als je co-pilot iets verkeerds vertelt,
• 18:26
  Speaker 2: zet het zich dan vast op een fout. Wat als
• 18:28
  Speaker 2: het een onhandige tijdelijke oplossing opikt die je alleen gebruikte
• 18:30
  Speaker 2: om een deadline te halen, en dat dan tot norm verheft.
• 18:32
  Speaker 2: Die angst is niet vergezocht. Organisaties willen niet dat hun
• 18:35
  Speaker 2: bedrijfslogica zomaar afdrijft, tenzij ze kunnen volgen hoe het verandert.
• 18:39
  Speaker 2: Maar het punt is, het ontwerp van Copilot in Fabric
• 18:42
  Speaker 2: zorgt ervoor dat het altijd om input blijft vragen bij
• 18:44
  Speaker 2: een wijziging of afwijzing. Dat doorlopende commentaar, de kleine redenen
• 18:48
  Speaker 2: en notities worden vastgelegd als onderdeel van de feedbackcyclus. Na
• 18:52
  Speaker 2: verloop van tijd helpt dit logboek om de aanbevelingen bij
• 18:55
  Speaker 2: te sturen, zodat ze beter aansluiten op jouw specifieke bedrijfsregels
• 18:58
  Speaker 2: in plaats van algemene standaardinstellingen. Hoe meer je ermee werkt,
• 19:02
  Speaker 2: hoe bedrijfsspecifieker de AI wordt. En als je een gewoonte
• 19:05
  Speaker 2: moet terugdraaien, is dat getraceerd en verklaarbaar. Het resultaat is
• 19:08
  Speaker 2: een evoluerende engine die flexibeler wordt, in plaats van STAR.
• 19:12
  Speaker 2: Een team waar ik mee werkte negeerde in het begin
• 19:14
  Speaker 2: de helft van Co-Pilot's suggesties. Hun eerste modellen waren standaard
• 19:18
  Speaker 2: eenvoudige joints, wat saaie visuals, niets dat er echt uitsprong.
• 19:23
  Speaker 2: Maar naarmate ze langzaam begonnen te reageren, visuals afwezen, DAX
• 19:27
  Speaker 2: aanpaste voor nieuwe productlijnen en uitlegde waarom een bepaalde transformatiestap
• 19:31
  Speaker 2: belangrijk was, veranderde er iets. Binnen een maand suggereerde Copilot
• 19:35
  Speaker 2: niet alleen minder algemene output, maar maakte het visuals die
• 19:38
  Speaker 2: de KPIs van het bedrijf weerspiegelden en stelde het transformaties
• 19:42
  Speaker 2: voor die pasten bij de nieuwe bedrijfsprocessen. Hun pipeline versnelde
• 19:46
  Speaker 2: zelfs omdat de herhaalde correcties co-pilot informatie geeft. gaven... die
• 19:50
  Speaker 2: het uit de standaardmodus dwong en in een meer aangepast
• 19:53
  Speaker 2: patroon plaatste. Door feedbackklussen te koppelen aan de behoeften van
• 19:56
  Speaker 2: hun bedrijf... dichten ze de kloof tussen goede modellen en
• 20:00
  Speaker 2: resultaten die in serieuze toetsing doorstonden. Dit wordt niet alleen
• 20:03
  Speaker 2: ondersteund door anekdotes. Onderzoeken volgen hoe actief werken met de
• 20:07
  Speaker 2: feedback-cyclus van Copilot echt het verschil maakt. Teams die regelmatig
• 20:10
  Speaker 2: feedback geven, of dat nu positieve, negatieve of slechts kleine
• 20:14
  Speaker 2: verklarende opmerkingen zijn, zien hun foutenmarge bij het modelleren dalen.
• 20:17
  Speaker 2: Rapportages worden relevanter en de nauwkeurigheid van berekende gegevens verbeterd.
• 20:21
  Speaker 2: De nieuwste cijfers laten zien dat betrokken teams een stijging
• 20:24
  Speaker 2: van ongeveer 30% in al gehele rapportage, nauwkeurigheid en precisie
• 20:27
  Speaker 2: behalen in vergelijking met groepen die suggesties alleen passief accepteren
• 20:31
  Speaker 2: of afwijzen zonder context toe te voegen. De implicatie hiervan
• 20:34
  Speaker 2: is geen magie, het is gericht leren door interactie. Hoe
• 20:37
  Speaker 2: meer Copilot ziet en hoe vaker je het dwingt om
• 20:40
  Speaker 2: zaken uit te leggen of te verfijnen, hoe beter je
• 20:42
  Speaker 2: datamodellen aansluiten bij de bedrijfsdoelstellingen. Onverwacht traint dit feedbacksysteem niet
• 20:47
  Speaker 2: alleen de AI. Steeds meer gebruikers melden dat het beoordelen
• 20:51
  Speaker 2: en corrigeren van de output van Copilot hun eigen aanpak
• 20:54
  Speaker 2: van modelleren daadwerkelijk verbetert. Dat klinkt vreemd, maar je ziet
• 20:57
  Speaker 2: het in de manier waarop mensen problemen gaan voorzien, verborgen
• 21:00
  Speaker 2: logische fouten opsporen of zelfs documentatie toevoegen waar ze dat
• 21:04
  Speaker 2: voorheen nooit deden. In plaats van alles zomaar goed te keuren,
• 21:07
  Speaker 2: raken teams gewend aan het uitdagen van aanbevelingen, het bewerken
• 21:11
  Speaker 2: van formules en het bewuster nadenken over waarom bepaalde visuals
• 21:14
  Speaker 2: wel werken en andere niet. Het is tegenwoordig gebruikelijk dat
• 21:17
  Speaker 2: mensen bijna per ongeluk best practices voor modelleren oppikken, gewoontes
• 21:21
  Speaker 2: die zij toeschrijven aan het uitleggen van correcties of het
• 21:23
  Speaker 2: verdedigen van een logische aanpassing aan Copilot. Dit gaat er
• 21:27
  Speaker 2: niet om dat je jezelf overbodig maakt, maar om het
• 21:29
  Speaker 2: aanscherpen van je data-instinct terwijl het systeem met je meegroeit.
• 21:33
  Speaker 2: Het gebruik van Copilot is dus geen passieve ervaring. Het
• 21:36
  Speaker 2: is een samenwerking die in de loop van de tijd
• 21:38
  Speaker 2: zowel de tool als de gebruiker aanscherpt. Hoe meer je
• 21:41
  Speaker 2: investeert in feedback, hoe sterker je modellen, rapporten en dashboards worden.
• 21:45
  Speaker 2: Je workflow schuift op.