Riassunto
Report lenti e dashboard frustrano gli utenti e interrompono esperienze basate sull'intelligenza artificiale, ad esempio Copilot chat e agenti dati IQ Fabric. In questo modulo si è appreso un approccio sistematico per trovare e risolvere tali problemi di prestazioni.
Si è iniziato con l'analizzatore prestazioni per identificare quali oggetti visivi sono lenti e se il collo di bottiglia si trova nella query DAX, nel rendering visivo o nell'origine dati. Da qui si è appreso come ottimizzare i calcoli DAX usando variabili, modelli di filtro efficienti e le funzioni di aggregazione corrette. Sono state esaminate le tecniche di riduzione della cardinalità per ridurre le dimensioni del modello e velocizzare le query e si è appreso quando le aggregazioni (definite dall'utente e automatiche) possono accelerare le query su set di dati di grandi dimensioni.
Con queste competenze, è possibile diagnosticare i problemi di prestazioni, applicare correzioni mirate e verificare il miglioramento. I modelli semantici sono più veloci per gli utenti umani e sono sufficientemente reattivi per supportare le interazioni basate sull'intelligenza artificiale.