Hoe gebruik je Copilot om DAX berekeningen in Power BI te maken?

Copilot kan je helpen om sneller en slimmer DAX measures te maken. Copilot zelf is geen los Microsoft programma, maar een AI technologie die in heel veel Microsoft producten is geïntegreerd. Daarom bestaan er meerdere varianten van Copilot. Met elk andere mogelijkheden, beperkingen én prijzen.

Twee manieren om DAX berekeningen in Power BI te maken met Copilot

In dit artikel (én bijbehorende video) bekijken we twee praktische manieren om Copilot te gebruiken om DAX berekeningen te maken. Namelijk met behulp van:

Copilot Chat
Copilot in Power BI

Er zijn nog meer AI routes (bijvoorbeeld via Visual Studio of een MCP server), maar die laten we hier bewust buiten beschouwing.

Belangrijk: de kwaliteit van je datamodel

Of je nu met AI werkt of niet: de complexiteit van DAX hangt sterk af van de kwaliteit van je datamodel. Een rommelig datamodel maakt het voor jou én voor Copilot moeilijker om correcte formules te kunnen produceren. Een helder datamodel, bijvoorbeeld in een duidelijk ster-schema, met goede kolomnamen en beschrijvingen zorgt dat voor jou en voor Copilot veel eenvoudiger is om correcte berekeningen te maken.

Voorbeeld: ster-schema

4 DAX berekeningen maken met Copilot (video)

In onderstaande video worden 4 DAX-berekeningen gemaakt:

Totale verkoop berekenen
Aantal orders berekenen
Gemiddelde doorlooptijd berekenen
Dynamische titel genereren

Er worden in onderstaande video voorbeelden getoond van deze 4 berekeningen in Copilot Chat en Copilot in Power BI.

Wat zijn de verschillen tussen Copilot Chat en Copilot in Power BI?

1. Copilot Chat en DAX berekingen maken

Meest bekende variant

De eerste berekeningen in de video worden gemaakt in Copilot Chat. Copilot Chat is vaak de eerste optie waar mensen aan denken bij Copilot. Het is ook de optie die voor de meeste Power BI gebruikers beschikbaar is.

Geen toegang tot datamodel

Een nadeel van het maken van DAX Measures met behulp van Copilot Chat is dat deze versie van Copilot geen toegang heeft tot je datamodel. Je moet je vragen dus heel duidelijk uitleggen, zodat Copilot weet wat je bedoelt. Copilot kan redelijk goede antwoorden geven zolang je maar duidelijk uitlegt hoe je model in elkaar zit.

Code telkens op nieuw knippen en plakken

Een ander nadeel van deze optie is dat je de Measures nog steeds zelf moet maken. Je moet de code steeds weer zelf knippen en plakken. Copilot doet dit niet voor je. Dat kun je wel doen als je Copilot in Power BI gebruikt.

2. Copilot in Power BI en DAX berekingen maken

Niet gratis

Om Copilot direct in Power BI te gebruiken heb je toegang tot een Fabric werkruimte nodig. Copilot in Power BI is de niet gratis. Je organisatie heeft een Fabric licentie nodig. Alles wat je met Copilot doet, zowel in Power BI Desktop als in Power BI Online, gebruikt zogenaamde capacity units of CU. Afhankelijk van wat voor licentie je organisatie heeft, is er een maximaal aantal CU’s dat je per dag kan gebruiken. Alle handelingen in Fabric gebruiken CU’s en als het aantal voor die dag op is, kan je Copilot verder niet gebruiken. Je moet hier dus zuinig mee omgaan. Het is een duurdere versie van Copilot waar een prijzige Fabric licentie voor nodig is.

Makkelijker prompts schrijven

Daarnaast moet het natuurlijk ook gewoon toegestaan zijn binnen de organisatie dat jij als gebruiker Copilot mag gebruiken. Als die dingen allebei geregeld zijn, dan is het toepassen van Copilot voor de rest tamelijk eenvoudig. Omdat deze versie van Copilot wel je hele Power BI model ziet, hoef je in principe iets minder nauwkeurig te zijn met je prompts. De antwoorden die je hier krijgt van Copilot zijn een stuk beter dan de antwoorden uit Copilot Chat.

Conclusie

Als conclusie van deze video is dat beide Copilot opties mogelijkheden bieden om sneller en efficiënter te werken met Power BI. Maar dat Copilot binnen Power BI veel krachtiger en efficiënter is. Maar helaas niet voor iedereen bereikbaar i.v.m. de kosten.

Tot slot nog een waarschuwing: Copilot is een tool om efficiënter te werken, maar het is geen vervanging voor DAX kennis of voor kennis over je datamodel. Als maker van een datamodel blijf je zelf verantwoordelijk voor het resultaat. En het is zeer onverstandig measures te maken als je niet precies snapt wat ze doen.