Topik hari ini adalah sesuatu yang hampir semua orang pernah dengar, tetapi sedikit yang benar-benar memahaminya. Power BI Co-Pilot. Microsoft memasarkannya sebagai asisten AI yang membuat laporan untuk Anda, dan sekilas itu benar. Namun kenyataannya lebih bermanfaat sekaligus sedikit berbah. Di akhir episode ini, Anda akan tahu apa yang sebenarnya dilakukan Co-Pilot, di mana kekurangannya dan cara menggunakannya tanpa terjebak. Begini masalahnya, kebanyakan pemula mencobanya sekali, mendapat jawaban salah, lalu tidak pernah kembali lagi. Anda akan menghindari jebakan itu. Apa sebenarnya Power BI Co-Pilot itu? Hari kita mulai dengan definisi paling sederhana. Co-Pilot adalah asisten AI dari Microsoft yang terintegrasi langsung ke dalam Power BI. Anggap saja seperti melikirkan kerja yang memuasai DX dan desain laporan yang duduk di samping Anda. Anda memberitahu apa yang Anda butuhkan dan mereka bantu Anda menyelesaikan. Co-Pilot menggunakan teknologi yang sama dengan CGPT, namun inilah perbedaan besarnya. Ia dilatih khusus untuk fitur Power BI dan terhubung ke model data Anda. Jadi saat Anda menanyakan sesuatu, ia tidak menebak berdasarkan pengetahuan umum di internet. Ia melihat tabel, kolom, ukuran, measures, dan relasi Anda. Anda akan menemukan Co-Pilot di dua tempat utama. Di Power BI Desktop, terdapat tombol Co-Pilot di pita menu yang membuka panel obrolan. Di layanan Power BI, versi webnya, terdapat panel obrolan serupa untuk mengajukan pertanyaan tentang laporan yang terbitkan. Namun, ini hal penting yang harus diketahui. Co-Pilot dapat melihat tabel, kolom, ukuran, dan relasi Anda. Ia bekerja dengan data Anda, bukan kumpulan data umum. Itulah yang membuatnya kuat sekaligus membuatnya rumit jika model data Anda tidak terorganisasi dengan baik. Jadi apa yang sebenarnya bisa Anda minta untuk dilakukan Anda? Mari kita bahas tiga hal utama yang dikuasainya. Tiga kekuatan Super Co-Pilot Mari kita berdah tiga kekuatan Super Co-Pilot. Yang pertama mungkin yang populer. Menulis ukuran DX dari bahasa menyelesa. Anda mengetik sesuatu seperti buat ukuran untuk pertumbuhan penjualan tahun ke tahun dan Co-Pilot menulis rumusnya untuk Anda. Ia menghasilkan DX, menjelaskan fungsi setiap bagian, dan memberi langkah-langkah untuk menambahkannya ke model Anda. Perintah seperti tampilkan total penjualan tahun lalu akan menghasilkan ukuran kecerdasan waktu, time intelligence yang berfungsi dalam hitung. Begini masalahnya, Co-Pilot tidak menambahkan ukuran secara langsung ke model Anda. Ia memberikan kode dan instruksi untuk Anda tambahkan sendiri, jadi Anda tetap perlu menyalin dan menempelnya. Itu adalah harga kecil yang harus dibayar agar tidak perlu menghafal sintaks yang tepat untuk periode yang sama tahun lalu. Selanjutnya adalah membuat seluruh halaman laporan dari sebuah deskripsi. Disinilah Co-Pilot benar-benar unggul bagi pembuat laporan. Anda jelaskan apa yang diinginkan, ringkasan kinerja penjualan dengan KPI dan diagram batang berdasarkan wilayah, lalu Co-Pilot akan membuatnya. Ia memilih jenis visual menatanya di halaman, menerapkan tema laporan Anda, bahkan memotong slicer. Pengguna merasa inilah fitur yang paling menghemat waktu. Alih-alih menghabiskan waktu berjam-jam menarik dan melepas visual, Anda cukup menjelaskan kebutuhan Anda dan mendapatkan draft awal yang mantap. Dan kekuatan super ketiga adalah bagi pengguna bisnis yang tidak ingin repot mencari di dalam laporan. Menjawab pertanyaan tentang data Anda dalam bahasa yang sederhana. Seseorang bisa bertanya apa produk terlaris kita kuartal lalu dan mendapatkan jawaban beserta visual penuh. Co-Pilot juga bisa membuat ringkasan naratif. Sebuah paragraf yang menjelaskan apa arti data di halaman tersebut sebenarnya. Ini sangat cocok untuk pengarahan eksekutif atau menghemat waktu saat menulis komentar. Alih-alih menatap diagram dan mencoba merangkainya menjadi kata-kata, Anda minta Co-Pilot merangkumnya dan Anda pun mendapatkan draft pertamanya. Jebakan utamanya, jawaban salah yang meyakinkan. Semua itu terdengar luar biasa, memang benar. Tapi inilah jebakan yang jarang dibicarakan orang. Co-Pilot bisa terdengar sangat yakin namun di saat yang sama benar-benar salah. Dan karena terdengar begitu percaya diri, Anda mungkin tidak terpikir untuk meriksa. Saya beri contoh nyata. Seseorang bertanya pada Co-Pilot berapa total pesanan bulan. Dan Co-Pilot dengan yakin menjawab 14 sin beratus memperlu 41. Terdengar seperti angka yang nyata, bukan? Angka sebenarnya untuk bulan Februari sekitar 2. Jadi Co-Pilot meset sekitar 13 ribu. Saat orang tersebut mengeklik sumbernya, mereka menemukan Co-Pilot mengambil total sepanjang masa dari judul di halaman yang sama sekali berbeda, bukan angka bulan Februari. Jika Anda memasukkan angka itu ke dalam email atau presentasi dewan, Anda akan menghadapi masalah serius. Jadi mengapa yang bisa terjadi? Bukan berarti Co-Pilot rusak, hanya saja Co-Pilot tidak memahami data Anda seperti manusia. Yang mencocokkan kata dalam pertanyaan Anda dengan kata yang ditemukannya di laporan, nama kolom, judul halaman, label diagram. Saat Anda menyebut total pesanan, tetapi laporan Anda melah beli diagram tersebut volume pesanan, Co-Pilot harus menemukan. Terkadang tebakannya salah. Ada masalah lain juga. Pertanyaan yang sama jika ditanyakan dua kali bisa memberikan jawabannya. Co-Pilot adalah apa yang disebut non-deterministic. Outputnya bervariasi meski inputnya identik. Satu sesi Anda bertanya, manajer mana yang sedang kesulitan? Dan Anda mendapatkan perincian yang berguna dengan angka. Di sesi berikutnya pertanyaan yang sama, dan Co-Pilot justru minta klarifikasi. Apa maksud Anda dengan kesulitan? Sesi ketiga benar-benar di blokir. Pertanyaan yang sama tiga hasil berbeda. Pola yang membingungkan. Untuk sesuatu seperti tidak masalah. Namun saat menangani angka pendapatan atau data SLA untuk Dewan Direksi, Anda butuh jawaban yang sama setiap saat. Jadi bagaimana cara mendapatkan jawaban yang konsisten dengan Anda? Kuncinya ada pada cara Anda menyusun pertanyaan. Cara bertanya kepada Co-Pilot dengan... Inilah kunci utamanya. Sudahkan kata-kata persis yang ada di laporan Anda. Jika laporan Anda menyebutnya sebagai volume pesanan dan status reg, maka itulah istilah yang harus Anda ketik. Jangan mengubahnya ke bahasa sehari-hari. Co-Pilot mencocokkan kosa kata bukan maan. Jadi pertanyaan spesifik menggunakan bahasa laporan itu sendiri memberikan jawaban yang konsisten dan tepat siapsan. Biar saya tunjukkan seperti apa itu. Pertanyaan sama seperti berapa total pesanan bulan lalu. Memberikan jawaban salah yang kita lihat sebelum. Namun pertanyaan spesifik menggunakan kata-kata laporan, berapa volume pesanan untuk Maret 2026. Memberikan jawaban benar yang bisa Anda verifikasi. Niat sama kata-kata beda, hasil sangat berbeda. Tips lain, jadilah spesifik tentang jenis visual dan bidang data. Daripada berkata tunjukkan penjualan. Coba buat grafik kolom yang menunjukkan penjualan bulanan tahun 2024 dengan label data. Semakin banyak konteks, semakin sedikit ruang bagi Co-Pilot untuk menepak keinginan Anda. Anda pada dasarnya mempersempit kemungkinan jawaban. Dan ada hal yang sering dilewatkan banyak orang. Co-Pilot mendukung percakapan. Jika hasil pertama kurang tepat, minta Co-Pilot untuk menyesuaikan. Ubah periode waktu menjadi kuartalan atau urutkan dari yang terbesar ke terkecil. Anggap seperti rekan kerja yang butuh instruksi jelas. Interaksi itulah memberikan hasil terbaik. Namun ada hal yang tidak bisa dilakukan Co-Pilot, sejelas apapun permintaan Anda. Apa yang tidak bisa dilakukan Co-Pilot? Mari bicara soal batasannya, karena mengetahui apa yang tidak bisa dilakukan Co-Pilot mencegah frustrasi. Pertama, Co-Pilot tidak bisa meramal angka di masa depan. Jika Anda bertanya berapa pesanan yang kita dapat, Ben, Co-Pilot akan menjawab bahwa ia tidak di masa depan. Co-Pilot hanya bekerja dengan data yang ada di model Anda. Co-Pilot bisa menunjukkan tren historis sebagai panduan kasar, tapi bukan prediksi. Jadi, jika butuh ramalan, Anda tetap harus menggunakan fitur ramalan asli Power BI atau alat lain. Kedua, Co-Pilot tidak bisa menjelaskan alasan sesuatu. Mengapa pengiriman melonjak di bulan Agustus? Co-Pilot tidak bisa menjelaskan. Co-Pilot bisa menunjukkan angkanya, tetapi menjelaskan sebab akibat butuh konteks bisnis manusia. Mungkin ada promosi, mungkin pemasoknya berganti. Co-Pilot tidak tahu hal itu. Ia bisa menampilkan data, tapi cerita dibaliknya tetap tugas Anda. Ketiga, ia tidak bisa memperbaikin. Jika data sumber Anda memiliki kesalahan nilai hilang atau penamaan tidak konsisten, Co-Pilot tidak bisa membersihkannya secara ajaib. Masalahnya, Co-Pilot hanya sebaik model semantik yang Anda miliki. Sampah masuk, sampah keluar, sama seperti alat lain. Jika data Anda berantakan, Co-Pilot akan memberikan jawaban salah yang meyakinkan berdasarkan kekacauan itu. Dan keempat, ia tidak bisa melakukan perubahan format atau tata kebesar. Minta ia mengubah warna batang menjadi biru, ia malah akan memberi petunjuk manual alih-alih melakukannya. Kustomisasi visual tetap mengharuskan Anda menggunakan panel pemformatan Power BI. Jadi, untuk hal-hal yang siap dipresentasikan, Anda tetap harus mengerjakannya sendiri. Jadi, jika Co-Pilot punya semua keterbatasan ini, apakah masih layak dikon? Tentu saja. Jika Anda mengatur sukses. Apa yang membuat Co-Pilot bekerja dengan baik? Model data Anda adalah yang peringkat. Nama tabel yang bersih, kolom yang jelas, dan relasi yang tepat adalah yang dibaca Co-Pilot. Jika model Anda berantakan, Co-Pilot akan ikut berantakan. Tidak ada cara lain. Jadi, apa artinya bagi Anda? Menangkan nama yang benar diucapkan orang. Bidang bernama RevNet tidak berguna bagi Co-Pilot. Ubah namanya menjadi pendapatan bersih. Sekarang Co-Pilot mengerti saat seseorang bertanya soal pendapatan. Ini juga membantu setiap orang yang menggunakan laporan tersebut. Ini adalah salah satu perbaikan yang membuatkan hasilnya. Ada fitur di Power BI bernama Persiapan Data untuk IA. Fitur ini mungkin kan Anda menyederhanakan skema dan menambahkan organisme. Anda memberitahu Co-Pilot tabel dan ukuran mana yang penting. Anda menambahkan konteks seperti geografi yang digunakan untuk analisis wilayah. Itu meningkatkan kualitas jawaban secara dramatis karena Anda mengajari Co-Pilot secara kerja data Anda. Investasi waktu yang kecil membuat semua yang dilakukan Co-Pilot lebih andal. Ini saran paling praktis yang bisa saya berikan. Mulai dari yang kecil dan validasi semua. Jangan minta Co-Pilot membuat seluruh dasbur eksekutif Anda pada percobaan pertama. Mulai dengan satu ukuran atau satu visual. Verifikasi, lalu kembangkan. Pengguna yang memperlakukan Co-Pilot sebagai asisten draft bukan produk jadi mendapatkan hasil jauh lebih baik. Mereka tidak dirugikan karena tidak memercayainya secara buta. Ini semua adalah hal yang bisa Anda lakukan hari. Namun ada pertanyaan lebih besar tentang apa arti Co-Pilot bagi Anda yang sedang mempelajari Power BI. Apa arti Co-Pilot bagi pemula dan pengembang warga? Jadi apa semua ini berarti bagi Anda sebagai seseorang yang mempelajari Power BI? Jawaban singkatnya adalah Co-Pilot menurunkan hambatan masuk dan itu adalah hal yang baik. Anda tidak perlu lagi menghafal sintaks DAX untuk mulai membangun laporan yang berguna. Anda dapat mendeskripsikan keinginan Anda dengan bahasa sederhana dan langsung melihat berfungsi. Anggap Co-Pilot sebagai asisten sekaligus pengajar? Ia berpandang sekaligus. Ia mengajar Anda bekerja. Saat Co-Pilot membuat rumus DAX, ia juga menjelaskan fungsi setiap bagiannya. Anda melihat kodenya, membaca penjelasannya, dan seiring waktu Anda mulai mengenali polanya. Anda belajar apa fungsi kalkulate, cara kerja filter, dan bagaimana fungsi interjen waktu seperti periode yang sama tahun lalu saling terhubung. Anda belajar sambil praktek yang merupakan cara paling efektif untuk mempelajari keterampilan. Alih-alih membaca buku teks tentang DAX, Anda menulis ukuran nyata dan melihat perilakunya. Namun inilah bagian yang paling penting. Co-Pilot tidak menggantikan kebutuhan untuk memahami data Anda. Ia bisa menulis rumus, tetapi Anda tetap harus tahu apakah hasilnya masuk akal. Ia bisa membuat bagian, tetapi Anda perlu tahu apakah bagian itu menceritakan kisah. Validasi tetap menjadi tugas Anda. Co-Pilot adalah alat, bukan pengganti untuk berpikir. Risikonya berlebihan. Pemula yang sepenuhnya mempercayai Co-Pilot adalah mereka yang akan dirugikan. Masalah jawaban salah yang meyakinkan seperti yang kita bahas sebelumnya paling terasa saat Anda tidak cukup paham untuk menyadari. Jika Anda belum pernah melihat laporan pendapatan sebelumnya, Anda mungkin tidak sadar bahwa 14 jadi 41 bulan. Pendekatan yang tepat adalah menggunakan Co-Pilot sebagai akselerator, bukan sebagai penopan. Ia akan mempercepat kerja Anda, tetapi jangan biarkan ia berpikir untuk kerang kerja praktis. Cara menggunakan Co-Pilot saat ini. Jadi bagaimana cara menggunakan Co-Pilot di Power BI tanpa harus dirugikan? Anggap ia sebagai analis junior yang cerdas namun pelupa. Ia bisa membuat draft laporan dalam hitungan detik tetap harus mengawasi pekerjaannya. Berikut adalah empat prinsip yang perlu dihin. Pertama, selalu verifikasi angka-angkanya. Co-Pilot biasanya memberikan tautan untuk diklik ke visual sumber yang digunakan. Klik tautan itu, konfirmasikan bahwa angkanya cocok setiap saat. Jika tidak bisa menunjukkan sumbernya bersikap dan skeptis. Itu adalah peringatan pertama Anda bahwa mungkin ada satu yang salah. Selanjutnya, gunakan Co-Pilot untuk hal yang menjadi keunggulan. Membuat draft ukuran DX, menghasilkan halaman laporan awal, membuat ringkasan naratif itulah kekuatannya. Perhitungan rumit, analisis kausal, atau apapun yang memerlukan penilaian bisnis, tangan itu sendiri. Wilayah itu tetap menjadi milik Anda. Selain itu, investasikan waktu pada mode data Anda sebelum menanyakan apapun kepada Co-Pilot. Rapikan nama tabel dan kolom. Tetapkan hubungan yang jelas antara tabel. Gunakan fitur siapkan data untuk AI guna menambahkan instruksi. Setiap jam yang Anda habiskan di sini terbayar 10 kali lipat dalam akurasi Co-Pilot. Model yang terstruktur dengan baik adalah faktor terpenting untuk mendapatkan jawaban yang andal. Terakhir, anggaplah semua yang diberikan Co-Pilot sebagai draft kasar. Ini adalah titik awal, bukan produk akhir. Perbaiki secara manual, uji dengan filter berbeda, dan pastikan kinerjanya benar di semua skenario yang Anda perhatikan. Merkumusikan keproduksi. Satu kebiasaan itu akan menyelamatkan Anda dari kesalahan yang paling memalukan. Jadilah hal utama yang perlu Anda ingin. Co-Pilot adalah asisten draft yang canggih untuk DAX, laporan, dan pertanyaan data Anda. Tetapi ada syaratnya. Ia terdengar meyakinkan bahkan saat salah. Dan butuh model data bersih serta prompt spesifik agar bekerja dengan tugas Anda sederhana. Buka Power BI, rapikan nama kolom laporan utama Anda, dan minta Co-Pilot menulis satu ukuran yang selama ini Anda hindari. Kebanyakan orang yang akan menonton ini lalu melupakan, Anda punya kesempatan untuk mencobainya secara langsung dan melihat terbit. Jika ini membantu, subscribe dan bagikan kepada seseorang yang baru memulai perjalanan Power BI. Terima kasih telah menonton!