(+351) 21 24 10006  ·  info@bconcepts.pt
Carnaxide, Lisboa

Cómo crear un Data Summarizer por columna en el Copilot de Fabric

João Barros 19 de November de 2026 4 min de lectura

Este tutorial muestra cómo crear un Data Summarizer por columna en el Copilot de Fabric —una herramienta que genera automáticamente estadísticas descriptivas, valores únicos y señales de anomalía por cada columna de una tabla. Es útil para explorar datos rápidamente, detectar problemas y preparar informes o reglas de calidad.

Requisitos previos

  • Cuenta con acceso a Microsoft Fabric y permisos para crear Workspaces y OneLake.
  • Tabla de ejemplo cargada en el Lakehouse (por ej.: dados_vendas) o acceso a un origen soportado.
  • Conocimientos básicos de Power Query/Notebooks y familiaridad con el Copilot en Fabric.

Paso 1: Preparar la tabla y contexto en Fabric

Abra el Workspace donde se encuentra la tabla (ej.: Lakehouse). Confirme el nombre de la tabla y la columna clave. El Copilot necesita un contexto claro: nombre de la tabla, tipo de cada columna y una muestra de filas funciona bien.

Paso 2: Iniciar un nuevo Copilot Prompt

En Fabric, abra el Copilot y elija el modo de interacción con datos (Data view). Introduzca un prompt inicial que describa la tarea: generar un resumen por columna incluyendo recuento, missing, únicos, media/mediana (para numéricas), valores más frecuentes (para categóricas) y potenciales anomalías.

Gera um Data Summarizer para a tabela 'dados_vendas'. Para cada coluna, devolve: nome, tipo, count, missing_count, unique_count, top_3_values (com proporção), mean, median, std (se numérica), e sinaliza potenciais anomalias (valores extremos ou formatos inválidos). Usa exemplo das primeiras 100 linhas.

Paso 3: Proporcionar muestra y esquema al Copilot

Copie una muestra de 50-200 filas y el esquema (nombres y tipos). Pegar esto en el prompt ayuda al modelo a no hacer suposiciones. Si lo prefiere, conecte el Copilot directamente a la tabla si la integración lo permite.

Esquema:
- id: integer
- data_venda: datetime
- produto: string
- preco: decimal
- quantidade: integer

Amostra (5 linhas):
1, 2026-01-05, Camisola, 19.99, 2
2, 2026-01-06, Calças, 39.50, 1
...

Paso 4: Refinar el prompt para salidas estructuradas (JSON/Table)

Para automatizar el consumo, pida al Copilot que devuelva el resumen en formato JSON o como una tabla Markdown. Esto permite transformar el resultado en reglas, informes o importarlo en Power BI. Defina el esquema de salida por campo.

Output format: JSON array, cada item:
{
  "column": "nome_coluna",
  "type": "string|integer|decimal|datetime",
  "count": 1000,
  "missing": 5,
  "unique": 120,
  "top_values": [{"value":"X","pct":0.12}],
  "mean": 12.34,        // null se não aplicável
  "median": 10.0,
  "std": 3.21,
  "anomalies": ["valores negativos","formato inválido"]
}

Paso 5: Ejecutar y validar el Summarizer

Envíe el prompt con la muestra y el esquema. El Copilot devolverá el JSON/tabla. Verifique algunos campos manualmente (ej.: conteo de missing y top_values) usando una consulta sencilla para garantizar que los números coinciden.

-- Exemplo SQL para validar missing e top values
SELECT
  COUNT(*) AS total,
  SUM(CASE WHEN preco IS NULL THEN 1 ELSE 0 END) AS missing_preco,
  COUNT(DISTINCT produto) AS unique_produto
FROM dados_vendas;

SELECT produto, COUNT(*)*1.0/COUNT(*) OVER() AS pct
FROM dados_vendas
GROUP BY produto
ORDER BY COUNT(*) DESC
LIMIT 3;

Paso 6: Transformar el Summarizer en un Prompt reutilizable

Crear un template de prompt con placeholders para tabla, esquema y número de muestra. Guárdelo en el Copilot como Template para reutilizar con otras tablas. Incluya instrucciones para el formato de salida (JSON) y el umbral para anomalías (ej.: z-score > 3).

Template:
"Gera um Data Summarizer para a tabela '{tabela}'. Usa {n_amostra} linhas. Output em JSON. Marca anomalias quando z-score > {z_threshold}."

Verificar el resultado

Confirme que el JSON contiene una entrada por columna con los campos rellenados. Valide estadísticas clave (count, missing, unique) con consultas directas. Pruebe el template con otra tabla para verificar la reutilización. Si las proporciones/valores más frecuentes difieren, aumente la muestra o ajuste el prompt.

Conclusión

Con este Data Summarizer en el Copilot de Fabric obtiene una visión rápida y estructurada de las columnas, útil para profiling, creación de reglas de calidad y preparación de informes. Siguiente paso: automatizar la ejecución periódica del prompt e integrar la salida en una tabla de métricas. Consejo: empiece con una muestra representativa y ajuste el z_threshold para reducir falsos positivos.