Cómo crear un panel de diagnóstico automático en Copilot en Power BI

João Barros 11 de November de 2026 4 min de lectura

Este tutorial muestra cómo crear un panel de diagnóstico automático con Copilot en Power BI que identifica problemas de calidad de datos y de rendimiento del refresh. Tener un panel de diagnóstico ayuda a detectar y priorizar correcciones sin rastrear manualmente informes o pipelines.

Requisitos previos

Cuenta con Power BI Pro o Premium y acceso a Copilot en Power BI.
Informe o dataset publicado en el servicio Power BI con historial de refresh y campos de calidad (ej.: nulls, duplicados).
Permisos de edición en el workspace donde el informe/dataset está publicado.

Paso 1: Identificar métricas de diagnóstico relevantes

Antes de usar Copilot, decide qué indicadores quieres monitorizar. Ejemplos útiles: porcentaje de valores nulos por columna, tiempo medio de refresh, número de fallos de refresh en el último mes y porcentaje de filas duplicadas. Esta lista orienta los prompts que vas a usar en Copilot.

Paso 2: Crear medidas DAX para métricas de calidad y rendimiento

En Power BI Desktop o en el servicio, añade medidas DAX sencillas que expongan las métricas. Estas medidas serán la base del panel y del diagnóstico automático.

-- Exemplo: Percentagem de nulos numa coluna CustomerID
Nulls_CustomerID = DIVIDE(CALCULATE(COUNTROWS(table), ISBLANK(table[CustomerID])), COUNTROWS(table))

-- Exemplo: Contagem de falhas de refresh (assumindo tabela RefreshLog com Status)
Refresh_Failures_Last30 = CALCULATE(COUNTROWS(RefreshLog), RefreshLog[Status] = "Failed", RefreshLog[RefreshDate] >= TODAY()-30)

-- Exemplo: Tempo médio de refresh
Avg_Refresh_Time = AVERAGE(RefreshLog[DurationSeconds])

-- Exemplo: Percentagem de duplicados (exemplo simplificado)
Duplicate_Rate = DIVIDE(CALCULATE(COUNTROWS(table), COUNTROWS(FILTER(table, table[Key] = EARLIER(table[Key])) ) > 1), COUNTROWS(table))

Paso 3: Publicar el informe y preparar un prompt de diagnóstico

Publica el informe con estas medidas en el workspace. A continuación, prepara un prompt claro para Copilot que pida un análisis automático de las métricas y sugerencias accionables. El prompt debe mencionar qué medidas y el objetivo (detectar causas y priorizar correcciones).

Prompt exemplo:
"Analisa as seguintes métricas deste relatório: Nulls_CustomerID, Refresh_Failures_Last30, Avg_Refresh_Time, Duplicate_Rate. Identifica as principais causas prováveis para cada métrica fora de thresholds (0.05 para Nulls, >3 falhas/30 dias, Avg_Refresh_Time>600s, Duplicate_Rate>0.02). Sugere 3 ações prioritárias, incluindo queries/transformações a aplicar no Power Query ou verificações na origem."

Paso 4: Ejecutar Copilot en el informe y refinar el output

Abre el informe en el servicio Power BI y activa el panel de Copilot. Pega el prompt y pide un análisis. Copilot leerá las medidas y devolverá explicaciones y sugerencias. Evalúa las sugerencias y pide aclaraciones a Copilot para obtener pasos concretos (ej.: código M para Power Query).

Paso 5: Aplicar correcciones sugeridas (ejemplo de Power Query)

Cuando Copilot sugiera transformaciones, intégralas en Power Query en Power BI Desktop. Ejemplo común: eliminar filas con CustomerID nulo y eliminar duplicados manteniendo la fila más reciente.

// Exemplo M: remover nulos e deduplicar por Key mantendo a linha com Max Date
let
  Fonte = Excel.Workbook(File.Contents("dados.xlsx"), null, true),
  Tabela = Fonte{[Name="Sheet1"]}[Data],
  FiltrarNulos = Table.SelectRows(Tabela, each [CustomerID] <> null),
  Ordenar = Table.Sort(FiltrarNulos,{{"Date", Order.Descending}}),
  RemoverDuplicados = Table.Distinct(Ordenar, {"Key"})
in
  RemoverDuplicados

Paso 6: Automatización opcional con alertas y programación

Después de actualizar el informe/dataset, puedes crear alertas en el servicio Power BI para métricas críticas (por ejemplo Refresh_Failures_Last30 > 0). También configura la programación de refresh más frecuente si Avg_Refresh_Time está aceptable.

Verificar el resultado

Confirma que las medidas reflejan los cambios: porcentaje de nulos disminuyó, Duplicate_Rate redujo y el número de fallos de refresh se actualizó. Prueba el prompt en Copilot de nuevo para ver si las recomendaciones han cambiado. Verifica también si las alertas se disparan cuando procede.

Conclusión

Con estos pasos tienes un panel de diagnóstico con Copilot en Power BI que identifica problemas y genera acciones concretas. Próximos pasos: automatizar el prompt vía API (cuando esté disponible) e integrar logs adicionales. Consejo: mantiene los thresholds documentados para reducir falsos positivos.