【Power BI 】TMDL 模型升級篇：從單張資料表到多表關聯，讓 AI 快速生成 DAX 的實戰應用 II

在上一篇，我們使用「訂單明細」資料表中的 TMDL 檢視，與 ChatGPT 溝通建立至少 5 個實用的 DAX 量值。但只靠這張表建立分析的結果有限，例如：

• 想看會員等級的總消費？
• 想分析不同性別、年齡層的消費行為？

這時就會建立其他資料表來增加分析的維度，例如我們加入「顧客清單」資料表，並與「訂購明細」資料表建立關聯（relationship）。

💬如何將多張資料表與資料模型提供給 AI ?

若要完整寫出整個資料表與資料模型的編寫指令碼 (script)，可直接拖曳【模型】的語意模型 (semantic model)，即可產生完整的 TMDL
你會發現 TMDL 除了資料表之外，另外包含了資料關聯性 (Relationship)

✅ 模型化的 TMDL，讓 AI 自動生成 DAX

過去你只能跟 AI 說：「幫我分析不同會員等級的總金額」，但 AI 並不知道「會員等級」從哪來。

現在有了 TMDL，AI 能夠清楚判斷：

• 關聯是透過顧客名稱建立的
• 哪張表提供訂單金額
• 哪張表提供維度資訊

雖然模型化的 TMDL 可有效與 AI 溝通，但為了確保產出的結果與使用習慣相符，因此跟它溝通的方式 (提示語 Prompt) 也需要留意

📌推薦的 AI 提示語 (Prompts)

根據老師的操作經驗，為了確保它產出的量值以及量質的用途說明都能夠完整產出，推薦給大家我平常在用的提示語 (Prompts)

✍️AI 提示詞 Prompt：

請根據以下 TMDL 結構，為這張表設計 5 個包含但不限於會員相關、訂單分析的量值
並請以 Power BI TMDL 語法輸出，每個量值需包含：

1.每個量值使用「中文名稱」並加上單引號（例如 '會員等級的總消費'）
2.每個量值加上 /// 註解，說明用途與計算邏輯
3.產出格式要符合下方這個範例語法：

createOrReplace

  ref table 量質

    measure '訂單總金額' = 
		/// 計算每筆訂單的實際總金額（數量 × 單價），用於總體銷售分析
		SUMX('訂購明細', '訂購明細'[數量] * '訂購明細'[單價])
			

[TMDL 編寫指令碼 (script) ]

• 灰色區域 [TMDL 編寫指令碼 (script)] 請記得更換
• ref table * 後方為量值放置的資料表，請記得更換

❗以老師目前的經驗，有幾個在使用 TMDL 模型時的注意事項：

• ref table * 這一段語法為放置量值的地方，是我發現 AI 生成最容易出現的問題
• Claude 回傳的語法錯誤率通常比 ChatGPT 低，但兩個回傳的 TMDL 的量質都有些許的錯誤，需要同學有基本的 DAX 概念
• 建議先建立空白的資料表存放 TMDL 搭配 AI 產生的量質，方便除錯或是管理

接下來只要將 TMDL 編寫指令碼 (script) 貼回 Power BI 中，並檢查是否有錯誤訊息，若無誤按套用後大功告成

🎯 結論:

目前使用 TMDL 建立多張資料表中的量值仍存在一些穩定性與相容性上的挑戰。這可能與目前的提示語設計尚未完全成熟有關，容易出現語法錯誤或模型應用失敗的情況。若能搭配 Microsoft Copilot 工具輔助生成或校正 DAX 公式，也許有助於提升建立效率與準確度，老師會再多多試驗。

歡迎大家在留言區分享自己的測試結果與實際觀察，一起探索更穩定的使用方式！

📥 點我下載練習檔

*若已經申請下載過練習檔的同學，可以直接到 Google Sheet 查看

老師會在之後的文章繼續帶你認識 TMDL 其他應用情境！