<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Gökberk Uzuntaş on Medium]]></title>
        <description><![CDATA[Stories by Gökberk Uzuntaş on Medium]]></description>
        <link>https://medium.com/@uzuntasgokberk?source=rss-ca2824fa949b------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*CVIcdHgF80gIeTfDwIjqyA.png</url>
            <title>Stories by Gökberk Uzuntaş on Medium</title>
            <link>https://medium.com/@uzuntasgokberk?source=rss-ca2824fa949b------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 19:09:46 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@uzuntasgokberk/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Microsoft Fabric Data Agent ile M365 Entegrasyonu Nasıl Yapılır?]]></title>
            <link>https://medium.com/learndataplatform/microsoft-fabric-data-agent-ile-m365-entegrasyonu-nas%C4%B1l-yap%C4%B1l%C4%B1r-3e5e0470e556?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/3e5e0470e556</guid>
            <category><![CDATA[fabric-data-agent]]></category>
            <category><![CDATA[microsoft]]></category>
            <category><![CDATA[m365]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Sat, 03 Oct 2026 14:32:36 GMT</pubDate>
            <atom:updated>2026-10-03T14:32:36.689Z</atom:updated>
            <content:encoded><![CDATA[<p>Daha önce oluşturduğum bir Microsoft Fabric Data Agent’ı Microsoft 365 ve Microsoft Teams üzerinden nasıl kullandığımı gösteriyorum. Ayrıca, belirsiz bir soruyu daha net yazdığımda yanıtın nasıl değiştiğini gözlemliyorum.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FtxtOQzdUfN0%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DtxtOQzdUfN0&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FtxtOQzdUfN0%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/4950d87bf63963411c9b6bb819b5b0c1/href">https://medium.com/media/4950d87bf63963411c9b6bb819b5b0c1/href</a></iframe><ul><li>Data Agent’ı yayınlarken Microsoft 365 üzerinde de yayınlamayı seçtim.</li><li>Yayın sonrası URL ve MCP bilgilerine erişebildim.</li><li>Sample Data Agency adlı ajanı Teams üzerinden açtım.</li><li>Green Trip verileriyle ilgili soruyu Fabric MCP kullanarak sordum.</li><li>İlk yanıtı netleştirmek için promptu güncelledim.</li></ul><h3>Microsoft Fabric Data Agent M365 entegrasyonu nasıl yayınlanır?</h3><p>İlk olarak Data Agent’ımı yayınlarken Microsoft 365 tarafında da yayınlanmasını istedim. Yayınlama sonrasında ajana ait detaylar içinde URL ve MCP bilgisini görebildim.</p><p>Bu bilgiler, ajanı farklı kullanım noktalarından açmak için erişilebilir durumda kalıyor. Ardından Teams’e geçerek ajanın yayınlandığı alanı açtım.</p><h3>Teams içinde Sample Data Agency’yi açma</h3><p>Bu demoda kullandığım ajanın adı <strong>Sample Data Agency</strong>. Ajanı Green Trip verileriyle beslemiştim. Teams içinde uygulama üzerinden ya da Teams’in ilgili sayfasından kurumsal kullanım alanı üzerinden ajana erişebildim.</p><h3>Microsoft Fabric Data Agent M365 entegrasyonunda soru sorma</h3><p>Ajan açıkken Green Trip verileri için en yüksek yolcu sayısını sordum. Bu soruda Fabric MCP’nin çalıştığını ve bana bir yanıt getirdiğini gördüm. Ayrıca MCP’nin yanıt üretirken izlediği reasoning bilgisini de arayüzde gözlemleyebildim.</p><p>İlk yanıt 9 yolcu olarak geldi. Ancak bu, sormak istediğim metrikle tam olarak örtüşmüyordu. Bu nedenle promptu daha açık bir hale getirerek soruyu <strong>“En yüksek toplam yolcu sayısı hangi yıldır?”</strong> şeklinde güncelledim.</p><p>Güncellenen sorunun ardından Data Agent MCP yeniden çalıştı ve beklediğim sonucu getirdi. Bu kısa senaryoda gördüğüm nokta şu oldu: Sorunun kapsamını net biçimde tanımlamak, alınan yanıtın ihtiyaca uygunluğunu doğrudan etkiliyor.</p><h3>Sohbet geçmişine uygulama üzerinden erişim</h3><p>Ajanı uygulama üzerinden açtığımda da sohbet geçmişinin korunduğunu gördüm. Böylece önceki sorulara ve yanıtlara uygulama içinden tekrar erişebildim.</p><h3>Sık Sorulan Sorular</h3><h3>Microsoft Fabric Data Agent’ı Teams üzerinden kullanabilir miyim?</h3><p>Bu demoda, Microsoft 365 üzerinde yayınlanan Data Agent’ı Microsoft Teams içinden açıp kullandım.</p><h3>İlk yanıt ihtiyacı karşılamazsa ne yapabilirim?</h3><p>Soruyu daha açık ve hedef metriği belirtecek şekilde yeniden yazabilirsiniz. Demoda, “en yüksek yolcu sayısı” sorusunu “en yüksek toplam yolcu sayısı hangi yıldır?” olarak güncelledim.</p><h3>Sonuç</h3><p>Microsoft Fabric Data Agent M365 entegrasyonu sayesinde, yayınladığım veri ajanını Microsoft Teams ve Microsoft 365 uygulaması üzerinden kullanabildim. Bu kısa örnekte, MCP ile gelen yanıtı değerlendirdim ve promptu netleştirerek ihtiyacıma daha uygun bir sonuç aldım. Benzer bir akışta, sorularınızı mümkün olduğunca açık tanımlamanız faydalı olabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*dRZhLx955VNqG9Wa.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3e5e0470e556" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/microsoft-fabric-data-agent-ile-m365-entegrasyonu-nas%C4%B1l-yap%C4%B1l%C4%B1r-3e5e0470e556">Microsoft Fabric Data Agent ile M365 Entegrasyonu Nasıl Yapılır?</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Microsoft Fabric Data Agents ile Doğal Dil Veri Analizi]]></title>
            <link>https://medium.com/learndataplatform/microsoft-fabric-data-agents-ile-do%C4%9Fal-dil-veri-analizi-57f568755c30?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/57f568755c30</guid>
            <category><![CDATA[data]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[microsoft-fabric]]></category>
            <category><![CDATA[agents]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Mon, 28 Sep 2026 14:12:02 GMT</pubDate>
            <atom:updated>2026-09-28T14:12:02.423Z</atom:updated>
            <content:encoded><![CDATA[<p>Şirketlerde farklı kaynaklara yayılmış çok sayıda veri bulunuyor. Bu demoda, <strong>Microsoft Fabric Data Agents</strong>kullanarak satış verileri gibi kurumsal kaynaklara doğal dilde soru sormayı ve daha tutarlı yanıtlar için ajanı yapılandırmayı test ettim.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FxihJZR97r5s%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DxihJZR97r5s&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FxihJZR97r5s%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/1e94174653104a1e00967b34be0384be/href">https://medium.com/media/1e94174653104a1e00967b34be0384be/href</a></iframe><p>Amaç; kullanıcıların prompt yazarak veriyle etkileşime geçebilmesi, seçilen kaynaklardan yanıt alabilmesi ve ajanın davranışını talimatlarla yönlendirebilmesi.</p><ul><li>Microsoft Fabric Data Agents için Eventhouse, Semantic Model ve Lakehouse kaynakları eklenebiliyor.</li><li>Ajanın okuyacağı tablo sayısı arttığında tutarlılıkla ilgili bir uyarı gösteriliyor.</li><li>Veri kaynağına göre doğal dil sorguları DAX, SQL veya KQL diline dönüştürülüyor.</li><li>Data Source Interactions, Example Queries ve Agent Instructions alanlarıyla ajanın davranışı yapılandırılabiliyor.</li><li>Ajan, yayımlanmadan önce test edilebiliyor; memnun kalındığında Publish seçeneğiyle yayımlanabiliyor.</li><li>Standalone Power BI Copilot üzerinden bir Data Agent’a referans vererek yanıt alma senaryosu da gösteriliyor.</li></ul><h3>Microsoft Fabric Data Agents ne için kullanılır?</h3><p>Bu yayında ele aldığım <strong>Microsoft Fabric Data Agents</strong>, kurumsal veri kaynakları üzerinde doğal dilde soru sormaya yönelik özelleştirilebilir ajanlar oluşturmayı hedefliyor. Örneğin satış verileriyle ilgili bir soru sorulduğunda, ajanın ilgili kaynaklara dayanarak yanıt üretmesi bekleniyor.</p><p>Bu yaklaşımda yalnızca bir prompt yazmak yeterli değil. Ajanın hangi kaynakları okuyacağı, hangi tabloları kullanacağı ve belirli sorulara nasıl yaklaşacağı da yapılandırma sürecinin parçası.</p><p>Demoya Fabric lisansının bulunduğu bir workspace içinde başladım ve daha önce oluşturduğum örnek bir Data Agent’ı açtım. Ekranda görünen arayüzün önceki Data Agents deneyimine ait olduğunu; videonun ilerleyen bölümünde ise güncel arayüzden bazı seçenekleri de kısaca gösterdiğimi belirttim.</p><h3>Microsoft Fabric Data Agents için veri kaynağı nasıl seçilir?</h3><p>İlk adımda <strong>Data Source</strong> seçeneğine tıkladım. Bu alanda Eventhouse, Semantic Model veya Lakehouse ekleme seçenekleri bulunuyor. Örnek senaryoda dört ayrı Lakehouse ekledim.</p><p>Kaynakları ekledikten sonra, Data Agent’ın okumasını istediğim tabloları seçtim. Buradaki önemli nokta, çok fazla tablo seçildiğinde arayüzün bir uyarı göstermesi. Bu uyarı, daha geniş bir tablo seçiminin yanıt tutarlılığını etkileyebileceğine işaret ediyor.</p><p>Dolayısıyla Microsoft Fabric Data Agents kurulumunda tüm tabloları seçmek yerine, ajanın yanıtlamasını istediğiniz sorularla doğrudan ilişkili tabloları belirlemek daha kontrollü bir yapı sunuyor. Bu videoda tablo sayısını artırarak farklı bir sonuç karşılaştırması yapmadım; yalnızca arayüzdeki uyarıyı gösterdim.</p><h3>Doğal dil sorguları hangi dile dönüştürülür?</h3><p>Data Agent, bağlı veri kaynağının türüne göre doğal dili farklı sorgu dillerine dönüştürüyor. Demoda aktardığım eşleşmeler şöyleydi:</p><ul><li><strong>Eventhouse</strong> için <strong>KQL</strong></li><li><strong>Semantic Model</strong> için <strong>DAX</strong></li><li><strong>Lakehouse</strong> ve <strong>Warehouse</strong> için <strong>SQL</strong></li></ul><p>Bu nedenle veri kaynağı türü, Microsoft Fabric Data Agents’ın arka planda nasıl sorgu oluşturduğunu doğrudan etkiliyor. Kullanıcı soruyu doğal dilde sorarken ajan, ilgili kaynağın yapısına uygun sorgu dilini kullanarak yanıt oluşturmaya çalışıyor.</p><h3>Microsoft Fabric Data Agents talimatları nasıl yapılandırılır?</h3><p>Veri kaynağı eklemek, yapılandırmanın yalnızca ilk bölümü. Demoda <strong>Setup</strong> alanına girerek üç önemli ayar üzerinde durdum: <strong>Data Source Interactions</strong>, <strong>Example Queries</strong> ve <strong>Agent Instructions</strong>.</p><h3>Data Source Interactions ile kaynak davranışını tanımlamak</h3><p><strong>Data Source Interactions</strong> alanında, veri kaynağıyla ilgili bir talimat verilebiliyor. Bu bölüm, ajanın ilgili kaynakla nasıl etkileşime girmesi gerektiğini yönlendirmek için kullanılıyor.</p><p>Bu yapı, yalnızca veri eklemekten farklı olarak ajana bir yaklaşım çerçevesi sağlamayı amaçlıyor. Böylece ajan, kaynakla etkileşim kurarken verilen yönergeleri dikkate alabiliyor.</p><h3>Example Queries ile belirli sorgulara yön vermek</h3><p><strong>Example Queries</strong> alanında örnek sorular tanımladım. Buradaki amaç, belirli bir soru sorulduğunda istenen sorgu yaklaşımının tekrar kullanılabilmesi.</p><p>Videoda bunu, Power BI tarafındaki <strong>Verified Answers</strong> yaklaşımına benzer bir davranış olarak anlattım. Lakehouse veya Warehouse kullanıldığında örnek sorguların SQL ile; Eventhouse kullanıldığında ise KQL ile ilişkilendirildiğini gösterdim.</p><p>Power BI tarafı için bu hazırlığın <strong>Prepare data for AI</strong> bölümünde yapılması gerektiğini de belirttim. Bu hazırlık tamamlandığında Data Agent’ın bunu otomatik olarak algıladığını aktardım.</p><h3>Agent Instructions ile ajanın üslubunu belirlemek</h3><p><strong>Agent Instructions</strong> alanı, ajana nasıl davranması gerektiğini söyleyebildiğim bölüm oldu. Bu alanı test etmek için ajanın bana her zaman “patron” diye hitap etmesini istedim.</p><p>Ardından örnek bir prompt girdim. Ajan, yanıtında bu hitap biçimini kullandı ve prompta göre bir çıktı verdi. Bu kısa deneme, verdiğim talimatın bu senaryoda yanıt üslubuna yansıdığını gösterdi.</p><p>Başka bir prompt ile de daha önce Example Queries alanında tanımladığım örneklerden birini çağırdım. Ajanın verdiği çıktı, tanımlanan örnek sorgu yaklaşımıyla uyumlu şekilde geldi. Aynı yaklaşımı farklı bir örnek üzerinde yeniden denedim.</p><p>Bu demoda farklı veri hacimleri, farklı kullanıcı yetkileri veya çok sayıda eşzamanlı sorgu gibi durumları test etmedim. Gösterdiğim bölüm; seçilmiş veri kaynakları, örnek sorgular ve ajan talimatlarıyla yapılan kısa bir yapılandırma ve test akışıydı.</p><h3>Microsoft Fabric Data Agents nasıl yayımlanır?</h3><p>Ajanın davranışından memnun kaldığımda <strong>Publish</strong> butonuna tıkladım. Yayımlama sırasında ajanın ne olduğunu açıklamak için bir açıklama ekleme seçeneği bulunuyor.</p><p>Yayımlama sonrasında arayüz, uygulamaya ilişkin bir çıktı sunuyor. Böylece yapılandırılan ajan, test aşamasından yayımlanmış duruma geçiriliyor.</p><p>Videonun güncel arayüz bölümünde ayrıca şu seçenekleri de kısaca gösterdim:</p><ul><li><strong>Add Data</strong> ile mevcut bilgi kaynaklarını görüntüleme</li><li>Azure AI kaynaklarını görüntüleme</li><li><strong>Add Tools</strong> ile araç ekleme</li><li>Görselleştirme kullanımı</li><li>Yapay zekâ yardımıyla ajan talimatlarını oluşturma</li><li><strong>Test Data Agent</strong> ile yayımlamadan önce deneme</li><li>Runtime ile güncel çalışma ortamı seçenekleri</li></ul><p>Özellikle yapay zekâ yardımıyla talimat oluşturma bölümünde, daha önce uzun uzun yazılabilecek Example Queries, Data Agent Instructions ve Agent Instructions içeriklerinin daha hızlı hazırlanabildiğini gösterdim.</p><h3>Power BI Copilot ile Data Agent kullanımı</h3><p>Son bölümde, <strong>Standalone Power BI Copilot</strong> üzerinden bir Data Agent’a referans verme senaryosunu gösterdim. Bunun için Copilot içinde Alt tuşunu kullanarak daha önce oluşturduğum “Co-Pilot Data Agent” adlı ajana yönlendirme yaptım.</p><p>Bu akışta amaç, kullanıcının sorusunu doğrudan Copilot alanında sorup ajanın bağlı olduğu verilerden yanıt alabilmesiydi. Ancak videonun çekildiği sırada Data Agent’ın çevrim dışı modda olduğunu da belirttim. Bu nedenle gösterilen Copilot bağlantısı, o anki kullanılabilirlik durumu açısından sınırlıydı.</p><h3>Frequently Asked Questions</h3><h3>Microsoft Fabric Data Agents hangi veri kaynaklarını destekliyor?</h3><p>Demoda Eventhouse, Semantic Model ve Lakehouse ekleme seçeneklerini gösterdim. Ayrıca Lakehouse ve Warehouse için SQL, Eventhouse için KQL, Semantic Model için ise DAX kullanımından söz ettim.</p><h3>Data Agent’ı yayımlamadan önce test edebilir miyim?</h3><p>Evet. Videoda yer alan <strong>Test Data Agent</strong> seçeneği, ajanı yayımlamadan önce deneme aşamasında kullanmak için gösterildi. Ayrıca prompt girerek Agent Instructions ve Example Queries davranışını kısa örneklerle test ettim.</p><h3>Conclusion</h3><p><strong>Microsoft Fabric Data Agents</strong>, doğal dilde veri soruları sormak için kaynak seçimi, tablo kapsamı, örnek sorgular ve ajan talimatlarını bir araya getiriyor. Bu demoda Lakehouse kaynakları ekledim, ajan talimatlarını denedim, örnek sorgularla davranışı gözlemledim ve yayımlama adımını gösterdim.</p><p>Microsoft Fabric Data Agents kullanmayı planlıyorsanız, başlangıçta veri kaynaklarını ve tabloları dikkatli seçmek; ardından Example Queries ile Agent Instructions alanlarını iş ihtiyacınıza göre yapılandırmak iyi bir başlangıç noktası olabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*b5Tke9S5cVdPzCbl.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=57f568755c30" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/microsoft-fabric-data-agents-ile-do%C4%9Fal-dil-veri-analizi-57f568755c30">Microsoft Fabric Data Agents ile Doğal Dil Veri Analizi</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI’de Onaylanmış Cevaplar Nasıl Kullanılır?]]></title>
            <link>https://medium.com/learndataplatform/power-bide-onaylanm%C4%B1%C5%9F-cevaplar-nas%C4%B1l-kullan%C4%B1l%C4%B1r-83bc69075dd7?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/83bc69075dd7</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Wed, 23 Sep 2026 18:42:59 GMT</pubDate>
            <atom:updated>2026-09-23T18:42:59.036Z</atom:updated>
            <content:encoded><![CDATA[<p>Kullanıcılar Power BI raporunuzda soru sorduğunda, onlara yalnızca sizin belirlediğiniz görsellerin gösterilmesini ister misiniz? İşte tam da bu ihtiyaç için tasarlanmış olan <strong>onaylanmış cevaplar (verified answers)</strong> özelliği devreye giriyor. Bu kısa demo yazısında, Power BI Desktop ve Microsoft Fabric ortamında bu özelliğin nasıl kurulup kullanılacağını adım adım ele alıyoruz.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Ftjqr5imHGRs%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dtjqr5imHGRs&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Ftjqr5imHGRs%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/1179ccdc7cee024a65f0e1f42fef2f62/href">https://medium.com/media/1179ccdc7cee024a65f0e1f42fef2f62/href</a></iframe><ul><li>Power BI’de onaylanmış cevaplar özelliğinin ne işe yaradığı</li><li>Belirli sorulara karşılık yalnızca seçili görsellerin nasıl gösterileceği</li><li>Power BI Desktop ve Fabric Cloud ortamında nasıl uygulandığı</li><li>Türkçe prompt ile özelliğin nasıl test edileceği</li><li>Farklı görsel ve soru örnekleriyle pratik kullanım senaryoları</li></ul><h3>Power BI’de Onaylanmış Cevaplar Özelliği Nedir?</h3><p>Power BI’de onaylanmış cevaplar, kullanıcıdan gelen promptlara (sorulara) sistemin yalnızca sizin seçtiğiniz görsellerle yanıt vermesini sağlayan bir özelliktir. Normalde bir kullanıcı soru sorduğunda Power BI, rapordaki tüm görselleri tarayarak bir yanıt üretmeye çalışır. Onaylanmış cevaplar sayesinde ise bu süreci kontrol altına alabilir; belirli sorulara karşılık hangi görselin gösterileceğini önceden tanımlayabilirsiniz.</p><p>Bu özellik; büyük ve karmaşık raporlarda kullanıcı deneyimini sadeleştirmek, doğru veri sunumunu güvence altına almak ve sık sorulan sorulara tutarlı yanıtlar vermek için oldukça değerlidir.</p><h3>Demo: Onaylanmış Cevaplar Nasıl Ayarlanır?</h3><p>Aşağıda, özelliğin nasıl kurulduğunu adım adım bulabilirsiniz:</p><h3>1. Power BI Desktop’ta Başlangıç</h3><p>Çalışmaya Power BI Desktop uygulamasında başlıyoruz. Eğer bulut ortamında (Microsoft Fabric) ilerlemek isterseniz, <strong>Large Semantic Model</strong> ayarının açık olduğundan emin olmanız gerekiyor.</p><h3>2. Onaylanmış Cevaplar Menüsüne Erişim</h3><p>Power BI Desktop’ta üst menüden ilgili sekmeye tıklayarak <strong>“Onaylanmış Cevaplar”</strong> seçeneğine ulaşıyoruz. Bu menüde birkaç farklı yapılandırma seçeneği karşımıza çıkıyor.</p><h3>3. Görsel Seçimi ve Soru Tanımlama</h3><p>Bu adımda, hangi soruya karşılık hangi görselin gösterileceğini belirliyoruz. Örnek sorular ekleyerek, bu sorulara yanıt olarak çıkmasını istediğimiz görseli seçiyoruz. Birden fazla soru-görsel eşleşmesi tanımlamak da mümkün; bu sayede farklı kullanıcı sorularına özelleştirilmiş yanıtlar sunabiliyoruz.</p><h3>4. Apply (Uygula) ile Ayarları Kaydetme</h3><p>Ayarları tamamladıktan sonra <strong>“Apply”</strong> tuşuna basarak değişiklikleri kaydediyoruz. Ardından başka bir görsel üzerinde aynı yöntemi uygulayarak ikinci bir soru-görsel eşleşmesi tanımladık. Örneğin, gelirlerle ilgili bir soruya karşılık trend grafiğinin görsel çıktı olarak gelmesini ayarladık.</p><h3>5. Birden Fazla Soru ile Test</h3><p>Toplamda 3 farklı soru tanımladık ve her birine karşılık gelen görselleri belirledik. Microsoft Fabric Corporate ortamına giriş yaparak bu soruları prompt olarak girdiğimizde, her soruya karşılık tam olarak belirlediğimiz görselin çıktığını doğruladık.</p><h3>6. Türkçe Prompt ile Test</h3><p>Son olarak, aynı süreci Türkçe bir prompt ile de denedik. Kendi dilimizde yazdığımız soruya karşılık, yine istediğimiz görselin doğru şekilde gösterildiğini gözlemledik. Bu da özelliğin Türkçe dil desteğiyle de sorunsuz çalıştığını ortaya koyuyor.</p><h3>Hangi Senaryolarda Kullanılır?</h3><ul><li><strong>Kontrollü kullanıcı deneyimi:</strong> Kullanıcıların yalnızca belirli rapor bölümlerini veya görselleri görmesini istediğinizde, onaylanmış cevaplar ile bunu kolayca yönetebilirsiniz.</li><li><strong>Sık sorulan sorulara hızlı yanıt:</strong> Ekibinizin veya müşterilerinizin sıkça sorduğu sorulara önceden tanımlanmış, tutarlı görsel yanıtlar sunabilirsiniz.</li><li><strong>Kullanıcı yönlendirme:</strong> Karmaşık raporlarda kullanıcıları doğru veriye yönlendirmek ve yanlış yorumlamaların önüne geçmek için etkili bir araçtır.</li></ul><h3>Sıkça Sorulan Sorular</h3><p><strong>Onaylanmış cevaplar özelliği Power BI’nin hangi ortamlarında kullanılabilir?</strong> Power BI Desktop ve Microsoft Fabric Cloud ortamında onaylanmış cevaplar özelliğini kullanabilirsiniz. Fabric Cloud tarafında ilerlemek istiyorsanız Large Semantic Model ayarının açık olması gerekir.</p><p><strong>Türkçe prompt ile çalışır mı?</strong> Evet, onaylanmış cevaplar özelliğini Türkçe prompt ile de kullanmak mümkündür. Demo sırasında Türkçe soru girişiyle de başarılı sonuçlar elde edildi.</p><p><strong>Birden fazla soru-görsel eşleşmesi tanımlanabilir mi?</strong> Evet, birden fazla soru için ayrı ayrı görsel eşleşmeleri tanımlayabilirsiniz. Demo’da 3 farklı soru için 3 ayrı görsel başarıyla yapılandırıldı.</p><h3>Sonuç</h3><p>Power BI’de onaylanmış cevaplar özelliği, raporlarınızı daha kontrollü, tutarlı ve kullanıcı dostu hale getirmenin pratik bir yoludur. Hem Power BI Desktop hem de Microsoft Fabric ortamında kolayca uygulanabilen bu özellik, Türkçe prompt desteğiyle de sorunsuz çalışmaktadır.</p><p>Bu özelliği denediniz mi? Kendi deneyimlerinizi ve sorularınızı aşağıdaki yorumlarda paylaşmayı unutmayın! Daha fazla pratik demo ve Power BI ipucu için takipte kalmayı unutmayın.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Rf0riGIBKuxqon9O.jpg" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=83bc69075dd7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/power-bide-onaylanm%C4%B1%C5%9F-cevaplar-nas%C4%B1l-kullan%C4%B1l%C4%B1r-83bc69075dd7">Power BI’de Onaylanmış Cevaplar Nasıl Kullanılır?</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI Copilot Özel Talimatlar: Prep Data for AI]]></title>
            <link>https://medium.com/learndataplatform/power-bi-copilot-%C3%B6zel-talimatlar-prep-data-for-ai-5e0b72a9eac3?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/5e0b72a9eac3</guid>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Fri, 31 Jul 2026 08:47:54 GMT</pubDate>
            <atom:updated>2026-07-31T08:47:54.832Z</atom:updated>
            <content:encoded><![CDATA[<p>Power BI kullanıcıları için Copilot’a sektörünüze veya şirketinize özel talimatlar vermek, analiz süreçlerini önemli ölçüde kolaylaştırabilir. Özellikle bankacılık ya da lojistik gibi sektörlerde kendinize özgü terimleri Copilot’un doğru anlamasını ve kullanmasını sağlamak, veri analizinde daha doğru ve hızlı sonuçlar elde etmenizi sağlar. Bu yazıda, Power BI’da Copilot’a nasıl özel yapay zeka talimatları verebileceğinizi kısa bir demo üzerinden paylaşıyorum.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fh1ZUTSNGCOI%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dh1ZUTSNGCOI&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fh1ZUTSNGCOI%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/dc06eb410fb5d2e2fc87b6316bd2468d/href">https://medium.com/media/dc06eb410fb5d2e2fc87b6316bd2468d/href</a></iframe><ul><li>Power BI Copilot’a sektör terimlerinizi tanımlayarak özel talimatlar verebilirsiniz.</li><li>“Prep Data for AI” ve “Add AI Instructions” butonlarıyla bu işlemleri kolayca gerçekleştirebilirsiniz.</li><li>Sektöre özgü örneklerle Copilot’u daha verimli kullanmak mümkün.</li><li>Talimatlarınızı kaydedip hemen test edebilirsiniz.</li><li>Basit bir demo ile Copilot’un yeni talimatlara nasıl yanıt verdiğini gözlemledim.</li></ul><p>Hayal edin, bankacılık veya lojistik sektöründesiniz ve şirketinizde sık kullanılan terimler var. Copilot’un bu terimleri doğru anlaması için ona özel talimatlar vermek istiyorsunuz.</p><p>Bunun için Power BI’da <strong>“Prep Data for AI”</strong> yani “Verinizi Yapay Zekaya Hazırlayın” butonunu kullanabilirsiniz. Bu butona Power BI Desktop veya Power BI Service üzerinden ulaşmak mümkün.</p><h3>Adım Adım AI Talimatı Ekleme</h3><ol><li>Power BI Desktop’ta sağ üst köşede bulunan <strong>“Prep Data for AI”</strong> butonuna tıklayın.</li><li>Açılan menüden <strong>“Add AI Instructions”</strong> (Yapay Zekaya Talimat Ver) seçeneğini seçin.</li><li>Burada, örnek bir talimat oluşturarak Copilot’un belirli terimleri nasıl anlaması gerektiğini belirtebilirsiniz.</li></ol><p>Power BI’de ‘Add AI Instructions’ özelliğinin gösterimi</p><p>Örneğin, bir kullanıcı olarak “earnings” yani “kazançlar” terimini sorduğumda, Copilot’un bunu doğru şekilde anlaması için özel bir talimat ekledim.</p><p>Power BI’de özel AI talimatı oluşturma örneği</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2GLPzenQtdtea1OjBdxOkg.png" /></figure><h3>Talimatı Test Etmek</h3><p>Talimatı kaydettikten sonra Power BI Service’e geçiş yapıp Copilot’a yeni bir soru sordum: “Bana kazançları göster” dedim (İngilizce olarak). Copilot, verdiğim talimata uygun şekilde doğru yanıtı döndürdü.</p><p>Power BI AI talimatının bir sorguyla test edilmesi</p><h3>Power BI Copilot’a Talimat Verirken Nelere Dikkat Edilmeli?</h3><ul><li><strong>Talimatlarınız açık ve net olmalı:</strong> Sektör terimlerinizi açıkça tanımlayın.</li><li><strong>Test etmeyi unutmayın:</strong> Talimatı ekledikten sonra Copilot’un doğru yanıt verip vermediğini mutlaka kontrol edin.</li><li><strong>Her terim için ayrı talimat ekleyebilirsiniz:</strong> Şirketinizde çok kullanılan farklı terimler için birden fazla talimat oluşturabilirsiniz.</li></ul><h3>Frequently Asked Questions</h3><p><strong>Power BI Copilot’a eklediğim talimatları daha sonra değiştirebilir miyim?</strong><br>Evet, eklediğiniz talimatları istediğiniz zaman güncelleyebilir veya yeni talimatlar ekleyebilirsiniz.</p><p><strong>Bu özellik Power BI Desktop ve Service’de mevcut mu?</strong><br>Evet, hem Power BI Desktop’ta hem de Power BI Service’de “Prep Data for AI” ve “Add AI Instructions” seçeneklerine ulaşabilirsiniz.</p><h3>Sonuç</h3><p>Power BI Copilot’a özel yapay zeka talimatları vererek analizlerinizi şirketinize veya sektörünüze göre özelleştirebilirsiniz. Bu sayede daha doğru, hızlı ve anlamlı veri analizleri yapmanız mümkün. Siz de Power BI’de bu özelliği test edebilir, deneyimlerinizi paylaşabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XJRhqcgkQ1pTb7qmG32v1g.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5e0b72a9eac3" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/power-bi-copilot-%C3%B6zel-talimatlar-prep-data-for-ai-5e0b72a9eac3">Power BI Copilot Özel Talimatlar: Prep Data for AI</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI Copilot’a Sınır Koy]]></title>
            <link>https://medium.com/learndataplatform/power-bi-copilota-s%C4%B1n%C4%B1r-koy-c170145c7bea?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/c170145c7bea</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[co-pilot]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Sun, 26 Jul 2026 17:26:31 GMT</pubDate>
            <atom:updated>2026-07-26T17:26:31.731Z</atom:updated>
            <content:encoded><![CDATA[<p>Power BI Copilot kullanırken, bazen analizlerinizde bazı tabloların veya sütunların Copilot tarafından dikkate alınmasını istemeyebilirsiniz. Kısa bir demo ile, Semantic Model’in nasıl düzenlenebileceğini ve Copilot’ın bu değişikliklere nasıl tepki verdiğini pratikte inceleyeceğiz.</p><ul><li>Power BI Copilot, analizlerde hangi tablo ve sütunların kullanılacağını Semantic Model üzerinden belirliyor.</li><li>İstenmeyen tablo veya sütunlar, PrepData for AI ile hariç tutulabiliyor.</li><li>Düzenlemeler sonrası Copilot, promptlara sadece izin verdiğiniz veri alanlarıyla yanıt veriyor.</li><li>Yıl ve hafta gibi istemediğiniz veri alanlarını kolayca gizleyebilirsiniz.</li><li>Hem Power BI Desktop hem de Power BI Service üzerinden bu işlemler yapılabiliyor.</li></ul><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FBVtNIEfoxG8%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DBVtNIEfoxG8&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FBVtNIEfoxG8%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/166d46d20d75bffdf2e4a267a71a9e93/href">https://medium.com/media/166d46d20d75bffdf2e4a267a71a9e93/href</a></iframe><h3>Power BI Copilot ile Hangi Veri Alanları Kullanılır?</h3><p>Power BI Copilot, kullanıcıdan gelen promptları yanıtlamak için Semantic Model’deki tabloları ve sütunları referans alır. Analiz sırasında bazı sütunların veya tabloların kullanılmasını istemiyorsanız, bu alanları modelden hariç tutarak Copilot’ın erişimini kısıtlayabilirsiniz.</p><h3>Kısa Demo: Copilot Promptuna Yanıt ve İlk Sonuç</h3><p>Power BI Service ortamında, sağ taraftaki chat paneli üzerinden şu prompt girildi: “Zamansal bazda kazançlarımı göster.” Copilot, ilk etapta yıl ve hafta bilgisine göre bir çıktı üretti.</p><p>Power BI Service chat panelinde zamansal kazanç promptu girişi</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*y3KiDJc1mQlRS0go25IYaw.png" /></figure><p>Ancak analizde yıl ve haftanın görünmesi istenmiyordu. Bu durumda Copilot’ın yıl-hafta sütunlarını kullanması nasıl engellenebilir?</p><h3>PrepData for AI ile Tabloları ve Sütunları Hariç Tutma</h3><p>Power BI Desktop veya Power BI Service üzerinde bulunan <strong>PrepData for AI</strong> özelliği, Copilot’ın Semantic Model’de hangi tablo ve sütunlara erişeceğini belirlemenizi sağlar. Bu özellik sayesinde istemediğiniz veri alanlarını Copilot’ın görüş alanından tamamen çıkarabilirsiniz.</p><p>Power BI Desktop sağ üst köşesinde PrepData for AI butonu</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mGyb54SkHY4Rb_gzOL4b4Q.png" /></figure><p>Power BI Desktop’ın sağ üst köşesindeki “PrepData for AI” butonuna tıklanır. Açılan giriş aşamasında hangi tabloların ve sütunların dahil edileceği belirlenir. Demo sırasında ilgili tablodaki yıl-hafta sütunu ve hafta sütunu tamamen çıkarıldı.</p><p>Power BI Desktop tablo ve sütun düzenleme ekranı PrepData for AI</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*j_t664Q2oVQh0MHZWRYgeQ.png" /></figure><p>Değişiklikler kaydedildikten sonra tekrar Power BI Service’e dönülerek aynı prompt yeniden soruldu.</p><h3>Sonuç: Copilot Yalnızca İstediğiniz Alanlarla Çalışıyor</h3><p>Düzenlemelerin ardından Copilot, yıl ve hafta sütunlarını artık kullanmadı; çıktıda bu kez yıl ve ay bilgisiyle yanıt verdi. Böylece Semantic Model üzerinde yapılan düzenlemenin Copilot davranışını doğrudan etkilediği görüldü.</p><p>Power BI Service ekranında güncellenmiş Copilot çıktısı yıl ve ay görünümü</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ov31C3gQPVam5peRGTZuEQ.png" /></figure><p>Power BI Copilot yıl ve ay bazlı nihai analiz çıktısı</p><h3>Sıkça Sorulan Sorular</h3><p><strong>Power BI Copilot hangi veri alanlarını kullanır?</strong><br>Copilot, Semantic Model’de dahil edilen tablo ve sütunlara erişebilir. Hariç tutulan alanlar analizlerde kullanılmaz.</p><p><strong>Bu düzenlemeleri yapmak için hangi aracı kullanmalıyım?</strong><br>PrepData for AI seçeneği hem Power BI Desktop hem de Power BI Service üzerinden kullanılabilir.</p><h3>Özet ve Sonuç</h3><p>Kısa bir demo ile Power BI Copilot’ta istenmeyen tablo ve sütunları nasıl hariç tutabileceğinizi inceledik. Semantic Model’inizi PrepData for AI aracılığıyla düzenleyerek Copilot’ın analizlerde kullanacağı veri alanlarını kolayca kontrol edebilirsiniz. Bu yöntemi deneyerek analizlerinizi daha hassas ve amaca uygun hale getirebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_PCulUU9wWMHRQrDK7LdBw.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c170145c7bea" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/power-bi-copilota-s%C4%B1n%C4%B1r-koy-c170145c7bea">Power BI Copilot’a Sınır Koy</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI Copilot’ın Doğru Çalışması İçin 4 Kritik Adım]]></title>
            <link>https://medium.com/learndataplatform/power-bi-copilot%C4%B1n-do%C4%9Fru-%C3%A7al%C4%B1%C5%9Fmas%C4%B1-i%CC%87%C3%A7in-4-kritik-ad%C4%B1m-34688c84aab2?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/34688c84aab2</guid>
            <category><![CDATA[co-pilot]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[microsoft-fabric]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Sun, 19 Jul 2026 11:31:42 GMT</pubDate>
            <atom:updated>2026-07-19T11:31:42.920Z</atom:updated>
            <content:encoded><![CDATA[<p>Power BI’de Copilot kullanırken en doğru sonuçları almak için veri modelinizin yapısını doğru hazırlamak büyük önem taşır. Bu yazıda, Power BI model ekranı üzerinden Copilot’ın etkili çalışması için dikkat edilmesi gereken dört temel adıma değineceğim.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fxhtqadsck34%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dxhtqadsck34&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fxhtqadsck34%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/036da57f007d6f6d92d1eb7e1a1e933c/href">https://medium.com/media/036da57f007d6f6d92d1eb7e1a1e933c/href</a></iframe><ul><li>Power BI model ekranında örnek bir model üzerinden Copilot kullanımını gösterdim.</li><li>Copilot’ın doğru çalışması için veri yapısının temiz olması gerekiyor.</li><li>Sinonimler kullanarak tablolar, sütunlar ve metriklerin eş anlamlılarını belirtmek Copilot’un modeli daha iyi anlamasını sağlıyor.</li><li>Açıklamalarla veri elemanlarının anlamlarını netleştirmek kritik.</li><li>İsimlendirmelerin Copilot’un anlayabileceği şekilde olması gerekiyor.</li></ul><h3>Power BI Model Ekranında Copilot Kullanımı</h3><p>Şu anda Power BI’nin model ekranındayız ve örnek bir model üzerinden kısa bir demo gerçekleştiriyorum. Burada, Copilot’ın veri modelinizi nasıl daha iyi anlayacağına odaklanıyorum. Copilot’ın doğru çalışması için dört temel adıma dikkat etmek gerekiyor. Bu adımları sırasıyla inceleyerek, veri modelinizi Copilot için optimize etmenin yollarını öğreneceksiniz.</p><h3>1. Temiz Veri Yapısı (Star Aşaması)</h3><p>İlk ve en önemli adım, veri yapınızın temiz olmasıdır. Star şeması gibi sade ve anlaşılır bir veri modeli, Copilot’ın verileri daha kolay işlemesini sağlıyor. Karmaşık veya düzensiz modellerde Copilot beklenen performansı gösteremeyebilir. Temiz bir veri yapısı, Copilot’un doğru analiz yapabilmesinin temelini oluşturur.</p><h3>2. Sinonimlerin Kullanımı</h3><p>Tablolarınız, sütunlarınız ve metrikleriniz için eş anlamlı kelimeler (sinonimler) tanımlamak, Copilot’ın veri modelinizi daha iyi tanımasına yardımcı olur. Böylece farklı terimlerle yapılan sorgularda bile doğru sonuçlar alınabilir. Sinonimler sayesinde, kullanıcılar değişik ifadeler kullanarak aynı veri elemanlarına erişebilirler.</p><h3>3. Açıklamaların Doğru ve Net Olması</h3><p>Her tablo, sütun ve metrik için açıklamalar eklemek, Copilot’un neyin ne olduğunu anlamasını kolaylaştırır. Bu açıklamalar, veri elemanlarının amacını ve anlamını netleştirir. Detaylı açıklamalar, Copilot’un bağlamı daha iyi anlamasını ve daha akılcı öneriler sunmasını sağlar.</p><h3>4. Anlaşılır İsimlendirme Kuralları</h3><p>Tablo, metrik ve sütun isimlerinin Copilot tarafından anlaşılabilecek şekilde yazılması kritik bir adımdır. Karmaşık veya anlamsız isimlendirmeler Copilot’ın modelinizi doğru yorumlamasını zorlaştırır. Açık ve tutarlı isimlendirme kuralları, Copilot’un veri modelinizi daha etkili bir şekilde işlemesini sağlar.</p><h3>Sizin İçin Çıkarımlar</h3><p>Power BI’de Copilot’ı verimli kullanmak istiyorsanız, veri modelinizi sade, temiz ve iyi yapılandırılmış tutmalısınız. Sinonimler, açıklamalar ve anlaşılır isimlendirmelerle modelinizi zenginleştirerek Copilot’un tam potansiyelini kullanabilirsiniz.</p><p>Bu dört adım, Copilot ile çalışırken karşılaşabileceğiniz sorunların önüne geçmenize yardımcı olur. Veri modelinizi bu prensipler doğrultusunda hazırladığınızda, Copilot’un sunduğu yapay zeka destekli analizlerden maksimum fayda sağlayabilirsiniz.</p><h3>Sıkça Sorulan Sorular</h3><p><strong>S: Copilot için veri modelinde en kritik unsur nedir?</strong><br>C: Veri yapısının temiz ve sade olması, yani star şema gibi düzenli bir model kullanılması en kritik unsurdur. Bu, Copilot’un verileri doğru şekilde işlemesinin temelini oluşturur.</p><p><strong>S: Sinonimler neden önemli?</strong><br>C: Sinonimler, Copilot’un farklı terimlerle yapılan sorguları doğru anlamasını ve modelinizi daha iyi tanımasını sağlar. Kullanıcılar değişik ifadeler kullanarak aynı sonuçlara ulaşabilirler.</p><p><strong>S: Açıklamalar ne kadar detaylı olmalı?</strong><br>C: Açıklamalar, veri elemanının amacını ve anlamını net bir şekilde ifade edecek kadar detaylı olmalıdır. Copilot’un bağlamı anlamasını sağlayacak bilgiler içermelidir.</p><h3>Sonuç</h3><p>Power BI Copilot’ın doğru ve etkili çalışması için veri modelinizin temizliği, sinonimler, açıklamalar ve isimlendirme kuralları büyük önem taşır. Bu dört temel adıma dikkat ederek, Copilot’un sunduğu yapay zeka destekli analizlerden en iyi şekilde faydalanabilirsiniz.</p><p>Veri modellerinizi bu prensipler doğrultusunda hazırlamaya başlayarak Copilot deneyiminizi geliştirin ve veri analiz süreçlerinizi daha verimli hale getirin.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J79jVTXeIyAuAI7WU4FRtw.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=34688c84aab2" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/power-bi-copilot%C4%B1n-do%C4%9Fru-%C3%A7al%C4%B1%C5%9Fmas%C4%B1-i%CC%87%C3%A7in-4-kritik-ad%C4%B1m-34688c84aab2">Power BI Copilot’ın Doğru Çalışması İçin 4 Kritik Adım</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Rapor Oluşturmayı PowerBI Copilot’a Bıraktım]]></title>
            <link>https://medium.com/learndataplatform/rapor-olu%C5%9Fturmay%C4%B1-powerbi-copilota-b%C4%B1rakt%C4%B1m-40b49a4ac72d?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/40b49a4ac72d</guid>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[microsoft-copilot]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[report]]></category>
            <category><![CDATA[fabric]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Sat, 11 Jul 2026 12:11:52 GMT</pubDate>
            <atom:updated>2026-07-11T12:11:52.538Z</atom:updated>
            <content:encoded><![CDATA[<p>Uzun ve manuel adımlar yerine yalnızca bir prompt yazarak Power BI raporu oluşturmak mümkün mü? Power BI Copilot özelliğini bizzat test ettim ve tek bir komutla rapor üretme sürecini adım adım deneyimledim.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FlWaCjUQvuOg%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DlWaCjUQvuOg&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FlWaCjUQvuOg%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/2422cfd637606423a23debf892bf69c4/href">https://medium.com/media/2422cfd637606423a23debf892bf69c4/href</a></iframe><ul><li>Power BI Copilot ile tek bir prompt kullanarak otomatik rapor oluşturulabiliyor.</li><li>Edit modunda Copilot paneli üzerinden örnek promptlar ve hazır seçenekler mevcut.</li><li>Satış performansı, müşteri segmentasyonu, ürün kârlılığı ve satış trendi gibi başlıklar tek tıklama ile rapora dönüşüyor.</li><li>Kendi özel promptunuzu girerek istediğiniz şekilde rapor talep edebiliyorsunuz.</li><li>Fabric Copilot, veri setinizde neler olduğunu detaylıca açıklayabiliyor.</li><li>Oluşturulan görselleri rapor sayfanıza ekleyip analiz edebiliyorsunuz.</li></ul><h3>Power BI Copilot ile Rapor Oluşturma Deneyimim</h3><p>Power BI’ın Copilot entegrasyonu, rapor oluşturma sürecini önemli ölçüde hızlandırıyor. Bu yazıda, Power BI Service üzerinde Copilot ile nasıl rapor oluşturduğumu adım adım paylaşıyorum.</p><p>Power BI Copilot arayüzüne giriş ve prompt ile rapor oluşturma sürecine genel bakış</p><h3>Power BI Service’de Edit Moduna Geçiş</h3><p>Power BI Service ortamında çalışmaya başladım. Rapor oluşturma işlemlerini ister Power BI Service ister Power BI Desktop üzerinden yürütebilirsiniz. Ben Power BI Service’de edit modunu açarak sürece başladım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U3z5nxJwD4hkYbTMnCgqBA.png" /></figure><p>Power BI Service’de edit moduna geçiş ve sağ üst köşedeki Copilot butonunun konumu</p><p>Sağ üst köşedeki Copilot butonuna tıkladığımda ekranın sağında bir chat paneli açıldı. Bu panelde üç farklı örnek prompt önerisi sunuluyor. Bu örneklerden faydalanabilir ya da kendi isteğinize göre yeni bir prompt girebilirsiniz.</p><h3>Hazır Rapor Seçenekleri ve Otomatik Oluşturma</h3><p>Panelde ikinci seçeneğe tıkladığımda karşıma dört başlık çıktı:</p><ul><li><strong>Satış Performansı</strong></li><li><strong>Müşteri Segmentasyonu</strong></li><li><strong>Ürün Kârlılığı</strong></li><li><strong>Satış Trendi</strong></li></ul><p>Copilot panelinde satış performansı, müşteri segmentasyonu, ürün kârlılığı ve satış trendi seçeneklerinin listesi</p><p>Bu seçeneklerden herhangi birine tıkladığınızda Power BI, ilgili raporu otomatik olarak oluşturuyor. Kullanılan metrikler ve görseller de otomatik şekilde rapora ekleniyor. Tek bir tıklama ile kapsamlı bir rapora ulaşmak bu kadar kolay.</p><h3>Kendi Promptunuzu Girerek Özel Raporlar Oluşturma</h3><p>Hazır seçeneklerin dışında, “Bana bir rapor yarat” opsiyonunu seçerek kendi promptunuzu girebiliyorsunuz. Ben bu seçeneği kullanarak satış performansını gösteren, toplam satışı aylık ve yıllık gelişimiyle birlikte sunan bir rapor talep ettim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_KRydyYqZ0h40OzZOkMTcw.png" /></figure><p>Satış performansı için özel prompt girişi ve Power BI Copilot’un oluşturduğu rapor çıktısı</p><p>Girilen prompta göre Power BI, istenen görselleri, çıktıları ve kullanılan metrikleri açıklayıcı biçimde rapora ekledi. İhtiyaca özel raporlar oluşturmak bu sayede büyük ölçüde kolaylaşıyor.</p><h3>Veride Neler Var? Fabric Copilot ile Keşif</h3><p>Rapor oluşturmanın yanı sıra Copilot panelinden “Verilerimde ne var?” gibi keşif odaklı sorular da sorabiliyorsunuz. Fabric Copilot, veri setinizde neler olduğunu detaylı şekilde açıklıyor; özet bilgi talep ettiğinizde ise raporlarla ilgili açıklamalar sunuyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ai3rRfC9arcIuffvc39ulg.png" /></figure><p>Fabric Copilot’un veri seti içeriğini açıkladığı ve şehir bazlı kârlılık görselini oluşturduğu ekran</p><p>Örneğin, toplam kârlılığa göre şehir bazında bir görsel istedim ve Copilot, tam istediğim şekilde görseli hazırladı.</p><h3>Görselleri Sayfaya Ekleme ve Analiz Etme</h3><p>Oluşturulan görselleri <strong>“Add to Page”</strong> seçeneğiyle doğrudan rapor sayfanıza ekleyebiliyorsunuz. <strong>“Explore Analyzer”</strong> özelliğiyle ise bu görselleri daha ayrıntılı inceleme imkânı sunuluyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TWYBW4Rwb1sROhx3QWVi7A.png" /></figure><p>Copilot tarafından oluşturulan görselin Add to Page ve Explore Analyzer seçenekleriyle rapora eklenmesi</p><p>Böylece yalnızca prompt kullanarak hem hızlı hem de etkili Power BI raporları oluşturmak mümkün hale geliyor.</p><h3>Bu Demoda Neler Test Edildi?</h3><p>Bu kısa demo kapsamında:</p><ul><li>Copilot’un sunduğu hazır ve özel promptlarla rapor oluşturma adımları test edildi.</li><li>Raporlardaki metriklerin ve görsellerin otomatik olarak oluşturulması gözlemlendi.</li><li>Veri keşfi ve görsel ekleme gibi temel işlevler deneyimlendi.</li></ul><p>Copilot’un ürettiği raporların kapsamı ve doğruluğu, kullanılan veri setinin yapısına göre farklılık gösterebilir.</p><h3>Sonuç</h3><p>Power BI Copilot ile sadece bir prompt girerek rapor oluşturmak, veri analizi sürecini ciddi ölçüde hızlandırıyor. Hazır rapor seçenekleri ya da kendi belirlediğiniz promptlar sayesinde, manuel işlemler yerine anında raporlara ulaşmak mümkün. Bu yöntem, özellikle hızlı veri keşfi ve karar alma süreçlerinde büyük zaman tasarrufu sağlıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zRJPNw-raQ6d1NDy8iEydg.png" /></figure><p>Power BI Copilot ile prompt tabanlı rapor oluşturmanın özeti ve sonuç ekranı</p><p>Siz de Power BI Copilot’u kendi veri setlerinizde deneyebilirsiniz. Görüşlerinizi ve deneyimlerinizi yorumlarda paylaşmayı unutmayın!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lgCFLJnCLbu5mmEpuAIBGg.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=40b49a4ac72d" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/rapor-olu%C5%9Fturmay%C4%B1-powerbi-copilota-b%C4%B1rakt%C4%B1m-40b49a4ac72d">Rapor Oluşturmayı PowerBI Copilot’a Bıraktım</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Standalone Power BI Copilot: Kurulumdan İlk Sorguya]]></title>
            <link>https://medium.com/learndataplatform/standalone-power-bi-copilot-kurulumdan-i%CC%87lk-sorguya-dc33db548151?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/dc33db548151</guid>
            <category><![CDATA[microsoft-copilot]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[standalone]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Wed, 08 Jul 2026 15:05:55 GMT</pubDate>
            <atom:updated>2026-07-08T15:05:55.392Z</atom:updated>
            <content:encoded><![CDATA[<p>Power BI Copilot, veri analizinde hız ve esneklik arayan kullanıcılar için büyük kolaylıklar sunmaya başladı. Standalone Power BI Copilot ile yalnızca tek bir tuşa tıklayarak ve kısa bir prompt girerek semantik modeller, raporlar veya Data Agent üzerinden istediğiniz bilgilere kolayca ulaşabilirsiniz. Bu yazıda, Standalone Power BI Copilot’ı nasıl etkinleştirebileceğinizi ve sunduğu temel işlevleri nasıl kullanabileceğinizi pratik örneklerle ele alıyoruz.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FyrzDm3IroeU%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DyrzDm3IroeU&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FyrzDm3IroeU%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/e9ccfdc00232dbaee5e46d2cddc0ffef/href">https://medium.com/media/e9ccfdc00232dbaee5e46d2cddc0ffef/href</a></iframe><ul><li>Standalone Power BI Copilot, Power BI Service ekranında Admin Portal üzerinden kolayca etkinleştirilebiliyor.</li><li>Copilot ile semantik modeller, raporlar ve Data Agent üzerinden veri sorgulamak mümkün.</li><li>Tek bir prompt ile satışlara göre ilk 5 ürünü, yıllık satış trendlerini veya demografik analizleri hızlıca elde edebilirsiniz.</li><li>Copilot, ilgili rapor veya semantik model referansını açıkça gösteriyor.</li><li>Data Agent ile aylık ve yıllık satış özetlerini otomatik olarak getirebilirsiniz.</li><li>Explore Answers ve View Report seçenekleriyle analizlerinizi derinleştirebilir ve kaynak rapora doğrudan erişebilirsiniz.</li></ul><h3>Standalone Power BI Copilot Nedir ve Nasıl Aktifleştirilir?</h3><p>Standalone Power BI Copilot, Power BI Service üzerinde doğrudan kullanılabilen, veri analiz süreçlerini hızlandıran bir yapay zeka asistanıdır. Kullanıcılar, Copilot sayesinde semantik modeller, raporlar veya Data Agent üzerinden istedikleri bilgilere yalnızca bir prompt yazarak ulaşabilirler.</p><h3>Copilot’ı Aktifleştirme Adımları</h3><p>Copilot’ı kullanmaya başlamadan önce, Power BI Service ekranında üstte bulunan çark ikonuna tıklayarak <strong>Admin Portal</strong>’e geçiş yapmanız gerekiyor. Buradan, arama kısmına “Stand” yazarak ilgili ayarı kolayca bulabilirsiniz. Ardından “Enable” seçeneğini aktif hale getirerek Copilot’ı etkinleştirmiş oluyorsunuz.</p><p>Copilot etkinleştirme adımları Power BI arayüzünde</p><p>Aktivasyon sonrası, sol menüde Copilot ikonunu göreceksiniz. Bu ikona tıklayarak Copilot paneline ulaşabilir ve analizlerinize başlayabilirsiniz.</p><h3>Copilot ile Hızlı Veri Analizi: Pratik Sorgular ve Yanıtlar</h3><p>Copilot’ın en güçlü yönlerinden biri, kullanıcıya esnek veri sorgulama ve hızlı cevap alma imkânı sunmasıdır. Aşağıda, Standalone Power BI Copilot ile yapılan bazı pratik sorgular ve gözlemler yer alıyor.</p><h3>Satışlara Göre İlk 5 Ürün Sorgusu</h3><p>Copilot paneline geçtikten sonra, “Satışlara göre ilk 5 ürünü gösterebilir misin?” şeklinde bir prompt girildiğinde, sistem doğrudan sonuçları sunuyor. Çıktının <strong>AdventureWorks DW 2020</strong> raporundan geldiği net şekilde görülebiliyor. Copilot, ilgili raporun görsel çıktısını ekrana getiriyor ve detayları hızlıca inceleme imkânı veriyor.</p><p>Satışlara göre ilk 5 ürünün Copilot ile sorgulanması</p><p>Dilerseniz <strong>Explore Answers</strong> seçeneğiyle bu görsel üzerinde farklı metrik veya sütunlar ekleyerek analizinizi daha da detaylandırabilirsiniz. <strong>View Report</strong>butonuna tıklayarak ise ilgili raporun tamamına erişmek mümkün.</p><h3>Satış Trendleri: 2018 Yılı Ağustos Ayı Değerleri</h3><p>Bir sonraki örnekte, “2018&#39;in Ağustos ayı değerlerini satış trendi olarak getir” şeklinde bir sorgu oluşturuldu. Copilot, hem semantik model hem de rapor referansı kullanarak istenen veriyi görsel olarak sundu. Böylece, belirli bir aya ait satış trendlerini hızlıca analiz etmek oldukça pratik hale geliyor.</p><p>2018 satış trendlerinin Copilot ile analizi</p><p>Bu tür sorgular, özellikle zaman bazlı analizlerde veya geçmiş dönemlere ait özetleri hızlıca görmek isteyenler için büyük kolaylık sağlıyor.</p><h3>Demografik Analiz: Yeni İşe Alımların Cinsiyet ve Yaş Gruplarına Göre Dağılımı</h3><p>Copilot’a, “Cinsiyet ve yaş grubu olarak yeni işe alımların dağılımını rapor üzerinden getir” şeklinde bir istek iletildiğinde, sistem ilgili rapora referans vererek istenen demografik analizi kısa sürede ekrana getirdi. Sonuçlar, doğrudan kullanılabilir ve sunulabilir formatta oluyor.</p><p>Yeni işe alımların cinsiyet ve yaş gruplarına göre raporlanması</p><p>Bu sayede, insan kaynakları veya demografi tabanlı analizler de Copilot ile hız kazanıyor.</p><h3>Data Agent ile Satış Verisi Analizi</h3><p>Bir diğer örnekte, Copilot’un Data Agent özelliği kullanıldı. Önceden oluşturulmuş bir Data Agent’a bakarak, “Aylık satış ve yıllık toplam satışı yıl ve ay sıralı şekilde göster” şeklinde bir prompt verildi. Copilot, istenen tabloyu doğru şekilde oluşturdu ve sonuçları hızlıca ekrana getirdi.</p><p>Power BI Data Agent kullanılarak satış verilerinin gösterimi</p><p>Bu özellik, özellikle büyük veri setlerinde hızlı özetler almak ve farklı boyutlarda analiz yapmak isteyenler için oldukça faydalı.</p><h3>Sıkça Sorulan Sorular</h3><h3>Power BI Copilot’ı etkinleştirmek için hangi adımlar izlenmeli?</h3><p>Power BI Service ekranında üstteki çark ikonuna tıklayıp Admin Portal’a geçiş yapın. Arama kısmına “Stand” yazarak Standalone Copilot seçeneğini bulun ve “Enable” ile etkinleştirin. Aktivasyon sonrası sol menüde Copilot ikonu görünür hale gelecektir.</p><h3>Copilot ile hangi kaynaklardan veri sorgulanabilir?</h3><p>Copilot; semantik modeller, mevcut raporlar ve oluşturulmuş Data Agent’lar üzerinden veri sorgulayabilir. Her üçü de Power BI’ın mevcut altyapısında tanımlı olmalıdır.</p><h3>Sonuç</h3><p>Standalone Power BI Copilot, veri analizini hızlandıran ve kullanıcıya esneklik kazandıran güçlü bir araç olarak öne çıkıyor. Tek bir panel üzerinden semantik modeller, raporlar ve Data Agent’larla çalışmak, analiz süreçlerini önemli ölçüde kolaylaştırıyor. Siz de Power BI Copilot’ı denediyseniz, deneyimlerinizi yorumlarda paylaşmayı unutmayın!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3MWZLut_ZuIyd2bc.jpg" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=dc33db548151" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/standalone-power-bi-copilot-kurulumdan-i%CC%87lk-sorguya-dc33db548151">Standalone Power BI Copilot: Kurulumdan İlk Sorguya</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI Copilot Row Level Security ile Güvenlik İncelemesi]]></title>
            <link>https://medium.com/learndataplatform/power-bi-copilot-row-level-security-ile-g%C3%BCvenlik-i%CC%87ncelemesi-9718d1fa2545?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/9718d1fa2545</guid>
            <category><![CDATA[security]]></category>
            <category><![CDATA[microsoft-fabric]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[lrs]]></category>
            <category><![CDATA[microsoft-copilot]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Fri, 03 Jul 2026 14:27:03 GMT</pubDate>
            <atom:updated>2026-07-03T14:27:03.691Z</atom:updated>
            <content:encoded><![CDATA[<p>Kurumsal veri güvenliği, günümüzde iş zekâsı araçlarının en kritik unsurlarından biri haline geldi. Özellikle Fabric, Copilot ve Power BI bir araya geldiğinde, Row Level Security (RLS) uygulamalarında ortaya çıkabilecek güvenlik şüpheleri merak konusu oluyor. Peki, bu üçlü sistemde RLS gerçekten beklendiği gibi çalışıyor mu? İşte bu sürecin pratik bir senaryo üzerinden adım adım incelenmesi.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FrZzl5AboWWg%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DrZzl5AboWWg&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FrZzl5AboWWg%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/c485899052c67901a8d104da48b4d523/href">https://medium.com/media/c485899052c67901a8d104da48b4d523/href</a></iframe><blockquote><strong><em>Öne Çıkan Noktalar</em></strong></blockquote><ul><li><strong>Fabric, Copilot ve Power BI entegrasyonunda RLS güvenlik şüpheleri gündeme gelebilir.</strong></li><li><strong>Row Level Security, kullanıcı bazında veri erişimini başarıyla sınırlandırıyor.</strong></li><li><strong>Workspace üzerinde kullanıcı ekleme ve yetkilendirme adım adım uygulanabiliyor.</strong></li><li><strong>Admin ve standart kullanıcılar arasındaki erişim farkları net biçimde gözlemlenebiliyor.</strong></li><li><strong>Copilot, RLS ile uyumlu çalışarak yetkisiz veri erişimini engelliyor.</strong></li><li><strong>Pratik testlerle sistemin güvenlik düzeyi doğrudan doğrulanabiliyor.</strong></li></ul><h3>Fabric, Copilot ve Power BI’da Güvenlik Şüpheleri</h3><p>Fabric, Copilot ve Power BI gibi güçlü araçlar bir araya geldiğinde, kurumlar için veri güvenliği en öncelikli konu haline gelir. Özellikle farklı modüllerin entegre çalıştığı ortamlarda, Row Level Security (RLS) uygulamalarının doğru çalışıp çalışmadığı sıkça sorgulanır.</p><p>Kullanıcılar, “Bu sistemde verilerim gerçekten güvende mi?” sorusunu sıkça sorar. Birden fazla platformun aynı anda kullanılması, yetkilendirme süreçlerinin eksiksiz kurgulanmasını zorunlu kılar. Ancak sistem doğru yapılandırıldığında bu şüphelerin büyük çoğunluğu ortadan kalkar.</p><p>Bu yazıda, pratik bir senaryo üzerinden Fabric Copilot ve Power BI’da RLS’in nasıl çalıştığını ve güvenlik seviyesini adım adım inceleyeceğiz.</p><h3>Row Level Security ve Fabric Copilot Entegrasyonu</h3><p>RLS, verilerin kullanıcı bazında filtrelenmesini sağlayan bir güvenlik yöntemidir. Özellikle büyük kurumlarda herkesin tüm verilere erişmesi istenmez; bu noktada Power BI ve Fabric Copilot’un RLS ile entegrasyonu öne çıkar.</p><p>Kullanıcılar, sistemde yalnızca kendilerine izin verilen bileşenleri ve verileri görebilirler. Bu durum hem veri gizliliğini hem de kurum içi güvenliği artırır. Copilot ise kullanıcının erişim yetkilerine göre özetler ve raporlar sunar; böylece yetkisi olmayan kategorilere erişim otomatik olarak engellenir.</p><p>Bu entegrasyonun nasıl çalıştığını aşağıdaki adımlarda detaylandıracağız.</p><h3>Workspace’e Yeni Kullanıcı Ekleme Süreci</h3><p>Kullanıcı yönetimi, güvenliğin temel taşlarından biridir. Workspace örneğinde yeni bir kullanıcı ekleme süreci şu şekilde ilerler:</p><ol><li><strong>Yeni Kullanıcı Oluşturma:</strong> Workspace üzerinde “Ayşe” adlı bir kullanıcı eklenir.</li><li><strong>Yetkilendirme:</strong> Ayşe’ye yalnızca “görüntüleme izni” atanır. Böylece sistemdeki verileri değiştirme veya yönetme yetkisi olmaz.</li><li><strong>Kullanıcı Rolleri:</strong> Farklı kullanıcılar için özel roller ve erişim seviyeleri belirlenir.</li></ol><p>Bu adımlar, sistemde kimin hangi verilere erişebileceğini net olarak sınırlar. Yalnızca görüntüleme yetkisi verilen kullanıcılar, veri bütünlüğünün korunması açısından önemli bir güvenlik katmanı oluşturur.</p><h3>Admin ve Standart Kullanıcı Arasındaki Erişim Farkları</h3><p>Sistemde iki temel kullanıcı tipi bulunur: admin ve standart kullanıcı.</p><h3>Admin Kullanıcı</h3><p>Admin kullanıcılar tüm bileşenlere ve verilere erişim hakkına sahiptir. Örneğin “Gökberk” adlı admin, Copilot üzerinden tüm rapor ve özetlere ulaşabilir; nelerin görüntülenebileceğini ve nelerin özetlenebileceğini eksiksiz biçimde gözlemleyebilir.</p><h3>Standart Kullanıcı</h3><p>Standart kullanıcılar ise klasik RLS kuralları gereği yalnızca yetkili oldukları veri ve raporları görebilirler. Bu ayrım, veri güvenliğinin temelini oluşturur ve istenmeyen erişimlerin önüne geçer.</p><h3>Row Level Security’nin Pratikteki Etkisi</h3><p>RLS’in pratikte nasıl çalıştığını görmek için Ayşe adlı kullanıcı üzerinden bir inceleme yapalım:</p><ul><li>Ayşe, Workspace’e yalnızca görüntüleme izniyle eklenmiştir.</li><li>Sisteme giriş yaptığında, yalnızca kendisine atanmış rapor ve kategorileri görebilir.</li><li>Klasik RLS süreci devreye girerek Gökberk’in görebileceği bileşenler, Ayşe’nin erişim seviyesine göre ayrıştırılır.</li><li>RLS, Ayşe’nin erişim yetkisi olmayan veri ve kategorileri görmesini otomatik olarak engeller.</li></ul><p>Bu süreç, hassas verilerin korunmasında kritik rol oynar. Kullanıcı bazında veri erişiminin sınırlandırılması, kurumsal güvenliğin en önemli adımlarından biridir.</p><h3>Copilot ile RLS’in Uyumlu Çalışması</h3><p>Copilot, Power BI ile birlikte kullanıldığında RLS kurallarını eksiksiz uygular. Örneğin kullanıcı Copilot’a diğer kategorileri de görmek istediğini sorduğunda, sistem yalnızca yetkili olduğu verileri özetler. Bu, RLS’in olması gerektiği gibi çalıştığının en net göstergesidir.</p><p>Özetle:</p><ul><li>Copilot, kullanıcının erişim seviyesini dikkate alır.</li><li>RLS ile entegre çalıştığı için yetkisiz veri sunmaz.</li><li>Kullanıcılar, yalnızca izin verilen rapor ve özetlere ulaşabilir.</li></ul><p>Bu durum hem kullanıcı deneyimini iyileştirir hem de veri güvenliğini güvence altına alır.</p><h3>Copilot’un Row Level Security Performansı</h3><p>Farklı kullanıcıların sisteme giriş yaparak Copilot üzerinden rapor ve özet talebinde bulunduğu testlerde, RLS kurallarının her aşamada uygulandığı gözlemleniyor. Fabric Copilot ve Power BI’da RLS’i birlikte kullandığımızda Copilot’un ne kadar güzel çalıştığı açıkça ortaya çıkıyor.</p><p>Test sonuçları:</p><ul><li>Copilot, RLS kurallarını ihlal etmiyor.</li><li>Her kullanıcıya özel, güvenli veri sunumu sağlanıyor.</li><li>Sistem genelinde veri bütünlüğü ve gizliliği korunuyor.</li></ul><p>Bu performans, Fabric, Copilot ve Power BI entegrasyonunun güvenlik açısından başarılı olduğunu pratik olarak kanıtlıyor.</p><h3>Sıkça Sorulan Sorular</h3><h3>Row Level Security nedir ve neden önemlidir?</h3><p>Row Level Security (RLS), kullanıcıların yalnızca yetkili oldukları satır veya veri kategorilerine erişmesini sağlayan bir güvenlik yöntemidir. Büyük veri setlerinde veri gizliliği ve güvenliği için kritik öneme sahiptir.</p><h3>Copilot, Power BI ile birlikte kullanıldığında RLS kurallarına uyar mı?</h3><p>Evet. Copilot, Power BI ile entegre çalışırken RLS kurallarını eksiksiz uygular. Kullanıcılar yalnızca yetkili oldukları verileri görebilirler; bu durum pratik testlerle doğrulanmıştır.</p><h3>Workspace’te kullanıcı eklerken nelere dikkat edilmeli?</h3><p>Kullanıcı eklerken doğru yetkilendirme yapılmalı ve roller net biçimde tanımlanmalıdır. Yalnızca gerekli erişim izinleri verilerek veri güvenliği sağlanır.</p><h3>Admin ve standart kullanıcılar arasında ne gibi erişim farkları vardır?</h3><p>Admin kullanıcılar sisteme tam erişim hakkına sahipken, standart kullanıcılar yalnızca kendilerine atanmış veri ve raporları görebilir. Bu ayrım, istenmeyen erişimlerin önüne geçer.</p><h3>Copilot ile RLS’in uyumlu çalıştığını nasıl test edebilirim?</h3><p>Farklı kullanıcı rolleriyle sisteme giriş yaparak Copilot üzerinden çeşitli veri ve rapor taleplerinde bulunabilirsiniz. RLS kuralları doğru uygulanıyorsa yalnızca yetkili olduğunuz veriler görüntülenir.</p><h3>Sonuç</h3><p>Row Level Security, Fabric, Copilot ve Power BI entegrasyonunda veri güvenliğinin temelini oluşturuyor. Yapılan testler ve örnek uygulamalar, RLS’in olması gerektiği gibi çalıştığını ve Copilot’un bu güvenlik seviyesini tam anlamıyla desteklediğini açıkça gösteriyor. Kullanıcı bazında erişim kısıtlamaları, veri gizliliği ve bütünlüğü için vazgeçilmez bir katman sunuyor.</p><p>Kurumsal verilerinizi korumak ve güvenli bir iş zekâsı ortamı oluşturmak için RLS uygulamalarınızı gözden geçirin ve Copilot gibi araçlarla entegrasyonunuzu güçlendirin. Deneyimlerinizi ve sorularınızı aşağıdaki yorumlar bölümünde paylaşmayı unutmayın!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*rAuJt4fBakVYuC_d.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9718d1fa2545" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/power-bi-copilot-row-level-security-ile-g%C3%BCvenlik-i%CC%87ncelemesi-9718d1fa2545">Power BI Copilot Row Level Security ile Güvenlik İncelemesi</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI Copilot ile Smart Narrative]]></title>
            <link>https://medium.com/learndataplatform/power-bi-copilot-ile-smart-narrative-f130ca942815?source=rss-ca2824fa949b------2</link>
            <guid isPermaLink="false">https://medium.com/p/f130ca942815</guid>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[smart-narrative]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Gökberk Uzuntaş]]></dc:creator>
            <pubDate>Fri, 03 Jul 2026 14:25:03 GMT</pubDate>
            <atom:updated>2026-07-03T14:25:03.433Z</atom:updated>
            <content:encoded><![CDATA[<p>Veri analitiğinde zaman ve doğruluk her şeydir. Power BI’nin Smart Narrative (Akıllı Anlatım) özelliği, raporlarınızı otomatik olarak özetleyerek analiz sürecinizi hızlandırıyor. Peki, bu az bilinen ama güçlü özellik size neler kazandırabilir?</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FavN2F9poE4g%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DavN2F9poE4g&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FavN2F9poE4g%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/ca2d4bd5f9329f6b9d0917de830db619/href">https://medium.com/media/ca2d4bd5f9329f6b9d0917de830db619/href</a></iframe><ul><li><strong>Smart Narrative</strong>, Power BI’de veri özetlerini otomatik ve anında oluşturur.</li><li>Rapor ve görsellerden istenen bölümler referans alınarak özelleştirilebilir.</li><li><strong>Çoklu dil desteği</strong> ile özetler farklı dillerde üretilebilir.</li><li>Power BI Desktop ve Service üzerinde entegre çalışır, tekrar tekrar prompt girmeye gerek bırakmaz.</li><li><strong>Diğer görsellerle etkileşimli şekilde çalışır</strong>, analizde bütünlük sağlar.</li><li>Zaman tasarrufu ve hızlı rapor özetleme imkânı sunar.</li></ul><h3>Smart Narrative Nedir ve Neden Kullanılmalı?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*K9lWstSL0-g63QJC.png" /></figure><p>Smart Narrative, Power BI’nin kullanıcılarına sunduğu, rapor ve görsellerdeki verilerin otomatik olarak özetlenmesini sağlayan yenilikçi bir özelliktir. Sohbet penceresine sürekli prompt (komut) girmek yerine, Smart Narrative sayesinde görselleriniz üzerinden hızlı ve anlamlı özetler elde etmek mümkün olur.</p><p>Bu özellik, raporun içeriğine dair hızlı ve anlaşılır bir genel bakış sunar. Özetlenen verilerin hangi görsellerden ve hangi rapor sayfalarından alındığı kullanıcı tarafından belirlenebilir. Böylece analiz esnasında öne çıkan noktalar kolayca vurgulanır ve önemli çıkarımlar madde madde listelenebilir.</p><h3>Smart Narrative ile Analiz Sürecini Kolaylaştırmak</h3><ul><li><strong>Otomatik özet</strong>: Verilerinizi analiz ederken sistem, önemli noktaları sizin için derler.</li><li><strong>Kişiselleştirilebilir raporlar</strong>: Hangi görsellerin ve sayfaların özetlenmesini istediğinizi seçebilirsiniz.</li><li><strong>Zaman kazancı</strong>: Her rapor açılışında manuel analiz ihtiyacını büyük ölçüde azaltır.</li></ul><p>Smart Narrative sayesinde raporlarınızdaki önemli verileri üst yönetime veya ekip arkadaşlarınıza hızlıca sunabilirsiniz. Özellikle karmaşık veri setlerinde, öne çıkan trendler ve tahminler anında özetlenir.</p><h3>Power BI Desktop’ta Smart Narrative Nasıl Kullanılır?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*m5d_V_csY0e_gwLR.png" /></figure><p>Power BI Desktop ortamında Smart Narrative özelliğini kullanmak oldukça kolaydır. Görsel ekleme bölümünden Smart Narrative görselini seçerek başlayabilirsiniz. Kurumsal kullanımda bu özelliği aktif hale getirerek raporlarınızda zaman kaybetmeden özet bilgiler oluşturabilirsiniz.</p><h3>Adım Adım Kurulum ve Kullanım</h3><ol><li><strong>Görsel ekle</strong>: Power BI Desktop’ta raporunuza yeni bir görsel ekleyin ve Smart Narrative’i seçin.</li><li><strong>Veri özetini başlat</strong>: Sistem, mevcut verilerinize göre otomatik bir özet çıkaracaktır.</li><li><strong>Referansları özelleştir</strong>: Hangi rapor sayfalarından veya görsellerden özet alınmasını istediğinizi belirleyin.</li><li><strong>Öneriler ve madde işaretleri</strong>: Sistem, önemli çıkarımları madde işaretleriyle vurgular; bu sayede özetler daha okunaklı hale gelir.</li></ol><p>Power BI Desktop’ta Smart Narrative’in sunduğu bu kolaylık, özellikle hızlı analiz gereken durumlarda öne çıkar. Kullanıcılar, manuel olarak özet çıkarmak yerine sistemin otomasyonundan faydalanarak daha verimli çalışabilir.</p><h3>Rapor Referanslarını Özelleştirmek</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*dDErbSPJGPb_IkfV.png" /></figure><p>Smart Narrative’in en güçlü yanlarından biri, hangi rapor veya görselin özetlenmesi gerektiği konusunda kullanıcıya tam kontrol sağlamasıdır. Raporunuzdaki farklı sayfalardan veya belirli görsellerden özet almak istediğinizde, bu referansları kolayca belirleyebilirsiniz.</p><h3>Özelleştirme Seçenekleri</h3><ul><li><strong>Farklı rapor sayfalarından özet</strong>: İstediğiniz sayfaları seçip yalnızca o bölümlerin özetini alabilirsiniz.</li><li><strong>Görsel bazında özetleme</strong>: Belirli grafik veya tabloları referans göstererek özet oluşturulmasını sağlayabilirsiniz.</li><li><strong>Opsiyonel prompt ekleme</strong>: Ek açıklamalar veya yönlendirmeler ekleyerek özetin içeriğini şekillendirebilirsiniz.</li></ul><p>Büyük ve karmaşık raporlarda, yalnızca ilgili bölümlerden özet almak analiz sürecini önemli ölçüde hızlandırır.</p><h3>Çoklu Dil Desteği ile Akıllı Özetler</h3><p>Smart Narrative’in dikkat çekici özelliklerinden biri de çoklu dil desteğidir. İster İngilizce ister Türkçe, istediğiniz dilde özetler oluşturabilirsiniz. Bu, uluslararası ekiplerle çalışanlar veya farklı dillerde raporlama yapanlar için büyük bir avantajdır.</p><h3>Dil Seçenekleri ve Kullanımı</h3><ul><li><strong>İngilizce ve Türkçe özetler</strong>: Smart Narrative, seçtiğiniz dilde maddeler hâlinde özetler üretir.</li><li><strong>Otomatik dil uyarlaması</strong>: Raporun hedef kitlesine göre özetlerin dilini kolayca değiştirebilirsiniz.</li><li><strong>Küresel ekipler için uygun</strong>: Farklı dillerde çalışan ekipler için zaman kazandırır.</li></ul><p>Örneğin, Türkçe açıklama yapılmasını istediğinizde sistem madde madde ve anlaşılır şekilde özetler sunar. Böylece veri analizinizin sonuçlarını herkesin anlayabileceği bir formatta hızlıca paylaşabilirsiniz.</p><h3>Power BI Service ile Smart Narrative Entegrasyonu</h3><p>Smart Narrative yalnızca Power BI Desktop’ta değil, aynı zamanda Power BI Service üzerinde de etkili biçimde kullanılabilir. Özellikle bulut tabanlı raporlarda, önceden hazırlanan özetlere anında erişmek mümkündür.</p><h3>Entegrasyonun Avantajları</h3><ul><li><strong>Tekrar prompt girmeye gerek yok</strong>: Power BI Service üzerinde, önceden oluşturulan Smart Narrative çıktıları anında görüntülenir; çünkü promptu zaten daha önce girdiniz.</li><li><strong>Rapor açılışında özetler hazır</strong>: Kullanıcılar raporu açar açmaz önemli özetlere ulaşabilir.</li><li><strong>Diğer görsellerle etkileşim</strong>: Smart Narrative, rapordaki diğer görsellerle etkileşimli çalışarak bütüncül bir analiz sunar.</li></ul><p>Bu entegrasyon sayesinde masaüstünde hazırlanan raporlar, bulut ortamında da aynı işlevsellikle kullanılabilir.</p><h3>Smart Narrative ile Pratik Örnekler ve Temel Avantajlar</h3><p>Smart Narrative’in sunduğu otomatik özetleme yetenekleri, gerçek kullanım senaryolarıyla daha iyi anlaşılır. Aşağıda bu özelliğin Power BI’de nasıl kullanıldığını gösteren bazı pratik örnekler yer almaktadır.</p><h3>Örnek Senaryolar</h3><ul><li><strong>Bölgesel gelir tahmini</strong>: “Bölgelerden tüm geliri bir tahmin olarak ver” komutuyla sistem, veride mevcut olan tahmin değerlerini bölgesel bazda özetler.</li><li><strong>Cihaz bazında gelir ve tahmin</strong>: “Cihazların gelir ve tahmin değerlerini bana çıkartır mısın?” diyerek cihaz bazında özetler alınabilir.</li><li><strong>Yönetici için hızlı özet</strong>: Raporun mevcut durumunu hızlıca özetleyerek yöneticiye anında rapor sunulabilir; önemli madde çıkarımları listelenmiş şekilde gelir.</li><li><strong>Atıflarla desteklenmiş çıktı</strong>: Smart Narrative, önemli çıkarımları madde madde sıralarken bu çıkarımları destekleyen görsel atıflarını da ekler.</li></ul><h3>Temel Avantajlar</h3><ul><li><strong>Prompt girmeden otomatik çıktı</strong>: Power BI Service ve Desktop’ta, önceden ayarlanan yapı sayesinde özetler otomatik oluşur.</li><li><strong>Görsellerle etkileşim</strong>: Smart Narrative, rapordaki diğer görsellerle entegre çalışır ve analizde bütünlük sağlar.</li><li><strong>Her açılışta hazır özetler</strong>: Raporlar her açıldığında kullanıcılar anında özet bilgilere erişebilir.</li><li><strong>İnanılmaz zaman tasarrufu</strong>: Her rapor açılışında manuel analiz ihtiyacını ortadan kaldırarak süreci hızlandırır.</li></ul><h3>Frequently Asked Questions</h3><h3>Smart Narrative ile hangi dillerde özet oluşturabilirim?</h3><p>Smart Narrative, Türkçe ve İngilizce başta olmak üzere farklı dillerde özet oluşturabilir. Raporun hedef kitlesine göre dili kolayca değiştirebilirsiniz.</p><h3>Smart Narrative’i Power BI Desktop ve Service’de aynı şekilde kullanabilir miyim?</h3><p>Evet, Smart Narrative hem Power BI Desktop hem de Power BI Service üzerinde çalışır. Masaüstünde hazırladığınız özetler, bulut ortamında da aynı işlevsellikle görüntülenir.</p><h3>Raporun sadece belirli bölümlerinden özet almak mümkün mü?</h3><p>Evet, istediğiniz rapor sayfalarını veya belirli görselleri referans göstererek yalnızca o bölümlerin özetini alabilirsiniz.</p><h3>Smart Narrative ile manuel prompt girmek zorunda mıyım?</h3><p>Hayır. Promptu bir kez girdiğinizde, sonraki rapor açılışlarında Smart Narrative otomatik olarak özet oluşturur. Power BI Service üzerinde ek prompt girmeye gerek kalmaz.</p><h3>Smart Narrative diğer görsellerle nasıl etkileşim kurar?</h3><p>Smart Narrative, rapordaki diğer görsellerle entegre çalışır. Bir görselde yapılan filtreleme veya seçim, Smart Narrative çıktısını da etkiler; bu sayede analizleriniz daha dinamik ve kapsamlı olur.</p><h3>Sonuç</h3><p>Power BI Smart Narrative özelliği, otomatik veri özeti ve analiz süreçlerinde ciddi bir zaman tasarrufu sağlıyor. Hem Power BI Desktop hem de Service üzerinde sorunsuz çalışan bu özellik, raporlarınızı daha hızlı ve etkili biçimde analiz etmenizi mümkün kılıyor. Eğer veri analizinde hız ve pratiklik arıyorsanız, Smart Narrative’i mutlaka deneyin!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*giNbODkf2gUepWgQ.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f130ca942815" width="1" height="1" alt=""><hr><p><a href="https://medium.com/learndataplatform/power-bi-copilot-ile-smart-narrative-f130ca942815">Power BI Copilot ile Smart Narrative</a> was originally published in <a href="https://medium.com/learndataplatform">LearnDataPlatform</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>