פרק 24 - החידושים ב- GitHub Copilot ואיך הם ישנו את עבודת האנליסט?
עודכן: מאת צוות פודקאסט·ישראל
האזינו לפרק המלא
אנחנו עוזרים למצוא את הפרק, ההאזנה המלאה נמצאת אצל היוצרים, בפלטפורמה שלהם.
/ הפרק במספרים
| פורסם | 2 בפברואר 2026 |
|---|---|
| אורך | 1 שע׳ 1 דק׳ (ארוך ב-11% מהממוצע בתוכנית) |
| הנושא המרכזי | MCP של Power BI ועתיד עבודת האנליסט |
| אורחים | טל אפטר |
| קטגוריה | הייטק וסטארטאפים |
על מה הפרק עם טל אפטר?
כלי AI כמו ה-MCP של Power BI בתוך GitHub Copilot כבר מחזקים את האנליסט בבניית מדדים ודוקומנטציה, אבל עדיין לא בונים ויזואליזציות, לא עובדים עם Power Query, ודורשים בדיקה ביקורתית של כל תוצר.
מייקרוסופט שחררה לפני כחודשיים, בפריוויו, MCP שמאפשר ל-GitHub Copilot בתוך VS Code לדבר עם קבצי Power BI לוקאליים, לקרוא את המודל, לכתוב DAX, לסדר מדדים בתיקיות ולהוסיף להם דיסקריפשן. לפי הניסיון שתואר, הכלי עדיין לא יודע לעבוד עם Power Query ולא בונה ויזואליזציות בריפורט, ובמקום זאת כתב דף HTML אינטראקטיבי. המשתתפים חלוקים בשאלה אם מנכ״ל באמת ישאל כל בוקר agent במקום עוזר אישי שזוכר את ההקשר, וה-Fabric Data Agent עובד טוב רק כשמשקיעים בדוקומנטציה וב-custom instructions, והוא זמין רק עם Fabric capacity. לגבי ג׳וניורים, העצה היא להרחיב יריעה ולא להתמקצע בכלי אחד שעלול להיעלם, ולחזק חשיבה ביקורתית ויכולות תקשורת.
השימוש ב-AI הופך את האנליסט ל-QA של מערכת אחרת, כי התשובות אינן דטרמיניסטיות: ניסוח שונה במילה אחת יכול להניב תשובה אחרת, והמשתמש לא ידע שהחישוב השתנה.
/ תובנות מרכזיות
- ה-MCP של Power BI קרא מודל עם שמות לא קונבנציונליים בלי טבלאות מילון ובלי הסברים, והבין את ההקשר העסקי של תחנות דלק וחנויות.
- הכנסת דיסקריפשן ליותר מ-100 מדדים, שבעבר נמשכה כחודש וחצי ידנית, נעשית בדקות דרך TMDL וכעת ישירות בתוך ה-MCP.
- ה-Fabric Data Agent עובד טוב בזכות דוקומנטציה רחבה ו-custom instructions שמפנות כל שאלה למדד הנכון, וזה מה שמבדיל אותו מה-Copilot המובנה בסרוויס.
- כדאי להתאים AI לתהליך קיים ולחפש צווארי בקבוק, במקום לקבל החלטות לפי יכולות של כלי שעשויות להשתנות תוך חודש.
- אם חברות יפסיקו לגייס ג׳וניורים לאורך כמה שנים, ייווצר פער גדול כשהסניורים יעזבו.
אתה באמת רואה סיטואציה שמנכ״ל של חברה נכנס כל בוקר בדרך לעבודה לאיזשהו agent ומתחיל לשאול שאלות, במקום להסתכל על דשבורד שבנוי נכון?
- 1להתנסות ב-MCP על מודל צדדי עם אנליסט אחד או שניים, לא על פרודקשן.
- 2לבנות דוקומנטציה ו-custom instructions למודל הסמנטי לפני שמחברים אליו agent למשתמשים עסקיים.
- 3להשתמש ב-TMDL או ב-MCP כדי להוסיף דיסקריפשן לכל המדדים במודל בבת אחת.
- 4לקרוא ולבדוק כל קוד DAX או M שה-AI כתב לפני שהוא מגיע לפרודקשן.
- 5לג׳וניורים: להרחיב ידע על פני כמה טכנולוגיות, למשל Power Platform, ולא להמר על כלי יחיד.
ניתוח מאת מערכת פודקאסט·ישראל, מבוסס תמלול אוטומטי של הפרק. על המתודולוגיה והמגבלות
שאל את הפרק (Chat with Episode)
קבל תשובות מיידיות מתוך תמלול וניתוח ה-AI
שאלות מומלצות בלחיצה אחת:
מתיאור הפרק
טל אפטר מבשר על הבשורה שהיא GitHub Copilot. האם הוא ישנה את עולמם של מפתחי ה- BI והאנליסטים? האם אורי ואלון סוף-סוף יאמינו במהפכת ה- AI? האם יש מקום לג'וניורים בתחום? צפו בפרק וגלו.
איך נוצר העמוד הזה
25 פרקים של דאטה בפיתה - פודקאסט לדאטה אנליסטים = 25 מאמרים שגוגל מדרג
את התקציר והניתוח בעמוד הזה הפקנו אוטומטית מתוך האודיו של הפרק, בלי שאיש כתב מילה. זה בדיוק מה ש-AuthorityRank עושה לארכיון שלם: כל פרק הופך למאמר עברי איכותי שמדורג בגוגל ומצוטט על ידי ChatGPT ו-Perplexity, ומתפרסם אוטומטית במגזין משלכם.
הארכיון שלכם הוא אודיו מת שמנועי החיפוש לא מוצאים. אנחנו הופכים אותו לנכס שמביא תנועה כל חודש.