Pídele a tu IA la especificación de Deneb y revísala antes de pegarla
Usa un prompt que le da a tu IA lo que necesita saber de Deneb, y arregla una especificación escrita por IA con cinco errores que Power BI no perdona.
2 partes · 3 y 5 min
Curso gratis. Tu Maestro, una IA, .
Claude, ChatGPT y Copilot escriben especificaciones de Palabra del glosario en segundos porque el lenguaje es abierto y hay miles de ejemplos publicados. Lo que ningún modelo adivina por su cuenta es cómo funciona tu visual de Deneb dentro de Power BI: cómo se llama la tabla que recibe, cómo están escritos tus campos en el reporte y cuántas filas le manda Power BI según lo que pusiste en Values.
Por eso el trabajo se divide en dos partes: darle contexto en el Palabra del glosario para que escriba una especificación compatible con Deneb desde el primer intento, y revisar cinco puntos clave antes de pegar el resultado en tu reporte.
Usa esta plantilla cuando le pidas una gráfica a tu IA. Solo cambia lo que está entre corchetes por los campos y la pregunta de tu reporte:
Escríbeme una especificación de Vega-Lite para el visual Deneb de Power BI.Reglas de Deneb:- Los datos siempre se llaman dataset: "data": {"name": "dataset"}. Nada de url ni values.- Los campos se llaman exactamente así, con acentos y espacios: Sucursal (texto), Mes (fecha), Ventas (número).- Power BI manda una fila por cada combinación de Sucursal y Mes, así que suma las medidas con aggregate.- No escribas colores. Si necesitas una escala de color, usa "scheme": "pbiColorNominal".La gráfica: ventas por mes, una línea por sucursal, para ver qué sucursal crece más rápido.Devuélveme solo el JSON.Escribe lo tuyo en las partes resaltadas. Lo que dejes entre corchetes le llega así a tu agente.
Cinco revisiones antes de pegar en Deneb
Aun con un buen pedido, conviene inspeccionar el Palabra del glosario antes de dar la gráfica por buena. Que el lienzo dibuje barras o líneas solo significa que las llaves y las comas están bien cerradas; un campo mal escrito, una fecha tratada como texto o una medida sin sumar se dibujan sin detener el visual y muestran números equivocados.
Revisa tu especificación en este orden:
El origen en
dataConfirma que diga
"data": {"name": "dataset"}. En los ejemplos generales de Vega-Lite abundan"url": "archivo.csv"o listas manuales envalues. El visual certificado de Deneb no se conecta a servicios externos ni abre archivos por su cuenta; solo lee la tabladatasetque le entrega Power BI.Los nombres exactos en
fieldCompara cada
fieldletra por letra contra el panel Values de tu visual. Para Vega-Lite,Categoriasin acento yCategoríacon acento son dos columnas distintas. Si falta una tilde, un espacio o una mayúscula, ese canal deja de encontrar los datos.El tipo de dato en
typeVerifica que las fechas sean
temporal(con sutimeUnit, comoyearmonth), las categoríasnominaly los númerosquantitative. Una fecha declarada comonominalse ordena como texto suelto y pierde el eje de tiempo.Las filas de Values y
aggregateCuenta qué columnas pusiste en Values. Si Values envía varias filas para una misma marca de tu gráfica, la medida necesita
"aggregate": "sum"para sumar esos valores en lugar de encimarlos.Los colores del tema en
colorBusca listas de colores fijos como
["#1f77b4", "#ff7f0e", "#2ca02c"]dentro descale. Las IA suelen incluir esa paleta por costumbre. Quitascalepara que Deneb tome el tema del reporte, o escribe"scheme": "pbiColorNominal".
Veamos cómo se aplica esta lista a un caso real de Café La Ceiba. Quieres una gráfica de líneas con las ventas mensuales (Ventas por Mes), separando una línea por cada Categoría (Bebidas calientes, Bebidas frías y Panadería). En Power BI tu visual tiene cuatro campos en Values: Sucursal, Mes, Categoría y Ventas.
Alguien le pide esa gráfica a su IA sin darle las reglas de Deneb y recibe esta especificación:
{ "data": { "url": "ventas_cafe.csv" }, "mark": "line", "encoding": { "x": { "field": "Mes", "type": "nominal" }, "y": { "field": "Ventas", "type": "quantitative" }, "color": { "field": "Categoria", "type": "nominal", "scale": { "range": ["#1f77b4", "#ff7f0e", "#2ca02c"] } } }}Buen lugar para parar. Después: parte 2 de 2 · 5 min
Inténtalo
En el editor de abajo ya está corregido el primer error ("data": {"name": "dataset"}) para que la página pueda cargar las 108 filas de Café La Ceiba, tal como las manda Power BI con Sucursal, Mes, Categoría y Ventas en Values. Arregla los otros cuatro uno por uno y fíjate en qué cambia en la gráfica después de cada ajuste.
Si no sabes si un error es de la IA o tuyo, pégale la especificación a tu Maestro y pregúntale.
Cuando tu versión funcione, vuelve al pedido de arriba y nota que cada regla del pedido evita uno de los errores. La próxima vez que una IA te devuelva algo raro, no la corrijas línea por línea: agrega al pedido la regla que faltaba y pídeselo de nuevo. Tu pedido se vuelve tu lista de revisión.
Si te gustó esta forma de trabajar, el curso Construye tu copiloto de visualización de datos la lleva más lejos: escribes tu gusto y tu forma de revisar gráficas en archivos que tu agente lee cada vez.