Tietojen käsitteleminen

Microsoft Dataverse luo abstraktion, jonka avulla voidaan käsitellä kaikentyyppistä dataa, kuten relaatio-, ei-relaatio-, kuva-, tiedosto-, suhteellinen haku- tai data lake -tietoja. Tietotyyppejä ei tarvitse ymmärtää, koska Dataverse paljastaa tietotyyppien joukon, joiden avulla voit luoda mallin. Tallennustilan tyyppi optimoidaan valitun tietotyypin mukaan.

Tiedot voidaan tuoda ja viedä helposti tietovoiden, Power Queryn ja Azure Data Factoryn avulla. Dynamics-asiakkaat voivat myös käyttää Data Export Servicea.

Dataverse -järjestelmässä on myös yhdistin Power Automatelle ja Azure Logic Appsille, ja sitä voidaan käyttää näiden palveluiden satojen muiden yhdistimien kanssa, kun kyseessä on paikallinen palvelu, infrastruktuuri palveluna (IaaS), ympäristö palveluna (PaaS) tai ohjelmisto palveluna (SaaS). Näitä ovat Azuren, Microsoft 365:n, Dynamics 365:n, SAP ERP:n, Salesforcen, Amazon Redshiftin, Accessin, Excelin, tekstin/CSV:n, SharePoint-luetteloiden, SQL Server -tietokantojen, Oraclen, MySQL:n, PostgreSQL:n, Blockchainin ja Azure Synapse Analyticsin lähteet.

Common Data Model

Jos olet joskus joutunut tuomaan tietoja useista järjestelmistä ja sovelluksista yhdessä, tiedät, miten kallis ja aikaavievä tehtävä voi olla. Jokainen sovellus tai tietojen integrointiprojekti edellyttää mukautettua toteutusta, eikä pysty jakamaan ja ymmärtämään samoja tietoja helposti.

Common Data Model tarjoaa viitearkkitehtuurin, joka on suunniteltu tehostamaan tätä prosessia tarjoamalla yritys- ja analyysisovelluksille yhteisen tietokielen. Common Data Model -metatietojärjestelmä mahdollistaa tietojen ja niiden merkityksen jakamisen sovellusten ja liiketoimintaprosessien, kuten Power Appsin, Power BI:n, Dynamics 365:n ja Azuren, välillä.

Common Data Model sisältää joukon standardoituja ja laajennettavia tietorakenteita, jotka Microsoft ja sen kumppanit ovat julkaisseet. Tämä esimääritettyjen rakenteiden kokoelma sisältää taulukoita, määritteitä, semanttisia metatietoja ja suhteita. Rakenteet edustavat yleisesti käytettyjä käsitteitä ja aktiviteetteja, kuten Tili ja Kampanja, jotka yksinkertaistavat tietojen luontia, koontia ja analysointia.

Common Data Model -rakenteita voidaan käyttää tietojen luomiseen Dataversessä. Tuloksena on taulukoita, jotka ovat yhteensopivia tähän Common Data Model -määritelmään suunnattujen sovellusten ja analyysien kanssa.

Seuraavassa kuvassa näkyy joitakin tavallisten Common Data Model -taulukoiden elementtejä. 

Taulukot

Dataversessa taulukkoja käytetään liiketoimintatietojen mallinnuksessa ja hallinnassa. Tietojen tuottavuuden lisäämiseksi Dataverse sisältää vakiotaulukoihin kutsutun taulujoukon. Nämä taulukot suunniteltu parhaiden käytäntöjen mukaisesti niin, että ne sieppaavat suurimman osan organisaation yleisistä käsitteistä ja skenaarioista. Vakiotaulukot noudattavat Common Data Modelia.

Joukko taulukoita, joita käytetään yleisesti eri toimi aloilla, kuten Käyttäjä ja Ryhmä, sisällytetään Dataverse-järjestelmään ja kutsutaan vakiotaulukoiksi. Näitä valmiita taulukoita voidaan myös mukauttaa, kuten ylimääräisiä sarakkeita. Lisäksi voit helposti luoda omia mukautettuja taulukoita Dataverse-ohjelmassa.

Sarakkeet

Sarakkeet määrittävät yksittäiset tieto-osat, joihin tietoja voidaan tallentaa taulukossa. Kehittäjät kutsuvat kenttiä joskus määritteiksi. Yliopistossa kurssia esittävään taulukkoon voi sisältyä sarakkeita, kuten Nimi, Sijainti, Osasto, Rekisteröityneet opiskelijat.

Sarakkeilla voi olla erityyppisiä tietoja, kuten numeroita, merkkijonoja, digitaalisia tietoja, kuvia ja tiedostoja. Relaatio- ja ei-relaatiotietojen ei tarvitse olla erillään toisistaan, jos ne ovat osa samaa liiketoimintaprosessia tai työnkulkua. Dataverse tallentaa tiedot luodun mallin parhaaseen tallennustyyppiin.

Kukin näistä sarakkeista voidaan liittää yhteen monista Dataverse-ohjelman tukemista tietotyypeistä.

Lisätietoja: saraketyypit.

Suhteet

Yhden taulukon tiedot liittyvät usein toisen taulukon tietoihin. taulukkosuhteet määrittävät, miten rivit voivat liittyä toisiinsa Dataverse-mallissa.

Dataverse tarjoaa helppokäyttöiset visuaaliset suunnittelijat, joilla voit määrittää erityyppiset suhteet taulukosta toiseen (tai taulukon ja itsensä välillä). Kullakin taulukolla voi suhde useaan taulukkoon ja kullakin taulukolla voi olla useita suhteita toiseen taulukkoon.

Suhdetyypit ovat:

• Monta yhteen: Tämäntyyppisssä suhteessa monet taulukon A tietueet voidaan liittää yhteen taulukon B tietueeseen. Esimerkiksi luokalla oppilaita voi olla yksi luokkahuone.

• Yksi moneen: Tämäntyyppisssä suhteessa yksi taulukon B tietue voidaan liittää moneen taulukon A tietueeseen. Esimerkiksi yksi opettaja opettaa useita luokkia.

• Monta moneen: Tässä suhdetyypissä jokainen taulukon A tietue voi vastata useaa taulukon B tietuetta ja päinvastoin. Esimerkki: opiskelijat voivat ottaa osaa useille kursseille ja jokaisella kurssilla voi olla useita opiskelijoita.

Koska monta-yhteen-suhteet ovat yleisimpiä, Dataverse sisältää valinta-nimisen tietotyypin, jonka avulla on helppo määrittää tämä suhde, mikä myös lisää tuottavuutta lomakkeiden ja sovellusten luomiseen.

Lisätietoja taulukon luonisuhteista on kohdassa Taulukkojen välisten suhteiden luominen.

Organisaatioiden täytyy usein noudattaa erilaisia säädöksiä ja varmistaa, että asiakasviestintä, tarkistuslogit, käyttöoikeusraportit ja tietoturvatapausten seurantaraportit ovat saatavilla. Organisaatiot haluavat ehkä seurata muutoksia Dataversen tiedoissa tietoturva- ja analyysitarkoituksissa.

Dataversessa on seurantatoiminto, jonka avulla organisaation taulukoihin ja määritetietoihin tehtyjä muutoksia voidaan käyttää analyysin ja raportoinnin aikana. Seurantaa tuetaan kaikissa mukautetuissa—ja mukautettavissa—taulukoissa ja määritteissä. Metatietojen muutokset, noutotoiminnot, vientitoiminnot ja todennuksen aikaiset toiminnot eivät tue seurantaa. Lisätietoja seurannan määrittämisestä on kohdassa  Dataverse-seurannan hallinta.

Dataverse tukee analyyseja tarjoamalla mahdollisuuden valita taulukoita, joita koneoppiminen malleja voi käyttää. Siinä on valmis AI Builderin tekoälyominaisuus.

Haku

Dataverse sisältää kolme tapaa tehdä kyselyjä riveistä:

• Dataverse-haku

• Pikahaku (yksittäisen tai usean taulukon)

• Tarkennettu haku

Lisätietoja on aiheessa Hakujen vertailu.

Dataverse-haku

Dataverse-haku tarjoaa nopeat ja kattavat tulokset useista taulukoista yksittäisessä luettelossa asiayhteyden mukaan lajiteltuna. Se käyttää erityistä, Dataversen ulkopuolista hakupalvelua (Azuren tarjoamaa) hakujen suorituskyvyn parantamista varten.

Dataverse-haku tuo käyttöösi seuraavat parannukset ja edut:

• Parantaa suorituskykyä käyttämällä ulkoista indeksointia ja Azure-hakuteknologiaa.

• Löytää vastineita mille tahansa hakukohteen sanalle missä tahansa taulukon sarakkeessa, vrt. pikahaku, jossa kaikki hakuehdon sanat pitää löytää yhdestä sarakkeesta.

• Löytää vastineita, jotka sisältävät taivutettuja sanoja, kuten suoratoisto, suoratoistoja tai suoratoistoina.

• Palauttaa tulokset kaikista hakukelpoisista taulukoista yhtenä yksittäisenä osuvuuden mukaan lajiteltuna luettelona, joten mitä parempi vastine on, sitä korkeammalla se näkyy luettelossa. Osumalla on korkeampia asiayhteys, jos hakuehdon sanoja löytyy läheltä toisiaan. Mitä lyhyempi teksti josta hakusanat löytyvät sitä suurempi asiayhteys. Jos esimerkiksi löydät hakusanat yrityksen nimestä ja osoitteesta, se voi olla parempi vastine kuin jos löydät samat sanat pitkästä artikkelista kaukana toisistaan.

• Vastineet korostetaan tulosluettelossa. Kun hakutermille löytyy vastine rivistä, hakuehto näkyy hakutuloksissasi lihavoituna ja kursivoituna.

Lisätietoja Dataverse-hausta löytyy kohdasta Dataverse-haun käyttäminen rivien etsimiseen.

Pikahaku

Dataverse sisältää mahdollisuuden etsiä rivejä nopeasti ja siinä on lähestymistapoja, jotka tekevät hakuja vain yhdentyyppisestä taulukosta, kuten asiakkaasta, tai joiden avulla voi hakea samanaikaisesti useita eri tyyppisiä taulukoita, kuten yhteyshenkilöitä, käyttäjiä ja asiakkaita.

Yhden taulukon pikahaulla voit etsiä vain tietyntyyppisiä rivejä. Hakutoiminto on käytettävissä näkymästä.

Useiden taulukoiden pikahaku (luokiteltu haku) käytetään myös rivien etsimiseen, mutta ne löytävät ne erityyppisistä taulukoista, kuten asiakkaista tai yhteyshenkilöistä.

Data Lake

Dataverse tukee taulukon tietojen jatkuvaa replikointia Azure Data Lake Storageen, jonka avulla voidaan suorittaa analyyseja Power BI:ssä, kuten raportointia, koneoppimista, tietojen varastointia ja muita loppupään integrointiprosesseja.

Tämä ominaisuus on suunniteltu yritysten massadata-analytiikkaa varten. Se on kustannustehokasta, skaalattavaa, sillä on korkeat käytettävyys- ja toipumisominaisuudet, ja se mahdollistaa luokkansa parhaat analyysit.

Data tallennetaan Common Data Model -muodossa, mikä mahdollistaa semanttisen yhdenmukaisuuden eri sovelluksissa ja käyttöönotoissa. Standardisoidut metatiedot ja itsekuvaustiedot Common Data Modelissa helpottavat metatietojen löytämistä ja yhteentoimivuutta tietojen tuottajien ja kuluttajien, kuten Power BI:n, Data Factoryn, Azure Databricksin, ja Azure Machine Learningin, välillä.

Katso myös

Tietojen tuominen ja vieminen