Traballar con calquera dato

Microsoft Dataverse proporciona unha abstracción que permite traballar con calquera tipo de datos, incluídos os relacionais, non relacionais, de imaxe, de ficheiro, de busca relativa ou de data lake. Non é necesario comprender o tipo de datos xa que Dataverse expón un conxunto de tipos de datos que che permiten crear o teu modelo. O tipo de almacenamento optimízase para o tipo de datos escollido.

Os datos pódense importar e exportar facilmente con fluxos de datos, Power Query e Azure Data Factory. Os clientes de Dynamics tamén poden usar o Servizo de exportación de datos.

Dataverse tamén ten un conector para Power Automate e Azure Logic Apps que se pode usar cos centos doutros conectores destes servizos para local, infraestrutura como servizo (IaaS), plataforma como servizo (PaaS) ou software como servizos (SaaS). Isto inclúe fontes en Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, texto/CSV, listas SharePoint, bases de datos SQL Server, Oracle, MySQL, PostgreSQL, Blockchain e Azure Synapse Analytics.

Common Data Model

Se algunha vez tivo que xuntar datos de varios sistemas e aplicacións, xa sabe ata que punto resulta custosa e laboriosa esa tarefa. Sen poder compartir e comprender os mesmos datos facilmente, cada aplicación ou proxecto de integración de datos require unha implementación personalizada.

O modelo de datos común proporciona unha arquitectura de referencia que está destinada a simplificar este proceso proporcionando unha linguaxe de datos compartida para as aplicacións empresariais e de análise. O sistema de metadatos Common Data Model fai posible que os datos e o seu significado se compartan entre aplicacións e procesos empresariais como Power Apps, Power BI, Dynamics 365 e Azure.

Common Data Model inclúe un conxunto de esquemas de datos extensibles e estandarizados que Microsoft e os seus socios publicaron. Esta colección de esquemas predefinidos inclúe táboas, atributos, metadatos semánticos e relacións. Os esquemas representan conceptos e actividades de uso común, como Conta e Campaña, para simplificar a creación, agregación e análise de datos.

Os esquemas do modelo de datos comúns pódense usar para informar a creación de táboas en Dataverse. As táboas resultantes serán compatibles con aplicacións e análises dirixidas a esta definición do modelo de datos comúns.

A seguinte imaxe mostra algúns elementos das táboas estándar de Modelo de datos comúns. 

Táboas

En Dataverse, as táboas utilízanse para modelar e xestionar datos empresariais. Para aumentar a produtividade, Dataverse inclúe un conxunto de táboas coñecidas como táboas estándar. Estas táboas están deseñadas de conformidade coas prácticas recomendadas, para capturar os conceptos e escenarios máis comúns dunha organización. As táboas estándar cumpren co Modelo de datos comúns.

En Dataverse inclúense un conxunto de táboas que se usan habitualmente en todas as industrias, como Usuario e Equipo e denominadas táboas estándar. Estas táboas listas para usar tamén se poden personalizar, como incluír columnas adicionais. Ademais, pode crear facilmente as súas propias táboas personalizadas en Dataverse.

Columnas

As columnas definen os elementos de datos individuais que se poden utilizar para almacenar datos nunha táboa. Campos son a veces chamada atributos programadores. Unha táboa que representa un curso nunha universidade pode conter columnas como "Nome", "Localización", "Departamento", "Estudantes rexistrados", etc.

As columnas poden ter diferentes tipos de datos como números, cadeas, datos dixitais, imaxes e ficheiros. Non hai necesidade de manter os datos relacionais e non relacionais separados artificialmente se forman parte do mesmo proceso ou fluxo empresarial. Dataverse almacena os datos no mellor tipo de almacenamento para o modelo creado.

Cada unha destas columnas pódese asociar a un dos moitos tipos de datos admitidos por Dataverse.

Máis información: Tipos de columnas

Relacións

Os datos nunha táboa con frecuencia fan referencia a datos doutra táboa. As relacións de táboa definen como se poden relacionar as filas entre si no modelo Dataverse.

Dataverse ofrece deseñadores visuais fáciles de usar para definir os diferentes tipos de relacións dunha táboa a outra (ou entre unha táboa e ela mesma). Cada táboa pode ter unha relación con máis dunha táboa, e cada táboa pode ter máis dunha relación con outra táboa.

Os tipos de relación dispoñibles son:

• Moitos a un: Neste tipo de relación, moitos rexistros da táboa A poden asociarse a un único rexistro da táboa B. Por exemplo, unha clase de estudantes ten unha única aula.

• Un a moitos: Neste tipo de relación, un único rexistro da táboa B pode asociarse a moitos rexistros da táboa A. Por exemplo, un só profesor imparte moitas clases.

• Varios a varios: neste tipo de relación, cada rexistro da táboa A pode coincidir con máis dun rexistro da táboa B, e viceversa. Por exemplo, os alumnos asisten a varias clases, e cada clase pode ter varios alumnos.

Dado que as relacións de varios a un son as máis comúns, Dataverse ofrece un tipo de datos específico chamado lookup, que non só facilita a definición desta relación senón que engade produtividade creación de formularios e aplicacións.

Para obter máis información sobre as creación de relacións de táboa, consulte Crear unha relación entre táboas.

Con frecuencia as organizacións necesitan cumprir varias normativas para garantir a dispoñibilidade do historial de interaccións dos clientes, os rexistros de auditorías, os informes de acceso e os informes de rastrexo de incidentes de seguranza. É posible que as organizacións queiran facer un seguimento dos cambios nos datos Dataverse con fins de seguridade e análise.

Dataverse ofrece unha capacidade de auditoría onde os cambios nas táboas e os datos de atributos dunha organización poden ser remados ao longo do tempo para usarlos na análise e na elaboración de informes. A auditoría é compatible con todos os atributos e táboas personalizados—e máis personalizables—. A auditoría non é compatible con cambios de metadatos, operacións de recuperación, operacións de exportación ou durante a autenticación. Para obter información sobre como configurar a auditoría, vai a Xestionar Dataverse auditoría.

Dataverse admite análises proporcionando a capacidade de escoller táboas para que se executen os modelos Aprendizaxe automático. Ten unha capacidade de IA construída previamente a través de AI Builder.

Buscar

Dataverse ofrece tres formas de consultar filas:

• Busca de Dataverse

• Procura Rápida (unha única táboa ou varias táboas)

• Busca avanzada

Para obter máis información, consulte Comparar buscas.

Busca de Dataverse

A busca Dataverse ofrece resultados rápidos e completos en varias táboas nunha única lista, ordenadas por relevancia. Usa un servizo de busca dedicado externo a Dataverse (fomentado por Azure) para aumentar o rendemento da busca.

A busca Dataverse trae as seguintes melloras e vantaxes:

• Mellora o rendemento coa indexación externa e a tecnoloxía de busca de Azure.

• Busca coincidencias con calquera palabra do termo de busca en calquera columna da táboa, en comparación con procura rápida onde todas as palabras do termo de busca deben atoparse nunha columna.

• Busca coincidencias que poden incluír palabras de inflexión como stream, streaming ou streamed.

• Devolve os resultados de todas as táboas que se poden buscar nunha única lista ordenadas por relevancia, polo que canto mellor sexa a coincidencia, maior será o resultado na lista. Unha coincidencia ten un relevancia maior se se atopan máis palabras do termo de busca unhas ao lado de outras. Canto menor é a cantidade de texto onde se atopan as palabras de busca, maior será a relevancia. Por exemplo, se atopa as palabras de busca no nome e enderezo dunha empresa, pode ser unha coincidencia mellor que atopar as mesmas palabras nun artigo longo, separadas entre si.

• Destaca as coincidencias na lista de resultados. Cando un termo de busca coincide cun termo dunha fila, o termo aparece como texto en negra e cursiva nos resultados da busca.

Para obter máis información sobre a busca Dataverse, consulta Uso da busca Dataverse para buscar filas.

Procura rápida

Dataverse inclúe a capacidade de atopar filas rapidamente e ten enfoques que buscarán só un tipo de táboa, como cliente, ou que se usarán para buscar en varios tipos de táboas ao mesmo tempo, como contactos, usuarios, clientes, etc. on.

A procura rápida en táboa única úsase para atopar filas dun só tipo. Esta opción de busca está dispoñible desde unha vista.

A procura rápida en varias táboas (busca categorizada) tamén se usa para atopar filas, pero vainas atopar en diferentes tipos de táboas, como contas ou contactos.

Data Lake

Dataverse admite a replicación continua dos datos da táboa en Azure Data Lake Storage, que despois se pode usar para executar análises como informes Power BI, Aprendizaxe automático, almacenamento de datos e outros procesos de integración posterior.

Esta función está deseñada para a análise de big-data de empresa. É rendible, escalable, ten alta dispoñibilidade e funcións de recuperación de desastres e permite o mellor rendemento de análise da súa categoría.

Os datos almacénanse no formato Common Data Model, que ofrece consistencia semántica en aplicacións e despregamentos. Os metadatos estandarizados e os datos de autodescrición en Common Data Model facilitan o descubrimento de metadatos e a interoperabilidade entre os produtores de datos e os consumidores, como Power BI, Data Factory, Azure Databricks e Azure Aprendizaxe automático.

Consulte tamén

Importación e exportación de datos