Opret og brug dataflow i Microsoft Power Platform

Brug af dataflow med Microsoft Power Platform gør det nemmere at klargør data og gør det muligt at genbruge dit dataforberedelsesarbejde i efterfølgende rapporter, apps og modeller.

I en verden af data, der konstant udvides, kan dataforberedelse være vanskelig og dyr og forbruge helt op til 60 til 80 % af tiden og omkostningerne for et typisk analyseprojekt. Sådanne projekter kan kræve wrangling af fragmenterede og ufuldstændige data, kompleks systemintegration, data med strukturel inkonsistens og en høj kvalifikationsbarriere.

For at gøre dataforberedelse nemmere og for at hjælpe dig med at få mere værdi ud af dine data kan du Power Query hvor du Power Platform oprettet dataflow.

Med dataflow bruger Microsoft selvbetjeningsforberedelsesfunktionerne til dataforberedelse Power Query til Power BI og Power Apps onlinetjenester og udvider eksisterende funktioner på følgende måder:

• Selvbetjening til dataforberedelse til big data med dataflows: Dataflows kan bruges til nemt at indtage, rense, transformere, integrere, forbedre og skematisere data fra et stort og stadig stigende udvalg af transaktions- og observationskilder, der omfatter al logik til klargøring af data. Tidligere kunne etL-logik (extract, transform, load) kun medtages i datasæt i Power BI, kopieres igen og igen mellem datasæt og bindes til indstillinger for administration af datasæt.

  Med dataflows er ETL-logik blevet til en artefakt i første klasse i Microsoft Power Platform-tjenester og omfatter dedikerede oprettelses- og administrationsoplevelser. Forretningsanalytikere, BI-fagfolk og dataeksperter kan bruge dataflows til at håndtere de mest komplekse udfordringer ved dataforberedelse og bygge på hinandens arbejde takket være et brugsbaseret modelbaseret beregningsprogram, der tager sig af al transformation og afhængighedslogik – reducere tid, omkostninger og ekspertise til en brøkdel af, hvad der traditionelt er krævet til disse opgaver. Du kan oprette dataflow ved hjælp af den velkendte selvbetjeningsoplevelse med dataforberedelse Power Query. Dataflow oprettes og administreres nemt i apparbejdsområder eller -miljøer, i hhv. Power BI eller Power Apps, og de får glæde af alle de funktioner, disse tjenester har at tilbyde, f.eks. administration af tilladelser og planlagte opdateringer.

• Indlæs data i Dataverse eller Azure Data Lake Storage: Afhængigt af din use case kan du gemme data, der er forberedt af Power Platform-dataflow i Dataverse eller din organisations Azure Data Lake Storage-konto:

  • Med Dataverse kan du på en sikker måde gemme og administrere data, der bruges af virksomhedsprogrammer. Data i Dataverse gemmes i et sæt tabeller. En tabel er et sæt af rækker (tidligere kaldet poster) og kolonner (tidligere kaldet felter/attributter). Hver kolonne i tabellen er designet til at gemme en bestemt type data, f.eks. navn, alder, løn osv. Dataverse indeholder et grundlæggende sæt standardtabeller, der omfatter typiske scenarier, men du kan også oprette brugerdefinerede tabeller, der er specifikke for din organisation, og udfylde dem med data ved hjælp af dataflow. Appskabere kan derefter bruge Power Apps og Power Automate til at bygge avancerede programmer, der bruger disse data.

  • Med Azure Data Lake Storage kan du samarbejde med personer i din organisation ved hjælp af tjenester til Power BI, Azure Data og AI eller ved hjælp af brugerdefinerede line of Business Applications, der læser data fra den pågældende lake. Dataflow, der indlæser data på en Azure Data Lake Storage konto, gemmer data Common Data Model mapper. Common Data Model-mapper indeholder skematiserede data og metadata i et standardiseret format for at facilitere data exchange og for at muliggøre fuld interoperabilitet på tværs af tjenester, der producerer eller forbruger data, som er gemt på en organisations Azure Data Lake Storage-konto som det delte lagerlag.

• Avanceret analyse og AI med Azure: Power Platform-dataflow gemmer data i Dataverse eller Azure Data Lake Storage hvilket betyder, at data, der indtages via dataflows, nu er tilgængelige for datateknikere og dataeksperter til at udnytte alle funktioner i Azure Data Services, f.eks. Azure Machine Learning, Azure Databricks og Azure SQL Data Warehouse til avancerede analyser og — AI. Det gør det muligt for forretningsanalytikere, datateknikere og dataeksperter at samarbejde om de samme data i deres organisation.

• Understøttelse af Common Data Model: Common Data Model er et sæt standardiserede dataskemaer og et metadatasystem, der giver mulighed for ensartede data og dens betydning på tværs af programmer og forretningsprocesser. Understøttelse af dataflow Common Data Model mulighed for nem tilknytning fra alle data i enhver form til de Common Data Model objekter, f.eks. Konto og Kontakt. Dataene er også landet på dataene, både standardenheder og brugerdefinerede enheder, i skematiseret Common Data Model formular. Forretningsanalytikere kan benytte standardskemaet og dets semantiske ensartethed eller tilpasse deres objekter baseret på deres unikke behov. Common Data Model udvikles fortsat som en del af Open Data Initiative.

Egenskaber for dataflow i Microsoft Power Platform tjenester

De fleste egenskaber for dataflow er tilgængelige i både Power Apps og Power BI. Dataflow er tilgængelige som en del af disse tjenesters planer. Nogle dataflowfunktioner er enten produktspecifikke eller tilgængelige i forskellige produktplaner. I følgende tabel beskrives dataflowfunktionerne og deres tilgængelighed.

Flere oplysninger om dataflow i Power Apps:

• Selvbetjening til dataforudselse i Power Apps
• Oprettelse og brug af dataflow i Power Apps
• Opret forbindelse til Azure Data Lake Storage Gen2 for dataflowlager
• Føj data til en tabel i Dataverse ved hjælp af Power Query
• Besøg community'Power Apps for dataflow, og del det, du foretager dig, stil spørgsmål eller send nye idéer
• Besøg community Power Apps forummet for dataflow, og del det, du foretager dig, stil spørgsmål, eller send nye idéer

Flere oplysninger om dataflow i Power BI:

• Selvbetjent dataforberedelse i Power BI
• Opret og brug dataflow i Power BI
• Whitepaper om dataflows
• Detaljeret video af gennemgangen af et dataflow
• Besøg community'Power BI med dataflow, og del det, du foretager dig, stil spørgsmål eller send nye idéer

Næste trin

De følgende artikler kommere nærmere ind på almindelige forbrugsscenarier for dataflows.

• Brug af gradvis opdatering med dataflow
• Oprettelse af beregnede objekter i dataflow
• Forbind til datakilder til dataflow
• Link enheder mellem dataflow

Du kan finde flere Common Data Model om mapper Common Data Model mappestandarden i følgende artikler:

• Common Data Model – oversigt
• Common Data Model mapper
• Common Data Model fildefinition af mappemodel