Gegevensstromen maken en gebruiken in Microsoft Power Platform

Door gegevensstromen te gebruiken Microsoft Power Platform gegevensvoorbereiding eenvoudiger en kunt u uw gegevensvoorbereidingswerk hergebruiken in volgende rapporten, apps en modellen.

In de wereld van steeds groter wordende gegevens kan het voorbereiden van gegevens moeilijk en duur zijn, met een verbruik van wel 60 tot 80 procent van de tijd en kosten voor een typisch analyseproject. Voor dergelijke projecten kunnen gefragmenteerde en onvolledige gegevens, complexe systeemintegratie, gegevens met structurele inconsistentie en een hoge vaardighedensetbarrière vereist zijn.

Om gegevensvoorbereiding gemakkelijker te maken en om u te helpen meer waarde te halen uit uw gegevens, zijn Power Query Power Platform gegevensstromen gemaakt.

Met gegevensstromen brengt Microsoft de selfservicemogelijkheden voor gegevensvoorbereiding van Power Query naar de Power BI en Power Apps onlineservices en breidt microsoft bestaande mogelijkheden op de volgende manieren uit:

• Selfservice voor gegevensvoorbereiding voor big data met gegevensstromen: gegevensstromen kunnen worden gebruikt om eenvoudig gegevens op te nemen, op te schonen, te transformeren, te integreren, te verrijken en te schematiseren uit een grote en steeds groter wordende matrix van transactionele en observationele bronnen, die alle logica voor gegevensvoorbereiding omvat. Voorheen kon ETL-logica (extraheren, transformeren, laden) alleen worden opgenomen in gegevenssets in Power BI, gekopieerd tussen gegevenssets en gebonden aan instellingen voor gegevenssetbeheer.

  Met gegevensstromen wordt ETL-logica verhoogd tot een eersteklas artefact binnen Microsoft Power Platform-services en bevat speciale ontwerp- en beheerervaringen. Bedrijfsanalisten, BI-professionals en gegevenswetenschappers kunnen gegevensstromen gebruiken om de meest complexe uitdagingen met gegevensvoorbereiding aan te pakken en op elkaars werk voort te bouwen, dankzij een modelgestuurde berekeningsenent engine die alle transformatie- en afhankelijkheidslogica verwerkt: tijd, kosten en expertise verminderen tot een fractie van wat van oudsher vereist was voor deze taken. U kunt gegevensstromen maken met behulp van de bekende selfservice voor gegevensvoorbereiding van Power Query. Gegevensstromen worden gemaakt en eenvoudig beheerd in app-werkruimten of -omgevingen, respectievelijk in Power BI of Power Apps, en profiteren van alle mogelijkheden die deze services te bieden hebben, zoals machtigingsbeheer en geplande vernieuwingen.

• Gegevens laden in Dataverse of Azure Data Lake Storage: afhankelijk van uw gebruikscase kunt u gegevens opslaan die zijn voorbereid door Power Platform-gegevensstromen in het Dataverse- of Azure Data Lake Storage-account van uw organisatie:

  • Met Dataverse kunt u gegevens die worden gebruikt door zakelijke toepassingen veilig opslaan en beheren. Gegevens in Dataverse worden opgeslagen in een set tabellen. Een tabel is een set rijen (voorheen records genoemd) en kolommen (voorheen velden/kenmerken genoemd). Elke kolom in de tabel is ontworpen om een bepaald type gegevens op te slaan, bijvoorbeeld naam, leeftijd, salaris, bijvoorbeeld. Dataverse bevat een basisset standaardtabellen die betrekking hebben op typische scenario's, maar u kunt ook aangepaste tabellen maken die specifiek zijn voor uw organisatie en deze vullen met gegevens met behulp van gegevensstromen. App-makers kunnen vervolgens Power Apps en Power Automate om uitgebreide toepassingen te bouwen die gebruikmaken van deze gegevens.

  • Met Azure Data Lake Storage kunt u samenwerken met personen in uw organisatie met behulp van Power BI-, Azure Data- en AI-services, of met behulp van een aangepaste Line-of-Business Applications die gegevens uit de lake lezen. Gegevensstromen die gegevens laden in een Azure Data Lake Storage gegevens opslaan in Common Data Model mappen. Common Data Model mappen bevatten geschematiseerde gegevens en metagegevens in een gestandaardiseerde indeling, om gegevensuitwisseling te vergemakkelijken en volledige interoperabiliteit mogelijk te maken tussen services die gegevens produceren of gebruiken die zijn opgeslagen in het Azure Data Lake Storage-account van een organisatie als de gedeelde opslaglaag.

• Advanced Analytics en AI met Azure: Power Platform-gegevensstromen slaan gegevens op in Dataverse of Azure Data Lake Storage. Dit betekent dat gegevens die zijn opgenomen via gegevensstromen nu beschikbaar zijn voor data engineers en gegevenswetenschappers om gebruik te maken van de volledige kracht van Azure Data Services, zoals Azure Machine Learning, Azure Databricks en Azure SQL Data Warehouse voor geavanceerde analyse — nd AI. Hierdoor kunnen bedrijfsanalisten, data engineers en gegevenswetenschappers samenwerken aan dezelfde gegevens binnen hun organisatie.

• Ondersteuning voor Common Data Model: Common Data Model is een set gestandaardiseerde gegevensschema's en een metagegevenssysteem om consistentie van gegevens en de betekenis ervan in toepassingen en bedrijfsprocessen mogelijk te maken. Gegevensstromen ondersteunen Common Data Model door eenvoudige toewijzing van gegevens in elke vorm aan de standaard Common Data Model entiteiten, zoals Account en Contactpersoon. Met gegevensstromen worden de gegevens, zowel standaardentiteiten als aangepaste entiteiten, geschematiseerd Common Data Model weergegeven. Bedrijfsanalisten kunnen profiteren van het standaardschema en de semantische consistentie, of hun entiteiten aanpassen op basis van hun unieke behoeften. Common Data Model blijft zich ontwikkelen als onderdeel van het Open Data Initiative.

Mogelijkheden voor gegevensstromen in Microsoft Power Platform services

De meeste mogelijkheden voor gegevensstromen zijn beschikbaar in Power Apps en Power BI. Gegevensstromen zijn beschikbaar als onderdeel van de plannen van deze services. Sommige gegevensstroomfuncties zijn productsyte specifiek of beschikbaar in verschillende productplannen. In de volgende tabel worden de functies van de gegevensstroom en de beschikbaarheid ervan beschreven.

Meer informatie over gegevensstromen in Power Apps:

• Selfservice voor gegevensvoorbereiding in Power Apps
• Gegevensstromen maken en gebruiken in Power Apps
• Verbinding maken met Azure Data Lake Storage Gen2 voor gegevensstroomopslag
• Gegevens toevoegen aan een tabel in Dataverse met behulp van Power Query
• Ga naar Power Apps gegevensstroom-community en deel wat u doet, stel vragen of dien nieuwe ideeën in
• Ga naar Power Apps communityforum voor gegevensstromen en deel wat u doet, stel vragen of dien nieuwe ideeën in

Meer informatie over gegevensstromen in Power BI:

• Selfservice voor gegevensvoorbereiding in Power BI
• Gegevensstromen maken en gebruiken in Power BI
• Whitepaper gegevensstromen
• Gedetailleerde video van een overzicht van gegevensstromen
• Ga naar Power BI-community voor gegevensstromen en deel wat u doet, stel vragen of dien nieuwe ideeën in

Volgende stappen

In de volgende artikelen wordt dieper ingegaan op veelvoorkomende gebruiksmogelijkheden van gegevensstromen.

• Incrementeel vernieuwen gebruiken met gegevensstromen
• Berekende entiteiten maken in gegevensstromen
• Verbinding maken gegevensbronnen voor gegevensstromen
• Entiteiten koppelen tussen gegevensstromen

Lees de volgende artikelen Common Data Model meer informatie over Common Data Model en Common Data Model mapstandaard:

• Overzicht van Common Data Model
• Common Data Model maken
• Common Data Model mapmodelbestandsdefinitie