Delo s poljubnimi podatki

Microsoft Dataverse zagotavlja abstraktne elemente, ki omogočajo delo s katero koli vrsto podatkov, vključno z relacijskimi, nerelacijskimi ali slikovnimi podatki, datotekami, relativnim iskanjem ali shrambo Data Lake. Ni treba razumeti vrste podatkov, saj Dataverse izpostavi nabor vrst podatkov, s katerimi lahko ustvarite svoj model. Vrsta shrambe je optimizirana za izbrano vrsto podatkov.

Podatke je mogoče enostavno uvoziti in izvoziti s tokovi podatkov,Power Query in Azure Data Factory. Uporabniki storitve Dynamics lahko uporabijo tudi storitev izvoza podatkov.

Dataverse vključuje tudi povezovalnik za Power Automate in Azure Logic Apps, ki ga lahko uporabite s stotinami drugih povezovalnikov v teh storitvah na mestu uporabe, infrastrukturi kot storitvi (IaaS), platformi kot storitvi (PaaS) ali programski opremi kot storitvi (SaaS). To vključuje vire v Azure,Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, besedilo/CSV,SharePoint seznami, baze podatkov SQL Server, Oracle, MySQL, PostgreSQL, Blockchain in Azure Synapse Analytics.

Common Data Model

Če ste morali že kdaj združiti podatke iz več sistemov in aplikacij, veste kako drago in zamudno opravilo je to. Če skupna raba in enostavno razumevanje istih podatkov nista mogoča, vsak projekt integracije podatkov zahteva izvedbo po meri.

Common Data Model zagotavlja referenčno arhitekturo, ki je namenjena poenostavitvi tega procesa s podatkovnim jezikom, ki ga skupaj uporabljajo poslovne in analitične aplikacije. Sistem metapodatkov Common Data Model omogoča, da so podatki in njihov pomen v skupni rabi z več aplikacijami in poslovnimi procesi, kot so Power Apps, Power BI, Dynamics 365 in Azure.

Common Data Model vključuje niz standardiziranih, razširljivih podatkovnih shem, ki so jih objavili Microsoft in njegovi partnerji. Ta zbirka vnaprej določenih shem vključuje tabele, atribute, semantične metapodatke in odnose. Sheme predstavljajo pogosto uporabljene koncepte in dejavnosti, kot so Račun in Akcija, ki poenostavijo ustvarjanje, združevanje in analizo podatkov.

Sheme Common Data Model lahko uporabimo za obveščanje o ustvarjanju tabel v rešitvi Dataverse. Nastale tabele bodo nato združljive z aplikacijami in analitiko, ki cilja na to definicijo storitve Common Data Model.

Naslednja slika prikazuje nekatere elemente standardnih tabel rešitve Common Data Model.

Tabele

V rešitvi Dataverse se tabele uporabljajo za modeliranje in upravljanje poslovnih podatkov. Za povečanje storilnosti rešitev Dataverse vključuje nabor tabel, znanih kot standardne tabele. Te tabele so oblikovane v skladu z najboljšimi praksami, da zajamejo najpogostejše koncepte in scenarijev v organizaciji. Standardne tabele upoštevajo model Common Data Model.

Nabor tabel, ki se pogosto uporabljajo v različnih panogah, npr. Uporabnik in Ekipa, so vključeni v rešitev Dataverse in se imenujejo standardne tabele. Te vnaprej pripravljene tabele lahko tudi prilagodite, na primer vključite dodatne stolpce. Poleg tega lahko preprosto ustvarite svoje prilagojene tabele v rešitvi Dataverse.

Št. stolpcev

Stolpci določajo posamezne podatkovne elemente, ki jih lahko uporabite za shranjevanje podatkov v tabelo. Razvijalci polja včasih imenujejo atributi. Tabela, ki predstavlja tečaj na univerzi, lahko vsebuje stolpce, kot so »Ime«, »Lokacija«, »Oddelek«, »Registrirani študenti« itd.

Stolpci lahko vsebujejo različne vrste podatkov, kot so številke, nizi, digitalni podatki, slike in datoteke. Ni potrebe, da bi relacijske in nerelacijske podatke umetno ločevali, če so del istega poslovnega procesa ali toka. Dataverse shrani podatke vrsti shrambe, ki je najbolj primerna za ustvarjeni model.

Vsakega od teh stolpcev je mogoče povezati z enim od številnih podatkovnih tipov, ki jih podpira Dataverse.

Več informacij: Vrste stolpcev

Odnosi

Podatki v eni tabeli so pogosto povezani s podatki v drugi tabeli. Odnosi tabele določajo, kako bodo vrstice povezane med seboj v modelu rešitve Dataverse.

Dataverse zagotavlja preproste vizualne oblikovalnike za določanje različnih vrst odnosov iz ene tabele v drugo (ali med tabelo in njim samim). Vsaka tabela je lahko v odnosu z več kot eno tabelo in vsaka tabela ima lahko več odnosov z drugo tabelo.

Vrste odnosov so:

• Mnogo proti ena: pri tej vrsti odnosa je veliko zapisov tabele A mogoče povezati z enim zapisom tabele B. Na primer razred učencev ima eno učilnico.

• Ena proti mnogo: pri tej vrsti odnosa je en zapis tabele B mogoče povezati z več zapisi tabele A. Na primer en sam učitelj poučuje veliko razredov.

• Mnogo proti mnogo: pri tej vrsti odnosa se vsak zapis v tabeli A lahko ujema z več kot enim zapisom v tabeli B in obratno. Primer: študenti obiskujejo več razredov in vsak razred ima lahko več študentov.

Ker so odnosi »mnogo-proti-mnogo« najpogostejši, Dataverse ponuja določeno vrsto podatkov z imenom iskanje, ki ne samo da olajša opredelitev tega odnosa, ampak poveča storilnost pri ustvarjanju obrazcev in aplikacij.

Če želite več informacij o ustvarjanju odnosov tabele, glejte Ustvarjanje odnosa med tabelami.

Organizacije morajo pogosto upoštevati različne predpise za zagotavljanje razpoložljivosti zgodovine o komunikaciji s stranko, dnevnikov spremljanja sprememb, dostopa do poročil in sledenja poročil o varnostnih incidentih. Organizacije morda želijo slediti spremembam v podatkih rešitve Dataverse v varnostne in analitične namene.

Dataverse zagotavlja možnost spremljanja sprememb, pri katerem je mogoče spremembe tabel in podatkov o atributih v organizaciji sčasoma zakleniti za uporabo pri analizi in poročanju. Spremljanje sprememb je podprto v vseh (in večini prilagojenih) tabelah in atributih po meri. Spremljanje sprememb ni podprto za spremembe metapodatkov, postopke pridobivanja in izvoza ali med preverjanjem pristnosti. Za informacije o konfiguraciji spremljanja sprememb glejte razdelek Konfiguriranje tabel in atributov za spremljanje sprememb.

Dataverse podpira analitiko z zagotavljanjem možnosti izbire tabel za izvajanje modela strojnega učenja. Ima vnaprej vgrajeno zmožnost AI prek AI Builder.

Poišči

Dataverse zagotavlja tri načine iskanja po vrsticah:

• Iskanje Dataverse

• Hitro iskanje (po eni tabeli ali po več tabelah)

• Napredno iskanje

Opomba

Hitro iskanje po več entitetah se imenuje tudi kategorizirano iskanje.

Za več informacij glejte razdelek Primerjava iskanj.

Iskanje Dataverse

Iskanje po Dataverse hitro vrne seznam obsežnih rezultatov iskanja prek več tabel v enem seznamu, razvrščenemu po ustreznosti. Uporablja namensko storitev iskanja zunaj rešitve Dataverse (na podlagi tehnologije Azure) za večjo zmogljivost iskanja.

Iskanje po Dataverse vključuje naslednje izboljšave in prednosti:

• Zagotavlja večjo zmogljivost z zunanjim indeksiranjem in tehnologijo iskanja Azure.

• Poišče ujemanja s katero koli besedo v iskalnem izrazu v katerem koli stolpcu v tabeli, v primerjavi s funkcijo hitrega iskanja, kjer morajo biti vse besede v iskalnem izrazu v enem stolpcu.

• Poišče ujemanja, ki vključujejo pregibne besede, kot so tok, pretakanje ali pretečeno.

• Vrne enoten seznam z rezultati iz vseh tabel, za katere je omogočeno iskanje, razvrščenimi po ustreznosti, zato natančnejše kot je ujemanje, višje na seznamu je prikazan rezultat. Ujemanje je ustreznejše, če so besede iz iskalnega izraza najdene v neposredni medsebojni bližini. Manjša je količina besedila z najdenimi iskanimi besedami, večja je ustreznost. Če iskalne besede najdete na primer v nazivu in naslovu podjetja, je ujemanje lahko natančnejše, kot če so te besede najdene v daljšem članku in so daleč narazen druga od druge.

• Vidno označi ujemanja na seznamu rezultatov. Če se iskalni izraz ujema z izrazom v vrstici, je izraz v rezultatih iskanja prikazan v obliki krepkega in poševnega besedila.

Za več informacij o iskanju Dataverse, glejte Uporaba iskanja Dataverse za iskanje vrstic.

Hitro iskanje

Dataverse vključuje zmožnost hitrega iskanja vrstic in ima pristope, ki poiščejo samo eno vrsto tabel, kot je »stranka«, ali ki bodo uporabljeni za iskanje po več vrstah tabel hkrati, kot so »stiki«, »uporabniki«, »stranke« itd.

Hitro iskanje po eni tabeli se uporablja za iskanje vrstic ene vrste. Ta možnost iskanja je na voljo znotraj pogleda.

Hitro iskanje po več tabelah (kategorizirano iskanje) se uporablja tudi za iskanje vrstic, vendar po različnih vrstah tabel, kot so računi ali stiki.

Data Lake

Dataverse podpira neprekinjeno podvajanje podatkov tabele v shrambo Azure Data Lake Storage, ki se nato lahko uporablja za izvajanje analitike, kot je poročanje Power BI, strojno učenje, skladiščenje podatkov in drugi nadaljnji postopki integracije.

Ta funkcija je zasnovana za analitiko masovnih podatkov v podjetju. Je stroškovno učinkovita, razširljiva, zagotavlja visoko razpoložljivost in možnosti za vnovično vzpostavitev po katastrofi ter omogoča najboljše analitične rezultate.

Podatki so shranjeni v obliki zbirke podatkov Common Data Model, ki zagotavlja pomensko skladnost med aplikacijami in uvedbami. Standardizirani metapodatki in samoopisujoči podatki v rešitvi Common Data Model olajšajo odkrivanje metapodatkov in interoperabilnost med proizvajalci in potrošniki podatkov, kot so Power BI, Data Factory, Azure Databricks in Strojno učenje Azure.

Glejte tudi

Uvažanje in izvažanje podatkov

Opomba

Ali nam lahko poveste, kateri je vaš prednostni jezik za dokumentacijo? Izpolnite kratko anketo. (upoštevajte, da je v angleščini)

Z anketo boste porabili približno sedem minut. Ne zbiramo nobenih osebnih podatkov (izjava o zasebnosti).