Skapa och använda dataflöden i Microsoft Power Platform
Med hjälp av dataflöden med Microsoft Power Platform blir det enklare att förbereda data och du kan återanvända arbetet med förberedelse av data i efterföljande rapporter, appar och modeller.
I en värld av ständigt växande data kan förberedelse av data vara svårt och dyrt och förbruka så mycket som 60 till 80 procent av tiden och kostnaden för ett typiskt analysprojekt. Sådana projekt kan kräva fragmenterade och ofullständiga data, komplex systemintegrering, data med strukturell inkonsekvens och en hög kompetensbarriär.
För att göra förberedelsen av data enklare och för att hjälpa dig att få ut mer värde av dina data skapades Power Query och Power Platform-dataflöden.
Med dataflöden tar Microsoft med sig självbetjäningsfunktionerna för förberedelse av data i Power Query till Power BI och Power Apps onlinetjänster och utökar befintliga funktioner på följande sätt:
Dataförberedelser med självbetjäning för stordata med dataflöden: Dataflöden kan användas för att enkelt mata in, rensa, transformera, integrera, berika och schematisera data från en stor och ständigt växande mängd transaktions- och observationskällor, som omfattar all logik för förberedelse av data. Tidigare kunde logik för extrahering, transformering, inläsning (ETL) endast ingå i datauppsättningar i Power BI, kopieras om och omgående mellan datauppsättningar och bindas till inställningarna för datauppsättningshantering.
Med dataflöden utökas ETL-logiken till en förstklassig artefakt i Microsoft Power Platform-tjänster och innehåller dedikerad redigering och hantering. Affärsanalytiker, BI-proffs och dataexperter kan använda dataflöden för att hantera de mest komplexa utmaningarna vid förberedelse av data och bygga vidare på varandras arbete tack vare en revolutionerande modelldriven beräkningsmotor som tar hand om all omvandlings- och beroendelogik – vilket minskar tiden, kostnaden och expertisen till en bråkdel av vad som traditionellt har krävts för dessa uppgifter. Du kan skapa dataflöden med hjälp av den välkända självbetjäningsupplevelsen för förberedelse av data i Power Query. Dataflöden skapas och hanteras enkelt i apparbetsytor eller miljöer, i Power BI eller Power Apps, med alla de funktioner som dessa tjänster har att erbjuda, till exempel behörighetshantering och schemalagda uppdateringar.
Läs in data till Dataverse eller Azure Data Lake Storage: Beroende på ditt användningsfall kan du lagra data som förberetts av Power Platform-dataflöden i Dataverse eller din organisations Azure Data Lake Storage konto:
Med Dataverse kan du lagra och hantera data som används av affärsprogram på ett säkert sätt. Data i Dataverse lagras i en uppsättning tabeller. En tabell är en uppsättning rader (kallades tidigare poster) och kolumner (kallades tidigare fält/attribut). Varje kolumn i tabellen är utformad för att lagra en viss typ av data, till exempel namn, ålder, lön och så vidare. Dataverse innehåller en grundläggande uppsättning standardtabeller som omfattar vanliga scenarier, men du kan också skapa anpassade tabeller som är specifika för din organisation och fylla dem med data med hjälp av dataflöden. Appskapare kan sedan använda Power Apps och Power Automate för att skapa omfattande program som använder dessa data.
med Azure Data Lake Storage kan du samarbeta med personer i din organisation med hjälp av Power BI, Azure Data och AI-tjänster, eller med hjälp av en egenbyggd Business Applications som läser data från sjön. Dataflöden som läser in data till ett Azure Data Lake Storage konto lagrar data i Common Data Model-mappar. Common Data Model-mappar innehåller schematiserade data och metadata i ett standardiserat format för att underlätta datautbyte och för att möjliggöra fullständig samverkan mellan tjänster som producerar eller använder data som lagras i en organisations Azure Data Lake Storage konto som det delade lagringslagret.
Avancerad analys och AI med Azure: Power Platform-dataflöden lagrar data i Dataverse eller Azure Data Lake Storage – vilket innebär att data som matas in via dataflöden nu är tillgängliga för datatekniker och dataforskare för att utnyttja den fulla kraften i Azure Data Services, till exempel Azure Machine Learning, Azure Databricks och Azure Synapse Analytics för avancerad analys och AI. På så sätt kan affärsanalytiker, datatekniker och dataforskare samarbeta kring samma data i organisationen.
Stöd för Common Data Model: Common Data Model är en uppsättning standardiserade datascheman och ett metadatasystem som möjliggör konsekvens av data och dess innebörd i program och affärsprocesser. Dataflöden stöder Common Data Model genom att erbjuda enkel mappning från alla data i alla former till common data model-standardentiteter, till exempel konto och kontakt. Dataflöden landar också data, både standardentiteter och anpassade entiteter, i schematiserat Common Data Model-formulär. Affärsanalytiker kan dra nytta av standardschemat och dess semantiska konsekvens, eller anpassa sina entiteter baserat på deras unika behov. Common Data Model fortsätter att utvecklas som en del av Open Data Initiative.
Dataflödesfunktioner i Microsoft Power Platform-tjänster
De flesta dataflödesfunktioner är tillgängliga i både Power Apps och Power BI. Dataflöden är tillgängliga som en del av dessa tjänsters planer. Vissa dataflödesfunktioner är antingen produktspecifika eller tillgängliga i olika produktplaner. I följande tabell beskrivs dataflödesfunktioner och deras tillgänglighet.
| Dataflödesfunktioner | Power Apps | Power BI |
|---|---|---|
| Schemalagd uppdatering | Upp till 48 per dag | Upp till 48 per dag |
| Maximal uppdateringstid per entitet | Upp till 2 timmar | Upp till 2 timmar |
| Redigering av dataflöde med Power Query Online | Ja | Ja |
| Dataflödeshantering | I Power Apps administratörsportalen | I Power BI administratörsportalen |
| Nya anslutningsappar | Ja | Ja |
| Standardiserat schema/inbyggt stöd för Common Data Model | Ja | Ja |
| Dataflödesdataanslutning i Power BI Desktop | För dataflöden med Azure Data Lake Storage som mål | Ja |
| Integrering med organisationens Azure Data Lake Storage | Ja | Ja |
| Integrering med Dataverse | Ja | Nej |
| Länkade entiteter för dataflöden | För dataflöden med Azure Data Lake Storage som mål | Ja |
| Beräknade entiteter (lagringstransformeringar med M) | För dataflöden med Azure Data Lake Storage som mål | endast Power BI Premium |
| Inkrementell uppdatering av dataflöden | För dataflöden med Azure Data Lake Storage som mål kräver Power Apps Plan2 | endast Power BI Premium |
| Körs på Power BI Premium kapacitet/parallell körning av transformeringar | Nej | Ja |
Mer information om dataflöden i Power Apps:
- Dataförberedelser med självbetjäning i Power Apps
- Skapa och använda dataflöden i Power Apps
- Ansluta Azure Data Lake Storage Gen2 för lagring av dataflöde
- Lägga till data i en tabell i Dataverse med hjälp av Power Query
- Besök Power Apps-communityn för dataflöden och dela med dig av det du gör, ställa frågor eller skicka in nya idéer
- Besök communityforumet för Power Apps dataflöde och dela med dig av det du gör, ställa frågor eller skicka in nya idéer
Mer information om dataflöden i Power BI:
- Dataförberedelser med självbetjäning i Power BI
- Skapa och använda dataflöden i Power BI
- White paper om dataflöden
- Detaljerad video av en genomgång av dataflöden
- Besök communityn Power BI dataflöden och dela med dig av det du gör, ställa frågor eller skicka in nya idéer
Nästa steg
Följande artiklar går in mer i detalj på vanliga användningsscenarier för dataflöden.
- Med inkrementell uppdatering med dataflöden
- Skapa beräknade entiteter i dataflöden
- Anslut till datakällor för dataflöden
- Länka entiteter mellan dataflöden
Mer information om Common Data Model och Common Data Model-mappstandarden finns i följande artiklar: