ทำงานกับข้อมูลใดๆ

Microsoft Dataverse ให้สิ่งที่เป็นนามธรรมซึ่งทำให้สามารถทำงานกับข้อมูลชนิดใดก็ได้ ซึ่งรวมถึงรูปภาพ ไฟล์ การค้นหาแบบสัมพัทธ์ หรือ data lake เชิงสัมพันธ์ และไม่ใช่เชิงสัมพันธ์ ไม่จำเป็นต้องเข้าใจชนิดของข้อมูล เนื่องจาก Dataverse แสดงชุดของชนิดข้อมูลที่อนุญาตให้คุณสร้างแบบจำลองของคุณ ชนิดของพื้นที่เก็บข้อมูลได้รับการปรับให้เหมาะสมกับชนิดข้อมูลที่เลือก

ข้อมูลสามารถนำเข้าและส่งออกได้อย่างง่ายดายด้วยกระแสข้อมูล, Power Query และ Azure Data Factory นอกจากนี้ ลูกค้า Dynamics ยังสามารถใช้ Data Export Service

นอกจากนี้ Dataverse ยังมีตัวเชื่อมต่อสำหรับ Power Automate และ Azure Logic Apps ที่สามารถใช้กับตัวเชื่อมต่ออื่นๆ หลายร้อยตัวในบริการเหล่านั้นสำหรับในสถานที่, infrastructure as a service (IaaS), platform as a service (PaaS) หรือ software as a service (SaaS) services ซึ่งรวมถึงแหล่งที่มาใน Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, ข้อความ/CSV, รายการ SharePoint, ฐานข้อมูล SQL Server, Oracle, MySQL, PostgreSQL, Blockchain และ Azure Synapse Analytics

Common Data Model

หากคุณเคยต้องรวบรวมข้อมูลจากระบบและแอปหลายรายการเข้าด้วยกัน คุณจะรู้ว่างานที่มีราคาแพงเพียงใดและใช้เวลานานเท่าใด โดยไม่สามารถแบ่งปันและเข้าใจข้อมูลเดียวกันได้อย่างง่ายดาย แอปหรือโครงการรวมข้อมูลแต่ละรายการต้องมีการปรับใช้ที่กำหนดเอง

Common Data Model ให้สถาปัตยกรรมอ้างอิงที่มีวัตถุประสงค์เพื่อปรับปรุงกระบวนการนี้ โดยจัดเตรียมภาษาข้อมูลที่ใช้ร่วมกันสำหรับธุรกิจและแอปเพื่อการวิเคราะห์ที่จะใช้ ระบบข้อมูลเมตา Common Data Model ทำให้เป็นไปได้สำหรับข้อมูลและความหมายที่จะมีการแบ่งปันในแอปและกระบวนการทางธุรกิจ เช่น Power Apps, Power BI, Dynamics 365 และ Azure

Common Data Model ประกอบด้วยชุดของ Schema ข้อมูลที่เป็นมาตรฐานที่สามารถขยายได้ซึ่ง Microsoft และคู่ค้าได้เผยแพร่ คอลเลกชันของ schema ที่กำหนดไว้ล่วงหน้านี้ประกอบด้วยตาราง แอตทริบิวต์ ข้อมูลเมตาเชิงความหมาย และความสัมพันธ์ Schema แสดงแนวคิดและกิจกรรมที่ใช้กันทั่วไป เช่น บัญชี และ การส่งเสริมการขาย เพื่อทำให้การสร้าง การรวม และการวิเคราะห์ข้อมูลง่ายขึ้น

สามารถใช้สคีมาของ Common Data Model เพื่อแจ้งการสร้างตารางใน Dataverse จากนั้นตารางที่ได้จะเข้ากันได้กับแอปและการวิเคราะห์ที่กำหนดเป้าหมายข้อกำหนด Common Data Model นี้

รูปภาพต่อไปนี้แสดงองค์ประกอบบางอย่างของตาราง Common Data Model มาตรฐาน 

ตาราง

ใน Dataverse ตารางถูกใช้ในการสร้างแบบจำลองและจัดการข้อมูลทางธุรกิจ เพื่อเพิ่มผลผลิต Dataverse มีชุดตารางที่เรียกว่าตารางมาตรฐาน ตารางเหล่านี้ถูกออกแบบมา โดยสอดคล้องกับแนวทางปฏิบัติที่ดีที่สุด เพื่อบันทึกแนวคิดและสถานการณ์ทั่วไปที่สุดภายในองค์กร ตารางมาตรฐานเป็นไปตาม Common Data Model

ชุดตารางที่ใช้กันทั่วไปในอุตสาหกรรมต่าง ๆ เช่น ผู้ใช้ และ กลุ่มคน รวมอยู่ใน Dataverse และเรียกว่า ตารางมาตรฐาน ตารางสำเร็จรูปเหล่านี้สามารถปรับแต่งได้ เช่น รวมคอลัมน์เพิ่มเติม นอกจากนี้ คุณสามารถสร้างตารางที่กำหนดเองใน Dataverse ได้อย่างง่ายดาย

คอลัมน์

คอลัมน์จะกำหนดข้อมูลแต่ละรายการที่คุณสามารถใช้เพื่อจัดเก็บข้อมูลในตาราง ในบางครั้ง ฟิลด์ถูกเรียกว่าแอตทริบิวต์โดยนักพัฒนา ตารางที่แสดงหลักสูตรของมหาวิทยาลัยอาจมีคอลัมน์ต่างๆ เช่น "ชื่อ" "สถานที่" "แผนก" "นักศึกษาที่ลงทะเบียน" เป็นต้น

คอลัมน์อาจมีข้อมูลชนิดต่างๆ เช่น ตัวเลข สตริง ข้อมูลดิจิทัล รูปภาพ และไฟล์ ไม่จำเป็นต้องแยกข้อมูลเชิงสัมพันธ์และไม่ใช่เชิงสัมพันธ์ออกจากกัน หากเป็นส่วนหนึ่งของกระบวนการทางธุรกิจหรือโฟลว์เดียวกัน Dataverse เก็บข้อมูลในชนิดการจัดเก็บที่ดีที่สุดสำหรับแบบจำลองที่สร้างขึ้น

แต่ละคอลัมน์เหล่านี้สามารถเชื่อมโยงกับข้อมูลชนิดใดชนิดหนึ่งที่ Dataverse สนับสนุน

ข้อมูลเพิ่มเติม: ชนิดของคอลัมน์

ความสัมพันธ์

ข้อมูลในตารางหนึ่งรายการมักจะเกี่ยวข้องกับข้อมูลในตารางอื่น ความสัมพันธ์ของตารางกำหนดวิธีที่แถวสามารถเชื่อมโยงกันในแบบจำลอง Dataverse

Dataverse ให้ตัวออกแบบภาพที่ใช้งานง่ายเพื่อกำหนดชนิดต่าง ๆ ของความสัมพันธ์จากตารางหนึ่งไปยังอีกตารางหนึ่ง (หรือระหว่างตารางกับตัวมันเอง) ตารางแต่ละรายการสามารถมีความสัมพันธ์กับตารางมากกว่าหนึ่งรายการ และตารางแต่ละรายการสามารถมีความสัมพันธ์ได้มากกว่าหนึ่งความสัมพันธ์กับตารางอื่น

ชนิดความสัมพันธ์มีดังนี้:

• กลุ่มต่อหนึ่ง: ในความสัมพันธ์ชนิดนี้ เรกคอร์ด A หลายตารางสามารถเชื่อมโยงกับเรกคอร์ด B ตารางเดียว ตัวอย่างเช่น ชั้นเรียนของนักเรียนมีห้องเรียนเดียว

• หนึ่งต่อกลุ่ม: ในความสัมพันธ์ชนิดนี้ เรกคอร์ด B ตารางเดียวสามารถเกี่ยวข้องกับเรกคอร์ด A หลายตาราง ตัวอย่างเช่น ครูคนเดียวคนหนึ่งสอนหลายชั้นเรียน

• กลุ่มต่อกลุ่ม: ในชนิดของความสัมพันธ์นี้ แต่ละเรกคอร์ดในตาราง A สามารถจับคู่เรกคอร์ดได้มากกว่าหนึ่งเรกคอร์ดในตาราง B และในทางตรงกันข้าม ตัวอย่างเช่น นักเรียนเข้าร่วมคลาสหลายคลาส และคลาสแต่ละคลาสสามารถมีนักเรียนได้หลายคน

เนื่องจากความสัมพันธ์แบบกลุ่มต่อหนึ่งเป็นรายการที่พบบ่อยที่สุด Dataverse จัดเตรียมชนิดข้อมูลเฉพาะที่ชื่อ การค้นหา ซึ่งไม่เพียงแต่ทำให้ง่ายต่อการกำหนดความสัมพันธ์นี้ แต่ยังเพิ่มประสิทธิภาพในการสร้างฟอร์มและแอป

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการสร้างความสัมพันธ์ตาราง โปรดดู สร้างความสัมพันธ์ระหว่างตาราง

องค์กรมักจะจำเป็นต้องสอดคล้องกับข้อบังคับต่างๆ เพื่อให้แน่ใจถึงความพร้อมใช้งานของประวัติการโต้ตอบกับลูกค้า บันทึกการตรวจสอบ รายงานการเข้าถึง และรายงานการติดตามเหตุการณ์การรักษาความปลอดภัย องค์กรอาจต้องการติดตามการเปลี่ยนแปลงในข้อมูล Dataverse สำหรับวัตถุประสงค์ในการวิเคราะห์และการรักษาความปลอดภัย

Dataverse มีความสามารถในการตรวจสอบที่การเปลี่ยนแปลงตารางและข้อมูลแอตทริบิวต์ในองค์กรสามารถต่อแถวได้ตลอดเวลาเพื่อใช้ในการวิเคราะห์และการรายงาน การตรวจสอบได้รับการรองรับบนตารางและแอตทริบิวต์—ที่ปรับแต่งได้มากที่สุด—และกำหนดเองทั้งหมด การตรวจสอบไม่ได้รับการสนับสนุนจากการเปลี่ยนแปลงข้อมูลเมตา เรียกข้อมูลการดำเนินการ ส่งออกการดำเนินการ หรือในระหว่างการรับรองความถูกต้อง สำหรับข้อมูลเกี่ยวกับวิธีกำหนดค่าการตรวจสอบใน ไปที่  จัดการการตรวจสอบ Dataverse

Dataverse รองรับการวิเคราะห์โดยให้ความสามารถในการเลือกตารางสำหรับโมเดลการเรียนรู้เกี่ยวกับเครื่องที่จะเรียกใช้ มีความสามารถ AI ที่สร้างไว้ล่วงหน้าผ่าน AI Builder

ค้นหา

Dataverse มีสามวิธีในการสืบค้นแถว:

• การค้นหา Dataverse

• การค้นหาด่วน (ตารางเดียวหรือหลายตาราง)

• ค้นหาแบบขั้นสูง

หมายเหตุ

การค้นหาด่วนในหลายตารางเรียกอีกอย่างว่า การค้นหาตามประเภท

สำหรับข้อมูลเพิ่มเติม โปรดดู เปรียบเทียบการค้นหา

การค้นหาของ Dataverse

การค้นหา Dataverse ส่งผลลัพธ์อย่างรวดเร็วและครอบคลุมทั้งตารางทั้งหลาย ในรายการเดี่ยว ที่ถูกเรียงลำดับตามความเกี่ยวข้อง ซึ่งใช้บริการการค้นหาเฉพาะภายนอกกับ Dataverse (ซึ่งดำเนินการโดย Azure) เพื่อเพิ่มประสิทธิภาพในการค้นหา

การค้นหา Dataverse นำมาซึ่งประโยชน์และการปรับปรุงต่อไปนี้:

• ปรับปรุงประสิทธิภาพโดยใช้การจัดทำดัชนีภายนอกและเทคโนโลยีการค้นหา Azure

• ค้นหาคู่ที่เหมือนกันสำหรับคำใดก็ตามในคำค้นหาของคอลัมน์ใดก็ตามในตาราง เมื่อเทียบกับการค้นหาด่วนที่ทุกคำจากคำค้นหาจะต้องอยู่ในหนึ่งคอลัมน์

• ค้นหาการจับคู่ที่มีคำที่มีการผันไป เช่น สตรีม การสตรีม หรือ สตรีมแล้ว

• ส่งกลับผลลัพธ์จากตารางที่ค้นหาได้ทั้งหมดในรายการเดียวที่เรียงลำดับตามความเกี่ยวข้อง ดังนั้นยิ่งการจับคู่ดีมากขึ้นเท่าไร ผลลัพธ์ก็จะปรากฏในรายการมากขึ้นเท่านั้น การจับคู่มีความเกี่ยวข้องที่สูงกว่า หากพบคำเพิ่มเติมจากคำที่ค้นหาในขอบเขตที่ใกล้เคียงซึ่งกันและกัน ข้อความที่มีจำนวนคำที่ซึ่งคำค้นหาถูกพบยิ่งน้อย ความเกี่ยวข้องจะยิ่งสูงขึ้น ตัวอย่างเช่น หากคุณพบคำค้นหาในชื่อบริษัทและที่อยู่ อาจเป็นการจับคู่ที่ดีกว่าการพบคำเดียวกันในบทความที่มีความยาว และอยู่ไกลจากกัน

• เน้นคู่ที่เหมือนกันในรายการผลลัพธ์ เมื่อคำค้นหาตรงกับคำศัพท์ในแถว คำศัพท์นั้นจะปรากฏเป็นข้อความตัวหนาและตัวเอียงในผลลัพธ์การค้นหาของคุณ

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการค้นหา Dataverse ดูที่ การใช้การค้นหา Dataverse เพื่อค้นหาแถว

การค้นหาด่วน

Dataverse มีความสามารถในการค้นหาแถวได้อย่างรวดเร็ว และมีวิธีการที่จะค้นหาตารางเพียงประเภทเดียว เช่น ลูกค้า หรือใช้เพื่อค้นหาในตารางหลายประเภทในเวลาเดียวกัน เช่น ผู้ติดต่อ ผู้ใช้ ลูกค้า และอื่น ๆ

การค้นหาด่วนแบบตารางเดี่ยว ถูกใช้เพื่อค้นหาแถวชนิดเดียวเท่านั้น ตัวเลือกการค้นหานี้จะพร้อมใช้งานจากภายในมุมมอง

การค้นหาด่วนหลายตาราง (การค้นหาตามประเภท) ยังใช้เพื่อค้นหาแถว แต่จะพบในตารางชนิดต่าง ๆ เช่น ลูกค้าองค์กร หรือผู้ติดต่อ

Data Lake

Dataverse รองรับการจำลองข้อมูลตารางอย่างต่อเนื่องไปยัง Azure Data Lake Storage ซึ่งสามารถใช้เพื่อเรียกใช้การวิเคราะห์ เช่น การรายงาน Power BI การเรียนรู้เกี่ยวกับเครื่อง คลังข้อมูล และกระบวนการรวมดาวน์สตรีมอื่น ๆ

คุณลักษณะนี้ถูกออกแบบมาสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ขององค์กร ซึ่งคุ้มค่า ปรับขนาดได้ มีความพร้อมใช้งานสูงและความสามารถในการกู้คืนระบบจากภัยพิบัติ และเปิดใช้งานประสิทธิภาพการวิเคราะห์ที่ดีที่สุดในระดับเดียวกัน

ข้อมูลจะถูกจัดเก็บในรูปแบบ Common Data Model (CDM) ซึ่งให้สอดคล้องกันทางความหมายระหว่างแอปและการปรับใช้ ข้อมูลเมตาที่เป็นมาตรฐานและข้อมูลที่อธิบายด้วยตนเองใน Common Data Model ช่วยอำนวยความสะดวกในการค้นหาข้อมูลเมตาและการทำงานร่วมกันระหว่างผู้สร้างข้อมูลและผู้บริโภค เช่น Power BI, Data Factory, Azure Databricks และ Azure Machine Learning

ดูเพิ่มเติม

การนำเข้าและการส่งออกข้อมูล

หมายเหตุ

บอกให้เราทราบเกี่ยวกับภาษาที่คุณต้องการในคู่มือ ทำแบบสำรวจสั้นๆ (โปรดทราบว่าแบบสำรวจนี้เป็นภาษาอังกฤษ)

แบบสำรวจนี้ใช้เวลาทำประมาณเจ็ดนาที ไม่มีการเก็บข้อมูลส่วนบุคคล (คำชี้แจงสิทธิ์ส่วนบุคคล)