Veri akışlarını oluşturma ve Microsoft Power Platform

Veri akışlarını Microsoft Power Platform veri hazırlamayı kolaylaştırır ve sonraki raporlarda, uygulamalarda ve modellerde veri hazırlama çalışmanızı yeniden kullanmanıza olanak sağlar.

Giderek genişleyen veri dünyasında veri hazırlama zor ve pahalı olabilir ve tipik bir analiz projesi için sürenin ve maliyetin yüzde 60-80'ine kadar tüketilmesi gerekir. Bu tür projeler parçalı ve eksik verilerin hazırlanması, karmaşık sistem tümleştirmesi, yapısal tutarsızlıklara sahip veriler ve yüksek beceri kümesi engeli gerektirir.

Veri hazırlamayı kolaylaştırmak ve verilerinizden daha fazla değer elde etmeye yardımcı olmak için Power Query ve Power Platform akışı oluşturulur.

Veri akışlarıyla Microsoft, Power Query'nin self servis veri hazırlama özelliklerini Power BI ve Power Apps çevrimiçi hizmetler özellikleri aşağıdaki yollarla genişletmektedir:

• Veri akışlarıyla büyük veriler için self servis veri hazırlığı: Veri akışları, tüm veri hazırlama mantığını kapsayan, büyük ve sürekli büyüyen bir dizi işlemsel ve gözlemsel kaynaktan verileri kolayca alma, temizleme, dönüştürme, tümleştirmek, zenginleştirmek ve şema haline dönüştürmek için kullanılabilir. Daha önce ayıklama, dönüştürme, yükleme (ETL) mantığı yalnızca Power BI'daki veri kümelerine dahil edildi, veri kümeleri arasında tekrar tekrar kopyalandı ve veri kümesi yönetim ayarlarına bağlandı.

  Veri akışları ile ETL mantığı, hizmetlerde birinci sınıf yapıt Microsoft Power Platform ve ayrılmış yazma ve yönetim deneyimleri içerir. İş analistleri, IŞ uzmanları ve veri bilimcileri, veri akışlarını kullanarak en karmaşık veri hazırlama zorluklarını ele alır ve bu görevler için geleneksel olarak gerekli olanın çok daha küçük bir bölümünü ele alan tüm dönüştürme ve bağımlılık mantığını ele alan devrim niteliğinde model odaklı hesaplama altyapısı sayesinde birbirlerinin çalışmalarını temel alır. Veri akışlarını oluşturmak için, veri akışlarının iyi bilinen, self servis veri hazırlama deneyimini Power Query. Veri akışları sırasıyla Power BI veya Power Apps'da uygulama çalışma alanlarında veya ortamlarda oluşturulur ve kolayca yönetilir. Bu hizmetler, izin yönetimi ve zamanlanmış yenilemeler gibi tüm özelliklerden sahiptir.

• Dataverse veya Azure Data Lake Depolama'a veri yükleme: Kullanım durumuna bağlı olarak, Power Platform veri akışları tarafından hazırlanan verileri Dataverse'de veya kuruluşun Azure Data Lake Depolama hesabında depoabilirsiniz:

  • Dataverse, iş uygulamaları tarafından kullanılan verileri güvenli bir şekilde depolama ve yönetmenizi sağlar. Dataverse içindeki veriler bir tablo kümesinde depolanır. Tablo, bir satır kümesidir (eski adı kayıt) ve sütunlardır (eski adı alanlar/öznitelikler). Tablodaki her sütun ad, yaş, maaş gibi belirli bir veri türünü depolar. Dataverse, tipik senaryoları içeren temel bir standart tablo kümesi içerir, ancak ayrıca, özel tablolar da oluşturabilir ve veri akışlarını kullanarak bunları verilerle kapsayabilirsiniz. Uygulama üreticileri daha sonra Power Apps ve Power Automate kullanarak zengin uygulamalar derlemek için bu verileri kullanabilir.

  • Azure Data Lake Depolama, Power BI, Azure Data ve AI hizmetlerini kullanarak veya gölden veri okumak için özel olarak Business Applications veri kullanan özel Business Applications işbirliğine olanak sağlar. Azure Data Lake depolama hesabına veri yük Depolama veri akışları, Common Data Model depolar. Common Data Model klasörleri, veri değişimini kolaylaştırmak ve paylaşılan depolama katmanı olarak bir kuruluşun Azure Data Lake Depolama hesabında depolanan verileri üreten veya tüketen hizmetler arasında tam birlikte çalışabilirliği etkinleştirmek için standartlaştırılmış bir biçimde şemalanmış veriler ve meta veriler içerir.

• Azure ile Gelişmiş Analiz ve AI: Power Platform veri akışları, verileri Dataverse veya Azure Data Lake Depolama'de depolar. Bu, veri akışları aracılığıyla edinilen verilerin artık veri mühendislerinin ve veri bilimcilerinin gelişmiş analiz için Azure Machine Learning, Azure Databricks ve Azure SQL Data Warehouse gibi Azure Veri Hizmetleri'nin tüm gücüyle kullanılabilir olduğu anlamına — gelir ve AI. Bu, iş analistlerinin, veri mühendislerinin ve veri bilimcilerinin kuruluşlarında aynı veriler üzerinde işbirliği yapmalarını sağlar.

• Veri Common Data Model desteği: Common Data Model, uygulamaların ve iş süreçleri arasında verilerin tutarlılığını ve anlamını sağlamak için bir dizi standartlaştırılmış veri şeması ve meta veri sistemidir. Veri akışları, Common Data Model herhangi bir şekildeki verilerden Hesap ve Kişi gibi standart Common Data Model varlıklara kolay eşleme sunarak veri akışlarını destekler. Veri akışları, hem standart hem de özel varlıklar olmak üzere verileri şemaya Common Data Model sağlar. İş analistleri standart şemadan ve semantik tutarlılığının avantajına sahip olabilir veya varlıklarını kendi benzersiz ihtiyaçlarına göre özel hale getirebilirsiniz. Common Data Model Veri Girişimi kapsamında gelişmeye devam eder.

Hizmetlerde veri Microsoft Power Platform özellikleri

Veri akışı yeteneklerinin çoğu hem veri akışı Power Apps hem de Power BI. Veri akışları, bu hizmetlerin planlarının bir parçası olarak kullanılabilir. Bazı veri akışı özellikleri ürüne özgüdür veya farklı ürün planlarında kullanılabilir. Aşağıdaki tabloda veri akışı özellikleri ve bunların kullanılabilirliği açıkmektedir.

Veri akışları hakkında daha fazla bilgi Power Apps:

• Power Apps'de self servis veri hazırlığı
• Veri akışlarını oluşturma ve Power Apps
• Azure Data Lake Storage 2. Nesil'i veri akışı depolamasına bağlama
• Dataverse'de bir tabloya veri eklemek için Power Query
• Veri akışı Power Apps ziyaret edin ve ne yaptığını paylaşın, soru sorun veya yeni fikirler gönderin
• Veri akışı Power Apps forumlarını ziyaret edin ve ne yaptığını paylaşın, soru sorun veya yeni fikirler gönderin

Veri akışları hakkında daha fazla bilgi Power BI:

• Power BI’da self servis veri hazırlığı
• Power BI’da veri akışları oluşturma ve kullanma
• Veri akışları teknik e-ci
• Veri akışları adım adım kılavuz için ayrıntılı video
• Veri Power BI topluluğunuzu ziyaret edin ve ne yaptığını paylaşın, soru sorun veya yeni fikirler gönderin

Sonraki adımlar

Aşağıdaki makalelerde, veri akışlarının yaygın kullanım senaryoları daha ayrıntılı olarak ele alınır.

• Veri akışları ile artımlı yenilemeyi kullanma
• Veri akışlarında hesaplanan varlıklar oluşturma
• Bağlan için veri kaynaklarına erişim
• Veri akışları arasındaki varlıkları ilişkilendirme

Common Data Model ve Common Data Model klasörü standardı hakkında daha fazla bilgi için aşağıdaki makaleleri okuyun:

• Common Data Model - genel bakış
• Common Data Model klasörleri
• Common Data Model klasör modeli dosya tanımı