Datamarts 簡介

商務使用者嚴重依賴資訊技術小組（IT）所建置的集中控管數據源，但 IT 部門可能需要數月的時間才能提供指定數據源的變更。 對此，使用者通常會使用 Access 資料庫、本機檔案、SharePoint 網站和電子錶格來建置自己的數據超市，導致缺乏治理和適當的監督，以確保支援這類數據源並具有合理的效能。

Datamarts 有助於彌合商務使用者與IT之間的差距。 Datamarts 是自助分析解決方案，可讓用戶儲存及探索完全受控資料庫中載入的數據。 Datamarts 提供簡單且選擇性的無程式代碼體驗來內嵌來自不同數據源的數據、使用 Power Query 擷取轉換和載入 （ETL） 數據，然後將它載入完全受控且不需要微調或優化的 Azure SQL 資料庫。

將數據載入 Datamart 後，您可以另外定義商業智慧和分析的關聯性和原則。 Datamarts 會自動產生語意模型或語意模型，可用來建立 Power BI 報表和儀錶板。 您也可以使用 T-SQL 端點或使用視覺體驗來查詢數據超市。

Datamarts 提供下列優點：

• 自助使用者可以輕鬆地執行關係資料庫分析，而不需要資料庫管理員
• Datamarts 提供端對端數據擷取、準備和探索與 SQL，包括無程式代碼體驗
• 在一個整體體驗中啟用建置語意模型和報表

Datamart 功能：

• 100% 網頁型，不需要其他軟體
• 無程式代碼體驗，導致完全受控的數據超市
• 自動化效能微調
• 用於臨機操作分析的內建視覺效果和 SQL 查詢編輯器
• 支援 SQL 和其他熱門用戶端工具
• 原生與 Power BI、Microsoft Office 和其他 Microsoft 分析供應專案整合
• 隨附於Power BI 進階版容量和每位使用者的 進階版

使用 Datamarts 的時機

Datamart 是以自助案例的互動式數據工作負載為目標。 例如，如果您正在會計或財務工作，您可以建置自己的數據模型和集合，然後透過 T-SQL 和視覺查詢體驗來自助處理商務問題和解答。 此外，您仍然可以使用這些數據集合來取得更傳統的 Power BI 報告體驗。 對於需要網域導向、分散式數據擁有權和架構的客戶，例如需要數據做為產品或自助數據平臺的用戶，建議使用 Datamart。

Datamart 的設計訴求是支援下列案例：

• 部門自助數據： 在自助完全受控 SQL 資料庫中集中小型到中等數據量（約 100 GB）。 Datamarts 可讓您為自助部門下游報告需求指定單一存放區（例如 Excel、Power BI 報表等），藉此減少自助解決方案中的基礎結構。

• 使用 Power BI 進行關係資料庫分析： 使用外部 SQL 用戶端存取 Datamart 的數據。 使用 T-SQL 的 Azure Synapse 和其他服務/工具也可以在 Power BI 中使用 Datamarts。

• 端對端語意模型： 讓Power BI 建立者不需要相依於其他工具或IT小組，即可建置端對端解決方案。 Datamarts 可透過自動產生的語意模型來管理數據流和語意模型之間的協調流程，同時提供查詢數據和臨機操作分析的視覺體驗，全部都由 Azure SQL DB 支援。

下表說明這些供應專案，以及每個供應專案的最佳使用方式，包括其與 Datamarts 的角色。

項目	建議的使用案例	使用 Datamart 補充角色
資料超市	用戶型數據倉儲和 SQL 存取您的數據	Datamarts 可以使用 SQL 端點作為其他數據超市或專案的來源： 外部共用 啟用安全性跨部門或組織界限共用
資料流程	語意模型或超市的可重複使用資料準備 （ETL）	Datamarts 會針對 ETL 使用單一內建數據流。 數據流可以強調這一點，啟用： 使用不同的重新整理排程將數據載入數據超市 將 ETL 和數據準備步驟與記憶體分開，讓語意模型可以重複使用
語意模型	BI 報告的計量和語意層	Datamarts 提供自動產生的語意模型來報告，並啟用： 結合多個來源的數據 選擇性共用數據超市數據表以進行更細緻的報告 複合模型 - 語意模型，其中包含來自 datamart 的數據和其他 Datamart 外部數據源的數據 Proxy 模型 - 使用 DirectQuery 進行自動產生模型的語意模型，使用單一事實來源

Datamarts 和數據流整合

在某些情況下，將數據流和數據超市併入相同的解決方案會很有用。 下列情況可能會發現合併數據流和數據超市都有利：

• 針對具有現有數據流的解決方案：

  • 使用 datamarts 輕鬆取用數據以套用任何其他轉換，或使用 SQL 查詢啟用臨機操作分析和查詢
  • 輕鬆整合無程式代碼數據倉儲解決方案，且不會管理語意模型

• 針對具有現有 Datamarts 的解決方案：

  • 針對大型資料磁碟區大規模執行可重複使用的擷取、轉換和載入 （ETL）
  • 自備數據湖，並使用數據流作為 Datamart 的管線

比較數據流與 Datamart

本節說明數據流與數據超市之間的差異。

數據流提供可重複使用的 擷取、轉換和載入 （ETL）。 數據表無法在沒有語意模型的情況下瀏覽、查詢或探索，但可以定義以供重複使用。 如果您攜帶自己的 Data Lake，數據會以 Power BI 或 CDM 格式公開。 Power BI 會使用數據流將數據內嵌至您的數據超市。 每當您想要重複使用 ETL 邏輯時，您應該使用資料流。

當您需要下列專案時，請使用 資料流 ：

• 為 Power BI 中的專案建置可重複使用且可共用的數據準備。

Datamarts 是完全受控的資料庫，可讓您在關係型和完全受控的 Azure SQL DB 中儲存和探索您的數據。 Datamarts 提供 SQL 支援、無程式代碼可視化查詢設計工具、數據列層級安全性 （RLS），以及每個 Datamart 的語意模型自動產生。 您可以執行臨機操作分析，並在網路上建立報表。

當您需要下列作業時，請使用 datamarts ：

• 以可視化方式或透過 SQL 中定義的運算式，排序、篩選、執行簡單的匯總
• 針對結果、集合、數據表和篩選數據數據表的輸出
• 透過 SQL 端點提供可存取的數據
• 啟用無法存取 Power BI Desktop 的使用者

相關內容

本文提供 Datamarts 的概觀，以及您可以使用它們的許多方式。

下列文章提供 datamarts 和 Power BI 的詳細資訊：

• 瞭解 datamarts
• 開始使用 datamarts
• 分析數據超市
• 使用 Datamarts 建立報表
• Datamarts 中的訪問控制
• Datamart 系統管理
• Microsoft Fabric 決策指南：數據倉儲或 Lakehouse

如需數據流和轉換資料的詳細資訊，請參閱下列文章：

• 數據流和自助數據準備簡介
• 教學課程：在 Power BI Desktop 中塑造和合併數據