Nota
L'accés a aquesta pàgina requereix autorització. Podeu provar d'iniciar la sessió o de canviar els directoris.
L'accés a aquesta pàgina requereix autorització. Podeu provar de canviar els directoris.
El Microsoft Dataverse proporciona una abstracció que permet treballar amb qualsevol tipus de dades, incloses relacionals, no relacionals, imatges, fitxers, cerca relativa o llac de dades. No cal entendre el tipus de dades, ja que el Dataverse exposa un conjunt de tipus de dades que us permeten crear el vostre model. El tipus d'emmagatzematge està optimitzat per al tipus de dades escollit.
Les dades es poden importar i exportar fàcilment amb fluxos de dades, Power Query i Azure Data Factory. Els clients del Dynamics també poden utilitzar el servei d'exportació de dades.
El Dataverse també té un connector per al Power Automate i l'Azure Logic Apps que es pot utilitzar amb els centenars d'altres connectors d'aquests serveis per a serveis locals, d'infraestructura com a servei (IaaS), de plataforma com a servei (PaaS) o de programari com a servei (SaaS). Això inclou fonts a Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, text/CSV, llistes del SharePoint, bases de dades SQL Server, Oracle, MySQL, PostgreSQL, Blockchain i Azure Synapse Analytics.
Model de dades comunes
Si alguna vegada heu hagut de reunir dades de diversos sistemes i aplicacions, sabeu la tasca costosa i que requereix molt de temps. Sense poder compartir i entendre les mateixes dades fàcilment, cada aplicació o projecte d'integració de dades requereix una implementació personalitzada.
El Common Data Model proporciona una arquitectura de referència que pretén racionalitzar aquest procés proporcionant un llenguatge de dades compartit per a les aplicacions empresarials i analítiques. El sistema de metadades del Common Data Model permet que les dades i el seu significat es comparteixin entre aplicacions i processos de negoci com ara el Power Apps, el Power BI, el Dynamics 365 i l'Azure.
El Common Data Model inclou un conjunt d'esquemes de dades estandarditzats i extensibles que Microsoft i els seus socis han publicat. Aquesta col·lecció d'esquemes predefinits inclou taules, atributs, metadades semàntiques i relacions. Els esquemes representen conceptes i activitats d'ús habitual, com ara Compte i Campanya, per simplificar la creació, l'agregació i l'anàlisi de dades.
Els esquemes del Common Data Model es poden utilitzar per informar la creació de taules al Dataverse. Les taules resultants seran compatibles amb les aplicacions i les anàlisis orientades a aquesta definició de Common Data Model.
La imatge següent mostra alguns elements de les taules estàndard del Common Data Model.
Taules
Al Dataverse, les taules s'utilitzen per modelar i administrar dades empresarials. Per augmentar la productivitat, el Dataverse inclou un conjunt de taules conegudes com a taules estàndard. Aquestes taules estan dissenyades, d'acord amb les millors pràctiques, per capturar els conceptes i escenaris més comuns dins d'una organització. Les taules estàndard s'adhereixen al Common Data Model.
Un conjunt de taules que s'utilitzen habitualment en tots els sectors, com ara l'usuari i l'equip, s'inclouen al Dataverse i es coneixen com a taules estàndard. Aquestes taules de fàbrica també es poden personalitzar, com ara incloure columnes addicionals. A més, podeu crear fàcilment les vostres pròpies taules personalitzades al Dataverse.
Columnes
Les columnes defineixen els elements de dades individuals que es poden utilitzar per emmagatzemar dades en una taula. Els desenvolupadors de vegades anomenen atributs. Una taula que representa un curs d'una universitat pot contenir columnes com ara "Nom", "Ubicació", "Departament", "Estudiants registrats", etc.
Les columnes poden tenir diferents tipus de dades, com ara números, cadenes, dades digitals, imatges i fitxers. No cal mantenir les dades relacionals i no relacionals separades artificialment si formen part del mateix procés o flux de negoci. El Dataverse emmagatzema les dades en el millor tipus d'emmagatzematge per al model creat.
Cadascuna d'aquestes columnes es pot associar amb un dels molts tipus de dades admesos pel Dataverse.
Més informació: Tipus de columnes
Relacions
Les dades d'una taula sovint es relacionen amb les dades d'una altra taula. Les relacions de taula defineixen com es poden relacionar les files entre si al model del Dataverse.
El Dataverse proporciona dissenyadors visuals fàcils d'utilitzar per definir els diferents tipus de relacions d'una taula a una altra (o entre una taula i ella mateixa). Cada taula pot tenir una relació amb més d'una taula i cada taula pot tenir més d'una relació amb una altra taula.
Els tipus de relació són:
Diversos a un: en aquest tipus de relació, molts registres de taula A es poden associar amb un sol registre de taula B. Per exemple, una classe d'estudiants té una sola aula.
Un a diversos: en aquest tipus de relació, un sol registre de taula B es pot associar amb molts registres de taula A. Per exemple, un sol professor imparteix moltes classes.
Diversos a diversos: en aquest tipus de relació, cada registre de la taula A pot coincidir amb més d'un registre de la taula B i viceversa. Per exemple, els alumnes assisteixen a moltes classes i cada classe pot tenir diversos alumnes.
Com que les relacions de diversos a un són les més habituals, el Dataverse proporciona un tipus de dades específic anomenat cerca, que no només facilita la definició d'aquesta relació, sinó que afegeix productivitat a la creació de formularis i aplicacions.
Per obtenir més informació sobre la creació de relacions de taula, vegeu Crear una relació entre taules.
Les organitzacions sovint han de complir diverses regulacions per garantir la disponibilitat de l'historial d'interacció amb el client, els registres d'auditoria, els informes d'accés i els informes de seguiment d'incidents de seguretat. És possible que les organitzacions vulguin fer un seguiment dels canvis en les dades del Dataverse amb finalitats analítiques i de seguretat.
El Dataverse proporciona una capacitat d'auditoria on els canvis a les taules i les dades d'atributs d'una organització es poden filar al llarg del temps per utilitzar-los en anàlisis i informes. L'auditoria és compatible amb totes les taules i atributs personalitzats i més personalitzables. L'auditoria no és compatible amb els canvis de metadades, les operacions de recuperació, les operacions d'exportació o durant l'autenticació. Per obtenir informació sobre com configurar l'auditoria, aneu a Administrar l'auditoria del Dataverse.
El Dataverse admet l'anàlisi proporcionant la capacitat de triar taules per executar els models d'aprenentatge automàtic. Té una capacitat d'IA preconstruïda a través d'AI Builder.
Buscar
El Dataverse ofereix tres maneres de consultar files:
Cerca del Dataverse
Cerca ràpida (d'una sola taula o de diverses taules)
Cerca avançada
Nota
La cerca ràpida de diverses taules també s'anomena cerca categoritzada.
Per obtenir més informació, vegeu Comparar cerques.
Cerca del Dataverse
La cerca del Dataverse ofereix resultats ràpids i complets en diverses taules d'una sola llista, ordenades per rellevància. Utilitza un servei de cerca dedicat extern al Dataverse (amb tecnologia d'Azure) per augmentar el rendiment de la cerca.
La cerca del Dataverse ofereix les millores i avantatges següents:
Millora el rendiment mitjançant la indexació externa i la tecnologia de cerca de l'Azure.
Cerca coincidències amb qualsevol paraula del terme de cerca de qualsevol columna de la taula, en comparació amb la cerca ràpida on totes les paraules del terme de cerca s'han de trobar en una columna.
Troba coincidències que inclouen paraules flexionals com ara reproduir, reproduir o reproduir.
Retorna resultats de totes les taules que es poden cercar en una sola llista ordenades per rellevància, de manera que com millor sigui la coincidència, més alt apareixerà el resultat a la llista. Una coincidència té una rellevància més gran si es troben més paraules del terme de cerca molt a prop les unes de les altres. Com més petita sigui la quantitat de text on es troben les paraules de cerca, més gran serà la rellevància. Per exemple, si trobeu les paraules de cerca en el nom i l'adreça d'una empresa, pot ser que coincideixi millor que trobar les mateixes paraules en un article llarg, allunyades les unes de les altres.
Destaca les coincidències a la llista de resultats. Quan un terme de cerca coincideix amb un terme d'una fila, el terme es mostra en negreta i cursiva als resultats de la cerca.
Per obtenir més informació sobre la cerca del Dataverse, vegeu Ús de la cerca del Dataverse per cercar files.
Cerca ràpida
El Dataverse inclou la capacitat de cercar files ràpidament i té enfocaments que cercaran només un tipus de taula, com ara client, o s'utilitzaran per cercar en diversos tipus de taules alhora, com ara contactes, usuaris, clients, etc.
La cerca ràpida d'una sola taula s'utilitza per cercar files d'un sol tipus. Aquesta opció de cerca està disponible des d'una visualització.
La cerca ràpida de diverses taules (cerca categoritzada) també s'utilitza per cercar files, però les trobarà en diferents tipus de taules, com ara comptes o contactes.
Llac de dades
El Dataverse admet la replicació contínua de dades de taules a l'Azure Data Lake Storage, que després es pot utilitzar per executar anàlisis com ara informes del Power BI, aprenentatge automàtic, emmagatzematge de dades i altres processos d'integració aigües avall.
Aquesta funció està dissenyada per a l'anàlisi de dades massives empresarials. És rendible, escalable, té alta disponibilitat i capacitats de recuperació de desastres i permet el millor rendiment d'anàlisi de la seva classe.
Les dades s'emmagatzemen en el format del Common Data Model, que proporciona coherència semàntica entre aplicacions i implementacions. Les metadades estandarditzades i les dades autodescriptives del Common Data Model faciliten el descobriment de metadades i la interoperabilitat entre productors i consumidors de dades, com ara Power BI, Data Factory, Azure Databricks i Azure Machine Learning.