Hvad er Activator?
Fabric Activator er en oplevelse uden kode i Microsoft Fabric, hvor der automatisk udføres handlinger, når der registreres mønstre eller betingelser i ændring af data. Den overvåger data i Power BI-rapporter og eventstreams, når dataene når visse tærskler eller matcher andre mønstre. Derefter udføres der automatisk en passende handling, f.eks. at give brugerne besked eller starte Power Automate-arbejdsprocesser.
Activator giver kunderne mulighed for at opbygge et digitalt nervesystem, der fungerer på tværs af alle deres data, i stor skala og rettidigt. Erhvervsbrugere kan beskrive forretningsbetingelser i en oplevelse uden kode for at starte handlinger som mail, Teams-meddelelser, Power Automate-flow og kalde ind i tredjepartshandlingssystemer. Erhvervsbrugere kan selv betjene deres behov og reducere deres afhængighed af interne it- og udviklerteams, som begge ofte er dyre og hindrer fleksibilitet. Kundeorganisationer har ikke brug for et udviklerteam til at administrere og vedligeholde brugerdefinerede løsninger til overvågning eller beskeder internt.
Nogle almindelige use cases er:
- Kør annoncer, når salg i samme butik falder.
- Alert store ledere til at flytte mad fra svigtende købmand frysere, før det ødelægger.
- Bevar kunder, der havde en dårlig oplevelse, ved at spore deres rejse gennem apps, websteder osv.
- Hjælp logistikvirksomheder med proaktivt at finde mistede forsendelser ved at starte en undersøgelsesarbejdsproces, når pakkestatus ikke opdateres i et bestemt tidsrum.
- Giv kontoteams besked, når kunderne falder i restancer med tilpassede tids- eller værdigrænser pr. kunde.
- Spor kvaliteten af datapipelines, enten ved at køre job igen eller advare, når pipelines mislykkes, eller der registreres uregelmæssigheder.
Kernebegreber
Følgende begreber bruges til at oprette og udløse automatiserede handlinger og svar i Aktivator. Du kan finde flere oplysninger om disse begreber og meget mere under Grundlæggende begreber i Aktivator.
Begivenhed
Aktivator anser alle datakilder for at være streams af hændelser. En hændelse er en observation om tilstanden for et objekt med et id for selve objektet, et tidsstempel og værdierne for de felter, du overvåger. Eventstreams varierer i frekvens fra mange gange pr. sekund for IoT-sensorer til flere sporadiske streams, f.eks. pakker, der scannes ind og ud af shipping-placeringer.
Data, der observeres fra Power BI, behandles også som en hændelsesstream. I dette tilfælde er hændelser observationer foretaget af dataene efter en almindelig tidsplan, der typisk svarer til opdateringshyppigheden for din semantiske Power BI-model (tidligere kendt som et datasæt). Disse observationer kan kun ske én gang om dagen eller endda en gang om ugen – det er bare en begivenhedsstrøm, der ændrer sig langsomt.
Objekter
De forretningsobjekter, du vil overvåge, kan være fysiske objekter, f.eks. frysere, køretøjer, pakker og brugere. Forretningsobjektet kan også være mindre håndgribelige begreber som reklamekampagner, konti og brugersessioner. I din aktivator modellerer du objektet ved at forbinde en eller flere hændelsesstreams, vælge en kolonne foxr objekt-id'et og angive de felter, du vil oprette egenskaber for objektet.
Udtrykket objektinstans henviser til en bestemt fryser/køretøj/pakke osv., hvor objektet typisk bruges til definitionen eller objektklassen. Vi bruger populationen til at referere til alle objektforekomsterne.
Regler
Regler definerer de betingelser, du vil registrere for dine objekter, og de handlinger, du vil udføre, når disse betingelser er opfyldt. En regel på et fryseobjekt kan registrere, at fryseren er for varm, og sende en mail til den relevante tekniker.
Egenskaber
Egenskaber er nyttige, når du vil genbruge logik på tværs af flere aktivatorer. Du kan definere en egenskab på et fryseobjekt, der udjævner temperaturaflæsningerne over en time. Du kan derefter bruge den udjævnede værdi i mange regler.
Relateret indhold
- Grundlæggende begreber for aktivator
- Kom i gang med Aktivator
- Hent data for Activator fra hændelsesstreams
- Selvstudium om aktivering ved hjælp af eksempeldata
Du kan også få mere at vide om Microsoft Fabric: