Del via

Implementer medaljonsarkitektur med materialiserede søvisninger

I dette selvstudium beskrives trinene og overvejelserne i forbindelse med implementering af en medaljonsarkitektur ved hjælp af materialiserede visninger af søen. I slutningen af dette selvstudium lærer du de vigtigste funktioner og funktioner i materialiserede lakevisninger og kan oprette en automatiseret arbejdsproces til datatransformation. Dette selvstudium er ikke beregnet til at være en referencearkitektur, en udtømmende liste over funktioner og funktionalitet eller en anbefaling af specifikke bedste fremgangsmåder.

Forudsætninger

Som forudsætninger for dette selvstudium skal du udføre følgende trin:

  1. Log på din Power BI-konto , eller hvis du endnu ikke har en konto, kan du tilmelde dig en gratis prøveversion.
  2. Aktivér Microsoft Fabric i din lejer. Vælg power BI-standardikonet nederst til venstre på skærmen, og vælg Fabric.
  3. Opret et Microsoft Fabric-aktiveret arbejdsområde.
  4. Vælg et arbejdsområde under fanen Arbejdsområder, vælg derefter + Nyt element, og vælg Pipeline. Angiv et navn til pipelinen, og vælg Opret.
  5. Opret et Lakehouse med skemaer aktiveret. Navngiv det SalesLakehouse , og indlæs eksempeldatafiler i Lakehouse. Du kan få flere oplysninger i Lakehouse-selvstudiet.

Oversigt over scenarie

I dette selvstudium skal du tage et eksempel på en fiktiv detailorganisation, Contoso, som bruger en medaljonsarkitektur til dataanalyse til at få handlingsbaseret indsigt i dens detailsalgshandlinger. Det har til formål at strømline analyseprocessen og generere dybere indsigt i virksomhedens ydeevne ved at organisere deres data i tre lag – bronze (rå data), sølv (rensede og forbedrede data) og guld (aggregerede og analyserede data).

Følgende diagram repræsenterer forskellige enheder i hvert lag af medaljonsarkitektur i SalesLakehouse:

Skærmbillede, der viser medaljonsarkitektur.

Enheder

  1. Ordrer: Denne enhed indeholder oplysninger om hver kundeordre, f.eks. ordredato, forsendelsesoplysninger, produktkategori og underkategori. Der kan drages indsigt for at optimere forsendelsesstrategier, identificere populære produktkategorier og forbedre ordrestyringen.

  2. Salg: Ved at analysere salgsdata kan Contoso vurdere vigtige målepunkter, f.eks. samlet omsætning, avance, ordreprioriteter og rabatter. Korrelationer mellem disse faktorer giver en tydeligere forståelse af kundernes købsadfærd og effektiviteten af rabatstrategier.

  3. Placering: Dette registrerer den geografiske dimension af salg og ordrer, herunder byer, stater, områder og kundesegmenter. Det hjælper Contoso med at identificere områder med høj ydeevne, håndtere områder med lav ydeevne og tilpasse strategier for bestemte kundesegmenter.

  4. Agentydeevne: Med oplysninger om agenter, der administrerer transaktioner, deres provisioner og salgsdata, kan Contoso evaluere individuel agentydeevne, tilskynde toppræstationer og designe effektive provisionsstrukturer.

  5. Agentprovisioner: Indarbejdelse af provisionsdata sikrer gennemsigtighed og muliggør bedre omkostningsstyring. Forståelse af sammenhængen mellem provisionssatser og agentydeevne hjælper med at finjustere incitamentssystemer.

Eksempeldatasæt

Contoso vedligeholder rå data om detailhandlinger i CSV-format i ADLS Gen2. Vi bruger disse data til at oprette bronzelaget og derefter bruge bronzelaget til at skabe de materialiserede søvisninger, der udgør sølv- og guldlag i medaljonsarkitekturen. Download først CSV-eksempelfilerne fra lageret med Fabric-eksempler.

Opret pipelinen

Trinnene på højt niveau er som følger:

  1. Bronzelag: Indfødning af rå data i form af CSV-filer i lakehouse.
  2. Silver Layer: Rens data ved hjælp af materialiserede søvisninger.
  3. Guldlag: Organiser data til analyse og rapportering ved hjælp af materialiserede søvisninger.

Opret bronzelag af medaljonsarkitektur til salgsanalyse

  1. Indlæs de CSV-filer, der svarer til forskellige enheder, fra de downloadede data i Lakehouse. Det gør du ved at navigere til dit lakehouse og uploade de downloadede data til afsnittet Filer i lakehouse. Der oprettes en mappe med navnet selvstudium.

  2. Opret derefter en genvej til den fra afsnittet Tabeller . Vælg ... ud for afsnittet Tabeller , og vælg Ny skemagenvej og derefter Microsoft OneLake. Vælg SalesLakehouse fra datakildetyperne. Udvid afsnittet Filer, og vælg mappen med selvstudier , og vælg Opret. Du kan også bruge andre alternative indstillinger til at hente data ind i Lakehouse.

    Skærmbillede, der viser, hvordan du opretter en genvej til at hente dataene ind i tabeller.

  3. I afsnittet Tabeller skal du omdøbe mappen med selvstudiet til bronze.

    Skærmbillede, der viser oprettelse af bronzelag.

Opret sølv- og guldlag af medaljonsarkitektur

  1. Upload den downloadede notesbogfil til dit arbejdsområde.

    Skærmbillede, der viser oprettelse af søvisning i sølv materialiseret.

  2. Åbn notesbogen fra Lakehouse. Du kan finde flere oplysninger under Udforsk lakehouse-dataene med en notesbog.

  3. Kør alle celler i notesbogen ved hjælp af Spark SQL for at oprette materialiserede lakevisninger med datakvalitetsbegrænsninger. Når alle celler er udført, skal du opdatere SalesLakehouse-kilden for at få vist de nyoprettede materialiserede søvisninger for sølv- og guldskema .

    Skærmbillede, der viser kørselsnotesbogen.

Planlæg pipelinen

  1. Når de materialiserede søvisninger for sølv- og guldlag er oprettet, skal du navigere til søhuset og vælge Administreret materialiseret søvisning for at se afstamningsvisningen. Den genereres automatisk på baggrund af afhængigheder, og hver afhængige materialiserede visning af søen danner noderne i afstamningen.

    Skærmbillede, der viser materialiseret visning af søen.

    Skærmbillede, der viser oprettelse af afstamning.

  2. Vælg Tidsplan på navigationsbåndet. Slå opdateringen til, og konfigurer tidsplanen.

    Skærmbillede, der viser planlægningskørslen af de materialiserede visninger af søen.

Overvågning og fejlfinding

  1. I rullemenuen vises de aktuelle og historiske kørsler.

    Skærmbillede, der viser udførelse af planlægning.

  2. Når du vælger en af kørslerne, kan du finde de materialiserede oplysninger om visning af søen i højre sidepanel. Nederste aktivitetspanel giver et overblik over status for nodeudførelse på højt niveau.

    Skærmbillede, der viser udførelsesoplysninger.

  3. Vælg en node i afstamningen for at se detaljerne for nodeudførelsen og linke til detaljerede logge. Hvis nodestatussen er Mislykket, vises der også en fejlmeddelelse.

    Skærmbillede, der viser udførelsesdetaljelogge.

  4. Hvis du vælger linket Detaljerede logge , omdirigeres du til Monitor Hub , hvorfra du kan få adgang til Spark-fejllogge for yderligere fejlfinding.

    Skærmbillede, der viser spark-logge.

  5. Vælg knappen Datakvalitetsrapport på båndet på siden med materialiserede visninger af søen for at oprette eller få vist en rapport med automatisk genereret datakvalitet.

  • Last updated on