Del via

Introduktion til datamarts

  • Artikel

Erhvervsbrugere er meget afhængige af centralt styrede datakilder, der er bygget af it-teams (IT), men det kan tage måneder for en it-afdeling at levere en ændring i en given datakilde. Som svar bruger brugerne ofte til at bygge deres egne datacentre med Access-databaser, lokale filer, SharePoint-websteder og -regneark, hvilket resulterer i manglende styring og korrekt tilsyn for at sikre, at sådanne datakilder understøttes og har en rimelig ydeevne.

Datamarts hjælper med at bygge bro mellem virksomhedsbrugere og it-brugere. Datamarts er selvbetjente analyseløsninger, der gør det muligt for brugerne at gemme og udforske data, der er indlæst i en fuldt administreret database. Datamarts giver en enkel og valgfri oplevelse uden kode til at indtage data fra forskellige datakilder, udtrække transformere og indlæse (ETL) dataene ved hjælp af Power Query og derefter indlæse dem i en Azure SQL-database, der er fuldt administreret og ikke kræver justering eller optimering.

Når data indlæses i en datamart, kan du derudover definere relationer og politikker for business intelligence og analyse. Datamarts genererer automatisk et datasæt eller en semantisk model, som kan bruges til at oprette Power BI-rapporter og -dashboards. Du kan også forespørge en datamart ved hjælp af et T-SQL-slutpunkt eller ved hjælp af en visuel oplevelse.

Diagram, der viser datamarts og power BI-relation.

Datamarts giver følgende fordele:

  • Brugere med selvbetjening kan nemt udføre relationsdatabaseanalyser uden behov for en databaseadministrator
  • Datamarts leverer dataindtagelse, forberedelse og udforskning fra ende til anden med SQL, herunder oplevelser uden kode
  • Aktivér oprettelse af semantiske modeller og rapporter i én holistisk oplevelse

Datamart-funktioner:

  • 100 % webbaseret, ingen anden software kræves
  • En oplevelse uden kode, der resulterer i et fuldt administreret datamart
  • Automatiseret justering af ydeevne
  • Indbygget visualisering og SQL Query-editor til ad hoc-analyse
  • Understøttelse af SQL og andre populære klientværktøjer
  • Oprindelig integration med Power BI, Microsoft Office og andre Microsoft-analysetilbud
  • Inkluderet i Power BI Premium-kapaciteter og Premium pr. bruger

Hvornår skal du bruge datamarts?

Datamarts er målrettet mod interaktive dataarbejdsbelastninger til selvbetjeningsscenarier. Hvis du f.eks. arbejder med regnskab eller økonomi, kan du oprette dine egne datamodeller og samlinger, som du derefter kan bruge til selvbetjening af forretningsspørgsmål og svar via T-SQL- og visuelle forespørgselsoplevelser. Derudover kan du stadig bruge disse datasamlinger til mere traditionelle Power BI-rapporteringsoplevelser. Datamarts anbefales til kunder, der har brug for domæneorienteret, decentralt dataejerskab og arkitektur, f.eks. brugere, der har brug for data som et produkt eller en selvbetjent dataplatform.

Datamarts er designet til at understøtte følgende scenarier:

  • Selvbetjente afdelingsdata: Centraliser lille til moderat datamængde (ca. 100 GB) i en fuldt administreret SQL-database med selvbetjening. Datamarts gør det muligt for dig at udpege et enkelt lager til selvbetjent afdelingsrapportering (f.eks. Excel, Power BI-rapporter, andre) og dermed reducere infrastrukturen i selvbetjente løsninger.

  • Relationsdatabaseanalyser med Power BI: Få adgang til data fra en datamart ved hjælp af eksterne SQL-klienter. Azure Synapse og andre tjenester/værktøjer, der bruger T-SQL, kan også bruge datamarts i Power BI.

  • Semantiske modeller fra ende til anden: Gør det muligt for Power BI-oprettere at bygge komplette løsninger uden afhængigheder af andre værktøjer eller it-teams. Datamarts slipper for at administrere orkestrering mellem dataflows og semantiske modeller via autogenererede semantiske modeller, samtidig med at de giver visuelle oplevelser til forespørgsler om data og ad hoc-analyse, der alle understøttes af Azure SQL DB.

I følgende tabel beskrives disse tilbud og de bedste anvendelsesmuligheder for hver enkelt, herunder deres rolle med datamarts.

Artikel Anbefalet use case Komplementerer rolle med datamarts
Datamarts Brugerbaseret datawarehousing og SQL-adgang til dine data Datamarts kan bruges som kilder til andre datamarts eller elementer ved hjælp af SQL-slutpunktet:
  • Ekstern deling
  • Deling på tværs af afdelings- eller organisationsgrænser med sikkerhed aktiveret
Dataflows ETL (Reusable Data prep) til semantiske modeller eller marts Datamarts bruger et enkelt indbygget dataflow til ETL. Dataflow kan fremhæve dette og aktivere:
  • Indlæsning af data til datamarts med forskellige opdateringsplaner
  • Adskillelse af ETL- og dataforberedelsestrin fra lager, så det kan genbruges af semantiske modeller
Semantiske modeller Målepunkter og semantisk lag til BI-rapportering Datamarts leverer en automatisk genereret semantisk model til rapportering og aktiverer:
  • Kombination af data fra flere kilder
  • Selektiv deling af datamarttabeller til detaljeret rapportering
  • Sammensatte modeller – en semantisk model med data fra datamart og andre datakilder uden for datamarten
  • Proxymodeller – en semantisk model, der bruger DirectQuery til den automatisk genererede model ved hjælp af en enkelt kilde til sandhed

Integration af datamarts og dataflow

I nogle tilfælde kan det være nyttigt at inkorporere både dataflow og datamarts i den samme løsning. I følgende situationer kan det være fordelagtigt at inkorporere både dataflow og datamarts:

  • Til løsninger med eksisterende dataflow:

    • Brug nemt dataene med datamarts til at anvende yderligere transformationer eller aktivere ad hoc-analyse og -forespørgsler ved hjælp af SQL-forespørgsler
    • Integrer nemt en løsning til datalagring uden kode uden administration af semantiske modeller

  • For løsninger med eksisterende datamarts:

    • Udfør genbrugbar udtrækning, transformering og indlæsning (ETL) i stor skala for store datamængder
    • Medbring din egen datasø, og brug dataflow som en pipeline til datamarts

Diagram, der viser datamarts og dataflow.

Sammenligning af dataflow med datamarts

I dette afsnit beskrives forskellene mellem dataflow og datamarts.

Dataflow giver mulighed for at udtrække, transformere og indlæse (ETL) igen. Tabeller kan ikke gennemses, forespørges eller udforskes uden en semantisk model, men de kan defineres til genbrug. Dataene vises i Power BI- eller CDM-format , hvis du medbringer din egen datasø. Dataflow bruges af Power BI til at indføde data i dine datamarts. Du skal bruge dataflow, når du vil genbruge din ETL-logik.

Brug dataflow , når du har brug for at:

  • Opret dataforberedelse, der kan genbruges, og som kan deles, for elementer i Power BI.

Datamarts er en fuldt administreret database, der giver dig mulighed for at gemme og udforske dine data i en relationel og fuldt administreret Azure SQL DB. Datamarts understøtter SQL, en forespørgselsdesigner uden kodevisualisering, sikkerhed på rækkeniveau (RLS) og automatisk generering af en semantisk model for hver datamart. Du kan udføre ad hoc-analyser og oprette rapporter på internettet.

Brug datamarts , når du har brug for at:

  • Sortér, filtrer, gør enkel sammenlægning visuelt eller via udtryk, der er defineret i SQL
  • For output, der er resultater, sæt, tabeller og filtrerede tabeller med data
  • Angiv tilgængelige data via et SQL-slutpunkt
  • Aktivér brugere, der ikke har adgang til Power BI Desktop

Relateret indhold

Denne artikel indeholdt en oversigt over datamarts og de mange måder, du kan bruge dem på.

Følgende artikler indeholder flere oplysninger om datamarts og Power BI:

Du kan få flere oplysninger om dataflow og transformering af data i følgende artikler: