Opret og brug dataflow i Microsoft Power Platform

  • Artikel

Brug af dataflow med Microsoft Power Platform gør dataforberedelse nemmere og gør det muligt at genbruge dit arbejde med dataforberedelse i efterfølgende rapporter, apps og modeller.

I en verden af stadigt voksende data kan dataforberedelse være vanskelig og dyr. Det kan forbruge op til 60-80 procent af tiden og omkostningerne for et typisk analyseprojekt. Sådanne projekter kan kræve uoverensstemmende fragmenterede og ufuldstændige data, kompleks systemintegration, data med strukturel uoverensstemmelse og en høj barriere for færdigheder.

For at gøre dataforberedelse nemmere og for at hjælpe dig med at få mere værdi ud af dine data blev power-forespørgsels- og Power Platform-dataflow oprettet.

Screenshot showing how to select the Power Platform Dataflows connector.

Med dataflow bringer Microsoft funktionerne til selvbetjent dataforberedelse i Power Query ind i Power BI- og Power Apps-onlinetjenester og udvider eksisterende funktioner på følgende måder:

  • Selvbetjent dataforberedelse til big data med dataflow: Dataflows kan bruges til nemt at indtage, rense, transformere, integrere, forbedre og skematisere data fra en stor og stadigt voksende matrix af transaktions- og observationskilder, der omfatter al dataforberedelseslogik. Tidligere kunne etl-logik (extract, transform, load) kun inkluderes i semantiske modeller i Power BI, kopieres igen og igen mellem semantiske modeller og bundet til semantiske modelstyringsindstillinger.

    Med dataflow er ETL-logik blevet en førsteklasses artefakt i Microsoft Power Platform-tjenester og omfatter dedikerede redigerings- og administrationsoplevelser. Forretningsanalytikere, BI-teknikere og dataspecialister kan bruge dataflow til at håndtere de mest komplekse udfordringer med dataforberedelse og bygge videre på hinandens arbejde takket være et revolutionerende modeldrevet beregningsprogram. Dette program tager sig af al transformations- og afhængighedslogikbesparende tid, omkostninger og ekspertise til en brøkdel af det, der traditionelt har været påkrævet til disse opgaver. Du kan oprette dataflow ved hjælp af den velkendte selvbetjente dataforberedelsesoplevelse i Power Query. Dataflows oprettes og administreres nemt i apparbejdsområder eller -miljøer i henholdsvis Power BI eller Power Apps, der nyder godt af alle de funktioner, som disse tjenester har at tilbyde, f.eks. administration af tilladelser og planlagte opdateringer.

  • Indlæs data i Dataverse eller Azure Data Lake Storage: Afhængigt af din brugscase kan du gemme data, der er forberedt af Power Platform-dataflow på Dataverse- eller din organisations Azure Data Lake Storage-konto:

    • Med Dataverse kan du på en sikker måde gemme og administrere data, der bruges af virksomhedsprogrammer. Data i Dataverse gemmes i et sæt tabeller. En tabel er et sæt rækker (tidligere kaldet poster) og kolonner (tidligere kaldet felter/attributter). De enkelte kolonner i tabellen er designet til at gemme en bestemt type data, f.eks. navn, alder, løn osv. Dataverse indeholder et grundlæggende sæt standardtabeller, der dækker typiske scenarier, men du kan også oprette brugerdefinerede tabeller, der er specifikke for din organisation, og udfylde dem med data ved hjælp af dataflow. Appfremstillere kan derefter bruge Power Apps og Power Automate til at bygge avancerede programmer, der bruger disse data.

    • Med Azure Data Lake Storage kan du samarbejde med personer i din organisation ved hjælp af Power BI-, Azure Data- og AI-tjenester eller ved hjælp af brugerdefinerede Line of Business-programmer, der læser data fra søen. Dataflow, der indlæser data til en Azure Data Lake Storage-konto, gemmer data i Common Data Model-mapper. Common Data Model-mapper indeholder skematiserede data og metadata i et standardiseret format for at lette dataudveksling og muliggøre fuld interoperabilitet på tværs af tjenester, der producerer eller forbruger data, der er gemt på en organisations Azure Data Lake Storage-konto som det delte lagerlag.

  • Advanced Analytics og AI med Azure: Power Platform-dataflow gemmer data i Dataverse eller Azure Data Lake Storage – hvilket betyder, at data, der indtages via dataflow, nu er tilgængelige for datateknikere og dataspecialister for at anvende den fulde funktionalitet i Azure Data Services, f.eks. Azure Machine Learning, Azure Databricks og Azure Synapse Analytics til avanceret analyse og AI. Dette gør det muligt for forretningsanalytikere, datateknikere og dataspecialister at samarbejde om de samme data i deres organisation.

  • Understøttelse af Common Data Model: Common Data Model er et sæt standardiserede dataskemaer og et metadatasystem, der muliggør ensartethed af data og dens betydning på tværs af programmer og forretningsprocesser. Dataflow understøtter Common Data Model ved at tilbyde nem tilknytning fra alle data i enhver form til standardtabellerne for Common Data Model, f.eks. Konto og Kontakt. Dataflow lander også dataene, både standardtabeller og brugerdefinerede tabeller, i skematiseret Common Data Model-formular. Forretningsanalytikere kan drage fordel af standardskemaet og dets semantiske konsistens eller tilpasse deres tabeller baseret på deres unikke behov. Common Data Model udvikler sig fortsat som en del af Open Data Initiative.

Dataflowfunktioner i Microsoft Power Platform-tjenester

De fleste dataflowfunktioner er tilgængelige i både Power Apps og Power BI. Dataflow er tilgængelige som en del af disse tjenesters planer. Nogle dataflowfunktioner er enten produktspecifikke eller tilgængelige i forskellige produktplaner. I følgende tabel beskrives dataflowfunktioner og deres tilgængelighed.

Dataflowfunktionalitet Power Apps Power BI
Planlagt opdatering Op til 48 pr. dag Op til 48 pr. dag
Maksimum pr. opdateringstid for tabel Op til 2 timer Op til 2 timer
Oprettelse af dataflow med Power Query Online Ja Ja
Administration af dataflow I Power Apps-administrationsportalen På Power BI-administrationsportalen
Nye forbindelseskomponenter Ja Ja
Standardiseret skema/indbygget understøttelse af Common Data Model Ja Ja
Dataflowdata Forbind eller i Power BI Desktop Til dataflow med Azure Data Lake Storage som destination Ja
Integration med organisationens Azure Data Lake Storage Ja Ja
Integration med Dataverse Ja Nej
Sammenkædede dataflowtabeller Til dataflow med Azure Data Lake Storage som destination Ja
Beregnede tabeller (transformationer i lageret ved hjælp af M) Til dataflow med Azure Data Lake Storage som destination Kun Power BI Premium
Trinvis opdatering af dataflow For dataflow med Azure Data Lake Storage som destination kræver Power Apps Plan2 Kun Power BI Premium
Kører på Power BI Premium-kapacitet/parallel udførelse af transformationer Nej Ja

Kendte begrænsninger

  • Kopiering af dataflow som en del af en kopihandling i Power Platform-miljøer understøttes ikke.

Næste trin

Flere oplysninger om dataflow i Power Apps:

Flere oplysninger om dataflow i Power BI:

I følgende artikler beskrives mere detaljeret om almindelige brugsscenarier for dataflow.

Du kan få flere oplysninger om Common Data Model og standardmappen Common Data Model i følgende artikler: