Einführung in Datamarts
Geschäftsbenutzer verlassen sich stark auf zentral geregelte Datenquellen, die von IT-Teams erstellt wurden, aber es kann Monate dauern, bis eine IT-Abteilung eine Änderung in einer bestimmten Datenquelle liefert. Als Reaktion darauf greifen Benutzer häufig auf von ihnen selbst erstellte Datamarts mit Access-Datenbanken, lokalen Dateien, SharePoint-Websites und Kalkulationstabellen zurück. Dies führt zu mangelnder Governance und ordnungsgemäßer Aufsicht, um sicherzustellen, dass solche Datenquellen unterstützt werden und eine angemessene Leistung haben.
Datamarts helfen dabei, die Lücke zwischen Geschäftsbenutzern und IT zu überbrücken. Datamarts sind Self-Service-Analyselösungen, sodass Benutzer Daten speichern und untersuchen können, die in einer vollständig verwalteten Datenbank geladen werden. Datamarts bieten eine einfache und optional codefreie Möglichkeit, Daten aus unterschiedlichen Datenquellen zu erfassen, die Daten mithilfe von Power Query zu extrahieren, zu transformieren und zu laden (ETL) und sie dann in eine Azure SQL Datenbank zu laden, die vollständig verwaltet wird und keine Optimierung erfordert.
Nachdem Daten in einen Datamart geladen wurden, können Sie zusätzlich Beziehungen und Richtlinien für Business Intelligence und Analysen definieren. Datamarts generieren automatisch ein Dataset oder semantisches Modell, das zum Erstellen von Power BI-Berichten und Dashboards verwendet werden kann. Sie können auch einen Datamart mithilfe eines T-SQL-Endpunkts oder einer visuellen Oberfläche abfragen.
Datamarts bieten folgende Vorteile:
- Self-Service-Benutzer können relationale Datenbankanalysen ganz einfach ausführen, ohne dass ein Datenbankadministrator erforderlich ist.
- Datamarts bieten End-to-End-Datenerfassung, Aufbereitung und Durchsuchung mit SQL, auch ohne Code.
- Sie ermöglichen die Erstellung von semantischen Modellen und Berichten in einer ganzheitlichen Umgebung.
Features von Datamarts:
- 100 % webbasiert, keine andere Software erforderlich
- Ein codefreies Umfeld, das zu einem vollständig verwalteten Datamart führt
- Automatisierte Leistungsoptimierung
- Integriertes Visual und SQL-Abfrage-Editor für Ad-hoc-Analysen
- Unterstützung für SQL und andere beliebte Clienttools
- Native Integration mit Power BI, Microsoft Office und anderen Microsoft-Analyseangeboten
- Enthalten mit Power BI Premium-Kapazitäten und Premium-Einzelbenutzerlizenz
Empfohlene Verwendung von Datamarts
Datamarts sind auf interaktive Datenworkloads für Self-Service-Szenarios ausgerichtet. Wenn Sie beispielsweise in der Buchhaltung oder im Finanzwesen arbeiten, können Sie eigene Datenmodelle und Sammlungen erstellen, die Sie dann verwenden können, um geschäftliche Fragen und Antworten über T-SQL und visuelle Abfragen selbst zu stellen bzw. zu beantworten. Darüber hinaus können Sie diese Datensammlungen weiterhin für die herkömmliche Power BI-Berichterstellung verwenden. Datamarts werden für Kunden empfohlen, die domänenorientierten, dezentralen Datenbesitz und die entsprechende Architektur benötigen, z. B. Benutzer, die Daten als Produkt oder eine Self-Service-Datenplattform benötigen.
Datamarts sind für die Unterstützung folgender Szenarios vorgesehen:
Abteilungsinterne Self-Service-Daten: Zentralisieren kleiner bis mittlerer Datenmengen (ca. 100 GB) in einer vollständig verwalteten Self-Service-SQL-Datenbank. Mit Datamarts können Sie einen einzelnen Speicher für nachgelagerte Self-Service-Berichtsanforderungen (z. B. Excel, Power BI-Berichte, andere) festlegen, wodurch die Infrastruktur in Self-Service-Lösungen reduziert wird.
Relationale Datenbankanalysen mit Power BI: Zugreifen auf die Daten eines Datamarts mithilfe externer SQL-Clients. Azure Synapse und andere Dienste/Tools, die T-SQL verwenden, können auch Datamarts in Power BI verwenden.
End-to-End-Semantikmodelle: Ermöglichen Sie Power BI-Erstellern, End-to-End-Lösungen ohne Abhängigkeiten von anderen Tools oder IT-Teams zu erstellen. Für Datamarts ist es nicht mehr erforderlich, die Orchestrierung zwischen Dataflows und Semantikmodellen über automatisch generierte Semantikmodelle zu verwalten, während ein visuelles Umfeld zum Abfragen von Daten und Ad-hoc-Analysen bereitgestellt wird, alles gestützt von Azure SQL DB.
In der folgenden Tabelle werden diese Angebote und die jeweils besten Verwendungsmöglichkeiten beschrieben, einschließlich ihrer Rolle bei Datamarts.
| Element | Empfohlener Anwendungsfall | Ergänzende Rolle bei Datamarts |
|---|---|---|
| Datamarts | Benutzerbasiertes Data Warehousing und SQL-Zugriff auf Ihre Daten | Datamarts können mithilfe des SQL-Endpunkts als Quellen für andere Datamarts oder Elemente verwendet werden:
|
| Dataflows | Wiederverwendbare Datenvorbereitung (ETL) für Semantikmodelle oder Marts | Datamarts verwenden einen einzigen integrierten Dataflow für ETL. Dataflows können dies akzentuieren, indem sie Folgendes aktivieren:
|
| Semantikmodelle | Metriken und semantische Ebene für BI-Berichte | Datamarts stellen ein automatisch generiertes Semantikmodell für die Berichterstellung bereit, sodass Folgendes ermöglicht wird:
|
Integrieren von Datamarts und Dataflows
In einigen Fällen kann es nützlich sein, sowohl Dataflows als auch Datamarts in dieselbe Lösung zu integrieren. In den folgenden Situationen könnte die Integration von Dataflows und Datamarts vorteilhaft sein:
Für Lösungen mit vorhandenen Dataflows:
- Daten ganz einfach mit Datamarts verwenden, um zusätzliche Transformationen anzuwenden oder Ad-hoc-Analysen und Abfragen mithilfe von SQL-Abfragen zu ermöglichen
- Einfache Integration einer codefreien Data Warehousing-Lösung ohne Verwaltung von Semantikmodellen
Für Lösungen mit vorhandenen Datamarts:
- Wiederverwendbares ETL (Extrahieren, Transformieren und Laden) im großen Stil für große Datenmengen durchführen
- Eigenen Data Lake und Dataflows als Pipeline für Datamarts verwenden
Dataflows und Datamarts im Vergleich
In diesem Abschnitt werden die Unterschiede zwischen Dataflows und Datamarts beschrieben.
Dataflows bieten wiederverwendbares ETL (Extrahieren, Transformieren und Laden). Tabellen können ohne Semantikmodell nicht durchsucht, abgefragt oder untersucht, jedoch für die Wiederverwendung definiert werden. Die Daten werden im Power BI- oder CDM-Format verfügbar gemacht, wenn Sie Ihren eigenen Data Lake verwenden. Dataflows werden von Power BI verwendet, um Daten in Ihren Datamarts zu erfassen. Verwenden Sie Dataflows immer dann, wenn Sie Ihre ETL-Logik wiederverwenden möchten.
Verwenden Sie Dataflows, wenn Sie Folgendes benötigen:
- Erstellen einer wiederverwendbaren und freigegebenen Datenaufbereitung für Elemente in Power BI.
Datamarts sind eine vollständig verwaltete Datenbank, mit der Sie Ihre Daten in einer relationalen und vollständig verwalteten Azure SQL DB speichern und untersuchen können. Datamarts bieten SQL-Unterstützung, einen visuellen Abfrage-Designer ohne Code, Sicherheit auf Zeilenebene und die automatische Generierung eines Semantikmodells für jeden Datamart. Sie können Ad-hoc-Analysen durchführen und Berichte erstellen, alle im Web.
Verwenden Sie Datamarts, wenn Sie Folgendes benötigen:
- Sortieren, Filtern, einfache Aggregation visuell oder über Ausdrücke, die in SQL definiert sind
- Für Ausgaben mit Ergebnissen, Sätzen, Tabellen und gefilterten Datentabellen
- Bereitstellen zugänglicher Daten über einen SQL-Endpunkt
- Aktivieren von Benutzern, die keinen Zugriff auf Power BI Desktop haben
Zugehöriger Inhalt
Dieser Artikel hat Ihnen einen Überblick über Datamarts und die vielfältigen Verwendungsmöglichkeiten verschafft.
In den folgenden Artikeln finden Sie weitere Informationen zu Datamarts und Power BI:
- Grundlegendes zu Datamarts
- Erste Schritte mit Datamarts
- Analysieren von Datamarts
- Erstellen von Berichten mit Datamarts
- Zugriffssteuerung in Datamarts (Vorschau)
- Verwaltung von Datamarts
- Microsoft Fabric-Entscheidungsleitfaden: Data Warehouse oder Lakehouse
Weitere Informationen zu Dataflows und zum Transformieren von Daten finden Sie in den folgenden Artikeln: