Einführung in Dataflows und Self-Service-Datenaufbereitung

Mit dem stets wachsenden Datenvolumen wächst auch die Herausforderung, diese Daten in gut geformte, handlungsrelevante Informationen umzuwandeln. Wir wollen Daten, die für Analysen geeignet sind, um Visuals, Berichte und Dashboards aufzufüllen, damit wir aus den Datenmengen schnell handlungsrelevante Informationen gewinnen. Mit der Self-Service-Datenaufbereitung für Big Data in Power BI wandeln Sie Daten mit wenigen Klicks in Power BI-Informationen um.

Dataflow

Gründe für die Verwendung von Dataflows

Der Entwurf von Dataflows sieht die Unterstützung folgender Szenarios vor:

  • Erstellen wiederverwendbarer Transformationslogik, die von vielen Datasets und Berichten in Power BI gemeinsam genutzt werden kann. Bei Dataflows wird die Wiederverwendbarkeit zugrunde liegender Datenelemente weitergegeben, was bedeutet, es müssen keine eigenen Verbindungen mit Ihren lokalen Datenquellen oder Ihren Datenquellen in der Cloud erstellt werden.

  • Machen Sie die Daten in Ihrem eigenen Azure Data Lake Gen 2-Speicher verfügbar. Dies ermöglicht es Ihnen, eine Verbindung anderer Azure-Dienste zu den zugrunde liegenden Rohdaten herzustellen.

  • Erstellen Sie eine Single Source of Truth, indem Data Analysts eine Verbindung zu den Dataflows herstellen müssen, anstatt eine Verbindung zu den zugrunde liegenden Systemen herstellen zu können, was Ihnen die Kontrolle darüber gibt, auf welche Daten zugegriffen werden kann und wie Daten für Berichtersteller verfügbar gemacht werden. Sie können die Daten auch branchenüblichen Definitionen zuordnen, was es Ihnen ermöglicht, sorgfältig zusammengestellte Ansichten zu erstellen, die mit anderen Dienten und Produkten in Power Platform zusammen verwendet werden können.

  • Wenn Sie mit großen Datenvolumes arbeiten und ETL-Vorgänge skaliert durchführen möchten, können Dataflows mit Power BI Premium effizienter skaliert werden, was Ihnen mehr Flexibilität bietet. Dataflows unterstützen eine große Bandbreite an Cloudquellen und lokalen Quellen.

  • Hindern Sie Data Analysts daran, direkt auf die zugrunde liegende Datenquelle zuzugreifen. Da die Berichterstellung oberhalb von Dataflows durchgeführt werden kann, ist es möglicherweise einfacher für Sie, den Zugriff auf zugrunde liegende Datenquellen nur einigen wenige Personen zu gestatten und Data Analysts dann den Zugriff auf die Dataflows zu ermöglichen, damit diese auf dieser Grundlage arbeiten können. Dieser Ansatz reduziert die Last für zugrunde liegende Systeme und ermöglicht Administratoren eine detaillierte Steuerung darüber, wann in Systemen Ladevorgänge für Aktualisierungen durchgeführt werden.

Wenn Sie einen Dataflow erstellt haben, können Sie mit Power BI Desktop und dem Power BI-Dienst Datasets, Berichte, Dashboards und Apps erstellen, die mithilfe des Common Data Model wichtige Informationen zu Ihren Geschäftsaktivitäten gewinnen. Die Planung der Dataflowaktualisierung wird direkt in dem Arbeitsbereich verwaltet, in dem der Dataflow erstellt wurde, genau wie bei Ihren Datasets.

Nächste Schritte

Dieser Artikel hat Ihnen einen Überblick über die Self-Service-Datenaufbereitung für Big Data in Power BI und die vielfältigen Verwendungsmöglichkeiten verschafft.

In den folgenden Artikeln finden Sie weitere Informationen zu Dataflows und Power BI:

Weitere Informationen zum Common Data Model finden Sie im folgenden Übersichtsartikel: