Überblick über die Datenintegration für den 1. Veröffentlichungszyklus 2021

  • Artikel

Wichtig

Dieser Inhalt ist archiviert und wird nicht aktualisiert. Die neueste Dokumentation finden Sie unter Daten in Microsoft Dataverse integrieren. Die neuesten Veröffentlichungspläne finden Sie unter Dynamics 365- und Microsoft Power Platform-Veröffentlichungspläne.

Wichtig

Einige der in diesem Veröffentlichungsplan beschriebenen Funktionen wurden noch nicht veröffentlicht. Die Zeitpläne für die Veröffentlichung können sich ändern und geplante Funktionen werden möglicherweise nicht veröffentlicht (weitere Informationen finden Sie in der Microsoft-Richtlinie). Weitere Informationen: Neuerungen und geplante Funktionen

Es ist das Ziel des Datenintegrationsteams, die Daten für Geschäftsanwender so zu harmonisieren, dass Daten nahtlos aus jeder Datenquelle in Microsoft Dataverse und Azure Data Lake Storage extrahiert werden und andere Microsoft-Produkte diese Daten nutzen können.

Wir investieren in einige wesentliche Bereiche:

  • Microsoft Power Platform-Dataflows Power Query ist das führende Tool zur intelligenten Datenaufbereitung der Branche. Es entwickelt sich durch die Integration von KI/ML in Datentransformationen und die Erweiterung von Dataflows auf die gesamte Microsoft Power Platform weiter. Im Veröffentlichungszyklus 2021 unterstützen wir die Datenflows in Dataverse in Teams, damit Unternehmen einfach Daten einpflegen und bessere Anwendungen erstellen können.

  • Verbessern Sie die Datenintegration, indem Sie Analysen zu Dataverse-Daten über den Export zum Data Lake im Common Data Model-Formular, neue und erweiterte Konnektoren und Verbesserungen in der Konnektivitätsplattform nutzen. Weitere Verbesserungen umfassen die Office-Datenintegration, um neue Erkenntnisse zu ermöglichen, die Ausweitung von Dual-Write für mehr Entitäten, die Verbesserung des Datenexportdienstes und die Verbesserung des Gateways für Unternehmen und die roboterbasierte Prozessautomatisierung.

  • End-to-End-Diagnose, damit Debitor*innen Probleme in Abfragen oder im Gateway besser diagnostizieren und beheben können.

  • Common Data Model etabliert eine branchenweite Struktur und Semantik der zugrunde liegenden Daten, damit Debitor*innen diese Daten über verschiedene Geschäftsanwendungslösungen, Analysen und Machine-Learning-Algorithmen (ML) verarbeiten können.