Compartir a través de


Trabajar con cualquier dato

Microsoft Dataverse proporciona una abstracción que permite trabajar con cualquier tipo de datos, incluidos los relacionales, no relacionales, de imagen, de archivo, de búsqueda relativa o de datos. No hay necesidad de conocer el tipo de datos, ya que Dataverse expone un conjunto de tipos de datos que le permiten construir su modelo. El tipo de almacenamiento está optimizado para el tipo de datos elegido.

Los datos se pueden importar y exportar fácilmente con flujos de datos, Power Query y Azure Data Factory. Los clientes de Dynamics también pueden usar el Servicio de exportación de datos.

Dataverse también tiene un conector para Power Automate y Azure Logic Apps que se puede usar con los cientos de otros conectores en esos servicios para servicios locales, de infraestructura como servicio (IaaS), de plataforma como servicio (PaaS) o de software como servicio (SaaS). Esto incluye orígenes en Azure, , Microsoft 365 Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, texto/CSV, listas de SharePoint, bases de datos de SQL Server, Oracle, MySQL, PostgreSQL, Blockchain y Azure Synapse Analytics.

Common Data Model

Si alguna vez ha tenido que reunir datos de múltiples sistemas y aplicaciones, ya sabe lo que puede ser una tarea costosa y lenta. Sin poder compartir y conocer fácilmente los mismos datos, cada aplicación o proyecto de integración de datos requiere una implementación personalizada.

El modelo de datos comunes proporciona una arquitectura de referencia que pretende optimizar este proceso al proporcionar un lenguaje de datos compartido para que las aplicaciones empresariales y analíticas lo utilicen. El sistema de metadatos de Common Data Model hace posible que los datos se compartan en aplicaciones y procesos de negocio, como aplicaciones de Power Apps, Power BI, Dynamics 365 y Azure.

Common Data Model incluye un conjunto de esquemas de datos estandarizados y extensibles que Microsoft y sus partners han publicado. Esta colección de esquemas predefinidos incluye tablas, atributos, metadatos semánticos y relaciones. Los esquemas representan conceptos y actividades de uso común, como Cuenta y Campaña, para simplificar la creación, la agregación y los análisis de datos.

Los esquemas de Common Data Model se pueden utilizar para informar la creación de tablas en Dataverse. Las tablas resultantes serán compatibles con las aplicaciones y los análisis que se dirigen a esta definición del modelo de datos común.

La siguiente imagen muestra algunos elementos de las tablas estándar de Common Data Model. 

Esquema de Common Data Model.

Tablas

En Dataverse, las tablas se utilizan para modelar y administrar datos empresariales. Para aumentar la productividad, Dataverse incluye un conjunto de tablas conocidas como tablas estándar. Estas tablas se han diseñado aplicando las mejores prácticas para capturar los conceptos y escenarios más comunes dentro de una organización. Las tablas estándar se adhieren al Common Data Model.

Un conjunto de tablas que se utilizan comúnmente en todas las industrias, como Usuario y Equipo, se incluyen en Dataverse y se denominan tablas estándar. Estas tablas listas para usar también se pueden personalizar, como incluir columnas adicionales. Además, puede crear fácilmente sus propias tablas personalizadas en Dataverse.

Ver tablas.

Columnas

Las columnas definen los elementos de datos individuales que se pueden usar para almacenar datos en una tabla. A veces, los desarrolladores denominan atributos a los campos. Una tabla que representa un curso en una universidad puede contener columnas como "Nombre", "Ubicación", "Departamento", "Estudiantes registrados", etc.

Las columnas pueden tener diferentes tipos de datos, como números, cadenas, datos digitales, imágenes y archivos. No es necesario mantener los datos relacionales y no relacionales separados artificialmente si son parte del mismo proceso o flujo de negocios. Dataverse almacena los datos en el mejor tipo de almacenamiento para el modelo creado.

Cada una de estas columnas puede asociarse con uno de los muchos tipos de datos admitidos por Dataverse.

Crear una columna.

Más información: Tipos de columnas

Relaciones

Los datos de una tabla suelen estar relacionados con los datos de otra tabla. Las relaciones entre tablas definen cómo se pueden relacionar las filas entre sí en el modelo de Dataverse.

Dataverse proporciona diseñadores visuales fáciles de usar para definir los diferentes tipos de relaciones de una tabla a otra (o entre una tabla y él mismo). Cada tabla puede tener una relación con más de una tabla, y cada tabla puede tener más de una relación con otra tabla.

Relaciones de cuenta de tabla.

Los tipos de relación son:

  • Varios a uno: en este tipo de relación, muchos registros de la tabla A se pueden asociar con un solo registro de la tabla B. Por ejemplo, una clase de estudiantes tiene una sola aula.

  • Varios a uno: en este tipo de relación, un solo registro de la tabla B se puede asociar con muchos registros de la tabla A. Por ejemplo, un solo maestro imparte muchas clases.

  • Varios a varios: en este tipo de relación, cada registro de la tabla A puede coincidir con más de un registro de la tabla B, y viceversa. Por ejemplo, los alumnos asisten a muchas clases y cada clase puede tener varios alumnos.

Debido a que las relaciones de muchos a uno son los más comunes, Dataverse proporciona un tipo de datos específico denominado búsqueda, que no solo facilita la definición de esta relación, sino que agrega productividad a la creación de formularios y aplicaciones.

Para obtener más información sobre la creación de relaciones de tablas, consulte Crear una relación entre tablas.

Las organizaciones a menudo deben cumplir varias normativas para garantizar la disponibilidad del historial de la interacción con el cliente, registros de auditoría, informes de acceso e informes de seguimiento de incidentes de seguridad. Es posible que las organizaciones deseen realizar un seguimiento de los cambios en los datos de Dataverse por motivos de seguridad y análisis.

Dataverse proporciona una posibilidad de auditoría en la que los cambios en los datos de tablas y atributos en una organización se pueden colocar en filas con el tiempo para usarlos para fines de análisis e informes. La auditoría se admite en todas las entidades—y atributos personalizados—y en la mayoría de entidades y atributos personalizables. La auditoría no se admite en los cambios en los metadatos, las operaciones de recuperación, las operaciones de exportación ni durante la autenticación. Para obtener información sobre cómo configurar la auditoría, vaya a Gestionar auditoría de Dataverse.

Dataverse admite el análisis al proporcionar la capacidad de elegir tablas para que se ejecuten los modelos Aprendizaje automático. Tiene una capacidad de IA precompilada a través de AI Builder.

Dataverse proporciona tres formas de consultar filas:

  • Búsqueda de Dataverse

  • Búsqueda rápida (una tabla o varias tablas)

  • Búsqueda avanzada

Nota

La Búsqueda rápida en varias tablas también se denomina Búsqueda categorizada.

Para obtener más información, consulte Comparar búsquedas.

La búsqueda de Dataverse ofrece resultados rápidos y completos de búsqueda en varias tablas, en una sola lista, ordenada por relevancia. Usa un servicio de búsqueda dedicado externo a Dataverse (con tecnología e Azure) para aumentar el rendimiento de búsqueda.

La búsqueda de Dataverse aporta las siguientes mejoras y ventajas:

  • Mejora el rendimiento mediante la indexación externa y la tecnología de búsqueda de Azure.

  • Busca coincidencias con cualquier palabra del término de búsqueda en cualquier columna de la tabla, en comparación con la búsqueda rápida, donde todas las palabras del término de búsqueda se deben encontrar en una columna.

  • Busca coincidencias que incluyen palabras flexionadas como transmitirtransmisióntransmitido.

  • Devuelve resultados de todas las tablas que permiten búsquedas en una sola lista ordenados por relevancia, lo que significa que cuanto mejor es la coincidencia, el resultado aparecerá más arriba en la lista. Una coincidencia tiene una relevancia mayor si se encuentran más palabras del término de búsqueda en gran proximidad mutua. Cuanto más pequeña sea la cantidad de texto donde se encuentran las palabras de búsqueda, más alta será la relevancia. Por ejemplo, si encuentra las palabras de búsqueda en el nombre y la dirección de una empresa, sería una mejor coincidencia que encontrar las mismas palabras en un artículo largo, muy separadas entre sí.

  • Resalta las coincidencias en la lista de resultados. Cuando un término de búsqueda coincide con un término de una fila, el término aparece como texto en negrita y cursiva en los resultados de la búsqueda.

Para obtener más información sobre la búsqueda de Dataverse, consulte Uso de la búsqueda de Dataverse para buscar filas.

Búsqueda rápida

Dataverse incluye la capacidad de encontrar filas rápidamente y tiene enfoques que buscarán solo un tipo de tabla, como cliente, o se usarán para buscar en varios tipos de tablas al mismo tiempo, como contactos, usuarios, clientes, etc. .

La búsqueda rápida de una sola tabla se usa para buscar filas de un solo tipo. Esta opción de búsqueda está disponible desde dentro de una vista.

Búsqueda rápida de una única tabla.

Búsqueda rápida en varias tablas (búsqueda por categorías) también se usa para buscar filas, pero las encontrará en diferentes tipos de tablas, como cuentas o contactos.

Data Lake

Dataverse admite la replicación continua de datos de tablas para Azure Data Lake Storage, que luego se puede utilizar para ejecutar análisis como informes Power BI, aprendizaje automático, almacenamiento de datos y otros procesos de integración posteriores.

Replicación de datos de Dataverse en Azure Data Lake Storage.

Esta característica está diseñada para el análisis empresarial de datos masivos. Es rentable, escalable, tiene alta disponibilidad y capacidades de recuperación ante desastres, y permite el mejor rendimiento de análisis de su clase.

Los datos se almacenan en el formato Common Data Model, que proporciona coherencia semántica en las aplicaciones y las implementaciones. Los metadatos estandarizados y los datos de descripción automática de Common Data Model facilitan la detección de metadatos y la interoperación entre productores y consumidores de datos, como Power BI, Data Factory, Azure Databricks y Azure Machine Learning.

Vea también

Importación y exportación de datos

Nota

¿Puede indicarnos sus preferencias de idioma de documentación? Realice una breve encuesta. (tenga en cuenta que esta encuesta está en inglés)

La encuesta durará unos siete minutos. No se recopilan datos personales (declaración de privacidad).