Partager via

Présentation de la 1re vague de lancement 2021 pour l’intégration de données

  • Article

Important

Ce contenu est archivé et n’est pas mis à jour. Pour accéder aux dernières ressources documentaires, voir Intégration des données dans Microsoft Dataverse. Pour les derniers plans de lancement, voir Plans de lancement Dynamics 365 et Microsoft Power Platform.

Important

Certaines des fonctionnalités décrites dans ce plan de lancement n’ont pas été publiées. Les délais de livraison peuvent changer et la fonctionnalité prévue peut ne pas être lancée (voir Stratégie de Microsoft). En savoir plus : Nouveautés et prévisions

L’ambition de l’équipe d’intégration de données vise à démocratiser les données pour les utilisateurs professionnels, afin que l’extraction, la transformation et le chargement des données soient fluides dans Microsoft Dataverse et Azure Data Lake Storage, et que d’autres produits Microsoft puissent exploiter ces données.

Nous investissons dans plusieurs domaines clés :

  • Dataflows Microsoft Power Platform. Power Query est le principal outil de préparation de données intelligentes et évolue en intégrant l’IA et le ML aux transformations de données et en étendant les dataflows à l’ensemble de Microsoft Power Platform. Dans la 1re vague de lancement 2021, nous activons l’expérience des dataflows Dataverse dans Teams afin que les clients puissent facilement remplir les données et créer de meilleures applications.

  • Améliorez Intégration de données en activant l’analyse des données Dataverse à l’aide d’Exporter vers Data Lake dans le formulaire Common Data Model, des connecteurs nouveaux et améliorés et des améliorations de la plateforme de connectivité. D’autres améliorations incluent l’intégration de données Office pour activer de nouvelles informations, l’extension de la double écriture à davantage d’entités, l’amélioration du service d’exportation de données et l’amélioration des passerelles pour les entreprises et l’automatisation robotisée des processus (RPA).

  • Diagnostics de bout en bout afin que les clients puissent mieux diagnostiquer et résoudre les problèmes liés aux requêtes ou à la passerelle.

  • Common Data Model établit la structure et la sémantique des données sous-jacentes à l’échelle du secteur afin que les clients puissent ensuite les analyser au moyen de diverses solutions d’application de gestion, d’analytique et d’algorithmes de Machine Learning.