Traballar con calquera dato

Artigo
06/10/2024

Microsoft Dataverse proporciona unha abstracción que fai posible traballar con calquera tipo de datos, incluídos relacionais, non relacionais, imaxes, ficheiros, buscas relativas ou lagos de datos. Non é necesario entender o tipo de datos como Dataverse expón un conxunto de tipos de datos que lle permiten crear o seu modelo. O tipo de almacenamento optimízase para o tipo de datos escollido.

Os datos pódense importar e exportar facilmente con fluxos de datos, Power Query e Azure Data Factory. Os clientes de Dynamics tamén poden usar o Servizo de exportación de datos.

Dataverse tamén ten un conector para Power Automate e Azure Logic Apps que se poden usar cos centos doutros conectores deses servizos para servizos locais, de infraestrutura como servizo (IaaS), de plataforma como servizo (PaaS) ou de software como servizo (SaaS). Isto inclúe orixes 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 e Azure Synapse Analytics.

Common Data Model

Se algunha vez tivo que xuntar datos de varios sistemas e aplicacións, xa sabe ata que punto resulta custosa e laboriosa esa tarefa. Sen poder compartir e comprender os mesmos datos facilmente, cada aplicación ou proxecto de integración de datos require unha implementación personalizada.

O modelo de datos común proporciona unha arquitectura de referencia que está destinada a simplificar este proceso proporcionando unha linguaxe de datos compartida para as aplicacións empresariais e de análise. O sistema de metadatos Common Model Model permite que os datos e o seu significado se compartan en aplicacións e procesos comerciais como Power Apps, Power BI, Dynamics 365 e Azure.

Common Data Model inclúe un conxunto de esquemas de datos extensibles e estandarizados que Microsoft e os seus socios publicaron. Esta colección de esquemas predefinidos inclúe táboas, atributos, metadatos semánticos e relacións. Os esquemas representan conceptos e actividades de uso común, como Conta e Campaña, para simplificar a creación, agregación e análise de datos.

Os esquemas do Modelo de datos comúns pódense empregar para informar sobre a creación de táboas en Dataverse. As táboas resultantes serán compatibles con aplicacións e análises dirixidas a esta definición do modelo de datos comúns.

A seguinte imaxe mostra algúns elementos das táboas estándar de Modelo de datos comúns.

Esquema de Common Data Model.

Táboas

En Dataverse, as táboas úsanse para modelar e xestionar datos de empresa. Para aumentar a produtividade, Dataverse inclúe un conxunto de táboas coñecidas como táboas estándar. Estas táboas están deseñadas de conformidade coas prácticas recomendadas, para capturar os conceptos e escenarios máis comúns dunha organización. As táboas estándar cumpren co Modelo de datos comúns.

Un conxunto de táboas que se usan habitualmente entre industrias, como de Usuario e Equipo, están incluídas en Dataverse e denomínanse táboas estándar. Estas táboas listas para usar tamén se poden personalizar, como incluír columnas adicionais. Ademais, pode crear facilmente as súas propias táboas personalizadas en Dataverse.

Ver táboas.

Columnas

As columnas definen os elementos de datos individuais que se poden utilizar para almacenar datos nunha táboa. Campos son a veces chamada atributos programadores. Unha táboa que representa un curso nunha universidade pode conter columnas como "Nome", "Localización", "Departamento", "Estudantes rexistrados", etc.

As columnas poden ter diferentes tipos de datos como números, cadeas, datos dixitais, imaxes e ficheiros. Non hai necesidade de manter os datos relacionais e non relacionais separados artificialmente se forman parte do mesmo proceso ou fluxo empresarial. Dataverse almacena os datos no mellor tipo de almacenamento para o modelo creado.

Cada unha destas columnas pode asociarse a un dos moitos tipos de datos admitidos por Dataverse.

Crear unha columna.

Máis información: Tipos de columnas

Relacións

Os datos nunha táboa con frecuencia fan referencia a datos doutra táboa. As relacións de táboa definen como poden estar relacionadas as filas con outras no modelo Dataverse.

Dataverse ofrece deseñadores visuais fáciles de usar para definir os diferentes tipos de relacións dunha táboa a outra (ou entre unha táboa e ela mesma). Cada táboa pode ter unha relación con máis dunha táboa, e cada táboa pode ter máis dunha relación con outra táboa.

Relacións de táboa de conta.

Os tipos de relación dispoñibles son:

Moitos a un: Neste tipo de relación, moitos rexistros da táboa A poden asociarse a un único rexistro da táboa B. Por exemplo, unha clase de estudantes ten unha única aula.
Un a moitos: Neste tipo de relación, un único rexistro da táboa B pode asociarse a moitos rexistros da táboa A. Por exemplo, un só profesor imparte moitas clases.
Varios a varios: neste tipo de relación, cada rexistro da táboa A pode coincidir con máis dun rexistro da táboa B, e viceversa. Por exemplo, os alumnos asisten a varias clases, e cada clase pode ter varios alumnos.

Debido a que as relacións Varios a un son as máis comúns, Dataverse fornece un tipo de datos específico chamado Buscar, que non só facilita a definición desta relación, senón que engade produtividade para crear formas e aplicacións.

Para obter máis información sobre as creación de relacións de táboa, consulte Crear unha relación entre táboas.

Con frecuencia as organizacións necesitan cumprir varias normativas para garantir a dispoñibilidade do historial de interaccións dos clientes, os rexistros de auditorías, os informes de acceso e os informes de rastrexo de incidentes de seguranza. Pode que as organizacións desexen rastrexar os cambios nos datos de Dataverse por motivos de seguranza e analíticos.

Dataverse proporciona unha capacidade de auditoría onde os cambios nas táboas e os datos de atributos dunha organización poden colocarse en filas ao longo do tempo para usalos en análises e informes. A auditoría é compatible con todos os atributos e táboas personalizados—e máis personalizables—. A auditoría non é compatible con cambios de metadatos, operacións de recuperación, operacións de exportación ou durante a autenticación. Para obter información sobre como configurar a auditoría, vai a Xestionar Dataverse a auditoría.

Dataverse admite análises proporcionando a capacidade de escoller táboas para executar os modelos de Aprendizaxe automático. Ten unha capacidade de IA compilada previamente a través de AI Builder.

Buscar

Dataverse ofrece tres xeitos de consultar filas:

Busca de Dataverse
Procura Rápida (unha única táboa ou varias táboas)
Busca avanzada

Nota

A procura rápida en varias táboas tamén se denomina busca categorizada.

Para obter máis información, consulte Comparar buscas.

Busca de Dataverse

A busca de Dataverse proporciona resultados rápidos e exhaustivos en varias táboas nunha única lista, ordenados por relevancia. Utiliza un servizo de busca dedicado externo a Dataverse (con tecnoloxía de Azure) para aumentar o rendemento de busca.

A Busca de Dataverse proporciona as seguintes melloras e vantaxes:

Mellora o rendemento coa indexación externa e a tecnoloxía de busca de Azure.
Busca coincidencias con calquera palabra do termo de busca en calquera columna da táboa, en comparación con procura rápida onde todas as palabras do termo de busca deben atoparse nunha columna.
Busca coincidencias que poden incluír palabras de inflexión como stream, streaming ou streamed.
Devolve os resultados de todas as táboas que se poden buscar nunha única lista ordenadas por relevancia, polo que canto mellor sexa a coincidencia, maior será o resultado na lista. Unha coincidencia ten un relevancia maior se se atopan máis palabras do termo de busca unhas ao lado de outras. Canto menor é a cantidade de texto onde se atopan as palabras de busca, maior será a relevancia. Por exemplo, se atopa as palabras de busca no nome e enderezo dunha empresa, pode ser unha coincidencia mellor que atopar as mesmas palabras nun artigo longo, separadas entre si.
Destaca as coincidencias na lista de resultados. Cando un termo de busca coincide cun termo dunha fila, o termo aparece como texto en negra e cursiva nos resultados da busca.

Para obter máis información sobre a busca mediante Dataverse, consulte: Uso da busca mediante Dataverse para buscar filas.

Procura rápida

Dataverse inclúe a posibilidade de atopar filas rapidamente e ten enfoques que buscarán só un tipo de táboa, como o cliente, ou se usarán para buscar en varios tipos de táboas ao mesmo tempo, como contactos, usuarios, clientes, etc.

A procura rápida en táboa única úsase para atopar filas dun só tipo. Esta opción de busca está dispoñible desde unha vista.

Procura rápida en táboa única.

A procura rápida en varias táboas (busca categorizada) tamén se usa para atopar filas, pero vainas atopar en diferentes tipos de táboas, como contas ou contactos.

Data Lake

Dataverse admite a replicación continua de datos de táboas en Azure Data Lake Storage, o cal se pode empregar para executar análises como os informes de Power BI, a aprendizaxe automática, o almacenamento de datos e outros procesos de integración descendentes.

Replicación de datos de Dataverse en Azure Data Lake Storage.

Esta función está deseñada para a análise de big-data de empresa. É rendible, escalable, ten alta dispoñibilidade e funcións de recuperación de desastres e permite o mellor rendemento de análise da súa categoría.

Os datos almacénanse no formato Common Data Model, que ofrece consistencia semántica en aplicacións e despregamentos. Os metadatos estandarizados e os datos que se describen automaticamente no Common Data Model facilitan o descubrimento de metadatos e a interoperabilidade entre os produtores de datos e os consumidores, como Power BI, Data Factory, Azure Databricks e Aprendizaxe automático de Azure.

Consulte tamén

Importación e exportación de datos