Bagikan melalui


Pengantar datamart

Pengguna bisnis sangat bergantung pada sumber data yang diatur secara terpusat yang dibangun oleh tim teknologi informasi (TI), tetapi dapat memakan waktu berbulan-bulan bagi departemen TI untuk menyampaikan perubahan pada sumber data tertentu. Sebagai tanggapan, pengguna sering kali terpaksa untuk membangun mart data mereka sendiri dengan database Access, file lokal, situs SharePoint dan spreadsheet, yang mengakibatkan kurangnya tata kelola dan pengawasan yang tepat untuk memastikan sumber data tersebut didukung dan memiliki performa yang wajar.

Datamart membantu menjembatani kesenjangan antara pengguna bisnis dan IT. Datamart adalah solusi analitik layanan mandiri, memungkinkan pengguna untuk menyimpan dan menjelajahi data yang dimuat dalam database yang dikelola sepenuhnya. Datamart memberikan pengalaman sederhana dan opsional tanpa kode untuk menyerap data dari berbagai sumber data, mengekstrak transformasi dan memuat (ETL) data menggunakan Power Query, lalu memuatnya ke dalam database Azure SQL yang dikelola sepenuhnya dan tidak memerlukan penyetelan atau pengoptimalan.

Setelah data dimuat ke dalam datamart, Anda juga dapat menentukan hubungan dan kebijakan untuk kecerdasan dan analisis bisnis. Datamart secara otomatis menghasilkan himpunan data atau model semantik, yang dapat digunakan untuk membuat laporan dan dasbor Power BI. Anda juga dapat mengkueri datamart menggunakan titik akhir T-SQL atau menggunakan pengalaman visual.

Diagram yang memperlihatkan datamart dan hubungan power B I.

Datamart menawarkan manfaat berikut:

  • Pengguna layanan mandiri dapat dengan mudah melakukan analitik database relasional, tanpa memerlukan administrator database
  • Datamart menyediakan penyerapan, persiapan, dan penjelajahan data ujung ke ujung dengan SQL, termasuk pengalaman tanpa kode
  • Mengaktifkan pembangunan model dan laporan semantik dalam satu pengalaman holistik

Fitur Datamart:

  • 100% berbasis web, tidak diperlukan perangkat lunak lain
  • Pengalaman tanpa kode yang menghasilkan datamart yang terkelola sepenuhnya
  • Penyetelan performa otomatis
  • Visual bawaan dan editor SQL Query untuk analisis ad-hoc
  • Dukungan untuk SQL dan alat klien populer lainnya
  • Integrasi asli dengan Power BI, Microsoft Office, dan penawaran analitik Microsoft lainnya
  • Disertakan dengan kapasitas Power BI Premium dan Premium Per Pengguna

Waktu penggunaan datamart

Datamart ditargetkan untuk beban kerja data interaktif untuk skenario layanan mandiri. Misalnya, jika Anda bekerja di akuntansi atau keuangan, Anda dapat membangun model dan koleksi data Anda sendiri, yang kemudian dapat Anda gunakan untuk pertanyaan dan jawaban bisnis layanan mandiri melalui T-SQL dan pengalaman kueri visual. Selain itu, Anda masih dapat menggunakan kumpulan data tersebut untuk pengalaman pelaporan Power BI yang lebih tradisional. Datamart direkomendasikan untuk pelanggan yang membutuhkan kepemilikan dan arsitektur data yang berorientasi domain dan terdesentralisasi, seperti pengguna yang membutuhkan data sebagai produk atau platform data layanan mandiri.

Datamart dirancang untuk mendukung skenario berikut:

  • Data layanan mandiri departemen: Memusatkan volume data kecil hingga sedang (sekitar 100 GB) dalam database SQL layanan mandiri yang dikelola sepenuhnya. Datamart memungkinkan Anda menetapkan satu penyimpanan untuk kebutuhan pelaporan hilir departemen layanan mandiri (seperti Excel, laporan Power BI, lainnya), sehingga mengurangi infrastruktur dalam solusi layanan mandiri.

  • Analitik database relasional dengan Power BI: Mengakses data datamart menggunakan klien SQL eksternal. Azure Synapse dan layanan/alat lain yang menggunakan T-SQL juga dapat menggunakan datamart di Power BI.

  • Model semantik ujung ke ujung: Aktifkan pembuat Power BI untuk membangun solusi ujung ke ujung tanpa ketergantungan pada alat atau tim IT lainnya. Datamarts menyingkirkan pengelolaan orkestrasi antara aliran data dan model semantik melalui model semantik yang dihasilkan secara otomatis, sambil memberikan pengalaman visual untuk mengkueri data dan analisis ad-hoc, semuanya didukung oleh Azure SQL DB.

Tabel berikut menjelaskan penawaran ini dan penggunaan terbaik untuk masing-masing, termasuk perannya dengan datamart.

Item Kasus Penggunaan yang Direkomendasikan Melengkapi peran dengan datamart
Datamart Pergudangan data berbasis pengguna dan akses SQL ke data Anda Datamart dapat digunakan sebagai sumber untuk datamart atau item lain, menggunakan titik akhir SQL:
  • Pembagian eksternal
  • Berbagi di seluruh batas departemen atau organisasi dengan keamanan diaktifkan
Aliran data Persiapan data yang dapat digunakan kembali (ETL) untuk model semantik atau mart Datamart menggunakan satu aliran data bawaan untuk ETL. Aliran data dapat menonjolkan ini, memungkinkan:
  • Memuat data ke datamart dengan jadwal refresh yang berbeda
  • Memisahkan langkah-langkah persiapan ETL dan data dari penyimpanan, sehingga dapat digunakan kembali oleh model semantik
Model semantik Metrik dan lapisan semantik untuk pelaporan BI Datamarts menyediakan model semantik yang dibuat secara otomatis untuk pelaporan, memungkinkan:
  • Menggabungkan data dari beberapa sumber
  • Berbagi tabel datamart secara selektif untuk pelaporan yang detail
  • Model komposit - model semantik dengan data dari datamart dan sumber data lainnya di luar datamart
  • Model proksi - model semantik yang menggunakan DirectQuery untuk model yang dihasilkan secara otomatis, menggunakan satu sumber kebenaran

Datamart dan integrasi aliran data

Dalam beberapa kasus, dapat berguna untuk menggabungkan aliran data dan datamart dalam solusi yang sama. Situasi berikut dapat menemukan penggabungan aliran data dan datamart yang menguntungkan:

  • Untuk solusi dengan aliran data yang ada:

    • Dengan mudah menggunakan data dengan datamart untuk menerapkan transformasi tambahan atau mengaktifkan analisis ad-hoc dan kueri menggunakan kueri SQL
    • Mengintegrasikan solusi pergudangan data tanpa kode dengan mudah tanpa manajemen model semantik
  • Untuk solusi dengan datamart yang ada:

    • Melakukan ekstrak, transformasi, dan pemuatan (ETL) yang dapat digunakan kembali dalam skala besar untuk volume data besar
    • Membawa data lake Anda sendiri dan menggunakan aliran data sebagai alur untuk datamart

Diagram yang memperlihatkan datamart dan aliran data.

Membandingkan aliran data dengan datamart

Bagian ini menjelaskan perbedaan antara aliran data dan datamart.

Aliran data menyediakan ekstrak, transformasi, dan pemuatan (ETL) yang dapat digunakan kembali. Tabel tidak dapat ditelusuri, dikueri, atau dijelajahi tanpa model semantik, tetapi dapat didefinisikan untuk digunakan kembali. Data diekspos dalam format Power BI atau CDM jika Anda membawa data lake Anda sendiri. Aliran data digunakan oleh Power BI untuk menyerap data ke dalam datamart Anda. Anda harus menggunakan aliran data kapan pun Anda ingin menggunakan kembali logika ETL Anda.

Gunakan aliran data saat Anda perlu untuk:

  • Buat persiapan data yang dapat digunakan kembali dan dapat dibagikan untuk item di Power BI.

Datamart adalah database terkelola sepenuhnya yang memungkinkan Anda untuk menyimpan dan menjelajahi data Anda dalam Azure SQL DB yang relasional dan dikelola sepenuhnya. Datamarts menyediakan dukungan SQL, perancang kueri visual tanpa kode, Keamanan Tingkat Baris (RLS), dan pembuatan otomatis model semantik untuk setiap datamart. Anda dapat melakukan analisis ad-hoc dan membuat laporan, semuanya di web.

Gunakan datamart saat Anda perlu untuk:

  • Mengurutkan, memfilter, melakukan agregasi sederhana secara visual atau melalui ekspresi yang ditentukan dalam SQL
  • Untuk output yang merupakan hasil, set, tabel, dan tabel data yang difilter
  • Menyediakan data yang dapat diakses melalui titik akhir SQL
  • Mengaktifkan pengguna yang tidak memiliki akses ke Power BI Desktop

Artikel ini memberikan gambaran umum tentang datamart dan banyak cara untuk menggunakannya.

Artikel berikut ini menyediakan informasi selengkapnya tentang datamart dan Power BI:

Untuk informasi selengkapnya tentang aliran data dan mengubah data, lihat artikel berikut ini: