Scenari di utilizzo di Power BI: BI self-service personalizzabile

Nota

Questo articolo fa parte della serie di articoli sulla pianificazione dell'implementazione di Power BI. Questa serie è incentrata principalmente sull'esperienza Power BI in Microsoft Fabric. Per un'introduzione alla serie, vedere Pianificazione dell'implementazione di Power BI.

Come descritto nella roadmap di adozione di Fabric, la BI self-service gestita è caratterizzata da un approccio misto che enfatizza disciplina nel core e flessibilità nel perimetro. L'architettura dei dati viene in genere gestita da un singolo team di esperti di BI centralizzata, mentre la responsabilità dei report appartiene ai creatori all'interno di reparti o business unit.

Tuttavia, quando l'architettura dei dati di base non include tutti i dati necessari, gli autori di modelli semantici possono estendere, personalizzare o personalizzare modelli semantici condivisi esistenti. È possibile creare nuovi modelli semantici specializzati che soddisfano i requisiti aziendali non rispettati dai modelli semantici forniti centralmente esistenti. Cosa importante, non esiste alcuna duplicazione dei dati principali. Questo scenario di utilizzo viene chiamato BI self-service gestita personalizzabile.

Nota

Questo scenario di BI self-service gestita personalizzabile è il secondo degli scenari di BI self-service. Questo scenario si basa sulle operazioni che possono essere eseguite con un modello semantico condiviso centralizzato (introdotto nello scenario di BI self-service gestita). Un elenco di tutti gli scenari è disponibile nell'articolo Scenari di utilizzo di Power BI.

Per brevità, alcuni aspetti descritti nell'argomento scenari di collaborazione e distribuzione dei contenuti non sono trattati in questo articolo. Per una copertura completa, leggere prima questi articoli.

Diagramma dello scenario

Il diagramma seguente illustra una panoramica generale delle azioni utente più comuni e dei componenti di Power BI che supportano la BI self-service gestita personalizzabile. L'obiettivo principale è fornire ai creatori di contenuti nelle business unit la possibilità di creare un modello di dati specializzato estendendo un modello semantico condiviso esistente. L'obiettivo è raggiungere la riutilizzabilità quando possibile e consentire la flessibilità di soddisfare requisiti analitici aggiuntivi.

Suggerimento

È consigliabile scaricare il diagramma dello scenario se si vuole incorporarlo nella presentazione, nella documentazione o nel post di blog oppure stamparlo come poster a parete. Poiché si tratta di un'immagine SVG (Scalable Vector Graphics), è possibile aumentarla o ridurla senza perdita di qualità.

Il diagramma dello scenario illustra le azioni utente, gli strumenti e le funzionalità seguenti:

Articolo	Descrizione
	L'autore di modelli semantici A sviluppa un modello usando Power BI Desktop. Per un modello semantico destinato al riutilizzo, è comune (ma non necessario) che l'autore appartenga a un team centralizzato che supporta gli utenti oltre i limiti dell'organizzazione (ad esempio IT, BI aziendale o Center of Excellence).
	Power BI Desktop si connette ai dati da una o più origini dati.
	Lo sviluppo di modelli di dati viene eseguito in Power BI Desktop. È stato fatto un ulteriore sforzo per creare un modello ben progettato e intuitivo in modo che possa essere usato come origine dati da molti autori di report self-service. Gli autori di modelli possono usare query DAX per sviluppare ed esplorare il modello durante lo sviluppo.
	Dopodiché, gli autori di modelli pubblicano il file di Power BI Desktop (.pbix) o il file di progetto di Power BI (.pbip) che contiene solo un modello nel portale del servizio Power BI.
	Il modello semantico viene pubblicato in un'area di lavoro dedicata all'archiviazione e alla protezione dei modelli semantici condivisi. Poiché il modello semantico è destinato al riutilizzo, viene approvato (certificato o alzato di livello, in base alle esigenze). Il modello semantico viene anche contrassegnato come individuabile per incoraggiare ulteriormente il riutilizzo. La visualizzazione di derivazione nel servizio Power BI può essere usata per tenere traccia delle dipendenze esistenti tra gli elementi di Power BI.
	L'individuazione dei dati nell'hub dati di OneLake è abilitata perché il modello semantico è contrassegnato come individuabile. L'individuabilità consente di visualizzare un modello semantico nell'hub dati di OneLake da altri creatori di contenuti di Power BI che cercano dati.
	Gli autori di contenuti usano l'hub dati OneLake nel servizio Power BI per cercare elementi di dati individuabili, ad esempio modelli semantici.
	Se gli autori di contenuti dispongono dell'autorizzazione, possono richiedere l'autorizzazione di compilazione per gli elementi di dati. Verrà avviato un flusso di lavoro per richiedere l'autorizzazione di compilazione da un responsabile approvazione autorizzato. Dopo aver ottenuto l'autorizzazione, gli autori di contenuti possono riutilizzare gli elementi di dati per creare nuove soluzioni.
	In Power BI Desktop l'autore del modello B crea una connessione dinamica al modello semantico condiviso originale che si trova nel servizio Power BI. Poiché l'intenzione è estendere e personalizzare il modello semantico originale, la connessione dinamica viene convertita in un modello DirectQuery. Questa azione comporta un modello locale nel file di Power BI Desktop.
	Power BI Desktop si connette ai dati da altre origini dati. L'obiettivo è quello di migliorare il modello semantico condiviso in modo che i requisiti analitici aggiuntivi vengano soddisfatti dal nuovo modello specializzato.
	Le relazioni vengono create in Power BI Desktop tra le tabelle esistenti (dal modello semantico condiviso, noto anche come modello remoto) e le nuove tabelle appena importate (archiviate nel modello locale). I calcoli aggiuntivi e il lavoro di modellazione vengono eseguiti in Power BI Desktop per completare la progettazione del modello composito specializzato.
	Quando è pronto, l'autore di modelli semantici B pubblica il file con estensione pbix o pbip nel servizio Power BI.
	Il nuovo modello semantico composito specializzato viene pubblicato in un'area di lavoro dedicata all'archiviazione e alla protezione di modelli semantici di proprietà e gestiti dal reparto.
	Il modello semantico specializzato rimane connesso al modello semantico condiviso originale di Power BI. Le modifiche apportate al modello semantico condiviso originale influiranno sui modelli semantici compositi specializzati downstream che hanno una dipendenza da esso.
	Altri autori di report self-service possono creare nuovi report connessi al modello semantico composito specializzato. Gli autori di report possono scegliere di usare Power BI Desktop, Power BI Report Builder o Excel.
	I report vengono pubblicati in un'area di lavoro dedicata all'archiviazione e alla protezione di report e dashboard.
	I report pubblicati rimangono connessi al modello semantico specializzato archiviato in un'area di lavoro diversa. Tutte le modifiche apportate al modello semantico specializzato influiscono su tutti i report connessi.
	Alcune origini dati possono richiedere un gateway dati locale o un gateway di rete virtuale per l'aggiornamento dei dati, ad esempio quelli che risiedono all'interno di una rete aziendale privata.
	Gli amministratori dell'infrastruttura sorvegliano e monitorano l'attività nel portale di Fabric.

Punti chiave

Di seguito sono riportati alcuni punti chiave da sottolineare sullo scenario di BI self-service gestita personalizzabile.

Modello semantico condiviso

L'aspetto chiave della creazione di lavoro di BI self-service gestita è ridurre al minimo il numero di modelli semantici. Questo scenario illustra un modello semantico condiviso che contribuisce a ottenere una versione singola della verità.

Nota

Per semplicità, il diagramma dello scenario illustra un solo modello semantico condiviso. Tuttavia, in genere non è pratico modellare tutti i dati dell'organizzazione in un singolo modello semantico. L'altro estremo consiste nel creare un nuovo modello semantico per ogni report, come fanno spesso gli autori di contenuti meno esperti. L'obiettivo è trovare il giusto equilibrio, appoggiandosi a pochi modelli semantici e creandone di nuovi quando è opportuno farlo.

Aumentare il modello semantico condiviso iniziale

A volte gli autori self-service devono aumentare un modello semantico esistente con, ad esempio, dati aggiuntivi specifici del reparto. In questo caso, possono usare le connessioni DirectQuery ai modelli semantici di Power BI. Questa funzionalità consente un equilibrio ideale dell'abilitazione self-service sfruttando al tempo stesso l'investimento in asset di dati gestiti centralmente. Il diagramma dello scenario illustra una connessione DirectQuery. L'azione di conversione di una connessione dinamica in una connessione DirectQuery crea un modello locale che consente l'aggiunta di nuove tabelle. È possibile creare relazioni tra tabelle dal modello semantico condiviso originale (il modello remoto) e le nuove tabelle appena aggiunte (il modello locale). È possibile eseguire calcoli aggiuntivi e modellazione dei dati per personalizzare il nuovo modello di dati.

Suggerimento

Questo scenario evidenzia il riutilizzo di un modello semantico condiviso. In alcuni casi, tuttavia, i modelli di dati desiderano limitare la creazione di un modello di dati downstream. In tal caso, possono abilitare la proprietà Scoraggia connessioni DirectQuery nelle impostazioni di Power BI Desktop.

Approvazione del modello semantico

Poiché i modelli semantici condivisi sono destinati al riutilizzo, è utile approvarli. Un modello semantico certificato comunica agli autori di report che i dati sono attendibili e soddisfano gli standard di qualità dell'organizzazione. Un modello semantico alzato di livello evidenzia che il proprietario del modello semantico ritiene che i dati siano utili per altri utenti.

Suggerimento

È consigliabile disporre di un processo coerente, ripetibile e rigoroso per l'approvazione del contenuto. Il contenuto certificato deve indicare che la qualità dei dati è stata convalidata. Deve anche seguire le regole di gestione delle modifiche, avere supporto formale ed essere documentato completamente. Poiché il contenuto certificato ha superato standard rigorosi, le aspettative di attendibilità sono superiori.

Individuazione di modelli semantici

L'hub dati di OneLake consente agli autori di report di trovare, esplorare e usare modelli semantici nell'organizzazione. Oltre all'approvazione del modello semantico, abilitare l'individuazione di modelli semantici è fondamentale per promuovere il riutilizzo. Un modello semantico individuabile è visibile nell'hub dati per gli autori di report che cercano dati.

Nota

Se un modello semantico non è configurato per essere individuabile, solo gli utenti di Power BI con autorizzazione di compilazione possono trovarlo.

Richiedere l'accesso al modello semantico

Un autore di report potrebbe trovare un modello semantico da usare nell'hub dati. Se non hanno l'autorizzazione di compilazione per il modello semantico, possono richiedere l'accesso. A seconda dell'impostazione di accesso alla richiesta per il modello semantico, verrà inviato un messaggio di posta elettronica al proprietario del modello semantico o verranno mostrate istruzioni personalizzate alla persona che richiede l'accesso.

Pubblicare in aree di lavoro separate

Esistono diversi vantaggi per la pubblicazione di report in un'area di lavoro diversa da quella in cui è archiviato il modello semantico.

In primo luogo, c'è chiarezza su chi è responsabile della gestione di quali contenuti in quale aree di lavoro. In secondo luogo, gli autori di report hanno le autorizzazioni per pubblicare il contenuto in un'area di lavoro di report (tramite ruoli di amministratore, membro o collaboratore dell'area di lavoro). Tuttavia, hanno solo autorizzazioni di lettura e compilazione per modelli semantici specifici. Questa tecnica consente la sicurezza a livello di riga quando necessario per gli utenti assegnati al ruolo visualizzatore.

Analisi delle dipendenze e dell'impatto

Quando un modello semantico condiviso viene usato da altri modelli semantici o report, tali oggetti dipendenti possono esistere in molte aree di lavoro. La vista di derivazione consente di identificare e comprendere le dipendenze downstream. Quando si pianifica una modifica di un modello semantico, eseguire prima di tutto l'analisi dell'impatto per comprendere quali modelli semantici o report devono essere modificati o testati.

Configurazione del gateway

In genere, è necessario un gateway dati quando si accede a origini dati che si trovano all'interno della rete organizzativa privata o di una rete virtuale. Il gateway dati locale diventa rilevante dopo la pubblicazione di un file di Power BI Desktop nel servizio Power BI. I due scopi di un gateway sono aggiornare i dati importati o visualizzare un report che esegue query su una connessione dinamica o un modello semantico DirectQuery.

Nota

Per gli scenari di BI self-service gestita personalizzabile, un gateway dati centralizzato in modalità standard è fortemente consigliato rispetto ai gateway in modalità personale. In modalità standard, il gateway dati supporta le operazioni di connessione dinamica e DirectQuery, oltre alle operazioni di aggiornamento dati pianificate.

Panoramica del sistema

Il log attività registra le attività utente che si verificano nel servizio Power BI. Gli amministratori di Power BI possono usare i dati del log attività raccolti per eseguire controllo per aiutarli a comprendere i modelli di utilizzo e l'adozione. Il log attività è utile anche per supportare le attività di governance, i controlli di sicurezza e i requisiti di conformità. Con uno scenario di BI self-service gestita personalizzabile, è particolarmente utile tenere traccia dell'utilizzo del modello semantico condiviso originale e dei modelli semantici dipendenti.

Contenuto correlato

Nell'articolo successivo di questa serie verranno fornite informazioni sul riutilizzo del lavoro di preparazione dei dati con i flussi di dati nello scenario di preparazione dei dati self-service.