データに関する作業

  • [アーティクル]

Microsoft Dataverse は、リレーショナル、非リレーショナル、画像、ファイル、相対検索、または Data Lake など、あらゆるタイプのデータを操作できるようにする抽象化を提供します。 Dataverse がモデルの構築を可能にする一連のデータ型を公開するとして、データのタイプを次のように理解する必要はありません。 ストレージのタイプは、選択したデータ タイプに合わせて最適化されます。

データは、データフロー、Power Query、Azure Data Factory を使用して簡単にインポートおよびエクスポートできます。 Dynamics の顧客は、データ エクスポート サービスも使用できます。

Dataverse は、Power Automate のコネクタとオンプレミス、サービスとしてのインフラストラクチャ (IaaS)、サービスとしてのプラットフォーム (PaaS)、またはサービス (SaaS) サービスとしてのソフトウェアのために、これらのサービスの他の何百ものコネクタと共に使用できる Azure Logic Apps も持っています。 これには、Azure、Microsoft 365、Dynamics 365、SAP ERP、Salesforce、Amazon Redshift、Access、Excel、text / CSV、SharePoint リスト、SQL Serverデータベース、Oracle、MySQL、PostgreSQL、Blockchain、Azure Synapse Analytics のソースが含まれます。

Common Data Model

複数のシステムやアプリケーションのデータを一つにまとめる必要がある場合、それがいかに費用と時間のかかるタスクであるかはご存知の通りです。 同じデータを簡単に共有して理解することができない場合、各アプリまたはデータ統合プロジェクトにはカスタム実装が必要です。

Common Data Model は、ビジネス アプリや分析アプリが使用する共有データ言語を提供することで、このプロセスを合理化することを目的としたリファレンス アーキテクチャを提供します。 Common Data Model メタデータ システムを使用すると、Power Apps、Power BI、Dynamics 365、Azure などのアプリやビジネス プロセス全体にわたってデータとその意味の整合性を保つことができます。

Common Data Model には、Microsoft とそのパートナーが公開した、標準化された拡張可能なデータ スキーマのセットが含まれています。 この定義済みスキーマのコレクションには、テーブル、属性、セマンティック メタデータ、リレーションシップなどが含まれます。 このスキーマは、データの作成、集計、分析を簡略化するための 勘定 や キャンペーン などの一般的に用いられる概念と活動を表します。

Common Data Model スキーマを使用して、Dataverse でのテーブルの作成を通知できます。 作成されたテーブルはその後、この Common Data Model 定義を対象とするアプリおよび分析と互換性を持ちます。

次の画像は、標準の共通データ モデル テーブルのいくつかの要素を示しています。 

Common Data Model スキーマ。

テーブル

Dataverse で、テーブルを使用してビジネス データをモデル化し、管理します。 生産性を向上させるために、Dataverse には標準テーブルと呼ばれるテーブルのセットが含まれています。 これらのテーブルはベスト プラクティスに従って設計されており、組織内で最も一般的な概念とシナリオを取り込むためのものです。 標準テーブルは、共通データ モデルに準拠しています。

次のような業界全体で一般的に使用されるテーブルのセット (ユーザーやチームなど) は Dataverse に含まれ、標準テーブルと呼ばれます。 これらのすぐに使用できるテーブルは、追加の列を含めるなど、カスタマイズすることもできます。 さらに、Dataverse で独自のカスタム テーブルを簡単に作成できます。

テーブルを表示します。

列

列は、テーブルにデータを格納するために使用できる個々のデータ項目を定義します。 フィールドは、開発者によって属性と呼ばれることがあります。 大学のコースを表すテーブルには、「名前」、「場所」、「学部」、「登録学生」などの列が含まれる場合があります。

列には、数字、文字列、デジタル データ、画像、ファイルなど、さまざまな種類のデータが含まれる場合があります。 同じビジネス プロセスまたはフローの一部である場合、リレーショナル データと非リレーショナル データを人為的に分離しておく必要はありません。 Dataverse は作成されたモデルに最適なストレージ タイプにデータを保存します。

これらの各列は、Dataverse でサポートされている多くのデータ型の 1 つに関連付けることができます。

列を作成します。

詳細: 列の種類

関係

あるテーブルのデータは、多くの場合、別のテーブルのデータに関連しています。 テーブルの関連付けは、Dataverse モデル内で行を相互に関連付ける方法を定義します。

Dataverse は、あるテーブルから別のテーブルへ (またはテーブルとそれ自体の間で) さまざまなタイプのリレーションシップを定義するための使いやすいビジュアル デザイナーを提供します。 テーブルごとに複数のテーブルとの関連付けができ、各テーブルは別のテーブルに対して複数の関連付けを持つことができます。

取引先企業テーブルの関連付け。

リレーションシップの種類は、

  • 多対 1: このタイプの関係では、多くのテーブル A レコードを単一のテーブル B レコードに関連付けることができます。 たとえば、あるクラスの生徒には 1 つの教室があります。

  • 多対多: このタイプの関係では、単一のテーブル B レコードを多くのテーブル A レコードに関連付けることができます。 たとえば、1 人の教師が多くのクラスを教えているとします。

  • 多対多: このタイプの関係付けでは、テーブル A の各レコードはテーブル B の複数のレコードにマッチングでき、その逆も可能です。 たとえば、生徒は複数のクラスに出席し、各クラスには複数の生徒がいます。

多対 1 のリレーションシップが最も一般的であるため、Dataverse は 検索 という名前の特定のデータ型を提供します。これにより、この関係を簡単に定義できるだけでなく、フォームやアプリの構築に生産性が追加されます。

テーブルの関連付けの作成の詳細については、テーブル間の関連付けの作成を参照してください。

組織では、通常、さまざまな規制に従って、顧客とのやり取りの履歴、監査ログ、アクセス レポート、セキュリティ インシデント追跡レポートを入手できるようにしておく必要があります。 組織では、セキュリティと分析の目的用に Dataverse データの変更を追跡することが必要な場合があります。

Dataverse には監査機能があり、組織でのテーブルおよび属性データの変更を、分析やレポートで使用できるように整列できます。 監査は、すべてのユーザー定義エンティティと属性—およびほとんどのカスタマイズ可能な—テーブルと属性でサポートされます。 メタデータの変更、取得操作、エクスポート操作において、または認証中は、監査はサポートされていません。 監査を構成する方法については、 Dataverse の監査の管理を参照してください。

Dataverse は、実行する機械学習モデルのテーブルを選択する機能を提供することにより、分析をサポートします。 これには、AI Builder を通した構築済みの AI 機能を備えています。

Dataverse は、行をクエリする 3 つの方法を提供します。

  • Dataverse 検索

  • 簡易検索 (単一テーブルまたは複数テーブル)

  • 高度な検索

注意

マルチエンティティ簡易検索は、カテゴリ別検索とも呼ばれます。

詳細については、検索結果の比較 を参照してください。

Dataverse 検索では、関連性で並べ替えられた、1 つのリストで複数のテーブルにまたがる迅速で包括的な結果を提供します。 検索パフォーマンスを促進するため、(Azure で動作する) Dataverse の外部にある専用の検索サービスを使用します。

Dataverse 検索は、次の拡張機能と利点をもたらします:

  • 外部インデックス作成と Azure 検索テクノロジの使用により、パフォーマンスが向上します。

  • 検索語句のすべての単語が 1 つの列に存在する必要がある簡易検索と比較して、テーブル内の任意の列で検索語句内のいずれかの単語との一致が検索されます。

  •  stream、 streaming、 streamed などの単語の活用形を含むものと一致するものが検索されます。

  • 検索可能なすべてのテーブルの結果が、関連性によって並べ替えられた 1 つのリストで返されます。そのため、一致度が高いほど、結果がリストの上部に表示されます。 検索する語句のより多くの単語が互いに近接している場合、一致の関連性はより高くなります。 検索語を検索する対象のテキストの量が小さくなるほど、関連性は高くなります。 たとえば、検索語が会社名と住所で見つかった場合、同じ語が長文の記事で互いに離れた場所で見つかった場合よりも、一致度は高くなります。

  • 結果リストで一致項目が強調表示されます。 検索語句が行内の語句と一致すると、その語句が検索結果に太字で斜体のテキストで表示されます。

Dataverse 検索の詳細については、Dataverse 検索を使用して、行を検索する を参照してください。

簡易検索

Dataverse には、行をすばやく見つける機能が含まれており、顧客などの 1 つのタイプのテーブルのみを検索するか、連絡先、ユーザー、顧客などの複数のタイプのテーブルを同時に検索するために使用されるアプローチがあります。

単一エンティティの簡易検索は、1 種類の行のみを検索するために使用されます。 この検索オプションは、ビュー内から使用できます。

単一テーブルの簡易検索。

複数テーブル簡易検索 (分類された検索) は、行の検索にも使用されますが、取引先企業や取引先担当者など、さまざまなタイプのテーブルで行を検索します。

Data Lake

Dataverse は、Azure Data Lake Storage へのテーブル データの継続的なレプリケーションをサポートしており、 Power BIレポート、機械学習、データ ウェアハウジング、およびその他のダウンストリーム統合プロセスのような分析を実行するために使用できます。

Azure Data Lake Storage への Dataverse データ レプリケーション。

この機能は、エンタープライズ ビッグデータ分析用に設計されています。 費用対効果が高く、スケーラブルで、高可用性と災害復旧機能があり、クラス最高の分析パフォーマンスを実現します。

データは Common Data Model のフォーマットで保存されます。これにより、アプリと展開間で意味上の一貫性が提供されます。 Common Data Model 内の標準化されたメタデータと自己記述型のデータにより、メタデータの検出や、データ プロデューサーとコンシューマー (Power BI、Data Factory、Azure Databricks、Azure Machine Learning など) 間の相互運用性を促進します。

関連項目

データのインポートおよびエクスポート

注意

ドキュメントの言語設定についてお聞かせください。 簡単な調査を行います。 (この調査は英語です)

この調査には約 7 分かかります。 個人データは収集されません (プライバシー ステートメント)。