데이터 작업

Microsoft Dataverse는 관계형, 비 관계형, 이미지, 파일, 상대 검색 또는 데이터 레이크를 포함하여 모든 유형의 데이터로 작업할 수 있는 추상화를 제공합니다. Dataverse는 모델을 빌드할 수 있는 일련의 데이터 유형을 노출하므로 데이터 유형을 이해할 필요가 없습니다. 저장소 유형은 선택한 데이터 유형에 맞게 최적화됩니다.

데이터 흐름, Power Query 및 Azure Data Factory를 사용하여 데이터를 쉽게 가져오고 내보낼 수 있습니다. Dynamics 고객은 데이터 내보내기 서비스를 사용할 수도 있습니다.

Dataverse에는 온-프레미스, IaaS(Infrastructure as a Service), PaaS(Platform as a Service) 또는 SaaS(software as a service) 서비스용 서비스에서 수백 개의 다른 커넥터와 함께 사용할 수 있는 Power Automate 및 Azure Logic Apps용 커넥터도 있습니다. 여기에는 Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, 텍스트/CSV, SharePoint 목록, SQL Server 데이터베이스, Oracle, MySQL, PostgreSQL, Blockchain 및 Azure Synapse Analytics의 소스가 포함됩니다.

Common Data Model

여러 시스템과 앱에서 데이터를 가져와야 한다면 비용이 많이 들고 시간이 많이 걸리는 작업이 무엇인지 알게 됩니다. 동일한 데이터를 쉽게 공유하고 이해하지 못하면 각 앱 또는 데이터 통합 프로젝트에는 사용자 지정 구현이 필요합니다.

Common Data Model은 비즈니스 및 분석 앱에서 사용할 공유 데이터 언어를 제공하여 이 프로세스를 간소화하기 위한 참조 아키텍처를 제공합니다. Common Data Model 메타데이터 시스템을 사용하면 Power Apps, Power BI, Dynamics 365 및 Azure와 같은 앱과 비즈니스 프로세스에서 데이터와 그 의미를 공유할 수 있습니다.

Common Data Model에는 Microsoft와 파트너가 게시한 표준화되고 확장 가능한 데이터 스키마 집합이 포함됩니다. 이 사전 정의된 스키마 모음에는 테이블, 속성, 의미 메타데이터 및 관계가 포함됩니다. 스키마는 데이터 생성, 집계 및 분석을 단순화하기 위해  계정 및 캠페인과 같이 일반적으로 사용되는 개념과 활동을 나타냅니다.

Common Data Model 스키마를 사용하여 Dataverse에서 테이블 생성을 알릴 수 있습니다. 그러면 결과 테이블이 이 Common Data Model 정의를 대상으로 하는 앱 및 분석과 호환됩니다.

다음 이미지는 표준 공통 데이터 모델 테이블의 일부 요소를 보여줍니다. 

테이블

Dataverse에서 테이블은 비즈니스 데이터를 모델링하고 관리하는 데 사용됩니다. 생산성을 높이기 위해 Dataverse에는 표준 테이블이라는 테이블 세트가 포함되어 있습니다. 이 테이블은 모범 사례에 따라 조직 내에서 가장 일반적인 개념과 시나리오를 캡처하기 위해 설계되었습니다. 표준 테이블은 공통 데이터 모델을 준수합니다.

사용자 및 팀과 같이 산업 전반에서 일반적으로 사용되는 테이블 세트가 Dataverse에 포함되어 있으며 표준 테이블로 참조됩니다. 이러한 기본 테이블은 추가 열을 포함하는 등 사용자 지정할 수도 있습니다. 또한 Dataverse에서 사용자 지정 테이블을 쉽게 만들 수 있습니다.

열

열은 테이블에 데이터를 저장하는 데 사용할 수 있는 개별 데이터 항목을 정의합니다. 필드는 개발자에 의해 특성이라고도 합니다. 대학교의 과정을 나타내는 테이블에는 "이름", "위치", "학과", "등록된 학생" 등과 같은 열이 포함될 수 있습니다.

열에는 숫자, 문자열, 디지털 데이터, 이미지 및 파일과 같은 다양한 유형의 데이터가 있을 수 있습니다. 관계형 및 비 관계형 데이터가 동일한 비즈니스 프로세스 또는 흐름의 일부인 경우 인위적으로 분리할 필요가 없습니다. Dataverse는 생성된 모델에 가장 적합한 스토리지 유형으로 데이터를 저장합니다.

이러한 각 열은 Dataverse에서 지원하는 여러 데이터 유형 중 하나와 연결될 수 있습니다.

추가 정보: 열 유형

관계

한 테이블의 데이터는 다른 테이블의 데이터와 관련이 있는 경우가 많습니다. 테이블 관계는 Dataverse 모델에서 행이 서로 관련되는 방식을 정의합니다.

Dataverse는 사용하기 쉬운 가시적 디자이너를 제공하여 한 테이블에서 다른 테이블로(또는 테이블과 그 자체 간) 다양한 유형의 관계를 정의합니다. 각 테이블은 둘 이상의 테이블과 관계를 가질 수 있으며 각 테이블에는 다른 테이블에 대 둘 이상의 관계가 있을 수 있습니다.

관계 유형은 다음과 같습니다.

• 다대일: 이러한 유형의 관계에서 많은 테이블 A 레코드를 단일 테이블 B 레코드와 연결할 수 있습니다. 예를 들어, 한 학급에는 하나의 교실이 있습니다.

• 일대다: 이러한 유형의 관계에서 단일 테이블 B 레코드를 많은 테이블 A 레코드와 연결할 수 있습니다. 예를 들어 한 명의 교사가 여러 학급을 가르칩니다.

• 다대다: 이러한 유형의 관계에서 테이블 A의 각 레코드는 테이블 B에서 둘 이상의 레코드과 일치할 수 있으며 그 반대의 경우도 마찬가지입니다. 예를 들어 학생들은 많은 수업에 참석하고 각 수업에는 학생이 여러 명이 있을 수 있습니다.

다대일 관계가 가장 일반적이기 때문에 Dataverse는 조회라는 특정 데이터 유형을 제공하므로 이 관계를 쉽게 정의할 수 있을뿐만 아니라 양식 및 앱 빌드에 생산성을 추가할 수 있습니다.

테이블 생성에 대한 자세한 내용은 테이블 간 관계 만들기를 참조하십시오.

조직은 종종 고객과의 상호 작용 기록, 감사 기록, 액세스 보고서 및 보안 사고 추적 보고서의 가용성을 보장하기 위해 다양한 규정을 준수해야 합니다. 조직에서는 보안 및 분석을 위해 Dataverse 데이터의 변경 내용을 추적해야 할 수도 있습니다.

Dataverse는 분석 및 보고를 위해 사용 시간에 따른 조직 내의 테이블 및 특성 데이터 변경을 행에 기록할 수 있는 감사 기능을 지원합니다. 감사는 모든 사용자 지정—및 대부분의 사용자 지정 가능한—테이블 및 특성에서 지원됩니다. 감사는 메타데이터 변경, 검색 작업, 내보내기 작업 또는 인증 중에는 지원되지 않습니다. 감사를 구성하는 방법에 대한 자세한 내용은 Dataverse 감사 관리를 참조하세요.

Dataverse는 기계 학습 모델을 실행할 테이블을 선택하는 기능을 제공하여 분석을 지원합니다. 여기에는 AI Builder를 통해 미리 빌드된 AI 기능이 있습니다.

검색

Dataverse는 행을 쿼리하는 다음의 세 가지 방법을 제공합니다.

• Dataverse 검색

• 빠른 찾기(단일 테이블 또는 다중 테이블)

• 고급 찾기

참고

다중 테이블 빠른 찾기를 범주화된 검색이라고도 합니다.

자세한 내용은 검색 비교를 참조하십시오.

Dataverse 검색

Dataverse 검색은 여러 테이블에 걸쳐 관련성을 기준으로 정렬된 단일 목록으로 신속하고 포괄적인 결과를 제공합니다. Dataverse 외부의 전용 검색 서비스(Azure에서 제공)를 사용하여 검색 성능을 촉진합니다.

Dataverse 검색은 다음과 같은 개선 사항 및 이점을 제공합니다.

• 외부 인덱싱 및 Azure 검색 기술을 사용하여 성능을 향상시킵니다.

• 검색어의 모든 단어를 한 열에서 찾아야 하는 빠른 찾기와 비교하여 테이블의 모든 열에서 검색어의 단어와 일치하는 항목을 찾습니다.

•  stream,  streaming 또는  streamed와 같은 굴절형 단어가 포함된 일치 항목을 찾습니다.

• 검색 가능한 모든 테이블의 결과를 관련성별로 정렬된 단일 목록으로 반환하므로 효과적으로 일치할수록 더 많은 결과가 목록에 나타납니다. 검색어에 상호 근접성이 높은 단어가 더 많을 경우 일치 항목의 관련성이 높은 것입니다. 검색어가 있는 텍스트의 양이 적을수록 관련성이 높습니다. 예를 들어 회사 이름과 주소에서 검색어를 찾으면 긴 문서에서 서로 멀리 떨어져 있는 동일한 단어를 찾는 것보다 더 효과적으로 일치할 수 있습니다.

• 결과 목록에서 일치 항목을 강조 표시합니다. 검색어가 열의 용어와 일치하는 경우 용어는 검색 결과에 굵은 기울임꼴 텍스트로 표시됩니다.

Dataverse 검색에 대한 자세한 내용은 행 검색에 Dataverse 검색 사용하기를 참고하세요.

빠른 찾기

Dataverse에는 행을 빠르게 찾을 수 있는 기능이 포함되어 있으며 고객과 같은 한 가지 유형의 테이블만 검색하거나 연락처, 사용자, 고객 등과 같은 여러 유형의 테이블을 동시에 검색하는 데 사용되는 접근 방식이 있습니다.

단일 테이블 빠른 찾기는 한 가지 유형의 행만 찾는 데 사용됩니다. 이 검색 옵션은 보기 내에서 제공됩니다.

다중 테이블 빠른 찾기(범주화된 검색) 은 행을 찾는데도 사용되지만 계정 또는 연락처와 같은 다양한 유형의 테이블에서 행을 찾습니다.

Data Lake

Dataverse는 Azure Data Lake Storage에 대한 테이블 데이터의 연속 복제를 지원하며, 이는 Power BI 보고, 기계 학습, 데이터 웨어하우징 및 기타 다운스트림 통합 프로세스와 같은 분석을 실행하는 데 사용할 수 있습니다.

이 기능은 엔터프라이즈 빅 데이터 분석을 위해 설계되었습니다. 비용 효율적이고 확장 가능하며 고가용성 및 재해 복구 기능을 갖추고 있으며 동급 최고의 분석 성능을 제공합니다.

데이터는 Common Data Model 형식으로 저장되어 앱과 배포 간에 의미 있는 일관성을 제공합니다. Common Data Model의 표준화된 메타데이터 및 자체 설명 데이터는 Power BI, Data Factory, Azure Databricks 및 Azure Machine Learning과 같은 데이터 생산자와 소비자 간의 메타데이터 검색 및 상호 운용성을 용이하게 합니다.

참조

데이터 가져오기 및 내보내기

참고

귀사의 설명서 언어 기본 설정에 대해 말씀해 주시겠습니까? 간단한 설문 조사에 응해주세요. (이 설문 조사는 영어로 되어 있습니다.)

이 설문 조사는 약 7분 정도 걸립니다. 개인 데이터는 수집되지 않습니다(개인정보처리방침).