Modele semantyczne i zgodność z rozwiązaniami firm trzecich

W tym artykule wyjaśniono, czym są modele semantyczne usługi Power BI, czym różnią się od relacyjnych baz danych oraz jak usługa Power BI obsługuje modele semantyczne innych firm.

Semantyczne modele usługi Power BI

Semantyczne modele usługi Power BI są autorytatywnym źródłem prawdy na potrzeby analizy ad hoc i raportowania w niezliczonych organizacjach. W oparciu o najbardziej powszechnie przyjętą technologię modelowania analizy biznesowej na rynku modele semantyczne usługi Power BI oferują dojrzałą powierzchnię interfejsu API, wyjątkową wydajność i skalowalność na potrzeby interaktywnej analizy ogromnych danych oraz kwitnący ekosystem deweloperów, partnerów i narzędzi innych firm.

Metryki biznesowe w celu ponownego użycia

Wysoce wyselekcjonowane modele semantyczne tworzą dane firmowe przy użyciu przyjaznych dla firmy konwencji nazewnictwa, abstrakcji złożonej logiki biznesowej na potrzeby zaawansowanych obliczeń, wnioskowanych relacji, hierarchii użytkowników, tłumaczeń metadanych i wiele innych. Dzięki błyskawicznej wydajności zapytań użytkownicy mogą przycinać i przetwarzać ogromne zestawy danych w tempie błyskawicy. Te możliwości wspierają zaufanie i podejmują spójne decyzje w całej organizacji.

Semantyczne modele usługi Power BI to akceleratory analizy biznesowej z obsługą sztucznej inteligencji

Semantyczne modele usługi Power BI są kluczowym elementem Fabric IQ. Pytania dotyczące danych języka naturalnego są bardziej spójne i łatwe, gdy sztuczna inteligencja może polegać na logice biznesowej hermetyzowanej przez modele semantyczne. LLM są już znane z dobrze zdefiniowanych obszarów interfejsów API dla metadanych i zapytań, umożliwiających modelowanie agentowe i użytkowanie. Semantyczne modele usługi Power BI są już wdrażane na dużą skalę w niezliczonych dużych organizacjach i mają na celu przyspieszenie zużycia sztucznej inteligencji w skali przedsiębiorstwa.

Modele semantyczne mogą również stanowić podstawę środowisk Microsoft 365 Copilot, w tym Microsoft 365 Copilot Chat i Microsoft 365 Copilot Cowork, dzięki czemu użytkownicy mogą zadawać pytania biznesowe i otrzymywać kontekstowe odpowiedzi na podstawie nadzorowanych definicji biznesowych bezpośrednio w usłudze Microsoft 365 Copilot.

Najnowsze możliwości rozszerzają ekosystem modelu semantycznego dla scenariuszy agentów i deweloperów:

• Umiejętności agentów Power BI umożliwiają agentom sztucznej inteligencji tworzenie, edytowanie i zarządzanie modelami semantycznymi za pomocą języka naturalnego.
• Widok TMDL zapewnia środowisko oparte na kodzie do edytowania metadanych modelu semantycznego w programie Power BI Desktop.
• Fabric Apps (wersja zapoznawcza) umożliwia deweloperom tworzenie niestandardowych aplikacji na modelach semantycznych.

Zobowiązanie do otwarcia standardów i platformy

W trybie przechowywania Direct Lake semantyczne modele Power BI są kluczowym elementem zaangażowania Microsoft Fabric we wspieranie otwartych standardowych formatów, takich jak Delta Lake Parquet, Iceberg i OneLake. To zobowiązanie pomaga klientom uniknąć uzależnienia od zastrzeżonych formatów przechowywania dostawcy. Semantyczne modele usługi Power BI umożliwiają łączność z otwartą platformą dla szerokiej gamy narzędzi do wizualizacji danych innych firm dzięki zgodności z punktem końcowym XMLA. Użytkownicy końcowi mogą przeprowadzać analizę ad hoc z wybranego narzędzia bez konieczności tworzenia lokalnych kopii danych. Modele semantyczne usługi Power BI są wysoce programowalne przy użyciu punktów końcowych REST Fabric dla operacji CRUD, wykonywania zapytań, zarządzania odświeżaniem, wsparcia notesów języka Python za pomocą linku semantycznego, programowania platformy .NET przy użyciu modelu obiektów tabelarycznych (TOM) i użycia otwartych definicji metadanych przy użyciu języka TMDL (Tabular Model Definition Language) na potrzeby automatyzacji.

Relacyjne bazy danych a modele semantyczne

Relacyjna baza danych (na przykład SQL Server) jest przeznaczona do przechowywania i organizowania danych w tabelach strukturalnych. Definiuje sposób fizycznego przechowywania i uzyskiwania dostępu do danych bez skupienia się na znaczeniu biznesowym. Algebra relacyjna definiuje sposób wykonywania zapytań dotyczących tych danych przy użyciu operacji takich jak wybór i sprzężenia w celu filtrowania i łączenia tabel i widoków.

Semantyczny model zapewnia przyjazną dla działania firmę warstwę danych przedsiębiorstwa, używając jasnych nazw, wywnioskowanych relacji i wstępnie zdefiniowanych metryk. Typowe obliczenia, takie jak porównania czasu, współczynniki i miary finansowe, są wielokrotnego użytku, umożliwiając użytkownikom nietechnicznych przeprowadzanie analizy ad hoc przez tworzenie raportów lub przesyłanie pytań za pośrednictwem agentów sztucznej inteligencji, przy jednoczesnym wspieraniu spójnych, zaufanych decyzji.

Dokładność wyników ma kluczowe znaczenie

Klienci usługi Power BI korzystają z dokładności metryk modelu semantycznego dla krytycznych decyzji biznesowych, a obliczenia semantyczne modelu służą jako ostateczne źródło prawdy. Dokładność odpowiedzi jest niezbędna do wspierania zaufania i podejmowania spójnych decyzji w organizacjach klientów. W związku z tym każda obsługa semantycznych modeli innych firm musi być zaimplementowana za pomocą podejścia do integracji, które zapewnia poprawność semantyczną i zachowuje integralność wyników zwróconych użytkownikom.

Zgodność z modelami semantycznymi innych firm

Note

Niektórzy dostawcy używają różnych nazw dla swoich ofert modelu semantycznego. Na przykład warstwa semantyczna Cube, warstwa semantyczna dbt, widok semantyczny Snowflake i widoki metryk Databricks są używane do opisywania ofert produktów dla tych konkretnych dostawców innych firm. Są one przeznaczone dla tego samego przypadku użycia, ale oferują różne poziomy dojrzałości.

Usługa Power BI obsługuje tylko następujące modele semantyczne innych firm:

• SAP BW
• Platforma SAP HANA, gdy jest traktowana jako źródło wielowymiarowe
• AtScale

Niektórzy dostawcy są obsługiwani jako źródła relacyjnych baz danych za pośrednictwem modeli semantycznych DirectQuery. Jednak ta obsługa nie musi być rozszerzana na ich semantyczne modele. Usługa Power BI obsługuje tylko określone wcześniej modele semantyczne innych firm.

Wzorzec użycia semantycznego modelu DirectQuery

Note

Tryb DirectQuery jest jednym z kilku trybów przechowywania dostępnych dla modeli semantycznych usługi Microsoft Power BI. Usługa Direct Lake zapewnia niesamowitą wydajność danych usługi Delta Lake w usłudze OneLake bez konieczności odświeżania, podczas gdy tryb importu koncentruje się na możliwościach szybkiego i modelowania.

Zwraca się uwagę na DirectQuery, ponieważ w przypadku nakładania się na modele semantyczne innych dostawców może prowadzić do niedokładnych wyników z powodu analizy w czasie rzeczywistym względem podstawowego źródła danych.

Na poniższym diagramie przedstawiono wzorzec użycia modelu semantycznego trybu DirectQuery:

1. Użytkownicy wchodzą w interakcje z wizualizacjami w raportach usługi Power BI lub przesyłają pytania dotyczące danych za pośrednictwem agenta sztucznej inteligencji.

2. Zapytania języka DAX są generowane i przesyłane do semantycznego modelu usługi Power BI działającego w trybie DirectQuery.

3. Model semantyczny tłumaczy zapytania języka DAX na zapytania SQL i łączy je z bazą danych relacyjnych. Źródłowa baza danych wykonuje przetwarzanie zapytań.

Warstwowanie modeli semantycznych — gdzie model zewnętrzny jest umieszczony pomiędzy semantycznym modelem usługi Power BI a relacyjną bazą danych — na ogół nie jest obsługiwane. Podobnie dostawcy modeli semantycznych zewnętrznych firm zazwyczaj nie wspierają tworzenia warstw na semantycznych modelach Power BI w ten sposób.

Semantyczne modele DirectQuery zazwyczaj obsługują źródła relacyjne, ale nie modele semantyczne innych firm, aby zapewnić dokładność.

Modele semantyczne Power BI w trybie DirectQuery obsługują setki relacyjnych baz danych firm trzecich (zobacz Łączniki Power Query). Większość łączników nie obsługuje semantycznych modeli innych firm, ponieważ generuje niepoprawne wyniki dla użytkowników. Semantyczne modele DirectQuery zwykle opierają się na algebrze relacyjnej w źródle dla zapewnienia poprawności. Na przykład semantyczne modele definiują wywnioskowane relacje dla wstępnie zdefiniowanych ścieżek agregacji. Połączenie wywnioskowanych relacji w modelu semantycznym innej firmy z tymi w modelu semantycznym DirectQuery może przynieść nieprawidłowe wartości nawet w przypadku prostych miar.

Usługa Power BI łączy się z usługami SQL Server Analysis Services Wielowymiarowymi i Tabelarycznymi oraz Usługami Azure Analysis Services bez konieczności pośredniego modelu semantycznego trybu DirectQuery. Aby uzyskać więcej informacji, zapoznaj się z porównaniem Live Connect i trybu DirectQuery.

Podsumowanie

Semantyczne modele usługi Power BI są wszechobecne w przypadku analizy biznesowej w przedsiębiorstwie, reprezentując dziesiątki milionów aktywnych modeli semantycznych. Zapewniają one przyjazną dla biznesu, wysokowydajną warstwę danych, działając jako zaufane źródło dla wniosków opartych na sztucznej inteligencji, a jednocześnie obsługują otwarte standardy i szerokie powierzchnie interfejsu API.

W przeciwieństwie do relacyjnych baz danych, które koncentrują się na przechowywaniu i strukturze danych, semantyczne modele dodają znaczenie, wnioskowane relacje i obliczenia, co ułatwia użytkownikom nietechntycznym korzystanie z nich. Dokładność jest krytyczna, dlatego integracje — zwłaszcza z modelami semantycznymi innych firm — muszą zachować poprawność. Usługa Power BI obsługuje relacyjne źródła danych w trybie DirectQuery. Semantyczne modele warstwowe są zwykle nieobsługiwane, ponieważ łączenie wielu warstw semantycznych może prowadzić do nieprawidłowych wyników dla klientów.