Trabalhar com quaisquer dados

Microsoft Dataverse fornece uma abstração que permite trabalhar com qualquer tipo de dados, incluindo relacional, não relacional, imagem, arquivo, pesquisa relativa ou data lake. Não há necessidade de compreender o tipo de dados, uma vez que Dataverse expõe um conjunto de tipos de dados que lhe permitem construir o seu modelo. O tipo de armazenamento é otimizado para o tipo de dados escolhido.

Os dados podem ser facilmente importados e exportados com fluxos de dados, o Power Query e o Azure Data Factory. Os clientes dinâmicos também podem usar ao Serviço de Exportação de Dados.

Dataverse também tem um conector para Power Automate e Azure Logic Apps que podem ser usados com centenas de outros conectores nesses serviços no local, infraestrutura como um serviço (IaaS), plataforma como um serviço (PaaS), ou software como um serviço (SaaS). Isto inclui as origens no Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, texto/CSV, listas do SharePoint, bases de dados do SQL Server, Oracle, MySQL, PostgreSQL, Blockchain e Azure Synapse Analytics.

Common Data Model

Se alguma vez teve de reunir dados de vários sistemas e aplicações, sabe o que pode ser uma tarefa dispendiosa e morosa. Sem ser capaz de partilhar e entender facilmente os mesmos dados, cada aplicação ou projeto de integração de dados requer uma implementação personalizada.

O Common Data Model fornece uma arquitetura de referência que se destina a agilizar este processo, fornecendo uma linguagem de dados partilhada para aplicações empresariais e analíticas para usar. O sistema de metadados Common Data Model permite que os dados sejam partilhados em aplicações e processos empresariais como Power Apps, Power BI, Dynamics 365 e Azure.

O Common Data Model inclui um conjunto de esquemas de dados normalizados e extensíveis que a Microsoft e os seus parceiros publicaram. Esta coleção de esquemas predefinidos inclui tabelas, atributos, metadados semânticos e relações. Os esquemas representam conceitos e atividades comumente utilizados, como  Conta  e  Campanha, para simplificar a criação, agregação e análise de dados.

Os esquemas do Modelo de Dados Comuns podem ser utilizados para informar a criação de tabelas no Dataverse. Em seguida, as tabelas resultantes serão compatíveis com as aplicações e a análise que visam esta definição de Common Data Model.

A imagem a seguir mostra alguns elementos das tabelas padrão do Modelo de Dados Comuns. 

Tabelas

No Dataverse, as tabelas são utilizadas para modelar e gerir os dados de negócio. Para aumentar a produtividade, o Dataverse inclui um conjunto de tabelas conhecidas como tabelas padrão. Estas tabelas foram concebidas, de acordo com melhores práticas, para capturar os conceitos e cenários mais comuns dentro de uma organização. As tabelas padrão aderem ao Modelo de Dados Comuns.

Um conjunto de tabelas que são comumente utilizadas em indústrias, como Utilizador e Equipa, estão incluídas no Dataverse e referidas como tabelas padrão. Estas tabelas fora da caixa também podem ser personalizadas, tais como a inclusão de colunas adicionais. Além disso, pode facilmente criar as suas próprias tabelas personalizadas no Dataverse.

Colunas

As colunas definem os itens de dados individuais que podem ser utilizadas para armazenar dados numa tabela. Os campos são por vezes denominados atributos por programadores. Uma tabela que represente um curso numa universidade pode conter colunas como "Nome", "Localização", "Departamento", "Estudantes Registados", e assim por diante.

As colunas podem ter diferentes tipos de dados, tais como algarismos, cadeias, dados digitais, imagens e ficheiros. Não há necessidade de manter os dados relacionais e não relacionais separados artificialmente se fizer parte do mesmo processo de negócio ou fluxo. Dataverse armazena os dados no melhor tipo de armazenamento para o modelo criado.

Cada uma destas colunas pode ser associada a um dos muitos tipos de dados suportados pelo Dataverse.

Mais informações: Tipos de colunas

Relações

Dados de uma tabela estão frequentemente relacionados aos dados de outra tabela. Relações de tabela definem como linhas podem estar relacionadas entre si no modelo do Dataverse.

O Dataverse fornece designers visuais fáceis de usar para definir os diferentes tipos de Relações de uma tabela para outra (ou entre uma tabela e a si mesmo). Cada tabela pode ter uma relação com mais de uma tabela, e cada tabela pode ter mais de uma relação com outra tabela.

Os tipos de relações são:

• Muitos-para-um: neste tipo de relação, muitos registos da tabela A podem ser associados a um único registo da tabela B. Por exemplo, uma turma de alunos tem uma única sala de aula.

• Um-para-muitos: neste tipo de relação, um único registo da tabela B pode ser associado a muitos registos da tabela A. Por exemplo, um único professor dá muitas aulas.

• Muitos-para-muitos: neste tipo de relação, cada registo na tabela A pode corresponder a mais do que um registo na tabela B e vice versa. Por exemplo, os estudantes frequentam muitas turmas, e cada turma pode ter vários estudantes.

Como muitas para uma relações são as mais comuns, Dataverse fornece um tipo de dados específico chamado pesquisa, que não apenas facilita a definição desta relação, como adiciona produtividade à construção de formas e aplicações.

Para mais informações sobre criar relações entre tabelas, consulte Criar uma relação entre tabelas.

As organizações necessitam frequentemente de estar em conformidade com vários regulamentos para assegurar disponibilidade do histórico de interação com clientes, registos de auditoria, relatórios de acesso, de relatórios de monitorização de incidentes de segurança. As organizações podem pretender monitorizar alterações nos dados do Dataverse para fins de segurança e análise.

O Dataverse fornece uma capacidade de auditoria onde as alterações nas tabelas e nos dados de atributos de uma organização podem ser remadas ao longo do tempo para serem usadas em análise e reporte. A auditoria é suportada em todas as tabelas atributos personalizados e personalizáveis — e —. A auditoria não é suportada em alterações de metadados, operações de recuperação, operações de exportação ou durante a autenticação. Para obter informações sobre como configurar a auditoria, aceda a Gerir auditoria do Dataverse.

O Dataverse suporta a análise, fornecendo a capacidade de escolher tabelas para aprendizagem automática de modelos a funcionar. Conta com uma uma capacidade de IA pré-criada através do AI Builder.

Procurar

O Dataverse fornece três formas de consultar linhas:

• Pesquisa do Dataverse

• Localização rápida (numa única tabela ou em várias tabelas)

• Pesquisa avançada

Nota

Localização rápida em várias tabelas também é chamada de Pesquisa Categorizada.

Para mais informações, consulte Comparar pesquisas.

Pesquisa do Dataverse

A pesquisa do Dataverse apresenta resultados detalhados e rápidos em várias tabelas, numa única lista ordenada por relevância. Utiliza um serviço de pesquisa dedicado externo ao Dataverse (com tecnologia Azure) para potenciar o desempenho da pesquisa.

A Pesquisa do Dataverse proporciona as seguintes melhorias e benefícios:

• Melhora o desempenho através de indexação externa e de tecnologia de Azure Search.

• Encontra correspondências para qualquer palavra do termo de pesquisa em qualquer coluna na tabela, em contraste com a localização rápida, em que todas as palavras do termo de pesquisa têm de ser encontradas numa só coluna.

• Encontra correspondências que incluem palavras flexionadas como  transmitir,  transmitindo ou  transmitido.

• Devolve resultados de todas as tabelas pesquisáveis numa única lista ordenada por relevância, pelo que quanto melhor for a correspondência, mais alto irá aparecer o resultado na lista. Uma correspondência tem maior relevância se forem encontradas mais palavras do termo de pesquisa próximas umas das outras. Quanto menor for a quantidade de texto em que as palavras da pesquisa são encontradas, maior a relevância. Por exemplo, se encontrar as palavras de pesquisa no nome e endereço de uma empresa, esta pode ser uma melhor correspondência do que encontrar as mesmas palavras distantes uma da outra num artigo longo.

• Realça as correspondências na lista de resultados. Quando um termo de pesquisa corresponde a um termo numa linha, o termo aparece como texto a negrito e itálico nos seus resultados de pesquisa.

Para obter mais informações sobre a pesquisa do Dataverse, consulte Utilizar a pesquisa do Dataverse para procurar linhas.

Localização rápida

O Dataverse inclui a capacidade de encontrar linhas rapidamente e tem abordagens que irão pesquisar apenas um tipo de tabela, como o cliente, ou ser usado para pesquisar vários tipos de tabelas ao mesmo tempo, como contactos, utilizadores, clientes, e assim por diante.

A localização rápida de tabela única é utilizada para localizar linhas de um único tipo. Esta opção de pesquisa está disponível a partir de uma vista.

A localização rápida de tabelas múltiplas (pesquisa categorizada) também é usada para encontrar linhas, mas irá encontrá-las em diferentes tipos de tabelas, tais como contas ou contactos.

Data Lake

O Dataverse suporta a replicação contínua de dados de tabelas para o Azure Data Lake Storage, que podem ser usados para executar análises como reporte do Power BI, aprendizagem automática, armazenamento de dados e outros processos de integração a jusante.

Esta funcionalidade é concebida para análise de big data da empresa. É rentável, escalável, tem alta disponibilidade e capacidades de recuperação de desastres, e permite o melhor desempenho analítico em classe.

Os dados são armazenados no formato Common Data Model, o que fornece consistência semântica entre aplicações e implementações. Os metadados padronizados e os dados autodescritivos num Common Data Model simplificam a deteção de metadados e a interoperabilidade entre produtores e consumidores de dados, como Power BI, Data Factory, Azure Databricks e Azure Machine Learning.

Consulte também

Importar e exportar dados

Nota

Pode indicar-nos as suas preferências no que se refere ao idioma da documentação? Responda a um breve inquérito. (tenha em atenção que o inquérito está em inglês)

O inquérito irá demorar cerca de sete minutos. Não são recolhidos dados pessoais (declaração de privacidade).