Dataförberedelse med självbetjäning via dataflöden
Allt eftersom datavolymerna fortsätter att växa kan det vara svårt att utforma dessa data till välstrukturerad och användbar information. Du vill ha data som är förberedda för appar, AI-arbetsbelastningar eller analyser så att du snabbt kan omvandla datavolymer till användbara insikter. Med dataförberedelse via självbetjäning i Power Apps-portalen kan du omvandla och läsa in data till Microsoft Dataverse eller organisationens Azure Data Lake Storage Gen2-konto med bara några få klick.
Dataflöden har tillkommit för att hjälpa organisationer att samordna data från olika källor och förbereda dem för användning. Du kan enkelt skapa dataflöden med hjälp av välkända självbetjäningsverktyg för att samla in, omvandla, integrera och berika stordata. När du skapar ett dataflöde definierar du anslutningar till datakällan, ETL-logik (extrahera, transformera, läsa in) och destinationen dit du vill läsa in informationen. När detta är klart kan du konfigurera dataflödets uppdateringsschema för att ange hur ofta det ska köras. Den nya modellbaserade beräkningsmotorn gör dataförberedelsen mer hanterbar, lättare att förutse och mindre arbetsam för kunderna. Med dataflöden kan uppgifter som IT-avdelningen tidigare var tvungen att skapa och övervaka (och som tog många timmar eller dagar att slutföra) kan nu hanteras av enskilda personer som inte är datavetare, till exempel apputvecklare, affärsanalytiker och skapare av rapporter.
Dataflöden lagrar data i tabeller. En tabell är en uppsättning rader som används för att lagra data, som liknar hur en tabell lagrar data i en databas. Kunderna kan definiera ett anpassat tabellschema eller använda standardtabellerna i Common Data Model. Common Data Model är ett gemensamt dataspråk som affärs- och analysappar använder. Metadatasystemet i Common Data Model gör att data och dess innebörd blir konsekventa mellan olika appar och affärsprocesser som Power Apps, Power BI, en del Dynamics 365-appar (modellbaserade appar) och Azure, som lagrar data i överensstämmelse med Common Data Model. Ett dataflödes resulterande tabeller kan sedan lagras i något av följande:
Dataverse. Låter dig säkert lagra och hantera data som används av affärs som skapats med Power Apps och Power Automate.
Azure Data Lake Storage Gen2. Låter dig samarbeta med människor i din organisation med hjälp av Power BI, Azure Data och AI-tjänster eller anpassade verksamhetsspecifika program som läser data från sjön. Dataflöden som läser in data till ett Azure Data Lake Storage Gen2-konto lagrar data Common Data Model-mappar. Common Data Model-mappar med innehåller schematiserade data och metadata i standardiserat format för att underlätta datautbytet och för att möjliggöra fullständig interoperabilitet mellan tjänster som producerar eller använder data som lagras i organisationens Azure Data Lake Storage-konto som delat lagringsskikt.
Du kan använda dataflöden för att samla in data från en stor och växande uppsättning lokala och molnbaserade datakällor, till exempel Excel, SharePoint, Azure SQL Database, Azure Data Explorer, Salesforce, Oracle-databaser och många fler.
När du har valt en datakälla kan du använda Power Query, som kräver ingen eller lite kod, för att omvandla data och mappa dem till standardtabell i Common Data Model eller skapa egna tabeller. Erfarna användare kan redigera ett dataflödes M-språk direkt för att helt anpassa dataflödena, vilket påminner om Power Query som miljontals Power BI Desktop och Excel-användare redan känner till.
När du har skapat och sparat ett dataflöde måste du köra det i molnet. Du kan välja att utlösa ett dataflöde om du vill köra det manuellt eller schemalägga hur ofta dataflödestjänsten i Power Platform ska köra det åt dig. När ett dataflöde har körts klart blir dess data tillgängliga för användning. För att läsa in dataflödet i Dataverse kan Common Data Service-anslutningsprogrammet användas i Power Apps, Power Automate, Excel och alla andra program som stöder Dataverse-anslutningsprogrammet. Om du vill hämta från dataflöden som lagras i organisationens Azure Data Lake Storage Gen2-konto kan du använda anslutningsprogrammet för Power Platform-dataflöden i Power BI Desktop eller komma åt filerna direkt i sjön.
Så här använder du dataflöden
I det föregående avsnittet fanns information om tekniken bakom dataflöden. I det här avsnittet får du en guidad visning av hur dataflöden kan användas i en organisation.
Anteckning
Du måste ha ett betalt Power Apps-abonnemang för att kunna använda dataflöden, men du debiteras inte separat för att använda dataflöden.
Läsa in data till Dataverse
Dataflöden kan användas för att fylla i tabeller i Common Data Service som sedan används i Power Apps-appar. Med några få klick kan du integrera data från datakällor online och lokalt.
Utöka Common Data Model för ditt företags behov
För organisationer som vill utöka och bygga ut Common Data Model kan dataflöden göra det möjligt för Business Intelligence-personal att anpassa standardtabeller eller skapa nya. Den här självbetjäningsmetoden för anpassning av datamodellen kan sedan användas med dataflöden för att skapa Power BI-instrumentpaneler som är skräddarsydda för en organisation.
Utöka dina funktioner med Azure-data och AI-tjänster
Power Platform-dataflöden kan konfigureras till att lagra dataflödesdata i organisationens Azure Data Lake Storage Gen2-konto. När en miljö är ansluten till organisationens data lake kan datavetare och utvecklare dra nytta av avancerade Azure-produkter som Azure Machine Learning, Azure Databricks och Azure Data Factory.
Mer information om Azure Data Lake Storage Gen2 och dataflödesintegrering, inklusive hur du skapar dataflöden som finns i organisationens Azure Data Lake, finns i Anslut Azure Data Lake Storage Gen2 för dataflödeslagring.
Sammanfattning av dataförberedelser av stordata via självbetjäning i Power Apps
Det finns flera olika scenarier och exempel där dataflöden kan hjälpa dig att få bättre kontroll – och snabbare insikter – från dina företagsdata. Andra användare i organisationen kan dra nytta av dataflöden antingen via Dataverse, anslutningsprogrammet för Power Platform-dataflöden i Power BI eller via direkt åtkomst till dataflödets Common Data Service-mapp i organisationens Azure Data Lake Storage Gen2-konto. Genom att använda en standarddatamodell (schema) som definieras av Common Data Model, kan affärsappar vara beroende av en tabells schema och abstraheras från hur data skapades eller från datakällan. När ett dataflöde har slutfört den schemalagda körningen blir data mycket snabbt klara för att modelleras och skapa appar, flöden eller BI-insikter, vilket tidigare tog mycket längre tid.
Med det standardiserade formatet i Common Data Model kan användare i organisationen skapa appar som genererar snabba, enkla och automatiska visuella objekt och rapporter. De omfattar, men är inte begränsade till:
Mappa data från olika källor till standardtabeller i Common Data Model för att samordna data och dra nytta av det välbekanta schemat för att köra färdiga appar.
Skapa egna anpassade tabeller för att samordna data från hela organisationen.
Skapa Power BI-rapporter och -instrumentpaneler som utnyttjar dataflödesdata.
Skapa integration med Azure-data och AI-tjänster via organisationens Azure Data Lake Storage Gen2-konto.
Nästa steg
Den här artikeln innehåller en översikt över dataförberedelser via självbetjäning i Power Apps-portalen och hur du kan använda det. Följande avsnitt innehåller mer information om vanliga användningsområden för dataflöden:
Mer information om Power Query och schemalagd uppdatering finns i dessa artiklar:
Mer information om Common Data Model finns i översiktsartikeln:
Anteckning
Kan du berätta om dina inställningar för dokumentationsspråk? Svara i en kort undersökning. (observera att undersökningen är på engelska)
Undersökningen tar ungefär sju minuter. Inga personuppgifter samlas in (sekretesspolicy).