สถานการณ์การใช้งาน Power BI: การเตรียมข้อมูลด้วยตนเอง

หมายเหตุ

บทความนี้เป็นส่วนหนึ่งของ ชุดการวางแผน การใช้งาน Power BI ของบทความ ชุดข้อมูลนี้มุ่งเน้นปริมาณงาน Power BI ภายใน Microsoft Fabric เป็นหลัก สําหรับบทนําสู่ชุดข้อมูล โปรดดู ที่ การวางแผนการใช้งาน Power BI

การเตรียมข้อมูล (บางครั้งเรียกว่า ETL ซึ่งเป็นตัวย่อสําหรับ แยก แปลง และโหลด) มักเกี่ยวข้องกับงานจํานวนมากโดยขึ้นอยู่กับคุณภาพและโครงสร้างของข้อมูลต้นทาง สถานการณ์การใช้งานการเตรียมข้อมูลแบบบริการตนเองมุ่งเน้นไปที่การนํากิจกรรมการเตรียมข้อมูลกลับมาใช้ใหม่โดยนักวิเคราะห์ธุรกิจ ซึ่งบรรลุเป้าหมายของความสามารถในการนํามาใช้ใหม่นี้ โดยการย้ายงานการเตรียมข้อมูลจาก Power Query (ภายในไฟล์ Power BI Desktop แต่ละรายการ) ไปยัง Power Query Online (โดยใช้ กระแสข้อมูล Power BI) การรวมศูนย์ตรรกะช่วยให้บรรลุ แหล่งข้อมูลจริง เพียงแหล่งเดียวและลดระดับความพยายามที่ผู้สร้างเนื้อหารายอื่นต้องการ

กระแสข้อมูลถูกสร้างขึ้นโดยใช้ Power Query Online ในหนึ่งในหลายเครื่องมือ: บริการของ Power BI Power Apps หรือ Dynamics 365 Customer Insights กระแสข้อมูลที่สร้างขึ้นใน Power BI เรียกว่า กระแสข้อมูลเชิง วิเคราะห์ กระแสข้อมูลที่สร้างขึ้นใน Power Apps อาจเป็นหนึ่งในสองชนิด: มาตรฐานหรือการวิเคราะห์ สถานการณ์นี้ครอบคลุมเฉพาะการใช้กระแสข้อมูล Power BI ที่สร้างขึ้นและจัดการภายในบริการของ Power BI เท่านั้น

หมายเหตุ

สถานการณ์การเตรียมข้อมูลแบบบริการตนเองเป็นหนึ่งในสถานการณ์ BI แบบบริการตนเอง สําหรับรายการทั้งหมดของสถานการณ์แบบบริการตนเอง ให้ดู บทความ สถานการณ์ การใช้งาน Power BI

เพื่อความคล่องตัว หัวข้อบางแง่มุมที่อธิบายไว้ในหัวข้อการทํางานร่วมกันของ เนื้อหาและสถานการณ์ การจัดส่งนั้นไม่ครอบคลุมในบทความนี้ สําหรับความครอบคลุมที่สมบูรณ์ ให้อ่านบทความเหล่านั้นก่อน

ไดอะแกรมสถานการณ์จําลอง

ไดอะแกรมต่อไปนี้แสดงภาพรวมระดับสูงของการดําเนินการของผู้ใช้ทั่วไปส่วนใหญ่และคอมโพเนนต์ Power BI ที่สนับสนุนการเตรียมข้อมูลด้วยตนเอง โฟกัสหลักคือการสร้างกระแสข้อมูลใน Power Query Online ที่กลายเป็นแหล่งข้อมูลสําหรับแบบจําลองความหมายหลายรายการ (ก่อนหน้านี้เรียกว่าชุดข้อมูล) เป้าหมายคือสําหรับแบบจําลองความหมายจํานวนมากเพื่อใช้ประโยชน์จากการเตรียมข้อมูลที่ดําเนินการครั้งเดียวโดยกระแสข้อมูล

เคล็ดลับ

เราขอแนะนําให้คุณ ดาวน์โหลดไดอะแกรม สถานการณ์ถ้าคุณต้องการฝังลงในงานนําเสนอ เอกสารหรือบล็อกโพสต์ของคุณ หรือพิมพ์ออกมาเป็นโปสเตอร์บนผนัง เนื่องจากเป็นภาพกราฟิกเวกเตอร์ที่ปรับขนาดได้ (SVG) คุณสามารถปรับขนาดขึ้นหรือลงได้โดยไม่สูญเสียคุณภาพ

ไดอะแกรมสถานการณ์แสดงการดําเนินการ เครื่องมือ และคุณลักษณะของผู้ใช้ต่อไปนี้:

สินค้า	คำอธิบาย:
	ผู้สร้างกระแสข้อมูลพัฒนาคอลเลกชันของตารางภายในกระแสข้อมูล Power BI สําหรับกระแสข้อมูลที่มีวัตถุประสงค์เพื่อนํามาใช้ซ้ํา เป็นเรื่องปกติ (แต่ไม่จําเป็น) สําหรับผู้สร้างที่อยู่ในทีมส่วนกลางที่สนับสนุนผู้ใช้ข้ามขอบเขตขององค์กร (เช่น IT, BI ขององค์กร หรือ ศูนย์แห่งความเป็นเลิศ)
	กระแสข้อมูลเชื่อมต่อกับข้อมูลจากแหล่งข้อมูลหนึ่งหรือหลายแหล่ง
	แหล่งข้อมูลบางแหล่งอาจจําเป็นต้องใช้เกตเวย์ข้อมูลภายในองค์กรหรือเกตเวย์ VNet สําหรับการรีเฟรชข้อมูล เช่นเดียวกับที่อยู่ภายในเครือข่ายส่วนตัว เกตเวย์เหล่านี้ใช้สําหรับการเขียนกระแสข้อมูลใน Power Query Online ซึ่งเป็น Power Query เวอร์ชันบนเว็บ และการรีเฟรชกระแสข้อมูล
	กระแสข้อมูลได้รับการพัฒนาโดยใช้ Power Query Online อินเทอร์เฟซ Power Query ที่คุ้นเคยใน Power Query Online ทําให้การเปลี่ยนจาก Power BI Desktop ทําได้ง่าย
	กระแสข้อมูลจะถูกบันทึกเป็นรายการในพื้นที่ทํางานเพื่อจัดเก็บและรักษาความปลอดภัยกระแสข้อมูล จําเป็นต้องมีกําหนดการรีเฟรชกระแสข้อมูลเพื่อเก็บข้อมูลที่เป็นปัจจุบัน (ไม่ได้แสดงไว้ในไดอะแกรมสถานการณ์)
	กระแสข้อมูลสามารถนํามาใช้ใหม่เป็นแหล่งข้อมูลโดยผู้สร้างเนื้อหาและโดยแบบจําลองความหมายอื่น ๆ ที่อาจอยู่ในพื้นที่ทํางานที่แตกต่างกัน
	ผู้สร้างแบบจําลองความหมายพัฒนาแบบจําลองข้อมูลใหม่โดยใช้ Power BI Desktop ผู้สร้างแบบจําลองความหมายสามารถใช้ความสามารถเต็มรูปแบบของ Power Query ภายใน Power BI Desktop ได้ พวกเขาอาจเลือกใช้ขั้นตอนคิวรีอื่น ๆ เพื่อแปลงข้อมูลกระแสข้อมูลหรือผสานเอาต์พุตกระแสข้อมูล
	เมื่อพร้อมแล้ว ผู้สร้างแบบจําลองความหมายจะเผยแพร่ไฟล์ Power BI Desktop (.pbix) ที่มีแบบจําลองข้อมูลไปยังบริการของ Power BI การรีเฟรชสําหรับแบบจําลองความหมายได้รับการจัดการแยกต่างหากจากกระแสข้อมูล (ไม่ได้แสดงในไดอะแกรมสถานการณ์)
	ผู้สร้างแบบจําลองความหมายด้วยตนเองคนอื่น ๆ สามารถสร้างแบบจําลองข้อมูลใหม่ใน Power BI Desktop ได้โดยใช้กระแสข้อมูลเป็นแหล่งข้อมูล
	ในพอร์ทัลผู้ดูแลระบบ ผู้ดูแลระบบ Power BI สามารถตั้งค่าการเชื่อมต่อ Azure เพื่อจัดเก็บข้อมูลกระแสข้อมูลในบัญชี Azure Data Lake Storage รุ่น2 (ADLS Gen2) ของพวกเขาได้ การตั้งค่ารวมถึงการกําหนดบัญชีที่เก็บข้อมูลระดับผู้เช่าและเปิดใช้งานสิทธิ์การจัดเก็บระดับพื้นที่ทํางาน
	ผู้ดูแลระบบ Power BI จัดการการตั้งค่าในพอร์ทัลผู้ดูแลระบบ
	ตามค่าเริ่มต้น กระแสข้อมูลจะจัดเก็บข้อมูลโดยใช้ที่เก็บข้อมูลภายในที่จัดการโดยบริการของ Power BI หรือผลลัพธ์ข้อมูลโดยกระแสข้อมูลสามารถจัดเก็บไว้ในบัญชี ADLS Gen2 ขององค์กรได้ ที่เก็บข้อมูลประเภทนี้บางครั้งเรียกว่า นําที่จัดเก็บข้อมูลมาเอง ประโยชน์ของการจัดเก็บข้อมูลกระแสข้อมูลในที่จัดเก็บข้อมูลทะเลสาบข้อมูลคือสามารถเข้าถึงและใช้งานโดยเครื่องมือ BI อื่น ๆ ได้
	ข้อมูลของกระแสข้อมูลใน ADLS Gen2 จะถูกจัดเก็บไว้ภายในคอนเทนเนอร์เฉพาะของ Power BI ที่เรียกว่า ระบบไฟล์ ภายในคอนเทนเนอร์นี้ จะมี โฟลเดอร์สําหรับแต่ละพื้นที่ทํางานอยู่ โฟลเดอร์ย่อยจะถูกสร้างขึ้นสําหรับแต่ละกระแสข้อมูล เช่นเดียวกับแต่ละตาราง Power BI สร้างสแนปช็อตทุกครั้งที่มีการรีเฟรชข้อมูลกระแสข้อมูล สแนปช็อตอธิบายตัวเองซึ่งประกอบด้วยเมตาดาต้าและไฟล์ข้อมูล
	ผู้ดูแลระบบ Azure จัดการสิทธิ์สําหรับบัญชี ADLS Gen2 ขององค์กร
	ผู้ดูแลระบบ Power BI ดูแลและตรวจสอบกิจกรรมในบริการของ Power BI

เคล็ดลับ

เราขอแนะนําให้คุณตรวจสอบ สถานการณ์การใช้งานการเตรียม ข้อมูลขั้นสูงด้วย ซึ่งสร้างตามแนวคิดที่นํามาใช้ในสถานการณ์นี้

ประเด็นสําคัญ

ต่อไปนี้คือประเด็นสําคัญบางประการที่ต้องเน้นเกี่ยวกับสถานการณ์การเตรียมข้อมูลด้วยตนเอง

กระแสข้อมูล

กระแสข้อมูลประกอบด้วยคอลเลกชันของตาราง (หรือที่เรียกว่าเอนทิตี) งานทั้งหมดในการสร้างกระแสข้อมูลเสร็จสิ้นแล้วใน Power Query Online คุณสามารถสร้างกระแสข้อมูลใน หลายผลิตภัณฑ์ รวมถึง Power Apps, Dynamics 365 Customer Insights และ Power BI

หมายเหตุ

คุณไม่สามารถสร้างกระแสข้อมูลในพื้นที่ทํางานส่วนบุคคลในบริการของ Power BI ได้

สนับสนุนผู้สร้างแบบจําลองความหมาย

ไดอะแกรมสถานการณ์แสดงโดยใช้กระแสข้อมูล Power BI เพื่อให้ข้อมูลที่เตรียมไว้ให้กับผู้สร้างแบบจําลองความหมายด้วยตนเองคนอื่น ๆ

หมายเหตุ

แบบจําลองความหมายใช้กระแสข้อมูลเป็นแหล่งข้อมูล รายงานไม่สามารถเชื่อมต่อโดยตรงกับกระแสข้อมูล

ต่อไปนี้คือข้อดีบางประการของการใช้กระแสข้อมูล Power BI:

• ผู้สร้างแบบจําลองความหมายใช้อินเทอร์เฟซ Power Query ที่คุ้นเคยเหมือนกันที่พบใน Power BI Desktop
• สามารถนําตรรกะการเตรียมข้อมูลและการแปลงข้อมูลที่กําหนดโดยกระแสข้อมูลกลับมาใช้ใหม่ได้หลายครั้งเนื่องจากมีการรวมศูนย์ไว้ส่วนกลาง
• เมื่อมีการเปลี่ยนแปลงตรรกะการเตรียมข้อมูลในกระแสข้อมูลอาจไม่จําเป็นต้องอัปเดตแบบจําลองข้อมูลที่ขึ้นต่อกัน การลบหรือเปลี่ยนชื่อคอลัมน์ หรือการเปลี่ยนชนิดข้อมูลของคอลัมน์ จะต้องมีการอัปเดตแบบจําลองข้อมูลที่ขึ้นต่อกัน
• สามารถทําให้ข้อมูลเตรียมไว้ล่วงหน้าพร้อมใช้งานสําหรับผู้สร้างแบบจําลองความหมาย Power BI ได้อย่างง่ายดาย การนํากลับมาใช้ใหม่จะเป็นประโยชน์อย่างยิ่งสําหรับตารางที่ใช้กันทั่วไป—โดยเฉพาะ ตารางมิติ เช่น วันที่ ลูกค้า และผลิตภัณฑ์
• ระดับความพยายามที่จําเป็นโดยผู้สร้างแบบจําลองความหมายจะลดลงเนื่องจากงานการเตรียมข้อมูลได้รับการ แยก ออกจากงานการสร้างแบบจําลองข้อมูล
• ผู้สร้างแบบจําลองเชิงความหมายน้อยลงต้องการการเข้าถึงระบบต้นทางโดยตรง ระบบต้นทางอาจซับซ้อนในการสอบถามและอาจจําเป็นต้องมีสิทธิ์การเข้าถึงพิเศษ
• จํานวนการรีเฟรชที่ดําเนินการบนระบบต้นทางจะลดลงเนื่องจากแบบจําลองความหมายจะรีเฟรชการเชื่อมต่อกับกระแสข้อมูลและไม่ใช่ไปยังระบบต้นทางที่กระแสข้อมูลแยกข้อมูลออกมา
• ข้อมูลของกระแสข้อมูลแสดงถึงสแนปช็อตในเวลาและส่งเสริมความสอดคล้องเมื่อใช้โดยแบบจําลองความหมายจํานวนมาก
• การแยกวิเคราะห์ตรรกะการเตรียมข้อมูลลงในกระแสข้อมูลสามารถช่วยปรับปรุงความสําเร็จในการรีเฟรชแบบจําลองเชิงความหมายได้ หากการรีเฟรชกระแสข้อมูลล้มเหลว แบบจําลองความหมายจะรีเฟรชโดยใช้การรีเฟรชกระแสข้อมูลที่สําเร็จครั้งล่าสุด

เคล็ดลับ

สร้างตารางกระแสข้อมูลโดยใช้ หลักการออกแบบ Schema รูปดาว การออกแบบ Schema รูปดาวเหมาะสมสําหรับการสร้างแบบจําลองความหมายของ Power BI นอกจากนี้ปรับแต่งเอาต์พุตกระแสข้อมูลเพื่อใช้ชื่อที่เรียกง่ายและใช้ชนิดข้อมูลที่เฉพาะเจาะจง เทคนิคเหล่านี้ส่งเสริมความสอดคล้องในแบบจําลองความหมายแบบขึ้นต่อกัน และช่วยลดปริมาณงานที่ผู้สร้างแบบจําลองความหมายจําเป็นต้องทํา

ความยืดหยุ่นของผู้สร้างแบบจําลองความหมาย

เมื่อผู้สร้าง แบบจําลองความหมายเชื่อมต่อกับกระแส ข้อมูลใน Power BI Desktop ผู้สร้างไม่ถูกจํากัดให้ใช้ผลลัพธ์กระแสข้อมูลที่แน่นอน พวกเขายังคงมีฟังก์ชันการทํางานเต็มรูปแบบของ Power Query ที่พร้อมใช้งาน ฟังก์ชันการทํางานนี้จะเป็นประโยชน์ถ้าจําเป็นต้องมีงานการเตรียมข้อมูลเพิ่มเติมหรือข้อมูลจําเป็นต้องมีการแปลงเพิ่มเติม

ฟีเจอร์ขั้นสูงของกระแสข้อมูล

มีเทคนิคการออกแบบ รูปแบบ และแนวทางปฏิบัติที่ดีที่สุดสําหรับกระแสข้อมูลมากมายที่สามารถนํามาจากบริการตนเองไปจนถึงพร้อมใช้งานสําหรับองค์กร กระแสข้อมูลในพื้นที่ทํางานที่มีการตั้งค่าโหมดสิทธิ์การใช้งานเป็น Premium ต่อผู้ใช้ ความจุระดับพรีเมียม หรือความจุ Fabric จะได้รับประโยชน์จากคุณลักษณะขั้นสูง

สำคัญ

ในบางครั้งที่บทความนี้อ้างอิงถึง Power BI Premium หรือการสมัครใช้งานความจุ (P SKU) โปรดทราบว่าในขณะนี้ Microsoft กําลังรวมตัวเลือกการซื้อและหยุดใช้งาน Power BI Premium ต่อความจุ SKU ลูกค้าใหม่และลูกค้าที่มีอยู่ควรพิจารณาซื้อการสมัครใช้งานความจุ Fabric (F SKU) แทน

สําหรับข้อมูลเพิ่มเติม โปรดดู ที่ การอัปเดตที่สําคัญเกี่ยวกับการให้สิทธิ์การใช้งาน Power BI Premium และ คําถามที่ถามบ่อยของ Power BI Premium

หมายเหตุ

หนึ่งใน คุณลักษณะ ขั้นสูงคือการรีเฟรชแบบเพิ่มหน่วยสําหรับกระแสข้อมูล แม้ว่าการรีเฟรชแบบเพิ่มหน่วยสําหรับ แบบจําลอง เชิงความหมายเป็นคุณลักษณะ Power BI Pro แต่การรีเฟรชแบบเพิ่มหน่วยสําหรับกระแสข้อมูลเป็นคุณลักษณะพรีเมียม

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับฟีเจอร์ขั้นสูงของ กระแสข้อมูล โปรดดู สถานการณ์การใช้งานการเตรียม ข้อมูลขั้นสูง

การรีเฟรชกระแสข้อมูลและแบบจําลองความหมาย

ตามที่กล่าวไว้ก่อนหน้านี้ กระแสข้อมูลเป็นแหล่งข้อมูลสําหรับแบบจําลองเชิงความหมาย ในกรณีส่วนใหญ่ มีการกําหนดตารางเวลาการรีเฟรชข้อมูลหลายรายการ: หนึ่งรายการสําหรับกระแสข้อมูลและอีกหนึ่งรายการสําหรับแต่ละแบบจําลองความหมาย อีกวิธีหนึ่งคือคุณสามารถใช้ DirectQuery จากแบบจําลองความหมายไปยังกระแสข้อมูลซึ่งเป็นคุณลักษณะพรีเมียม (ไม่ได้แสดงในแผนภาพสถานการณ์)

Azure Data Lake Storage รุ่น2

ใน Microsoft Azure บัญชี ADLS Gen2 เป็นบัญชี Azure Storage ชนิดเฉพาะที่ เปิดใช้งานเนมสเปซ แบบลําดับชั้น ADLS Gen2 มีประสิทธิภาพ การจัดการ และการรักษาความปลอดภัยที่ดีกว่า สําหรับการใช้งานปริมาณงานวิเคราะห์ ตามค่าเริ่มต้น กระแสข้อมูล Power BI จะใช้ที่เก็บข้อมูลภายใน ซึ่งเป็นบัญชี data lake ที่มีอยู่แล้วภายในที่จัดการโดยบริการของ Power BI อีกทางหนึ่งคือ องค์กรสามารถ นําที่จัดเก็บข้อมูลดิบ ของตนเองมาเองได้โดยการเชื่อมต่อกับบัญชี ADLS Gen2 ขององค์กรได้

ต่อไปนี้คือข้อดีบางประการของการใช้บัญชี data lake ขององค์กร:

• ข้อมูลที่จัดเก็บโดยกระแสข้อมูล Power BI สามารถเข้าถึงได้จาก data lake โดยผู้ใช้หรือกระบวนการอื่น ๆ ซึ่งจะเป็นประโยชน์เมื่อมีการนํากระแสข้อมูลกลับมาใช้ใหม่นอกเหนือ Power BI ตัวอย่างเช่น สามารถเข้าถึงข้อมูลได้โดย Azure Data Factory
• ข้อมูลใน data lake สามารถ (เป็นทางเลือก) ได้รับการจัดการโดยเครื่องมือหรือระบบอื่น ๆ ในกรณีนี้ Power BI สามารถใช้ข้อมูลได้แทนที่จะจัดการ (ไม่ได้แสดงในไดอะแกรมสถานการณ์)

ที่เก็บข้อมูลระดับผู้เช่า

ส่วนการเชื่อมต่อ Azure ของพอร์ทัลผู้ดูแลระบบมีการตั้งค่าเพื่อกําหนดค่าการเชื่อมต่อไปยังบัญชี ADLS Gen2 การกําหนดค่าการตั้งค่านี้ช่วยให้สามารถ นําที่จัดเก็บข้อมูลทะเลสาบของคุณเองมาใช้ได้ เมื่อตั้งค่าแล้ว คุณสามารถตั้งค่า พื้นที่ทํางานเพื่อใช้บัญชี data lake นั้นได้

สำคัญ

การตั้งค่า การเชื่อมต่อ Azure ไม่ได้หมายความว่ากระแสข้อมูลทั้งหมดในผู้เช่า Power BI จะถูกจัดเก็บไว้ในบัญชีนี้ตามค่าเริ่มต้น ในการใช้บัญชีเก็บข้อมูลที่ชัดเจน (แทนที่จะเป็นที่เก็บข้อมูลภายใน) แต่ละพื้นที่ทํางานจะต้องเชื่อมต่อโดยเฉพาะ

เป็นเรื่องสําคัญที่ต้องตั้งค่าการเชื่อมต่อ พื้นที่ทํางานของ Azure ก่อนที่จะสร้างกระแส ข้อมูลใดๆ ในพื้นที่ทํางาน บัญชีที่เก็บข้อมูล Azure เดียวกันถูกใช้สําหรับ การสํารองข้อมูลแบบจําลองความหมายของ Power BI

พื้นที่เก็บข้อมูลระดับพื้นที่ทํางาน

ผู้ดูแลระบบ Power BI สามารถกําหนดค่าการตั้งค่าเพื่ออนุญาตสิทธิ์การจัดเก็บระดับพื้นที่ทํางาน (ในส่วนการเชื่อมต่อ Azure ของพอร์ทัลผู้ดูแลระบบ) เมื่อเปิดใช้งาน การตั้งค่านี้จะช่วยให้ ผู้ดูแลระบบพื้นที่ทํางานสามารถใช้บัญชี ที่เก็บข้อมูลอื่นนอกเหนือจากที่กําหนดไว้ในระดับผู้เช่าได้ การเปิดใช้งานการตั้งค่านี้จะเป็นประโยชน์อย่างยิ่งสําหรับหน่วยธุรกิจแบบกระจายอํานาจที่จัดการ data lake ของตนเองใน Azure

หมายเหตุ

สิทธิ์การจัดเก็บข้อมูลระดับพื้นที่ทํางานในพอร์ทัลผู้ดูแลระบบจะนําไปใช้กับพื้นที่ทํางานทั้งหมดในผู้เช่า Power BI

รูปแบบ Common Data Model

ข้อมูลในบัญชี ADLS Gen2 จะถูกจัดเก็บไว้ใน โครงสร้าง Common Data Model (CDM) โครงสร้าง CDM เป็นรูปแบบเมตาดาต้าที่กําหนดวิธีการจัดเก็บ Schema อธิบายตัวเอง ตลอดจนข้อมูล โครงสร้าง CDM ช่วยให้มีความสอดคล้องภายในรูปแบบที่ได้มาตรฐานสําหรับการแชร์ข้อมูลในแอปพลิเคชันจํานวนมาก (ไม่ได้แสดงในแผนภาพสถานการณ์จําลอง)

เผยแพร่ไปยังพื้นที่ทํางานแยกต่างหาก

มีข้อดีหลายประการในการเผยแพร่กระแสข้อมูลไปยัง พื้นที่ทํางาน ที่แยกต่างหากจากตําแหน่งที่จัดเก็บแบบจําลองความหมายที่ขึ้นต่อกัน ข้อดีประการหนึ่งคือ ชัดเจนว่าใครเป็นผู้รับผิดชอบในการจัดการเนื้อหาประเภทใด (ถ้าคุณมีบุคคลที่ต่างกันในการจัดการความรับผิดชอบที่แตกต่างกัน) ประโยชน์อีกประการหนึ่งคือสามารถกําหนดสิทธิ์ของพื้นที่ทํางานเฉพาะสําหรับเนื้อหาแต่ละประเภทได้

หมายเหตุ

คุณไม่สามารถสร้างกระแสข้อมูลในพื้นที่ทํางานส่วนบุคคลในบริการของ Power BI ได้

สถานการณ์การใช้งานการเตรียมข้อมูลขั้นสูงอธิบายถึงวิธีการตั้งค่าพื้นที่ทํางานหลายพื้นที่เพื่อให้มีความยืดหยุ่นมากขึ้นเมื่อสนับสนุนผู้สร้างแบบบริการตนเองระดับองค์กร

การตั้งค่าเกตเวย์

โดยทั่วไปแล้ว เกตเวย์ข้อมูลภายในองค์กรจําเป็นสําหรับการเชื่อมต่อกับแหล่งข้อมูลที่อยู่ภายในเครือข่ายส่วนตัวหรือเครือข่ายเสมือน

จําเป็นต้องใช้เกตเวย์ข้อมูลเมื่อ:

• การเขียนกระแสข้อมูลใน Power Query Online ที่เชื่อมต่อกับข้อมูลองค์กรส่วนตัว
• การรีเฟรชกระแสข้อมูลที่เชื่อมต่อกับข้อมูลองค์กรส่วนตัว

เคล็ดลับ

กระแสข้อมูลจําเป็นต้องใช้เกตเวย์ข้อมูลส่วนกลางในโหมดมาตรฐาน เกตเวย์ในโหมดส่วนบุคคลไม่ได้รับการสนับสนุนเมื่อทํางานกับกระแสข้อมูล

ระบบ oversight

บันทึกกิจกรรมบันทึกกิจกรรมของผู้ใช้ที่เกิดขึ้นในบริการของ Power BI ผู้ดูแลระบบ Power BI สามารถใช้ข้อมูลบันทึกกิจกรรมที่รวบรวมไว้เพื่อทํา การตรวจสอบ เพื่อช่วยให้พวกเขาเข้าใจรูปแบบการใช้งานและการเริ่มนําไปใช้ได้ บันทึกกิจกรรมยังมีประโยชน์สําหรับการสนับสนุนความพยายามด้านการกํากับดูแล การตรวจสอบความปลอดภัย และข้อกําหนดการปฏิบัติตามกฎระเบียบ ด้วยสถานการณ์การเตรียมข้อมูลด้วยตนเอง จะเป็นประโยชน์อย่างยิ่งในการติดตามการใช้งานของกระแสข้อมูล

เนื้อหาที่เกี่ยวข้อง

ในบทความถัดไปในชุดข้อมูล เรียนรู้เกี่ยวกับ สถานการณ์การใช้งานการเตรียม ข้อมูลขั้นสูง