在 Microsoft Power Platform 中建立和使用數據流
搭配Microsoft Power Platform 使用數據流可讓數據準備變得更容易，並可讓您在後續報表、應用程式和模型中重複使用數據準備工作。
在不斷擴大的數據世界中，數據準備可能很困難且昂貴。 它可能會耗費一般分析專案多達 60% 到 80% 的時間和成本。 這類專案可能需要整頓分散和不完整的數據、複雜的系統整合、結構不一致的數據，以及高技能集障礙。
為了簡化數據準備，並協助您從數據中獲得更多價值，已建立Power Query和Power Platform資料流。
使用數據流，Microsoft將 Power Query 的自助數據準備功能帶入 Power BI 和 Power Apps 在線服務，並以下列方式擴充現有的功能：
使用數據流進行大數據的自助式數據準備：數據流可以輕鬆地擷取、清理、轉換、整合、擴充和架構來自大量且不斷增長的交易和觀察來源的數據，全面包涵所有數據準備邏輯。 先前，擷取、轉換、載入（ETL）邏輯只能包含在Power BI的語意模型中、在語意模型之間複製，以及系結至語意模型管理設定。
透過數據流，ETL 邏輯會提升至 Microsoft Power Platform 服務內的重要資產，並包含專屬的撰寫和管理體驗。 商務分析師、BI 專業人員和數據科學家可以使用數據流來處理最複雜的數據準備挑戰，並建置彼此的工作，這要歸功於一個革命性的模型驅動計算引擎。 此引擎負責處理所有的轉換和相依邏輯，大幅縮短所需的時間、成本和專業技能，遠低於傳統上完成這些任務所需的資源。 您可以使用 Power Query 的已知自助數據準備體驗來建立數據流。 數據流會在 Power BI 或 Power Apps 的應用程式工作區或環境中建立和輕鬆管理，享受這些服務提供的所有功能，例如權限管理和排定的重新整理。
將數據載入 Dataverse 或 Azure Data Lake Storage：視您的使用案例而定，您可以將 Power Platform 數據流準備的數據儲存在 Dataverse 或組織的 Azure Data Lake Storage 帳戶中：
Dataverse 可讓您安全地儲存和管理商務應用程式所使用的數據。 Dataverse 中的數據會儲存在一組數據表中。 數據表 是一組數據列（先前稱為記錄）和數據行（先前稱為欄位/屬性）。 數據表中的每個數據行都是設計來儲存特定類型的數據，例如名稱、年齡、薪資等等。 Dataverse 包含一組涵蓋一般案例的標準數據表，但您也可以建立組織特定的自定義數據表，並使用數據流填入數據。 然後，應用程式製作者可以使用Power Apps和Power Automate來建置使用此資料的豐富應用程式。
Azure Data Lake Storage 可讓您使用 Power BI、Azure 資料和 AI 服務，或使用從資料湖讀取資料的自訂商業應用程式，與組織中的人員共同作業。 將數據載入至 Azure Data Lake Storage 帳戶的數據流會將資料儲存在 Common Data Model 資料夾中。 Common Data Model 資料夾包含標準化格式的架構化數據和元數據，以協助資料交換，並啟用跨服務的完整互操作性，以產生或取用儲存在組織 Azure Data Lake Storage 帳戶中的數據做為共用儲存層。
使用 Azure
進階分析和 AI：Power Platform 數據流會將數據儲存在 Dataverse 或 Azure Data Lake Storage 中，這表示透過數據流內嵌的數據現在可供數據工程師和數據科學家使用，以運用 Azure Data Services 的完整功能，例如 Azure Machine Learning、Azure Databricks 和 Azure Synapse Analytics，以進行進階分析和 AI。 這可讓商務分析師、數據工程師和數據科學家在其組織內的相同數據上共同作業。 支援一般數據模型：Common Data Model 是一組標準化的數據架構和元數據系統，可讓數據在應用程式和商務程式中保持一致性及其意義。 數據流支援 Common Data Model，提供從任何形態的數據輕鬆映射到標準 Common Data Model 資料表，例如帳戶與聯絡人。 數據流會將標準數據表和自定義數據表存儲於架構化的 Common Data Model 形式中。 商務分析師可以利用標準架構及其語意一致性，或根據其唯一需求自定義其數據表。 Common Data Model 作為 開放數據倡議的一部分，會持續演進。
大部分的數據流功能都可在Power Apps和Power BI中使用。 數據流是這些服務計劃的一部分。 某些數據流功能是產品特定功能，或可在不同的產品方案中取得。 下表描述數據流功能及其可用性。
| 數據流功能 | Power Apps（應用程式） | Power BI |
|---|---|---|
| 排程更新 | 每天最多48個 | 每天最多48個 |
| 每個數據表重新整理時間的最大值 | 最多2小時 | 最多2小時 |
| 使用 Power Query Online 撰寫數據流 | 是的 | 是的 |
| 數據流管理 | 在Power Apps管理入口網站中 | 在 Power BI 管理入口網站中 |
| 新連接器 | 是的 | 是的 |
| Common Data Model 的標準化架構/內建支援 | 是的 | 是的 |
| Power BI Desktop 中的數據流數據連接器 | 針對以 Azure Data Lake Storage 作為目的地的數據流 | 是的 |
| 與組織的 Azure Data Lake Storage 整合 | 是的 | 是的 |
| 與 Dataverse 整合 | 是的 | 不 |
| 資料流關聯資料表 | 針對以 Azure Data Lake Storage 作為儲存目標的數據流 | 是的 |
| 計算資料表 （使用 M 的記憶體內轉換） | 針對以 Azure Data Lake Storage 作為目的地的數據流 | 僅限 Power BI Premium |
| 資料流程增量刷新 | 針對以 Azure Data Lake Storage 作為目的地的數據流，需要 Power Apps Plan2 | 僅限 Power BI Premium |
| 在 Power BI Premium 資源上執行 / 平行執行轉換 | 不 | 是的 |
- 不支援將資料流作為 Power Platform 環境複製作業 的一部分，或作為 備份和還原環境 作業的一部分。
- 當數據流的擁有者變更且涉及連接和查詢參數時，參數值也會更改為先前的值（如果已經設置過此值）。
Power Apps 中數據流的詳細資訊：
- Power Apps 自助式數據準備
- 在Power Apps 中建立和使用數據流
- 連線 Azure Data Lake Storage Gen2 以用於資料流儲存
- 使用 Power Query 將數據新增至 Dataverse 中的數據表
- 請造訪 Power Apps 資料流社群，分享您正在做的事情、詢問問題，或 提交新想法
- 請流覽 Power Apps 數據流社群論壇，並分享您正在做什麼、詢問問題或 提交新想法
Power BI 中數據流的詳細資訊：
- 自助數據準備在 Power BI 中
- 在Power BI 中建立和使用數據流
- 數據流白皮書
- 數據流逐步解說的詳細 影片
- 請流覽 Power BI 資料流社群，並分享您正在做什麼、詢問問題或 提交新想法
下列文章會詳細說明數據流的常見使用案例。
如需 Common Data Model 和 Common Data Model 資料夾標準的詳細資訊，請閱讀下列文章：