在 Microsoft Power Platform 中建立和使用數據流
搭配 Microsoft Power Platform 使用數據流可讓您更輕鬆地準備數據，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。 它可耗用多達 60 到 80% 的時間，以及一般分析專案的成本。 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。
透過數據流，Microsoft 會將Power Query的自助式數據準備功能帶入Power BI和Power Apps 線上服務，並以下列方式擴充現有的功能：
使用數據流為巨量數據準備自助數據：數據流可用來輕鬆地內嵌、清理、轉換、整合、擴充和架構，以及從大量且不斷成長的交易和觀察來源數位將數據架構化，並包含所有數據準備邏輯。 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 邏輯會提升為 Microsoft Power Platform 服務內的一流成品，並包含專用的撰寫和管理體驗。 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。 此引擎會處理所有轉換和相依性邏輯邏輯削減時間、成本和專業知識，以處理這些工作傳統上需要的部分內容。 您可以使用 Power Query 的已知自助數據準備體驗來建立數據流。 數據流會在應用程式工作區或環境中分別在Power BI或Power Apps中建立及輕鬆管理，享受這些服務必須提供的所有功能，例如許可權管理和排程的重新整理。
將數據載入 Dataverse 或 Azure Data Lake 儲存體：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 儲存體 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。 資料表是一組資料列 (前稱為記錄) 和資料行 (前稱為欄位/屬性)。 資料表中的每個資料列都是用來儲存特定類型的資料，例如姓名、年齡和薪水等。 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 儲存體 可讓您使用 Power BI、Azure 資料和 AI 服務，或使用從 Lake 讀取數據的自定義建置企業營運應用程式，與組織中的人員共同作業。 將數據載入 Azure Data Lake 的數據流 儲存體 帳戶會將資料儲存在 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 儲存體 帳戶中的數據作為共用儲存層。
使用 Azure 的進階分析和 AI：Power Platform 數據流會將資料儲存在 Dataverse 或 Azure Data Lake 儲存體 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 數據服務的完整功能，例如 Azure 機器學習、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。
一般數據模型的支援：一般數據模型是一組標準化的數據架構和元數據系統，可讓數據和其意義在應用程式和商務程式之間保持一致性。 數據流支援 Common Data Model，方法是提供從任何圖形的任何數據輕鬆對應到標準 Common Data Model 資料表，例如帳戶和聯繫人。 數據流也會以架構化的 Common Data Model 表體，將標準數據表和自定義數據表都登陸。 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。 一般數據模型會隨著開放式數據計劃持續演進。
Microsoft Power Platform 服務中的數據流功能
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 | Power BI |
|---|---|---|
| 已排程的重新整理 | 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 | Yes | Yes |
| 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 |
| 新的「連接器」 | Yes | Yes |
| Common Data Model 的標準化架構/內建支援 | Yes | Yes |
| Power BI Desktop 中的數據 連線 或數據流 | 針對以 Azure Data Lake 儲存體 作為目的地的數據流 | Yes |
| 與組織的 Azure Data Lake 儲存體 整合 | Yes | Yes |
| 與 Dataverse 的整合 | 是 | No |
| 數據流連結數據表 | 針對以 Azure Data Lake 儲存體 作為目的地的數據流 | Yes |
| 計算資料表 （使用 M 的記憶體內轉換） | 針對以 Azure Data Lake 儲存體 作為目的地的數據流 | 僅限 Power BI 進階版 |
| 數據流累加式重新整理 | 針對以 Azure Data Lake 儲存體 作為目的地的數據流，需要 Power Apps Plan2 | 僅限 Power BI 進階版 |
| 在 Power BI 上執行 進階版 容量/平行執行轉換 | No | Yes |
已知的限制
- 不支援在Power Platform環境複製作業中複製資料流。
下一步
Power Apps 中數據流的詳細資訊：
- Power Apps 中的自助數據準備
- 在 Power Apps 中建立和使用資料流程
- 連接 Azure Data Lake Storage Gen2 以取得資料流程儲存空間
- 使用 Power Query 將數據新增至 Dataverse 中的數據表
- 流覽Power Apps 資料流社群 ，並分享您正在做什麼、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：
- Power BI 中的自助數據準備
- 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
- 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：