Power BI 使用案例：可自定義的受控自助 BI

注意

本文構成Power BI實作規劃系列文章的一部分。 此系列主要著重於 Microsoft Fabric 內的 Power BI 體驗。 如需系列簡介，請參閱 Power BI 實作規劃。

如網狀架構採用藍圖中所述，受控自助 BI 的特點是混合式方法，強調核心專業領域和邊緣的彈性。 數據架構通常是由單一集中式 BI 專家小組維護，而報告責任則屬於部門或業務單位內的建立者。

不過，當核心數據架構不包含所有必要的數據時，語意模型（先前稱為數據集）建立者可以擴充、個人化或自定義現有的共用語意模型。 您可以建立新的特製化語意模型，以符合現有集中傳遞語意模型不符合的商務需求。 重要的是，核心數據不會重複。 此使用案例稱為 可自定義的受控自助 BI。

注意

這個可自定義的受控自助 BI 案例是自助 BI 案例的第二個案例。 此案例是以集中式共用語意模型完成的工作為基礎（這是在受控自助 BI 案例中引進的）。 您可以在 Power BI 使用案例一文中找到所有案例的清單。

為了簡潔起見，本文並未涵蓋內容共同作業和傳遞案例主題中所述的某些層面。 如需完整的涵蓋範圍，請先閱讀這些文章。

案例圖表

下圖描述最常見的用戶動作和Power BI元件的概觀，以支援可自定義的受控自助BI。 主要重點是藉由擴充現有的共用語意模型，在業務單位中提供內容建立者的能力來建立特製化數據模型。 目標是儘可能達到可重複使用性，並允許彈性滿足其他分析需求。

提示

如果您想要將其內嵌在簡報、檔或部落格文章中，建議您下載案例圖表，或將其列印成牆面海報。 因為它是可調整的向量圖形 （SVG） 影像，因此您可以相應增加或減少，而不會遺失品質。

案例圖表描述下列使用者動作、工具和功能：

項目	說明
	語意模型建立者 A 會使用 Power BI Desktop 開發模型。 針對意在重複使用的語意模型，建立者通常（但並非必要）屬於支援跨組織界限的使用者（例如IT、企業BI或卓越中心）的集中式小組。
	Power BI Desktop 會從一或多個數據源聯機到數據。
	數據模型開發是在Power BI Desktop中完成的。 為了建立設計良好且方便使用者使用的模型，因此許多自助報表建立者可以使用它做為數據源。 模型建立者可以使用 DAX 查詢在開發期間開發和探索模型。
	當就緒時，模型建立者 A 會將其 Power BI Desktop 檔案 （.pbix） 或 Power BI 專案檔 （.pbip） 發佈至 Power BI 服務。
	語意模型會發佈至專用於儲存和保護共用語意模型的工作區。 由於語意模型是供重複使用，因此會 視需要背書 （經認證或升階）。 語意模型也會標示為 可 探索，以進一步鼓勵其重複使用。 Power BI 服務 中的譜系檢視可用來追蹤Power BI項目之間存在的相依性。
	OneLake 數據中樞 中的數據探索已啟用，因為語意模型標示為可探索。 可探索性可讓其他尋找數據的Power BI內容建立者在 OneLake 數據中樞內顯示語意模型。
	內容建立者會使用 Power BI 服務 中的 OneLake 數據中樞來搜尋可探索的數據項，例如語意模型。
	如果內容建立者具有許可權，他們可以要求 數據項的建置許可權 。 這會啟動工作流程，向授權核准者要求建置許可權。 一旦他們擁有許可權，內容建立者就可以重複使用數據項來建置新的解決方案。
	在 Power BI Desktop 中，模型建立者 B 會建立與位於 Power BI 服務 的原始共用語意模型即時連線。 由於意圖是擴充和自定義原始語意模型，因此 即時連線 會 轉換成 DirectQuery 模型。 此動作會導致Power BI Desktop 檔案中的本機模型。
	Power BI Desktop 會連線到來自其他數據源的數據。 目標是增強共用語意模型，讓新的特製化複合語意模型符合額外的分析需求。
	關聯性是在現有的數據表（從共用語意模型，也稱為遠端模型）和剛匯入的新數據表（儲存在 本機模型中）之間建立的 Power BI Desktop 中。 Power BI Desktop 會完成額外的計算和模型化工作，以完成特製化複合模型的設計。
	準備好時，語意模型建立者 B 會將其 .pbix 或 .pbip 檔案發佈至 Power BI 服務。
	新的特製化複合語意模型會發佈至專門用來儲存和保護部門所擁有和管理之語意模型的工作區。
	特製化語意模型會維持與原始Power BI共用語意模型的連接。 原始共用語意模型的任何變更都會影響 相依於它的下游特製化複合語意模型。
	其他自助報表建立者可以撰寫連線至特製化複合語意模型的新報表。 報表建立者可以選擇使用 Power BI Desktop、Power BI 報表產生器 或 Excel。
	報表會發佈至專用於儲存和保護報表和儀錶板的工作區。
	已發佈的報表仍會連接到儲存在不同的工作區中的特製化語意模型。 特製化語意模型的任何變更都會影響所有與其連線的報表。
	某些數據源可能需要內部部署數據網關或 VNet 閘道進行數據重新整理，例如位於私人組織網路內的數據源。
	網狀架構系統管理員會在網狀架構入口網站中監督和監視活動。

重點

以下是一些重點，強調可自定義的受控自助 BI 案例。

共用語意模型

讓 受控自助 BI 工作的主要層面是將語意模型的數目降到最低。 此案例描述共用 語意模型 ，有助於達成單一 版本的真相。

注意

為了簡單起見，案例圖表只會描述一個共用語意模型。 不過，在單一語意模型中建立所有組織數據的模型通常並不實用。 另一個極端是為每個報表建立新的語意模型，就像經驗較不豐富的內容建立者一樣。 目標是尋找正確的平衡，傾向於相對較少的語意模型，並在合理的情況下建立新的語意模型。

增強初始共用語意模型

有時候自助建立者需要增強現有的語意模型，例如，其部門特有的其他數據。 在此情況下，他們可以使用 DirectQuery 連線至 Power BI 語意模型。 此功能可讓您在利用集中管理的數據資產投資的同時，實現自助式啟用的理想平衡。 案例圖表描述 DirectQuery 連線。 將即時連線轉換成 DirectQuery 連線的動作會建立本機模型，以允許新增數據表。 您可以從原始共用語意模型（遠端模型）和剛加入的新數據表之間建立關聯性（本機模型）。 您可以進行額外的計算和數據模型，以自訂新的數據模型。

提示

此案例會醒目提示重複使用共用語意模型。 不過，有時候在某些情況下，數據模型製作者想要限制下游數據模型的建立。 在此情況下，他們可以在 Power BI Desktop 設定中啟用 [禁止 DirectQuery 連線 ] 屬性。

語意模型簽署

因為共用語意模型是用來重複使用的，所以支持它們會很有説明。 經認證的語意模型會傳達給報告建立者，指出數據值得信任且符合組織的質量標準。 提升的語意模型強調語意模型擁有者認為數據是有價值的，值得其他人使用。

提示

最佳做法是讓內容具有一致、可重複且嚴格的程式。 認證的內容應該表示數據品質已經過驗證。 它也應該遵循變更管理規則、具有正式支援，並完整記載。 由於經過認證的內容已通過嚴格的標準，因此對可信度的期望較高。

語意模型探索

OneLake 數據中 樞 可協助報表建立者尋找、探索和使用整個組織的語意模型。 除了語意模型背書之外， 啟用語意模型探索 對於提升其重複使用至關重要。 搜尋數據的報表建立者在數據中樞內可以看到可探索的語意模型。

注意

如果未將語意模型設定為可探索，則只有具有建置許可權的Power BI使用者才能找到它。

要求語意模型存取

報表建立者可能會在想要使用的數據中 樞 中找到語意模型。 如果他們沒有語意模型的建置許可權，他們可以要求存取權。 根據 語意模型的要求存取設定 ，系統會將電子郵件提交給語意模型擁有者，或將自定義指示呈現給要求存取的人員。

發佈至不同的工作區

將報表發佈至與儲存語意模型不同的工作區有幾個優點。

首先，清楚說明誰負責管理工作區中的內容。 其次，報表建立者有權將內容發佈至報表工作區（透過工作區管理員、成員或參與者角色）。 不過，它們只有特定語意模型的讀取和建置許可權。 這項技術可讓 指派給查看器角色的使用者在必要時，數據列層級安全性 （RLS） 生效。

相依性和影響分析

當其他語意模型或報表使用共用語意模型時，這些相依物件可以存在於許多工作區中。 譜系檢視可協助識別及瞭解下游相依性。 規劃語意模型變更時，請先執行 影響分析 ，以瞭解應該編輯或測試哪些語意模型或報表。

閘道安裝

通常，存取位於私人組織網路或虛擬網路內的數據源時，需要數據網關。 一旦 Power BI Desktop 檔案發佈至 Power BI 服務，內部部署數據閘道就會變得相關。 網關的兩個用途是重新 整理匯入的數據，或檢視查詢即時連線或 DirectQuery 語意模型的報表。

注意

針對可自定義的受控自助 BI 案例，強烈建議在個人模式的閘道上使用標準模式的集中式數據網關。 在標準模式中，數據閘道支持即時連線和 DirectQuery 作業（除了排程的數據重新整理作業）。

系統監督

活動記錄會記錄 Power BI 服務 中發生的用戶活動。 Power BI 系統管理員可以使用收集的活動記錄數據來執行 稽核 ，以協助他們瞭解使用模式和採用。 活動記錄對於支援治理工作、安全性稽核和合規性需求也很重要。 使用可自定義的受控自助 BI 案例，追蹤原始共用語意模型的使用方式以及相依語意模型特別有用。

相關內容

在本系列中的下一篇文章中，瞭解如何重複使用數據準備工作與自助數據準備案例中的數據流。