Dela via

Självbetjäning för dataförberedelser med hjälp av dataflöden

I takt med att mängden data fortsätter att växa, så ökar även utmaningen att forma dessa data till välstrukturerad, användbar information. Du vill ha data som är redo för appar, AI-arbetsbelastningar eller analyser så att du snabbt kan omvandla datavolymer till användbara insikter. Med dataförberedelser via självbetjäning i Power Apps-portalen kan du transformera och läsa in data till Microsoft Dataverse eller organisationens Azure Data Lake Storage Gen2-konto med bara några få klick.

Dataflöden introducerades för att hjälpa organisationer att förena data från olika källor och förbereda dem för förbrukning. Du kan enkelt skapa dataflöden med välbekanta självbetjäningsverktyg för att mata in, transformera, integrera och berika stordata. När du skapar ett dataflöde definierar du datakällanslutningar, ETL-logik (extrahering, transformering, inläsning) och mål för att läsa in resulterande data till. När du har skapat det kan du konfigurera ett dataflödes uppdateringsschema för att ange hur ofta det ska köras. Dessutom gör den nya modelldrivna beräkningsmotorn processen för dataförberedelse mer hanterbar, mer deterministisk och mindre besvärlig för dataflödeskunder. Med dataflöden kan uppgifter som en gång krävde en data-IT-organisation för att skapa och övervaka (och många timmar eller dagar att slutföra) nu hanteras med några klick av individer som inte ens är dataforskare, till exempel appskapare, affärsanalytiker och rapportskapare.

Dataflöden lagrar data i tabeller. En tabell är en uppsättning rader som används för att lagra data, ungefär som när en tabell lagrar data i en databas. Kunder kan definiera ett anpassat tabellschema eller använda common datamodellens standardtabeller. Common Data Model är ett delat dataspråk som företag och analysprogram kan använda. Common Data Model-metadatasystemet möjliggör konsekvens för data och dess innebörd i program och affärsprocesser som Power Apps, Power BI, vissa Dynamics 365-appar (modelldrivna appar) och Azure, som lagrar data i enlighet med Common Data Model. Ett dataflödes resulterande tabeller kan sedan lagras i något av följande:

  • Dataversum. Gör att du på ett säkert sätt kan lagra och hantera data som används av affärsprogram som skapats med Power Apps och Power Automate.

  • Azure Data Lake Storage Gen2. Låter dig samarbeta med personer i din organisation med hjälp av Power BI-, Azure Data- och AI-tjänster eller anpassade affärsprogram som läser data från sjön. Dataflöden som läser in data till ett Azure Data Lake Storage Gen2-konto lagrar data i Common Data Model-mappar. Common Data Model-mappar innehåller schematiserade data och metadata i ett standardiserat format för att underlätta datautbyte och för att möjliggöra fullständig samverkan mellan tjänster som producerar eller använder data som lagras i en organisations Azure Data Lake Storage-konto som delat lagringslager.

Du kan använda dataflöden för att mata in data från en stor och växande uppsättning lokala och molnbaserade datakällor som stöds, inklusive Excel, Azure SQL Database, SharePoint, Azure Data Explorer, Salesforce, Oracle-databas med mera.

När du har valt datakällan kan du använda funktionen Lågkod/ingen kod i Power Query för att transformera data och mappa dem till standardtabeller i Common Data Model eller skapa anpassade tabeller. Avancerade användare kan direkt redigera ett dataflödes M-språk för att helt anpassa dataflöden, ungefär som power query-upplevelsen 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 som ska köras manuellt eller schemalägga frekvensen för Power Platform Dataflow-tjänsten för att köra det åt dig. När ett dataflöde slutför en körning är dess data tillgängliga att använda. För att hämta dataflödesdata som läses in i Dataverse kan Common Data Service-anslutningsappen användas i Power Apps, Power Automate, Excel och alla andra program som stöder Dataverse-anslutningsappen. Om du vill hämta från dataflöden som lagras i organisationens Azure Data Lake Storage Gen2-konto kan du använda Power Platform Dataflow-anslutningsappen i Power BI Desktop eller komma åt filerna direkt i sjön.

Så här använder du dataflöden

I föregående avsnitt angavs bakgrund om dataflödesteknik. I det här avsnittet får du en genomgång av hur dataflöden kan användas i en organisation.

Anmärkning

Du måste ha en betald Power Apps-plan för att använda dataflöden, men du debiteras inte separat för användning av dataflöden.

Läsa in data till Dataverse

Dataflöden kan användas för att fylla i tabeller i Common Data Service som sedan används i Power Apps-program. Med några klick kan du integrera data från online- och lokala datakällor.

Utöka Common Data Model för dina affärsbehov

För organisationer som vill utöka och bygga vidare på Common Data Model gör dataflöden det möjligt för business intelligence-proffs att anpassa standardtabellerna eller skapa nya. Den här självbetjäningsmetoden för att anpassa 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 för att lagra dataflödesdata i organisationens Azure Data Lake Storage Gen2-konto. När en miljö är ansluten till organisationens datasjö kan dataforskare och utvecklare använda kraftfulla Azure-produkter som Azure Machine Learning, Azure Databricks, Azure Data Factory med mera.

Mer information om Integrering av Azure Data Lake Storage Gen2 och dataflöden, inklusive hur du skapar dataflöden som finns i din organisations Azure Data Lake, finns i Ansluta Azure Data Lake Storage Gen2 för dataflödeslagring.

Sammanfattning av dataförberedelser av stordata via självbetjäning i Power Apps

Det finns flera scenarier och exempel där dataflöden kan göra det möjligt för dig att få bättre kontroll – och snabbare insikter – från dina affärsdata. Andra personer i din organisation kan utnyttja dataflöden antingen via Dataverse, Power Platform Dataflow-anslutningsappen i Power BI eller via direkt åtkomst till Dataflows Common Data Service-mapp i organisationens Azure Data Lake Storage Gen2-konto. Med hjälp av en standarddatamodell (schema) som definierats av Common Data Model kan företagsprogram vara beroende av en tabells schema och abstraheras från hur data skapades eller från vilken datakälla. När ett dataflöde slutför en schemalagd körning är data redo för modellering och skapande av appar, flöden eller BI-insikter på mycket kort tid... i vad som brukade ta månader, eller längre, att skapa.

Med det standardiserade formatet för Common Data Model kan personer i din organisation skapa appar som genererar snabba, enkla och automatiska visuella objekt och rapporter. Dessa inkluderar, men är inte begränsade till:

  • Mappa dina data från olika källor till standardtabeller i Common Data Model för att förena data och utnyttja det kända schemat för att driva färdiga program.

  • Skapa egna anpassade tabeller för att förena data i hela organisationen.

  • Skapa Power BI-rapporter och instrumentpaneler som utnyttjar dataflödesdata.

  • Skapa integrering 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 den. Följande avsnitt går in mer detaljerat om vanliga användningsscenarier för dataflöden:

Mer information om Power Query och schemalagd uppdatering finns i följande artiklar:

Mer information om Common Data Model finns i översiktsartikeln: