Scénáře použití Power BI: Přizpůsobitelná spravovaná samoobslužná služba BI

Poznámka:

Tento článek je součástí řady článků o plánování implementace Power BI. Tato série se zaměřuje především na prostředí Power BI v Rámci Microsoft Fabric. Úvod do série najdete v tématu Plánování implementace Power BI.

Jak je popsáno v plánu přechodu na prostředky infrastruktury, spravovaná samoobslužná služba BI je charakterizována kombinovaným přístupem, který zdůrazňuje disciplínu v jádru a flexibilitě na hraničních zařízeních. Architekturu dat obvykle udržuje jeden tým centralizovaných odborníků NA BI a odpovědnost za vytváření sestav patří tvůrcům v rámci oddělení nebo organizačních jednotek.

Pokud ale základní datová architektura neobsahuje všechna požadovaná data, můžou tvůrci sémantických modelů rozšířit, přizpůsobit nebo přizpůsobit stávající sdílené sémantické modely. Lze vytvořit nové specializované sémantické modely, které splňují obchodní požadavky, které stávající sémantické modely nedoručují centrálně. Důležité je, že neexistuje žádná duplikace základních dat. Tento scénář použití se označuje jako přizpůsobitelná spravovaná samoobslužná služba BI.

Poznámka:

Tento přizpůsobitelný scénář samoobslužného BI je druhou možností samoobslužných scénářů BI. Tento scénář vychází z toho, co je možné provést s centralizovaným sdíleným sémantickým modelem (který byl zaveden ve spravovaném samoobslužném scénáři BI ). Seznam všech scénářů najdete v článku o scénářích použití Power BI.

V zájmu stručnosti se v tomto článku nezabýváme některými aspekty popsanými v tématu věnovaném spolupráci a doručování obsahu. Úplné pokrytí si nejprve přečtěte v těchto článcích.

Diagram scénáře

Následující diagram znázorňuje základní přehled nejběžnějších uživatelských akcí a komponent Power BI, které podporují přizpůsobitelné samoobslužné funkce BI. Hlavním cílem je poskytnout tvůrcům obsahu v organizačních jednotkách možnost vytvořit specializovaný datový model rozšířením existujícího sdíleného sémantického modelu. Cílem je dosáhnout opakované použitelnosti, kdykoli je to možné, a umožnit flexibilitu, aby splňovala další analytické požadavky.

Tip

Diagram scénáře doporučujeme stáhnout, pokud ho chcete vložit do prezentace, dokumentace nebo blogového příspěvku – nebo ho vytisknout jako plakát na zdi. Vzhledem k tomu, že se jedná o obrázek SVG (Scalable Vector Graphics), můžete ho škálovat nahoru nebo dolů bez ztráty kvality.

Diagram scénáře znázorňuje následující akce uživatele, nástroje a funkce:

Položka	Popis
	Sémantický model creator A vyvíjí model pomocí Power BI Desktopu. U sémantického modelu, který je určený k opakovanému použití, je běžný (ale nevyžaduje) to, že tvůrce patří do centralizovaného týmu, který podporuje uživatele přes hranice organizace (například IT, podnik BI nebo Center of Excellence).
	Power BI Desktop se připojuje k datům z jednoho nebo více zdrojů dat.
	Vývoj datového modelu se provádí v Power BI Desktopu. Dalším úsilím je vytvořit dobře navržený a uživatelsky přívětivý model, aby ho mohl používat jako zdroj dat mnoho samoobslužných tvůrců sestav. Tvůrci modelů můžou pomocí dotazů DAX vyvíjet a zkoumat model během vývoje.
	Až budete připravení, tvůrce modelu A publikuje soubor Power BI Desktopu (.pbix) nebo soubor projektu Power BI (.pbip), který obsahuje jenom model do služba Power BI.
	Sémantický model se publikuje do pracovního prostoru vyhrazeného pro ukládání a zabezpečení sdílených sémantických modelů. Vzhledem k tomu, že sémantický model je určený k opakovanému použití, je schválen (podle potřeby certifikovaný nebo povýšený). Sémantický model je také označen jako zjistitelný , aby se jeho opětovné použití dále podporovalo. Zobrazení rodokmenu v služba Power BI lze použít ke sledování závislostí, které existují mezi položkami Power BI.
	Zjišťování dat v datovém centru OneLake je povolené, protože sémantický model je označený jako zjistitelný. Zjistitelnost umožňuje existenci sémantického modelu viditelného v datovém centru OneLake jinými tvůrci obsahu Power BI, kteří hledají data.
	Tvůrci obsahu používají datové centrum OneLake v služba Power BI k hledání zjistitelných datových položek, jako jsou sémantické modely.
	Pokud mají tvůrci obsahu oprávnění, můžou požádat o oprávnění k sestavení u datových položek. Tím se spustí pracovní postup, který požádá o oprávnění k sestavení od autorizovaného schvalovatele. Jakmile mají oprávnění, můžou tvůrci obsahu znovu použít datové položky k vytváření nových řešení.
	V Power BI Desktopu vytvoří tvůrce modelu B živé připojení k původnímu sdíleného sémantickému modelu umístěnému v služba Power BI. Vzhledem k tomu, že záměrem je rozšířit a přizpůsobit původní sémantický model, živé připojení se převede na model DirectQuery. Výsledkem této akce je místní model v souboru Power BI Desktopu.
	Power BI Desktop se připojuje k datům z dalších zdrojů dat. Cílem je rozšířit sdílený sémantický model tak, aby nový specializovaný sémantický model splnil další analytické požadavky.
	Relace se vytvářejí v Power BI Desktopu mezi existujícími tabulkami (ze sdíleného sémantického modelu označovaného také jako vzdálený model) a nově importovanými tabulkami (uložené v místním modelu). V Power BI Desktopu se provádějí další výpočty a práce modelování, které dokončí návrh specializovaného složeného modelu.
	Až budete připraveni, sémantický model creator B publikuje soubor .pbix nebo .pbip do služba Power BI.
	Nový specializovaný sémantický model se publikuje do pracovního prostoru vyhrazeného pro ukládání a zabezpečení sémantických modelů, které vlastní a spravují oddělení.
	Specializovaný sémantický model zůstává připojený k původnímu sdílenému sémantickému modelu Power BI. Všechny změny původního sdíleného sémantického modelu ovlivní podřízené specializované sémantické modely, které jsou na něm závislé.
	Jiní autoři samoobslužných sestav můžou vytvářet nové sestavy připojené ke specializovanému sémantickému modelu. Tvůrci sestav se můžou rozhodnout používat Power BI Desktop, Power BI Tvůrce sestav nebo Excel.
	Sestavy se publikují do pracovního prostoru vyhrazeného pro ukládání a zabezpečení sestav a řídicích panelů.
	Publikované sestavy zůstanou připojené ke specializovanému sémantickému modelu uloženému v jiném pracovním prostoru. Všechny změny specializovaného sémantického modelu ovlivní všechny sestavy, které jsou k němu připojené.
	Některé zdroje dat můžou vyžadovat místní bránu dat nebo bránu virtuální sítě pro aktualizaci dat, například ty, které se nacházejí v privátní síti organizace.
	Správci prostředků infrastruktury dohlížejí na aktivitu na portálu Fabric a monitorují je.

Klíčové body

Tady je několik klíčových bodů, které je potřeba zdůraznit, že jde o přizpůsobitelný scénář samoobslužného BI.

Sdílený sémantický model

Klíčovým aspektem vytváření spravované samoobslužné práce BI je minimalizace počtu sémantických modelů. Tento scénář znázorňuje sdílený sémantický model , který přispívá k dosažení jedné verze pravdy.

Poznámka:

Pro zjednodušení diagram scénáře znázorňuje pouze jeden sdílený sémantický model. Není ale obvykle praktické modelovat všechna data organizace v jednom sémantickém modelu. Druhým extrémním je vytvoření nového sémantického modelu pro každou sestavu, protože méně zkušení tvůrci obsahu často dělají. Cílem je najít správnou rovnováhu, přiklonit se k relativně málo sémantickým modelům a vytvořit nové sémantické modely, když to dává smysl.

Rozšíření počátečního sdíleného sémantického modelu

Autoři samoobslužných služeb někdy potřebují rozšířit stávající sémantický model například o další data specifická pro jejich oddělení. V tomto případě můžou používat připojení DirectQuery k sémantickým modelům Power BI. Tato funkce umožňuje ideální rovnováhu samoobslužného povolení při využívání investic do centrálně spravovaných datových prostředků. Diagram scénáře znázorňuje připojení DirectQuery. Převod živého připojení na připojení DirectQuery vytvoří místní model, který umožňuje přidání nových tabulek. Relace je možné vytvářet mezi tabulkami z původního sdíleného sémantického modelu (vzdáleného modelu) a nově přidaných tabulek (místní model). K přizpůsobení nového datového modelu je možné provést další výpočty a modelování dat.

Tip

Tento scénář zvýrazňuje opakované nasazení sdíleného sémantického modelu. Někdy ale existují situace, kdy modelátoři dat chtějí omezit vytváření podřízeného datového modelu. V takovém případě můžou v nastavení Power BI Desktopu povolit vlastnost Odradit připojení DirectQuery.

Doporučení sémantického modelu

Vzhledem k tomu, že sdílené sémantické modely jsou určeny k opakovanému použití, je užitečné je doporučit . Certifikovaný sémantický model předává tvůrcům sestav, že data jsou důvěryhodná a splňují standardy kvality organizace. Propagovaný sémantický model zdůrazňuje, že vlastník sémantického modelu věří, že data jsou cenná a stojí za to, aby je mohli používat jiní uživatelé.

Tip

Osvědčeným postupem je mít konzistentní, opakovatelný a přísný proces pro vytváření obsahu. Certifikovaný obsah by měl znamenat, že byla ověřena kvalita dat. Měla by také dodržovat pravidla správy změn, mít formální podporu a být plně zdokumentovaná. Vzhledem k tomu, že certifikovaný obsah prošel přísnými standardy, jsou očekávání pro důvěryhodnost vyšší.

Zjišťování sémantických modelů

Datové centrum OneLake pomáhá tvůrcům sestav najít, prozkoumat a používat sémantické modely v celé organizaci. Kromě doporučení k sémantickému modelu je povolení sémantického zjišťování modelů důležité pro zvýšení jeho opětovného použití. Zjistitelný sémantický model je viditelný v datovém centru pro tvůrce sestav, kteří hledají data.

Poznámka:

Pokud není sémantický model nakonfigurovaný tak, aby byl zjistitelný, můžou ho najít jenom uživatelé Power BI s oprávněním k sestavení.

Vyžádání přístupu k sémantickému modelu

Tvůrce sestav může najít sémantický model v datovém centru , které chce použít. Pokud nemají oprávnění k sestavení pro sémantický model, můžou požádat o přístup. V závislosti na nastavení přístupu k požadavku pro sémantický model se odešle e-mail vlastníkovi sémantického modelu nebo vlastním pokynům osoba, která žádá o přístup.

Publikování do samostatných pracovních prostorů

Existuje několik výhod publikování sestav do pracovního prostoru, než kde je uložen sémantický model.

Nejprve je jasné, kdo zodpovídá za správu obsahu v jakém pracovním prostoru. Za druhé mají tvůrci sestav oprávnění publikovat obsah do pracovního prostoru pro vytváření sestav (prostřednictvím rolí správce, člena nebo přispěvatele pracovního prostoru). Mají ale oprávnění jen ke čtení a sestavení pro konkrétní sémantické modely. Tato technika umožňuje , aby se zabezpečení na úrovni řádků (RLS) projevilo v případě potřeby pro uživatele přiřazené k roli čtenáře.

Analýza závislostí a dopadu

Pokud sdílený sémantický model používá jiné sémantické modely nebo sestavy, mohou tyto závislé objekty existovat v mnoha pracovních prostorech. Zobrazení rodokmenu pomáhá identifikovat a pochopit podřízené závislosti. Při plánování sémantické změny modelu nejprve proveďte analýzu dopadu, abyste pochopili, které sémantické modely nebo sestavy by se měly upravovat nebo testovat.

Nastavení brány

Brána dat se obvykle vyžaduje při přístupu ke zdrojům dat, které se nacházejí v privátní síti organizace nebo virtuální síti. Po publikování souboru Power BI Desktopu do služba Power BI se místní brána dat stane relevantní. Dva účely brány slouží k aktualizaci importovaných dat nebo zobrazení sestavy, která se dotazuje živého připojení nebo sémantického modelu DirectQuery .

Poznámka:

Pro přizpůsobitelné samoobslužné scénáře BI se centralizovaná brána dat ve standardním režimu důrazně doporučuje u bran v osobním režimu. Ve standardním režimu podporuje brána dat živé připojení a operace DirectQuery (kromě plánovaných operací aktualizace dat).

Dohled nad systémem

Protokol aktivit zaznamenává aktivity uživatelů, ke kterým dochází v služba Power BI. Správci Power BI můžou použít data protokolu aktivit shromážděná k provádění auditování , aby jim pomohli porozumět vzorům využití a přijetí. Protokol aktivit je také cenný pro podporu úsilí o zásady správného řízení, auditů zabezpečení a požadavků na dodržování předpisů. U přizpůsobitelného samoobslužného scénáře BI je zvláště užitečné sledovat využití původního sdíleného sémantického modelu i závislých sémantických modelů.

Související obsah

V dalším článku v této sérii se dozvíte, jak opakovaně přípravě dat pracovat s toky dat ve scénáři samoobslužné přípravy dat.