Εργασία με οποιαδήποτε δεδομένα

To Microsoft Dataverse παρέχει μια αφηρημένη έννοια που σας δίνει τη δυνατότητα να εργαστείτε με οποιονδήποτε τύπο δεδομένων, συμπεριλαμβανομένης της σχεσιακής, της μη σχεσιακής, της εικόνας, του αρχείου, της σχετικής αναζήτησης ή της λίμνης δεδομένων. Δεν χρειάζεται να κατανοήσετε τον τύπο δεδομένων, καθώς το Dataverse εκθέτει ένα σύνολο τύπων δεδομένων που σας επιτρέπουν να δημιουργείτε το μοντέλο σας. Ο τύπος χώρου αποθήκευσης έχει βελτιστοποιηθεί για τον τύπο δεδομένων που επιλέξατε.

Τα δεδομένα μπορούν να εισαχθούν και να εξαχθούν εύκολα με ροές δεδομένων, Power Query και Azure Data Factory. Οι πελάτες του Dynamics μπορούν επίσης να χρησιμοποιήσουν την υπηρεσία εξαγωγής δεδομένων.

Το Dataverse διαθέτει, επίσης, μια σύνδεση για τις εφαρμογές Power Automate και λογικής Azure που μπορούν να χρησιμοποιηθούν με τις εκατοντάδες άλλες συνδέσεις στις εν λόγω υπηρεσίες για υπηρεσίες εσωτερικής εγκατάστασης, υποδομής ως υπηρεσία (IaaS), πλατφόρμας ως υπηρεσία (PaaS) ή λογισμικού ως υπηρεσία (SaaS). Σε αυτές περιλαμβάνονται οι προελεύσεις στο Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Redshift, Access, Excel, text/CSV, λίστες SharePoint, βάσεις δεδομένων SQL Server, Oracle, MySQL, PostgreSQL, Blockchain και Azure Synapse Analytics.

Κοινό μοντέλο δεδομένων

Εάν είχατε ποτέ τη δυνατότητα να μεταφέρετε δεδομένα από πολλαπλά συστήματα και εφαρμογές μαζί, γνωρίζετε πόσο δαπανηρή και χρονοβόρα εργασία είναι. Χωρίς να είναι δυνατή η εύκολη κοινοποίηση και κατανόηση των ίδιων δεδομένων, κάθε έργο ενοποίησης εφαρμογών ή δεδομένων απαιτεί μια προσαρμοσμένη υλοποίηση.

Το κοινό μοντέλο δεδομένων παρέχει αρχιτεκτονική αναφοράς η οποία έχει ως στόχο να απλοποιήσει αυτήν τη διεργασία παρέχοντας μια κοινόχρηστη γλώσσα δεδομένων για να χρησιμοποιούν επιχειρηματικές και αναλυτικές εφαρμογές. Το σύστημα μετα-δεδομένων του κοινού μοντέλου δεδομένων δίνει τη δυνατότητα κοινής χρήσης των δεδομένων και της σημασίας τους σε εφαρμογές και επιχειρηματικές διεργασίες, όπως το Power Apps, το Power BI, το Dynamics 365 και το Azure.

Το κοινό μοντέλο δεδομένων περιλαμβάνει ένα σύνολο τυποποιημένων, επεκτάσιμων σχημάτων δεδομένων που έχει δημοσιεύσει η Microsoft και οι συνεργάτες της. Αυτή η συλλογή προκαθορισμένων σχημάτων περιλαμβάνει πίνακες, χαρακτηριστικά, μετα-δεδομένα σημασιολογίας και σχέσεις. Τα σχήματα αντιπροσωπεύουν έννοιες και δραστηριότητες που χρησιμοποιούνται συχνά, όπως ο Λογαριασμός και η Εκστρατεία, για την απλοποίηση της δημιουργίας, της συνάθροισης και της ανάλυσης δεδομένων.

Τα σχήματα Common Data Model μπορούν να χρησιμοποιηθούν για την ενημέρωση της δημιουργίας πινάκων στο Dataverse. Οι πίνακες που προκύπτουν θα είναι τότε συμβατοί με εφαρμογές και αναλύσεις που στοχεύουν σε αυτόν τον ορισμό Common Data Model.

Η εικόνα που ακολουθεί εμφανίζει ορισμένα στοιχεία των τυπικών κοινών πινάκων μοντέλων δεδομένων. 

Πίνακες

Στο Dataverse, οι πίνακες χρησιμοποιούνται για τη μοντελοποίηση και τη διαχείριση επιχειρηματικών δεδομένων. Για την αύξηση της παραγωγικότητας, το Dataverse περιλαμβάνει ένα σύνολο πινάκων γνωστών ως τυπικοί πίνακες. Αυτοί οι πίνακες είναι σχεδιασμένοι, σύμφωνα με τις βέλτιστες πρακτικές που χρησιμοποιείτε, για να καταγράψετε τις πιο συνηθισμένες έννοιες και τα σενάρια σε έναν οργανισμό. Οι τυπικοί πίνακες συμμορφώνονται με τα κοινά μοντέλα δεδομένων.

Ένα σύνολο πινάκων που χρησιμοποιούνται συνήθως σε βιομηχανίες, όπως Χρήστης και Ομάδα, περιλαμβάνονται στο Dataverse και αναφέρονται ως Βασικοί πίνακες. Οι εν λόγω πίνακες είναι δυνατό να προσαρμοστούν, για παράδειγμα, εάν συμπεριλάβετε πρόσθετες στήλες. Επιπλέον, μπορείτε εύκολα να δημιουργήσετε τους δικούς σας προσαρμοσμένους πίνακες στο Dataverse.

Στήλες

Οι στήλες πεδία προσδιορίζουν τα μεμονωμένα στοιχεία δεδομένων που μπορούν να χρησιμοποιηθούν για την αποθήκευση δεδομένων σε έναν πίνακα. Τα πεδία ονομάζονται ορισμένες φορές "χαρακτηριστικά" από τους προγραμματιστές. Ένας πίνακας που αναπαριστά ένα πρόγραμμα μαθημάτων σε ένα τμήμα μπορεί να περιέχει στήλες, όπως "Όνομα," "Θέση," "Τμήμα," "Εγγεγραμμένοι φοιτητές" και άλλα.

Οι στήλες μπορεί να έχουν διαφορετικούς τύπους δεδομένων, όπως αριθμητικά, συμβολοσειρές, ψηφιακά δεδομένα, εικόνες και αρχεία. Δεν χρειάζεται να κρατήσετε τα σχεσιακά και μη σχεσιακά δεδομένα διαχωρισμένα τεχνητά εάν είναι μέρος της ίδιας επιχειρηματικής διαδικασίας ή ροής. Το Dataverse αποθηκεύει τα δεδομένα στον καλύτερο τύπο χώρου αποθήκευσης για το μοντέλο που δημιουργήσατε.

Καθεμία από αυτές τις στήλες μπορεί να συσχετιστεί με έναν από τους πολλούς τύπους δεδομένων που υποστηρίζονται από το Dataverse.

Περισσότερες πληροφορίες: Τύποι στηλών

Σχέσεις

Τα δεδομένα σε έναν πίνακα συχνά σχετίζονται με τα δεδομένα σε έναν άλλο πίνακα. οι σχέσεις πινάκων καθορίζουν τον τρόπο συσχετισμού των γραμμών μεταξύ τους στο μοντέλο Dataverse.

Το Dataverse παρέχει εύκολους στη χρήση οπτικούς σχεδιαστές για να καθορίσει τους διαφορετικούς τύπους σχέσεων από έναν πίνακα σε έναν άλλο (ή μεταξύ ενός πίνακα και του ίδιου). Κάθε πίνακας μπορεί να έχει μια σχέση με περισσότερους από έναν πίνακες και κάθε πίνακας μπορεί να έχει περισσότερες από μία σχέσεις με έναν άλλο πίνακα.

Οι τύποι σχέσεων είναι οι εξής:

• Πολλά προς ένα: σε αυτόν τον τύπο σχέσης, πολλές καρτέλες πίνακα Α μπορούν να συσχετιστούν με μία καρτέλα πίνακα Β. Για παράδειγμα, μια τάξη μαθητών έχει μία μόνο τάξη.

• Ένα προς πολλά: σε αυτόν τον τύπο σχέσης, μία καρτέλα πίνακα Β μπορεί να συσχετιστεί με πολλές καρτέλες πίνακα Α. Για παράδειγμα, ένας μόνο δάσκαλος διδάσκει πολλά μαθήματα.

• Πολλά-προς-πολλά: σε αυτόν τον τύπο σχέσης, κάθε καρτέλα στον πίνακα Α μπορεί να αντιστοιχιστεί σε περισσότερες από μία καρτέλες στον πίνακα Β και αντιστρόφως. Για παράδειγμα, οι μαθητές συμμετέχουν σε πολλές τάξεις και κάθε τάξη μπορεί να έχει πολλούς μαθητές.

Επειδή οι σχέσεις πολλών προς έναν είναι οι πιο συνηθισμένες, το Dataverse παρέχει έναν συγκεκριμένο τύπο δεδομένων με όνομα αναζήτηση, ο οποίος όχι μόνο διευκολύνει τον προσδιορισμό αυτής της σχέσης, αλλά προσθέτει παραγωγικότητα στη δημιουργία φορμών και εφαρμογών.

Για περισσότερες πληροφορίες σχετικά με τη δημιουργία σχέσεων σε πίνακες, ανατρέξτε στην ενότητα Δημιουργία σχέσεων μεταξύ πινάκων.

Οι εταιρείες συχνά πρέπει να συμμορφώνονται με διάφορους κανονισμούς για την εξασφάλιση της διαθεσιμότητας του ιστορικού επικοινωνίας με τον πελάτη, των αρχείων καταγραφής ελέγχου, των εκθέσεων access και των αναφορών παρακολούθησης περιστατικών ασφαλείας. Οι οργανισμοί μπορεί να θέλουν να παρακολουθούν τις αλλαγές σε δεδομένα Dataverse για ασφάλεια και για αναλυτικούς σκοπούς.

Το Dataverse παρέχει μια δυνατότητα ελέγχου όπου οι αλλαγές σε πίνακες και δεδομένα χαρακτηριστικών σε έναν οργανισμό μπορούν να ομαδοποιηθούν με την πάροδο του χρόνου για χρήση στην ανάλυση και την αναφορά. Ο έλεγχος υποστηρίζεται σε όλους τους προσαρμοσμένους—και πιο προσαρμόσιμους—πίνακες και χαρακτηριστικά. Ο έλεγχος δεν υποστηρίζεται σε αλλαγές μετα-δεδομένων, ανάκτηση λειτουργιών, εξαγωγή λειτουργιών ή κατά τη διάρκεια του ελέγχου ταυτότητας. Για πληροφορίες σχετικά με τον τρόπο ρύθμισης παραμέτρων του ελέγχου, μεταβείτε στη  Διαχείριση ελέγχου Dataverse.

Το Dataverse υποστηρίζει την ανάλυση παρέχοντας τη δυνατότητα επιλογής πινάκων για την εκτέλεση μοντέλων εκμάθησης μηχανής. Διαθέτει δυνατότητα ανάλυσης AI μέσω AI Builder.

Αναζήτηση

Το Dataverse παρέχει τρεις τρόπους για την υποβολή ερωτημάτων σε γραμμές:

• Αναζήτηση Dataverse

• Γρήγορη εύρεση (μεμονωμένου πίνακα ή πολλών πινάκων)

• Πρόσθετα κριτήρια εύρεσης

Σημείωση

Η γρήγορη εύρεση πολλών πινάκων ονομάζεται επίσης αναζήτηση με κατηγοριοποίηση.

Για περισσότερες πληροφορίες, ανατρέξτε στην ενότητα Σύγκριση αναζητήσεων.

Αναζήτηση Dataverse

Η αναζήτηση Dataverse παρέχει γρήγορα και ολοκληρωμένα αποτελέσματα σε πολλούς πίνακες, σε μια μεμονωμένη λίστα, ταξινομημένα κατά συνάφεια. Χρησιμοποιεί μια αποκλειστική υπηρεσία αναζήτησης εκτός του Dataverse (από το Azure) για να ενισχύσει την απόδοση αναζήτησης.

Η αναζήτηση Dataverse προσφέρει τις ακόλουθες βελτιώσεις και πλεονεκτήματα:

• Βελτιώνει την απόδοση χρησιμοποιώντας εξωτερική δημιουργία ευρετηρίου και τεχνολογία αναζήτησης Azure.

• Εντοπίζει αντιστοιχίσεις σε οποιαδήποτε λέξη στον όρο αναζήτησης σε οποιαδήποτε στήλη στον πίνακα, σε σύγκριση με τη γρήγορη εύρεση όπου όλες οι λέξεις από τον όρο αναζήτησης πρέπει να βρεθούν σε μία στήλη.

• Εντοπίζει αντιστοιχίσεις που περιλαμβάνουν τονικές μορφές λέξεων όπως  ροή,  ροή σε εξέλιξη ή  έγινε ροή.

• Επιστρέφει αποτελέσματα από όλους τους πίνακες με δυνατότητα αναζήτησης σε μια μοναδική λίστα ταξινομημένη κατά συνάφεια, ώστε όσο καλύτερη η αντιστοίχιση, τόσο υψηλότερα εμφανίζεται το αποτέλεσμα στη λίστα. Μια συμφωνία έχει ένα υψηλότερο βαθμό σχετικότητας εάν περισσότερες λέξεις από τον όρο αναζήτησης βρίσκονται σε κοντινή απόσταση μεταξύ τους. Όσο μικρότερο είναι το κείμενο όπου βρίσκονται οι λέξεις αναζήτησης, τόσο μεγαλύτερη είναι η συνάφεια. Για παράδειγμα, εάν βρείτε τις λέξεις αναζήτησης σε ένα εταιρικό όνομα και διεύθυνση, μπορεί να αποτελεί καλύτερη αντιστοίχιση σε σχέση με την εύρεση των ίδιων λέξεων σε ένα μεγάλο άρθρο, σε απόσταση μεταξύ τους.

• Επισημαίνει αντιστοιχίσεις στη λίστα αποτελεσμάτων. Όταν ένας όρος αναζήτησης αντιστοιχίζει έναν όρο σε μια γραμμή, ο όρος εμφανίζεται ως έντονη γραφή και πλάγια γραφή στα αποτελέσματα αναζήτησής σας.

Για περισσότερες πληροφορίες σχετικά με την αναζήτηση Dataverse, ανατρέξτε στο θέμα Χρήση της αναζήτησης Dataverse για αναζήτηση γραμμών.

Γρήγορη εύρεση

Το Dataverse περιλαμβάνει τη δυνατότητα γρήγορης εύρεσης γραμμών και προσεγγίσεων που θα αναζητήσουν μόνο έναν τύπο πίνακα, όπως ο πελάτης, ή θα χρησιμοποιηθούν για την ταυτόχρονη αναζήτηση πολλών τύπων πινάκων, όπως επαφές, χρήστες, πελάτες και ούτω καθεξής.

Η γρήγορη εύρεση ενός πίνακα χρησιμοποιείται για την εύρεση εγγραφών ενός τύπου μόνο. Αυτή η επιλογή αναζήτησης είναι διαθέσιμη μέσα από μια προβολή.

Η γρήγορη εύρεση πολλών πινάκων (αναζήτηση με κατηγοριοποίηση) χρησιμοποιείται επίσης για την εύρεση γραμμών, αλλά θα τις εντοπίσουμε σε διαφορετικούς τύπους πινάκων, όπως είναι οι λογαριασμοί ή επαφές.

Data Lake

Το Dataverse υποστηρίζει τη συνεχή αναπαραγωγή των δεδομένων του πίνακα στο Azure Data Lake Storage, τα οποία μπορούν να χρησιμοποιηθούν για την εκτέλεση αναλύσεων όπως η αναφορά Power BI, η εκμάθηση μηχανής, η αποθήκευση δεδομένων και άλλες διεργασίες ενοποίησης κατάντη.

Αυτή η δυνατότητα έχει σχεδιαστεί για την ανάλυση εταιρικών μεγάλων δεδομένων. Είναι οικονομικώς αποδοτική, με δυνατότητα κλιμάκωσης, έχει υψηλή διαθεσιμότητα και δυνατότητες ανάκτησης καταστροφών και επιτρέπει την καλύτερη απόδοση των αναλύσεων στην τάξη.

Τα δεδομένα αποθηκεύονται σε μορφή Common Data Model η οποία παρέχει σημασιολογική συνοχή σε όλες τις εφαρμογές και τις αναπτύξεις. Τα τυποποιημένα μετα-δεδομένα και τα δεδομένα αυτο-περιγραφής στο κοινό μοντέλο δεδομένων διευκολύνουν τον εντοπισμό μετα-δεδομένων και τη διαλειτουργικότητα μεταξύ παραγωγών και καταναλωτών δεδομένων, όπως το Power BI, το Data Factory, το Azure Databricks και η εκμάθηση μηχανής Azure.

Δείτε επίσης

Εισαγωγή και εξαγωγή δεδομένων

Σημείωση

Μπορείτε να μας πείτε ποια γλώσσα προτιμάτε για την τεκμηρίωση; Πάρτε μέρος σε μια σύντομη έρευνα. (σημειώνεται ότι αυτή η έρευνα είναι στα Αγγλικά)

Η έρευνα θα διαρκέσει περίπου επτά λεπτά. Δεν συλλέγονται προσωπικά δεδομένα (δήλωση προστασίας προσωπικών δεδομένων).