次の方法で共有

Microsoft Power Platform でデータフローを作成して使用する

  • [アーティクル]

Microsoft Power Platform でデータフローを使用すると、データ準備が容易になり、後続のレポート、アプリ、モデルでデータ準備作業を再利用できます。

拡大し続けるデータの世界では、データの準備が困難でコストがかかる場合があります。 一般的な分析プロジェクトでは、60 ~ 80% の時間とコストを消費できます。 このようなプロジェクトでは、断片化された不完全なデータのラングリング、複雑なシステム統合、構造の不整合を伴うデータ、高いスキル セット バリアが必要になる場合があります。

データの準備を容易にし、データの価値を高めるために、Power Query と Power Platform のデータフローが作成されました。

Power Platform Dataflows コネクタを選択する方法を示すスクリーンショット。

データフローを使用すると、Microsoft は Power Query のセルフサービス データ準備機能を Power BI および Power Apps オンライン サービスに取り込み、次の方法で既存の機能を拡張します。

  • データフローを使用したビッグ データのセルフサービス データ準備: データフローを使用すると、データ準備ロジックを含む、増大し続ける大規模なトランザクション ソースと監視ソースからデータを簡単に取り込み、クレンジング、変換、統合、エンリッチ、スキーマ化できます。 以前は、抽出、変換、読み込み (ETL) ロジックは、Power BI のセマンティック モデル内にのみ含め、セマンティック モデル間で何度もコピーし、セマンティック モデル管理設定にバインドできました。

    データフローを使用すると、ETL ロジックは Microsoft Power Platform サービス内の最上位の成果物に昇格され、専用の作成と管理のエクスペリエンスが含まれます。 ビジネス アナリスト、BI プロフェッショナル、データ サイエンティストは、革新的なモデル駆動型計算エンジンにより、データフローを使用して最も複雑なデータ準備の課題に対処し、お互いの作業を構築できます。 このエンジンは、変換と依存関係のロジックを処理し、これらのタスクに必要な時間、コスト、専門知識を従来のほんの一部にまで削減します。 Power Query の既知のセルフサービス データ準備エクスペリエンスを使用して、データフローを作成できます。 データフローは、それぞれ Power BI または Power Apps のアプリ ワークスペースまたは環境で作成され、簡単に管理でき、アクセス許可の管理やスケジュールされた更新など、これらのサービスが提供する必要があるすべての機能を利用できます。

  • Dataverse または Azure Data Lake Storageにデータを読み込む: ユース ケースに応じて、Power Platform データフローによって準備されたデータを Dataverse または組織の Azure Data Lake Storage アカウントに格納できます。

    • Dataverse を使用すると、ビジネス アプリケーションで使用されるデータを安全に格納および管理できます。 Dataverse 内のデータは、一連のテーブルに格納されます。 テーブル は、一連の行 (旧称レコード) と列 (以前はフィールド/属性と呼ばされていた) です。 テーブル内の各列は、名前、年齢、給与など、特定の種類のデータを格納するように設計されています。 Dataverse には、一般的なシナリオに対応する標準テーブルの基本セットが含まれていますが、組織に固有のカスタム テーブルを作成し、データフローを使用してデータを設定することもできます。 アプリ作成者は、Power Apps と Power Automate を使用して、このデータを使用する豊富なアプリケーションを構築できます。

    • Azure Data Lake Storage を使用すると、Power BI、Azure Data、AI サービスを使用するか、レイクからデータを読み取るカスタム構築の基幹業務アプリケーションを使用して、組織内のユーザーと共同作業を行うことができます。 Azure Data Lake Storage アカウントにデータを読み込むデータフローでは、Common Data Model フォルダーにデータが格納されます。 Common Data Model フォルダーには、標準化された形式でスキーマ化されたデータとメタデータが含まれており、データ交換を容易にし、組織の Azure Data Lake Storage アカウントに格納されているデータを共有ストレージ レイヤーとして生成または使用するサービス間の完全な相互運用性を実現します。

  • Azureを使用した高度な分析と AI の : Power Platform のデータフローは、データを Dataverse または Azure Data Lake Storage に格納します。つまり、データ フローを通じて取り込まれたデータをデータ エンジニアやデータ サイエンティストが利用できるようになり、Azure Machine Learning、Azure Databricks、Azure Synapse Analytics などの Azure Data Services の完全な機能を高度な分析と AI に適用できるようになりました。 これにより、ビジネス アナリスト、データ エンジニア、データ サイエンティストは、組織内の同じデータで共同作業を行うことができます。

  • Common Data Modelのサポート: Common Data Model は、標準化されたデータ スキーマとメタデータ システムのセットであり、アプリケーションとビジネス プロセス全体でデータとその意味の一貫性を確保します。 データフローでは、任意の図形内の任意のデータから、取引先企業や連絡先などの標準の Common Data Model テーブルへの簡単なマッピングを提供することで、Common Data Model がサポートされます。 また、データフローは、標準テーブルとカスタム テーブルの両方のデータをスキーマ化された Common Data Model フォームに配置します。 ビジネス アナリストは、標準スキーマとそのセマンティック整合性を利用したり、独自のニーズに基づいてテーブルをカスタマイズしたりできます。 Common Data Model は、Open Data Initiativeの一部として進化し続けています。

Microsoft Power Platform サービスのデータフロー機能

ほとんどのデータフロー機能は、Power Apps と Power BI の両方で使用できます。 データフローは、これらのサービスのプランの一部として利用できます。 一部のデータフロー機能は、製品固有または異なる製品プランで利用できます。 次の表では、データフロー機能とその可用性について説明します。

データフロー機能 PowerApps Power BI
スケジュールされた更新 1 日あたり最大 48 1 日あたり最大 48
テーブルごとの最大更新時間 最大 2 時間 最大 2 時間
Power Query Online を使用したデータフローの作成 はい はい
データフロー管理 Power Apps 管理ポータルの場合 Power BI 管理ポータルで
新しいコネクタ はい はい
共通データ モデルの標準化されたスキーマ/組み込みサポート はい はい
Power BI Desktop でのデータフロー データ コネクタ Azure Data Lake Storage を宛先として使用するデータフローの場合 はい
組織の Azure Data Lake Storage との統合 はい はい
Dataverse との統合 はい いいえ
データフローのリンク テーブル Azure Data Lake Storage を宛先として使用するデータフローの場合 はい
計算テーブル (M を使用したストレージ内変換) Azure Data Lake Storage を宛先として使用するデータフローの場合 Power BI Premium のみ
データフローの増分更新 Azure Data Lake Storage を宛先として使用するデータフローの場合は、Power Apps Plan2 が必要です Power BI Premium のみ
Power BI Premium 容量での実行/変換の並列実行 いいえ はい

既知の制限事項

  • Power Platform 環境のコピー操作、または環境のバックアップおよび復元操作の一部としてデータフローをコピーすることはサポートされていません。
  • 接続とクエリ パラメーターを使用してデータフローの所有者を変更すると、パラメーター値も以前の値に変更されます (そのような値が設定されている場合)。

次の手順

Power Apps のデータフローの詳細:

Power BI のデータフローの詳細については、以下を参照してください。

次の記事では、データフローの一般的な使用シナリオについて詳しく説明します。

Common Data Model と Common Data Model フォルダー標準の詳細については、次の記事を参照してください。