Trabalhar com quaisquer dados
O Microsoft Dataverse fornece uma abstração que possibilita trabalhar com qualquer tipo de dados, incluindo relacional, não relacional, imagem, arquivo, pesquisa relativa ou data lake. Não é necessário entender o tipo de dados, pois o Dataverse expõe um conjunto de tipos de dados que permitem criar seu modelo. O tipo de armazenamento é otimizado para o tipo de dados escolhido.
Os dados podem ser facilmente importados e exportados com fluxos de dados, Power Query e Azure Data Factory. Os clientes do Dynamics também podem usar o Serviço de Exportação de Dados.
O Dataverse também possui um conector para o Power Automate e os aplicativos lógicos do Azure que podem ser usados com centenas de outros conectores nesses serviços para locais, infraestrutura como serviço (IaaS), plataforma como serviço (PaaS) ou serviços de software como um serviço (SaaS). Isso inclui fontes no Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, texto/CSV, listas do SharePoint, bancos de dados do SQL Server, Oracle, MySQL, PostgreSQL, Blockchain e Azure Synapse Analytics.
Common Data Model
Se você já teve que reunir dados de vários sistemas e aplicativos, sabe como pode ser uma tarefa cara e demorada. Sem poder compartilhar e entender os mesmos dados facilmente, cada aplicativo ou projeto de integração de dados requer uma implementação personalizada.
O Common Data Model fornece uma arquitetura de referência que visa otimizar esse processo, fornecendo uma linguagem de dados compartilhada para uso dos aplicativos analíticos e de negócios. O sistema de metadados do Common Data Model permite que os dados e seu significado sejam compartilhados entre aplicativos e processos empresariais, como Power Apps, Power BI, Dynamics 365 e Azure.
O Common Data Model inclui um conjunto de esquemas de dados extensíveis e padronizados que a Microsoft e seus parceiros publicaram. Essa coleção de esquemas predefinidos inclui tabelas, atributos, metadados semânticos e relacionamentos. Os esquemas representam conceitos e atividades comumente usados, como Conta e Campanha, para simplificar a criação, agregação e análise de dados.
Os esquemas do Common Data Model podem ser usados para informar a criação de tabelas no Dataverse. As tabelas resultantes serão compatíveis com aplicativos e análises que visam esta definição do Common Data Model.
A imagem a seguir mostra alguns elementos das tabelas de modelo de dados comum padrão.
Tabelas
No Dataverse, as tabelas são usadas para modelar e gerenciar dados corporativos. Para aumentar a produtividade, o Dataverse inclui um conjunto de tabelas conhecidas como tabelas padrão. Essas tabelas são criadas de acordo com as melhores práticas, para capturar os conceitos mais comuns e cenários dentro de uma organização. As tabelas padrão seguem o Common Data Model.
Um conjunto de tabelas que são comumente usadas em todos os setores, como Usuário e Equipe, estão incluídos no Dataverse e são chamados de tabelas padrão. Essas tabelas predefinidas também podem ser personalizadas, incluindo colunas adicionais. Além disso, você pode criar facilmente suas próprias tabelas personalizadas no Dataverse.
Colunas
As colunas definem os itens de dados individuais que podem ser usados para armazenar dados em uma tabela. Os campos são às vezes chamados de atributos por desenvolvedores. Uma tabela que representa um curso em uma universidade pode conter colunas como "Nome", "Local", "Departamento", "Alunos Registrados" e assim por diante.
As colunas podem ter diferentes tipos de dados, como numerais, cadeias de caracteres, dados digitais, imagens e arquivos. Não é necessário manter os dados relacionais e não relacionais separados artificialmente, se fizer parte do mesmo fluxo ou processo empresarial. O Dataverse armazena os dados no melhor tipo de armazenamento para o modelo criado.
Cada uma dessas colunas pode ser associada a um dos muitos tipos de dados suportados pelo Dataverse.
Mais informações: Tipos de colunas
Relações
Dados em uma tabela geralmente relacionam-se a dados em outra tabela. os relacionamentos de tabela definem como as linhas podem ser relacionadas entre si no modelo do Dataverse.
O Dataverse fornece designers visuais fáceis de usar para definir os diferentes tipos de relacionamentos de uma tabela para outra (ou entre uma tabela e ela mesma). Cada tabela pode ter um relacionamento com mais de uma tabela; cada tabela pode ter mais de um relacionamento com outra tabela.
Os tipos de relacionamento são:
Muitos para um: nesse tipo de relacionamento, muitos registros da tabela A podem ser associados a um único registro da tabela B. Por exemplo, uma classe de alunos tem uma única sala de aula.
Um para muitos: nesse tipo de relacionamento, um único registro da tabela B pode ser associado a vários registros da tabela A. Por exemplo, um único professor dá várias aulas.
Muitos para muitos: nesse tipo de relacionamento, cada registro na tabela A pode corresponder a mais de um registro na tabela B e vice-versa. Por exemplo, os alunos atendem a muitas aulas, e cada aula pode ter vários alunos.
Como os relacionamentos muitos para um são os mais comuns, o Dataverse fornece um tipo de dados específico chamado pesquisa, que não apenas facilita a definição desse relacionamento, mas também aumenta a produtividade na criação de formulários e aplicativos.
Para obter mais informações sobre criar relacionamentos de tabela, consulte Criar um relacionamento entre tabelas.
As organizações frequentemente precisam estar em conformidade com várias regulamentações para garantir a disponibilidade do histórico de interação com o cliente, logs de auditoria, relatórios de acesso e relatórios de controle de incidentes de segurança. As organizações podem desejar rastrear as alterações nos dados do Dataverse para fins de segurança e analíticos.
O Dataverse oferece suporte ao recurso de auditoria em que as alterações nas tabelas e dados de atributo da organização podem ser registradas ao longo do tempo para uso em análise e relatório. Há suporte para a auditoria em todos os atributos—e tabelas—personalizados e na maioria dos personalizáveis. Não há suporte para a auditoria nas alterações nos metadados, operações de recuperação, operações de exportação ou durante a autenticação. Para obter informações sobre como configurar a auditoria, vá até Gerenciar auditoria do Dataverse.
O Dataverse oferece suporte a análises fornecendo a capacidade de escolher tabelas para Aprendizado de Máquina modelos executarem. Ele tem um recurso de IA pré-criado por meio do AI Builder.
Pesquisa
O Dataverse oferece três maneiras de consultar linhas:
Pesquisa do Dataverse
Localização rápida (com tabela única ou várias tabelas)
Localização avançada
Observação
A Localização Rápida de Várias tabelas também é chamada de Pesquisa Categorizada.
Para obter mais informações, consulte Comparar pesquisas.
Pesquisa do Dataverse
A pesquisa do Dataverse retorna resultados rápidos e abrangentes de várias tabelas, em uma única lista, classificados por relevância. Ela usa um serviço de pesquisa dedicado externo para o Dataverse (fornecido pelo Azure) para aprimorar o desempenho de pesquisa.
A pesquisa do Dataverse traz os seguintes benefícios e melhorias:
Aprimora o desempenho usando a indexação externa e a tecnologia de pesquisa do Azure.
Localiza correspondências com qualquer palavra no termo de pesquisa em qualquer coluna na tabela, em comparação com a localização rápida em que todas as palavras do termo de pesquisa devem ser encontradas em uma coluna.
Localiza correspondências que incluem palavras flexionadas como transmitir, transmissão ou transmitidos.
Retorna os resultados de todas as tabelas pesquisáveis em uma lista classificada por relevância, portanto, quanto melhor a correspondência, maior o resultado aparece na lista. Uma correspondência tem uma relevância maior se mais palavras do termo de pesquisa são encontrados na proximidade um do outro. Quanto menor o tamanho do texto onde as palavras de pesquisas são encontradas, maior a relevância. Por exemplo, se você encontrar as palavras de pesquisa em um nome e endereço da empresa, pode ser uma correspondência melhor do que encontrar as mesmas palavras em um artigo longo, muito distantes entre si.
Realça as correspondências na lista de resultados. Quando um termo de pesquisa corresponde a um termo em uma linha, o termo é exibido como texto em negrito e itálico nos resultados da pesquisa.
Para obter mais informações sobre a pesquisa do Dataverse, consulte Uso da pesquisa do Dataverse para pesquisar linhas.
Localização rápida
O Dataverse inclui a capacidade de localizar linhas rapidamente e tem abordagens que pesquisam apenas um tipo de tabela, como cliente, ou são usadas para pesquisar vários tipos de tabelas ao mesmo tempo, como contatos, usuários, clientes e assim por diante.
A localização rápida de tabela única é usada para localizar linhas de apenas um tipo. Essa opção de pesquisa está disponível em uma visualização.
Tabelas múltiplas Localização Rápida (pesquisa categorizada) também é usado para localizar linhas, mas as encontrará em diferentes tipos de tabelas, como contas ou contatos.
Data Lake
O Dataverse oferece suporte à replicação contínua de dados da tabela para Azure Data Lake Storage, que pode então ser usado para executar análises, como relatórios do Power BI, aprendizado de máquina, armazenamento de dados e outros processos de integração downstream.
Esse recurso foi projetado para análises corporativas de big data. É econômico, escalonável, possui alta disponibilidade e recursos de recuperação de desastre e permite o melhor desempenho analítico da categoria.
Os dados são armazenados no formato Common Data Model, que fornece consistência semântica entre aplicativos e implantações. Os metadados padronizados e dados autodescritivos no Common Data Model facilitam a descoberta e a interoperabilidade de metadados entre produtores e consumidores de dados, como Power BI, Data Factory, Azure Databricks e Azure Machine Learning.
Consulte também
Observação
Você pode nos falar mais sobre suas preferências de idioma para documentação? Faça uma pesquisa rápida. (Observe que esta pesquisa está em inglês)
A pesquisa levará cerca de sete minutos. Nenhum dado pessoal é coletado (política de privacidade).