Dela via

Introduktion till dataförråd

  • Artikel

Företagsanvändare är starkt beroende av centralt styrda datakällor som skapats av IT-team (IT), men det kan ta månader för en IT-avdelning att leverera en ändring i en viss datakälla. Som svar använder användarna ofta att skapa egna data marts med Access-databaser, lokala filer, SharePoint-webbplatser och kalkylblad, vilket resulterar i brist på styrning och korrekt tillsyn för att säkerställa att sådana datakällor stöds och har rimliga prestanda.

Datamarts hjälper till att överbrygga klyftan mellan företagsanvändare och IT. Datamarts är analyslösningar med självbetjäning som gör det möjligt för användare att lagra och utforska data som läses in i en fullständigt hanterad databas. Datamarts ger en enkel och valfri upplevelse utan kod för att mata in data från olika datakällor, extrahera transformering och inläsning (ETL) data med Power Query och sedan läsa in dem i en Azure SQL-databas som är helt hanterad och som inte kräver någon justering eller optimering.

När data har lästs in i en datamart kan du dessutom definiera relationer och principer för business intelligence och analys. Datamarts genererar automatiskt en datauppsättning eller semantisk modell som kan användas för att skapa Power BI-rapporter och instrumentpaneler. Du kan också köra frågor mot en datamart med hjälp av en T-SQL-slutpunkt eller med hjälp av en visuell upplevelse.

Diagram som visar datamarts och power B I-relation.

Datamarts erbjuder följande fördelar:

  • Självbetjäningsanvändare kan enkelt utföra relationsdatabasanalyser utan att behöva en databasadministratör
  • Datamarts tillhandahåller datainmatning, förberedelse och utforskning från slutpunkt till slutpunkt med SQL, inklusive funktioner utan kod
  • Aktivera att skapa semantiska modeller och rapporter inom en holistisk upplevelse

Datamart-funktioner:

  • 100 % webbaserad, ingen annan programvara krävs
  • En upplevelse utan kod som resulterar i en fullständigt hanterad datamart
  • Automatisk prestandajustering
  • Inbyggt visuellt objekt och SQL Query-redigeraren för ad hoc-analys
  • Stöd för SQL och andra populära klientverktyg
  • Intern integrering med Power BI, Microsoft Office och andra Microsoft-analyserbjudanden
  • Ingår i Power BI Premium-kapaciteter och Premium per användare

När du ska använda datamarts

Datamarter är riktade mot interaktiva dataarbetsbelastningar för självbetjäningsscenarier. Om du till exempel arbetar med redovisning eller ekonomi kan du skapa dina egna datamodeller och samlingar, som du sedan kan använda för att självbetjäna affärsfrågor och svar via T-SQL och visuella frågeupplevelser. Dessutom kan du fortfarande använda dessa datasamlingar för mer traditionella Power BI-rapporteringsupplevelser. Datamarter rekommenderas för kunder som behöver domänorienterat, decentraliserat dataägarskap och arkitektur, till exempel användare som behöver data som en produkt eller en självbetjäningsdataplattform.

Datamarter är utformade för att stödja följande scenarier:

  • Avdelningsdata med självbetjäning: Centralisera små till måttliga datavolymer (cirka 100 GB) i en fullständigt hanterad SQL-databas med självbetjäning. Med Datamarts kan du ange ett enda lager för underordnade rapporteringsbehov för självbetjäningsavdelningen (till exempel Excel, Power BI-rapporter, andra) och därmed minska infrastrukturen i självbetjäningslösningar.

  • Relationsdatabasanalys med Power BI: Få åtkomst till en datamarts data med hjälp av externa SQL-klienter. Azure Synapse och andra tjänster/verktyg som använder T-SQL kan också använda datamarts i Power BI.

  • Semantiska modeller från slutpunkt till slutpunkt: Gör det möjligt för Power BI-skapare att skapa lösningar från slutpunkt till slutpunkt utan beroenden för andra verktyg eller IT-team. Datamarts gör sig av med att hantera orkestrering mellan dataflöden och semantiska modeller via automatiskt genererade semantiska modeller, samtidigt som de ger visuella upplevelser för att fråga efter data och ad hoc-analys, som alla backas upp av Azure SQL DB.

I följande tabell beskrivs dessa erbjudanden och de bästa användningsområdena för var och en, inklusive deras roll med datamarts.

Artikel Rekommenderat användningsfall Komplettera rollen med datamarts
Datamarter Användarbaserad datalagerhantering och SQL-åtkomst till dina data Datamarter kan användas som källor för andra datamarter eller objekt med hjälp av SQL-slutpunkten:
  • Extern delning
  • Dela över avdelnings- eller organisationsgränser med säkerhet aktiverat
Dataflöden Återanvändbar dataförberedelse (ETL) för semantiska modeller eller marts Datamarts använder ett enda inbyggt dataflöde för ETL. Dataflöden kan accentuera detta och aktivera:
  • Läsa in data till datamarter med olika uppdateringsscheman
  • Separera ETL- och dataförberedelsesteg från lagring, så att de kan återanvändas av semantiska modeller
Semantiska modeller Mått och semantiskt lager för BI-rapportering Datamarts tillhandahåller en automatiskt genererad semantisk modell för rapportering, vilket aktiverar:
  • Kombinera data från flera källor
  • Selektiv delning av datamarttabellerna för detaljerad rapportering
  • Sammansatta modeller – en semantisk modell med data från datamart och andra datakällor utanför datamart
  • Proxymodeller – en semantisk modell som använder DirectQuery för den automatiskt genererade modellen med hjälp av en enda sanningskälla

Integrering av datamarter och dataflöden

I vissa fall kan det vara användbart att införliva både dataflöden och datamarter i samma lösning. I följande situationer kan det vara fördelaktigt att införliva både dataflöden och datamarter:

  • För lösningar med befintliga dataflöden:

    • Använd enkelt data med datamarter för att tillämpa ytterligare transformeringar eller aktivera ad hoc-analys och frågor med SQL-frågor
    • Integrera enkelt en datalagerlösning utan kod utan hantering av semantiska modeller

  • För lösningar med befintliga datamarter:

    • Utför återanvändbart extrahering, transformering och belastning (ETL) i stor skala för stora datavolymer
    • Ta med din egen datasjö och använd dataflöden som en pipeline för datamarts

Diagram som visar datamarter och dataflöden.

Jämföra dataflöden med datamarter

I det här avsnittet beskrivs skillnaderna mellan dataflöden och datamarter.

Dataflöden ger återanvändbara extrahering, transformering och inläsning (ETL). Tabeller kan inte bläddras, frågas eller utforskas utan en semantisk modell, men kan definieras för återanvändning. Data exponeras i Power BI- eller CDM-format om du tar med din egen datasjö. Dataflöden används av Power BI för att mata in data i dina datamarter. Du bör använda dataflöden när du vill återanvända ETL-logiken.

Använd dataflöden när du behöver:

  • Skapa återanvändbara och delningsbara dataförberedelser för objekt i Power BI.

Datamarts är en fullständigt hanterad databas som gör att du kan lagra och utforska dina data i en relationsbaserad och fullständigt hanterad Azure SQL DB. Datamarts ger SQL-stöd, en visuell frågedesigner utan kod, säkerhet på radnivå (RLS) och automatisk generering av en semantisk modell för varje datamart. Du kan utföra ad hoc-analys och skapa rapporter på webben.

Använd datamarts när du behöver:

  • Sortera, filtrera, utföra enkel aggregering visuellt eller via uttryck som definierats i SQL
  • För utdata som är resultat, uppsättningar, tabeller och filtrerade datatabeller
  • Tillhandahålla tillgängliga data via en SQL-slutpunkt
  • Aktivera användare som inte har åtkomst till Power BI Desktop

Relaterat innehåll

Den här artikeln innehåller en översikt över datamarts och de många sätt du kan använda dem på.

Följande artiklar innehåller mer information om datamarts och Power BI:

Mer information om dataflöden och transformering av data finns i följande artiklar: