สํารวจ Microsoft Dataverse

เสร็จสมบูรณ์เมื่อ

Microsoft Dataverse เป็นโซลูชันบนระบบคลาวด์ที่มีโครงสร้างข้อมูลและตรรกะทางธุรกิจต่าง ๆ ได้อย่างง่ายดาย เพื่อสนับสนุนแอปพลิเคชันและกระบวนการเชื่อมต่อระหว่างกันในลักษณะที่ปลอดภัยและสอดคล้องกัน การจัดการและดูแลรักษาโดย Microsoft Dataverse มีให้ใช้งานทั่วโลก แต่ปรับใช้ทางภูมิศาสตร์เพื่อให้สอดคล้องกับที่อยู่ข้อมูลที่เป็นไปได้ของคุณ มันไม่ได้ออกแบบมาสําหรับการใช้งานแบบสแตนด์อโลนบนเซิร์ฟเวอร์ของคุณ ดังนั้นคุณต้องมีการเชื่อมต่ออินเทอร์เน็ตเพื่อเข้าถึงและใช้งาน

Dataverse จะแตกต่างจากฐานข้อมูลดั้งเดิมที่มากกว่าแค่ตาราง ซึ่งรวมการรักษาความปลอดภัย ตรรกะ ข้อมูล และที่เก็บข้อมูลลงในจุดศูนย์กลาง ซึ่งออกแบบมาเพื่อเป็นที่เก็บข้อมูลส่วนกลางของคุณสําหรับข้อมูลทางธุรกิจ และคุณอาจยังใช้ข้อมูลนั้นอยู่แล้วได้ ในเบื้องหลัง การใช้ Microsoft Dynamics 365 โซลูชันจํานวนมาก เช่น บริการภาคสนาม การตลาด การบริการลูกค้า และการขาย และยังพร้อมใช้งานเป็นส่วนหนึ่งของ Power Apps และ Power Automate ที่มีการเชื่อมต่อดั้งเดิมอยู่แล้ว คุณลักษณะ AI Builder และพอร์ทัลของ Microsoft Power Platform ยังใช้ประโยชน์จาก Dataverse ด้วย

รูปภาพแสดงการแสดงภาพที่รวบรวมข้อเสนอมากมายของ Microsoft Dataverse เข้าด้วยกัน

ต่อไปนี้เป็นคําอธิบายสั้น ๆ เกี่ยวกับคุณลักษณะแต่ละประเภท

• ความปลอดภัย: Dataverse จัดการการรับรองความถูกต้องด้วย Microsoft Entra ID เพื่ออนุญาตให้เข้าถึงแบบมีเงื่อนไขและการรับรองความถูกต้องแบบหลายปัจจัย สนับสนุนการอนุญาตไปจนถึงระดับแถวและคอลัมน์ และให้ความสามารถในการตรวจสอบที่หลากหลาย

• ตรรกะ: Dataverse ช่วยให้คุณสามารถใช้ตรรกะทางธุรกิจในระดับข้อมูลได้อย่างง่ายดาย โดยไม่คํานึงถึงวิธีการที่ผู้ใช้โต้ตอบกับข้อมูล มีการใช้กฎเดียวกัน กฎเหล่านี้อาจเกี่ยวข้องกับการตรวจหารายการซ้ํา กฎทางธุรกิจ เวิร์กโฟลว์ หรือมากกว่านั้น

• ข้อมูล: Dataverse ช่วยให้คุณสามารถควบคุมจัดรูปร่างข้อมูลของคุณ ช่วยให้คุณสามารถค้นหา จําลอง ตรวจสอบ และรายงานเกี่ยวกับข้อมูลของคุณ ตัวควบคุมนี้ช่วยให้แน่ใจว่าข้อมูลของคุณมีลักษณะตามที่คุณต้องการโดยไม่คํานึงถึงวิธีการใช้งาน

• ที่เก็บข้อมูล: Dataverse จัดเก็บข้อมูลจริงของคุณในระบบคลาวด์ Azure ที่เก็บข้อมูลบนระบบคลาวด์นี้จะขจัดความกังวลเกี่ยวกับตําแหน่งที่ข้อมูลของคุณอยู่หรือปรับขนาดอย่างไร ความกังวลเหล่านี้มีการจัดการทั้งหมดสําหรับคุณ

• การรวม: Dataverse เชื่อมต่อในวิธีต่าง ๆ เพื่อสนับสนุนความต้องการทางธุรกิจของคุณ API, webhooks, eventing และการส่งออกข้อมูลช่วยให้คุณมีความยืดหยุ่นในการรับข้อมูลเข้าและออก

ตามที่คุณเห็น Microsoft Dataverse เป็นโซลูชันบนระบบคลาวด์ที่มีประสิทธิภาพสําหรับจัดเก็บและทํางานกับข้อมูลธุรกิจของคุณ ในส่วนต่อไปนี้ คุณสามารถดู Microsoft Dataverse จากเลนส์ของที่เก็บข้อมูลสําหรับ Microsoft Power Platform ที่คุณเริ่มการเดินทางของคุณ โปรดจําไว้ว่าความสามารถที่หลากหลายอื่น ๆ ที่กล่าวถึงซึ่งคุณสามารถสํารวจเพิ่มเติมได้เมื่อการใช้งานของคุณเพิ่มขึ้น

เพื่อเริ่มต้นใช้งาน Microsoft Dataverse ช่วยให้คุณสร้างอินสแตนซ์บนระบบคลาวด์หนึ่งหรือหลายอินสแตนซ์ของฐานข้อมูลมาตรฐาน ฐานข้อมูลประกอบด้วยตารางและคอลัมน์ที่กําหนดไว้ล่วงหน้าซึ่งจัดเก็บข้อมูลที่พบได้ทั่วไปในองค์กรและธุรกิจเกือบทั้งหมด คุณสามารถกําหนดด้วยตนเอง และขยายสิ่งที่จัดเก็บโดยการเพิ่มคอลัมน์หรือตารางใหม่ ความง่ายในการตั้งค่าฐานข้อมูล Microsoft Dataverse และแบบจําลองข้อมูลมาตรฐานภายใต้การทําให้ความสามารถในการมุ่งความสนใจของคุณในการสร้างโซลูชันโดยไม่ต้องกังวลเกี่ยวกับโครงสร้างพื้นฐาน การจัดเก็บ และการรวมข้อมูล ด้วยข้อมูลของคุณที่จัดเก็บไว้ใน Microsoft Dataverse มีหลายวิธีในการเข้าถึง คุณสามารถทํางานกับข้อมูลดั้งเดิมด้วยเครื่องมือ เช่น Power Apps หรือ Power Automate โซลูชันทางธุรกิจใด ๆ สามารถเชื่อมต่อกับ Dataverse โดยใช้ API ของตัวเชื่อมต่อได้ ด้วยประสิทธิภาพของคุณลักษณะ เช่น การรักษาความปลอดภัยตามบทบาทและกฎทางธุรกิจที่คุณสามารถเชื่อถือข้อมูลของคุณได้จะปลอดภัยไม่ว่าจะเข้าถึงอย่างไรก็ตาม

ความสามารถในการขยาย

ฐานข้อมูล Dataverse สนับสนุนชุดข้อมูลขนาดใหญ่และแบบจําลองข้อมูลที่ซับซ้อน ตารางสามารถเก็บหลายล้านรายการ และคุณสามารถขยายที่เก็บข้อมูลในแต่ละอินสแตนซ์ของฐานข้อมูล Microsoft Dataverse เป็นสี่เทราไบต์ต่ออินสแตนซ์ จํานวนข้อมูลที่มีอยู่ในอินสแตนซ์ของ Microsoft Dataverse ของคุณจะขึ้นอยู่กับจํานวนและชนิดของสิทธิ์การใช้งานที่เกี่ยวข้องกับข้อมูลดังกล่าว ที่เก็บข้อมูลจะรวมกลุ่มกันระหว่างผู้ใช้ที่มีสิทธิ์การใช้งานทั้งหมด เพื่อให้คุณสามารถจัดสรรที่เก็บข้อมูลได้ตามความจําเป็นสําหรับแต่ละโซลูชันที่คุณสร้าง สามารถซื้อที่เก็บข้อมูลแบบเพิ่มหน่วยได้ถ้าคุณต้องการที่เก็บข้อมูลมากกว่าที่มีให้ภายในสิทธิ์การใช้งานมาตรฐาน

โครงสร้างและประโยชน์ของ Microsoft Dataverse

โครงสร้างของฐานข้อมูล Microsoft Dataverse จะขึ้นอยู่กับข้อกําหนดและ schema ใน Common Data Model ประโยชน์หลักของการใช้ Common Data Model เป็นพื้นฐานของฐานข้อมูล Microsoft Dataverse คือช่วยให้ง่ายต่อการรวมโซลูชันที่ใช้ Schema ของ Common Data Model ตารางมาตรฐานของโซลูชันจะเหมือนกัน คุณสามารถใช้ประโยชน์จากระบบนิเวศน์ที่สมบูรณ์ของโซลูชันที่ผู้จําหน่ายได้สร้างขึ้นจากการใช้ Common Data Model ยิ่งไปกว่านั้น ไม่มีข้อจํากัดในทางปฏิบัติว่าคุณสามารถขยายฐานข้อมูล Microsoft Dataverse ไปได้ไกลเพียงใด

อธิบายตาราง คอลัมน์ และความสัมพันธ์

ตารางเป็นโครงสร้างตรรกะที่ประกอบด้วยแถวและคอลัมน์ที่แสดงถึงชุดของข้อมูล ในสกรีนช็อต คุณจะเห็นตารางบัญชีมาตรฐานและองค์ประกอบต่าง ๆ ที่สามารถจัดการได้เป็นส่วนหนึ่งของตารางดังกล่าว

ชนิดของตาราง

ตารางมีสามประเภทได้แก่:

• มาตรฐาน - ตารางมาตรฐานหลายตารางหรือที่เรียกว่าตารางแบบนอกกรอบ จะรวมอยู่ในสภาพแวดล้อม Dataverse ตารางบัญชี หน่วยธุรกิจ ผู้ติดต่อ งาน และผู้ใช้เป็นตัวอย่างของตารางมาตรฐานใน Dataverse ตารางมาตรฐานส่วนใหญ่ที่รวมอยู่กับ Dataverse สามารถกําหนดเองได้

• จัดการ - ตารางที่ไม่สามารถกําหนดเองได้และได้รับการนําเข้าไปยังสภาพแวดล้อมเป็นส่วนหนึ่งของโซลูชันที่มีการจัดการ

• แบบกําหนดเอง - ตารางแบบกําหนดเองเป็นตารางที่ไม่มีการจัดการที่นําเข้าจากโซลูชันที่ไม่มีการจัดการหรือเป็นตารางใหม่ที่สร้างขึ้นโดยตรงในสภาพแวดล้อม Dataverse

คอลัมน์

คอลัมน์จะเก็บข้อมูลส่วนที่ไม่ต่อเนื่องภายในแถวในตาราง คุณอาจคิดว่าคอลัมน์เหล่านั้นเป็นคอลัมน์ใน Excel คอลัมน์มีชนิดข้อมูล ซึ่งหมายความว่าคุณสามารถจัดเก็บข้อมูลบางชนิดในคอลัมน์ที่ตรงกับชนิดข้อมูลนั้นได้ ตัวอย่างเช่น หากคุณมีโซลูชันที่จําเป็นต้องใช้วันที่ เช่น การจับวันที่ของเหตุการณ์หรือเมื่อมีบางสิ่งเกิดขึ้น จากนั้นคุณจัดเก็บวันที่ในคอลัมน์ที่มีชนิด Date ในทํานองเดียวกัน ถ้าคุณต้องการจัดเก็บตัวเลข ให้คุณจัดเก็บตัวเลขในคอลัมน์ที่มีชนิดของ ตัวเลข

จํานวนคอลัมน์ภายในตารางแตกต่างกันไปจากสองสามคอลัมน์เป็นร้อยหรือมากกว่า ทุกฐานข้อมูลใน Microsoft Dataverse เริ่มต้นด้วยชุดตารางมาตรฐาน และตารางมาตรฐานแต่ละตารางมีชุดคอลัมน์มาตรฐาน

ทําความเข้าใจความสัมพันธ์

เพื่อสร้างโซลูชันที่มีประสิทธิภาพและปรับขนาดได้สําหรับโซลูชันส่วนใหญ่ที่คุณสร้าง คุณจะต้องแยกข้อมูลออกเป็นคอนเทนเนอร์ (ตาราง) ที่แตกต่างกัน พยายามจัดเก็บทุกอย่างไว้ในคอนเทนเนอร์เดียวอาจไม่มีประสิทธิภาพและเข้าใจยาก

ตัวอย่างต่อไปนี้ช่วยแสดงแนวคิดนี้

สมมติว่าคุณจําเป็นต้องสร้างระบบเพื่อจัดการใบสั่งขาย คุณจะต้องมีรายการผลิตภัณฑ์พร้อมกับปริมาณที่มีอยู่ คุณยังต้องมีรายการหลักของลูกค้าที่มีที่อยู่และการให้คะแนนความน่าเชื่อถือของพวกเขาอีกด้วย สุดท้าย นี้ คุณจะต้องจัดการใบแจ้งหนี้การขายเพื่อจัดเก็บข้อมูลใบแจ้งหนี้ ใบแจ้งหนี้ควรรวมข้อมูล เช่น วันที่ หมายเลขใบแจ้งหนี้ พนักงานขาย ข้อมูลลูกค้ารวมถึงที่อยู่และการจัดอันดับเครดิต และรายการบรรทัดสําหรับสินค้าแต่ละรายการในใบแจ้งหนี้ สินค้าในรายการควรรวมข้อมูลอ้างอิงไปยังผลิตภัณฑ์ที่คุณขาย และสามารถระบุต้นทุนและราคาที่เหมาะสมสําหรับแต่ละผลิตภัณฑ์ และลดปริมาณที่มีอยู่โดยยึดตามปริมาณที่คุณขายในรายการสินค้า

การสร้างตารางเดียวเพื่อสนับสนุนฟังก์ชันการทํางานในตัวอย่างข้างต้นจะไม่มีประสิทธิภาพ วิธีที่ดียิ่งขึ้นในการเข้าใกล้สถานการณ์ทางธุรกิจนี้คือการสร้างตารางสี่ตารางต่อไปนี้:

• ลูกค้า

• ผลิตภัณฑ์

• ใบแจ้งหนี้

• รายการสินค้า

การสร้างตารางสําหรับแต่ละรายการเหล่านี้และเกี่ยวข้องกับรายการอื่นจะช่วยให้คุณสร้างโซลูชันที่มีประสิทธิภาพที่สามารถปรับขนาดในขณะที่รักษาประสิทธิภาพสูง การแยกข้อมูลลงในหลายตารางยังหมายความว่าคุณไม่จําเป็นต้องจัดเก็บข้อมูลซ้ํา ๆ หรือสนับสนุนแถวขนาดใหญ่ที่มีข้อมูลที่ว่างเปล่าเป็นจํานวนมาก นอกจากนี้ การรายงานจะง่ายขึ้นถ้าคุณแยกข้อมูลลงในตารางที่แยกต่างหาก

ตารางที่เกี่ยวข้องกันมีการเชื่อมต่อเชิงสัมพันธ์ ความสัมพันธ์ระหว่างตารางมีอยู่ในหลายฟอร์ม แต่สองความสัมพันธ์ที่พบบ่อยที่สุดคือหนึ่งต่อกลุ่มและกลุ่มต่อกลุ่ม ทั้งสองแบบได้รับการสนับสนุนโดย Microsoft Dataverse หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับชนิดความสัมพันธ์ที่แตกต่างกัน โปรดดู: ความสัมพันธ์ของตาราง

ตรรกะทางธุรกิจใน Microsoft Dataverse

องค์กรจํานวนมากมีตรรกะทางธุรกิจที่ส่งผลกระทบต่อวิธีการทํางานกับข้อมูล ตัวอย่างเช่น องค์กรที่ใช้ Dataverse เพื่อจัดเก็บข้อมูลของลูกค้าอาจต้องการสร้างเขตข้อมูล เช่น และเขตข้อมูลหมายเลขประจําตัวที่จําเป็นตามชนิดของลูกค้า ใน Microsoft Dataverse คุณสร้างตรรกะนี้โดยใช้กฎทางธุรกิจ กฎทางธุรกิจช่วยให้คุณสามารถใช้และรักษาตรรกะทางธุรกิจที่เลเยอร์ข้อมูลแทนเลเยอร์แอป โดยทั่วไปเมื่อคุณสร้างกฎทางธุรกิจใน Microsoft Dataverse กฎเหล่านั้นจะมีผลโดยไม่คํานึงถึงตําแหน่งที่ผู้ใช้โต้ตอบกับข้อมูล

ตัวอย่างเช่น กฎทางธุรกิจสามารถใช้ในแอปพื้นที่ทํางานและแอปที่ขับเคลื่อนด้วยแบบจําลองเพื่อตั้งค่าหรือล้างค่าในตารางหนึ่งหรือหลายคอลัมน์ นอกจากนี้ยังสามารถใช้เพื่อตรวจสอบข้อมูลที่จัดเก็บไว้ หรือแสดงข้อความข้อผิดพลาด แอปที่ขับเคลื่อนด้วยแบบจําลองสามารถใช้กฎทางธุรกิจเพื่อแสดงหรือซ่อนคอลัมน์ เปิดใช้งาน หรือปิดใช้งานคอลัมน์ รวมถึงสร้างคําแนะนําตามข่าวกรองธุรกิจ

กฎทางธุรกิจเป็นวิธีที่มีประสิทธิภาพในการบังคับใช้กฎ ตั้งค่า หรือตรวจสอบข้อมูลโดยไม่คํานึงถึงฟอร์มที่ใช้ในการป้อนข้อมูล นอกจากนี้ กฎทางธุรกิจยังมีประสิทธิภาพในการช่วยเพิ่มความแม่นยําของข้อมูล ลดความซับซ้อนของการพัฒนาแอปพลิเคชัน และปรับปรุงรูปแบบที่แสดงให้ผู้ใช้ปลายทางง่ายขึ้น

ด้านล่างนี้คือตัวอย่างของการใช้กฎทางธุรกิจอย่างง่ายแต่มีประสิทธิภาพ มีการกําหนดค่ากฎทางธุรกิจเพื่อเปลี่ยนเขตข้อมูลผู้อนุมัติ VP วงเงินเครดิตเป็นเขตข้อมูลที่จําเป็นถ้าวงเงินสินเชื่อถูกตั้งค่ามากกว่า$1,000,000 ถ้าวงเงินสินเชื่อน้อยกว่า $1,000,000 ฟิลด์ เป็นทางเลือก

โดยการใช้กฎทางธุรกิจนี้ที่ระดับข้อมูลแทนระดับแอป คุณสามารถควบคุมข้อมูลของคุณได้ดียิ่งขึ้น ซึ่งสามารถตรวจสอบให้แน่ใจว่ามีการปฏิบัติตามตรรกะทางธุรกิจของคุณไม่ว่าจะมีการเข้าถึงโดยตรงจาก Power Apps, Power Automate หรือผ่านทาง API หรือไม่ กฎจะผูกกับข้อมูล ไม่ใช่แอป

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการใช้กฎทางธุรกิจใน Dataverse โปรดดูที่: Create กฎทางธุรกิจสําหรับตาราง

การทำงานกับกระแสข้อมูล

กระแสข้อมูลเป็นเทคโนโลยีการเตรียมข้อมูลด้วยตนเอง, ระบบคลาวด์, เทคโนโลยีการเตรียมข้อมูล มีการใช้กระแสข้อมูลเพื่อนําเข้า แปลง และโหลดข้อมูลลงในสภาพแวดล้อม Microsoft Dataverse พื้นที่ทํางาน Power BI หรือบัญชี Azure Data Lake Storage ขององค์กรของคุณ กระแสข้อมูลถูกสร้างขึ้นโดยใช้ Power Query การเชื่อมต่อข้อมูลแบบรวมและประสบการณ์การเตรียมความพร้อมที่แนะนําในผลิตภัณฑ์ Microsoft จํานวนมาก รวมถึง Excel และ Power BI ลูกค้าสามารถทริกเกอร์กระแสข้อมูลเพื่อเรียกใช้ตามความต้องการหรือโดยอัตโนมัติตามกําหนดเวลา ข้อมูลจะได้รับการอัปเดตอยู่เสมอ

เนื่องจากกระแสข้อมูลจัดเก็บเอนทิตีผลลัพธ์ในที่เก็บข้อมูลบนระบบคลาวด์ บริการอื่น ๆ สามารถโต้ตอบกับข้อมูลที่ผลิตโดยกระแสข้อมูลได้

ตัวอย่างเช่น Power BI, Power Apps, Power Automate, Power Virtual Agents และแอปพลิเคชัน Dynamics 365 สามารถรับข้อมูลที่ผลิตโดยกระแสข้อมูลโดยการเชื่อมต่อกับ Dataverse, ตัวเชื่อมต่อกระแสข้อมูล Power Platform หรือโดยตรงผ่านทะเลสาบ ขึ้นอยู่กับปลายทางที่กําหนดค่าณ เวลาการสร้างกระแสข้อมูล

รายการต่อไปนี้เน้นประโยชน์บางประการของการใช้กระแสข้อมูล:

• กระแสข้อมูลจะแยกส่วนเลเยอร์การแปลงข้อมูลจากเลเยอร์การสร้างแบบจําลองและการแสดงผลข้อมูลด้วยภาพในโซลูชัน Power BI

• รหัสการแปลงข้อมูลสามารถอยู่ในตําแหน่งที่ตั้งส่วนกลาง กระแสข้อมูลแทนที่จะกระจายอยู่ในอาร์ทิแฟกต์หลายรายการ

• ผู้สร้างกระแสข้อมูลต้องการทักษะ Power Query เท่านั้น ในสภาพแวดล้อมที่มีผู้สร้างหลายคน ผู้สร้างกระแสข้อมูลสามารถเป็นส่วนหนึ่งของทีมที่สร้างโซลูชัน BI ทั้งหมดหรือแอปพลิเคชันการดําเนินงานเข้าด้วยกัน

• กระแสข้อมูลคือการวินิจฉัยผลิตภัณฑ์ ไม่ใช่ส่วนประกอบของ Power BI เท่านั้นเนื่องจากคุณสามารถรับข้อมูลได้ในเครื่องมือและบริการอื่น ๆ

• กระแสข้อมูลใช้ประโยชน์จาก Power Query ประสบการณ์การแปลงข้อมูลด้วยตนเองที่ทรงพลังกราฟิกและการบริการตนเอง

• กระแสข้อมูลทํางานทั้งหมดในระบบคลาวด์ ไม่จําเป็นต้องมีโครงสร้างพื้นฐานเพิ่มเติม

• คุณมีหลายตัวเลือกสําหรับการเริ่มต้นทํางานกับกระแสข้อมูล โดยใช้สิทธิ์การใช้งานสําหรับ Power Apps, Power BI และข้อมูลเชิงลึกของลูกค้า

• แม้ว่ากระแสข้อมูลจะสามารถแปลงข้อมูลขั้นสูงได้ แต่ก็ได้รับการออกแบบมาสําหรับสถานการณ์แบบบริการตนเอง และไม่ต้องการ IT หรือพื้นหลังของนักพัฒนา

ดำเนินการต่อ