数据流和自助数据准备简介
随着数据量的不断增长,将数据转换为格式正确且可操作信息的挑战也随之增加。 我们希望数据已准备好用于分析,可填充视觉效果、报告和仪表板,以便我们可以快速将数据量转化为可操作的见解。 借助 Power BI 中针对大数据的自助服务数据准备,用户只需进行若干操作即可将数据转换成 Power BI 见解。
提示
还可以在 Microsoft Fabric 的数据工厂中试用数据流 Gen2,这是一种适用于企业的一站式分析解决方案。 Microsoft Fabric 涵盖从数据移动到数据科学、实时分析、商业智能和报告的所有内容。 了解如何 免费启动新试用版 。
数据流旨在支持以下方案:
创建可重用的转换逻辑,该逻辑可由 Power BI 中的许多语义模型和报表共享。 数据流可提升基础数据元素的可重用性,从而无需与云或本地数据源建立单独的连接。
将数据保留在自己的 Azure Data Lake Gen 2 存储中,以便你能够将其公开到 Power BI 外部的其他 Azure 服务。
使用行业标准定义从原始数据精选单个事实来源,该事实来源可与 Power Platform 中的其他服务和产品配合使用。 通过删除分析师对基础数据源的访问权限来鼓励应用。
通过向数据流中的报表创建者公开数据来增强基础数据源的安全性。 此方法可以限制对基础数据源的访问,减少源系统上的负载,并使管理员能够更好地控制数据刷新操作。
如果你要处理大量数据并大规模执行 ETL,使用 Power BI Premium 的数据流可以更有效地进行缩放,并为你提供更大的灵活性。 数据流支持多种云和本地源。
你可以在 Power BI Desktop 和 Power BI 服务中使用数据流创建语义模型、报表、仪表板和使用 Common Data Model 的应用。 从这些资源中,你可以深入了解你的业务活动。 数据流刷新计划直接从创建数据流的工作区进行管理,就像语义模型一样。
注意
Power BI 服务中的数据流可能并非对所有美国政府 DoD 客户都可用。 有关哪些功能可用和不可用的详细信息,请参阅面向美国政府客户的 Power BI 功能可用性。
相关内容
本文概述了 Power BI 中大数据的自助数据准备,以及可以使用它的多种方法。
以下文章提供有关数据流和 Power BI 的详细信息:
- 创建数据流
- 配置和使用数据流
- 将数据流存储配置为使用 Azure Data Lake Gen 2
- 数据流的高级功能
- 使用数据流的 AI
- 数据流注意事项和限制
- 数据流最佳做法
- Power BI 使用方案:自助数据准备
有关通用数据模型的详细信息,可以阅读其概述文章: