Freigeben über

Self-Service-Datenvorbereitung mit Datenflüssen

Da die Datenmenge weiter wächst, besteht die Herausforderung, diese Daten in gut strukturierte, umsetzbare Informationen zu gestalten. Daten, die für Apps, KI-Workloads oder Analysen bereit sind, damit Sie Datenmengen schnell in umsetzbare Einblicke umwandeln können. Mit self-service data prep im Power Apps-Portal können Sie Daten in Microsoft Dataverse oder das Azure Data Lake Storage Gen2-Konto Ihrer Organisation mit nur wenigen Klicks transformieren und laden.

Dataflows wurden eingeführt, um Organisationen dabei zu helfen, Daten aus unterschiedlichen Quellen zu vereinheitlichen und sie auf den Verbrauch vorzubereiten. Sie können Datenflüsse ganz einfach mithilfe vertrauter Self-Service-Tools erstellen, um Big Data aufzunehmen, zu transformieren, zu integrieren und zu bereichern. Beim Erstellen eines Datenflusses definieren Sie Datenquellenverbindungen, ETL-Logik (Extrahieren, Transformieren, Laden) und Ziel zum Laden der resultierenden Daten. Nach der Erstellung können Sie den Aktualisierungszeitplan eines Datenflusses konfigurieren, um anzugeben, wie häufig er ausgeführt werden soll. Darüber hinaus macht das neue modellgesteuerte Berechnungsmodul den Prozess der Datenvorbereitung überschaubarer, deterministischer und weniger umständlich für Dataflow-Kunden. Mit Datenflüssen können Aufgaben, die früher von einer Daten-IT-Organisation erstellt und überwacht werden mussten (was oft viele Stunden oder Tage dauerte), jetzt mit wenigen Klicks von Personen erledigt werden, die nicht einmal Datenwissenschaftler sind, wie z. B. App-Entwickler, Business-Analysten und Berichtsersteller.

Datenflüsse speichern Daten in Tabellen. Eine Tabelle ist eine Reihe von Zeilen, die zum Speichern von Daten verwendet werden, ähnlich wie eine Tabelle Daten in einer Datenbank speichert. Kunden können benutzerdefinierte Tabellenschemas definieren oder die Standardtabellen des allgemeinen Datenmodells nutzen. Das allgemeine Datenmodell ist eine freigegebene Datensprache für geschäfts- und analytische Anwendungen, die verwendet werden sollen. Das Metadatensystem "Common Data Model" ermöglicht die Konsistenz von Daten und deren Bedeutung für Anwendungen und Geschäftsprozesse wie Power Apps, Power BI, einige Dynamics 365-Apps (modellgesteuerte Apps) und Azure, die Daten in Übereinstimmung mit dem Allgemeinen Datenmodell speichern. Die resultierenden Tabellen eines Datenflusses können dann in einer der folgenden Tabellen gespeichert werden:

  • Dataverse. Mit dieser Option können Sie Daten sicher speichern und verwalten, die von Geschäftsanwendungen verwendet werden, die mit Power Apps und Power Automate erstellt wurden.

  • Azure Data Lake Storage Gen2. Ermöglicht Ihnen die Zusammenarbeit mit Personen in Ihrer Organisation mithilfe von Power BI-, Azure Data- und AI-Diensten oder benutzerdefinierten Branchenanwendungen, die Daten aus dem See lesen. Datenflüsse, die Daten in ein Azure Data Lake Storage Gen2-Konto laden, speichern Daten in gemeinsamen Datenmodellordnern. Allgemeine Datenmodellordner enthalten schematisierte Daten und Metadaten in einem standardisierten Format, um den Datenaustausch zu erleichtern und die vollständige Interoperabilität zwischen Diensten zu ermöglichen, die Daten produzieren oder nutzen, die im Azure Data Lake Storage-Konto einer Organisation als freigegebene Speicherebene gespeichert sind.

Sie können Datenflüsse verwenden, um Daten aus einer großen und wachsenden Gruppe von unterstützten lokalen und cloudbasierten Datenquellen wie Excel, Azure SQL-Datenbank, SharePoint, Azure Data Explorer, Salesforce, Oracle-Datenbank und mehr aufzunehmen.

Nachdem Sie die Datenquelle ausgewählt haben, können Sie die Power Query-Oberfläche mit geringem Code/ohne Code verwenden, um die Daten zu transformieren und sie Standardtabellen im allgemeinen Datenmodell zuzuordnen oder benutzerdefinierte Tabellen zu erstellen. Erweiterte Benutzer können die M-Sprache eines Datenflusses direkt bearbeiten, um Datenflüsse vollständig anzupassen, ähnlich wie die Power Query-Erfahrung, die Millionen von Power BI Desktop- und Excel-Benutzern bereits kennen.

Nachdem Sie einen Datenfluss erstellt und gespeichert haben, müssen Sie ihn in der Cloud ausführen. Sie können festlegen, dass ein Datenfluss manuell ausgeführt wird, oder die Ausführungsfrequenz so planen, dass der Power Platform Dataflow-Dienst ihn für Sie ausführt. Wenn ein Datenfluss eine Ausführung abgeschlossen hat, stehen seine Daten zur Verfügung. Um Datenflussdaten abzurufen, die in Dataverse geladen wurden, kann der Common Data Service-Connector in Power Apps, Power Automate, Excel und allen anderen Anwendungen verwendet werden, die den Dataverse-Connector unterstützen. Um datenflüsse abzurufen, die im Azure Data Lake Storage Gen2-Konto Ihrer Organisation gespeichert sind, können Sie den Power Platform Dataflow-Connector in Power BI Desktop verwenden oder direkt im See auf die Dateien zugreifen.

Anleitung zur Verwendung von Datenflüssen

Im vorherigen Abschnitt wurden Hintergrundinformationen zur Datenflusstechnologie bereitgestellt. In diesem Abschnitt erhalten Sie eine Tour darüber, wie Datenflüsse in einer Organisation verwendet werden können.

Hinweis

Sie müssen über einen kostenpflichtigen Power Apps-Plan verfügen, um Datenflüsse zu verwenden, sie werden jedoch nicht separat für die Verwendung von Datenflüssen berechnet.

Daten in Dataverse laden

Datenflüsse können verwendet werden, um Tabellen im allgemeinen Datendienst aufzufüllen, die dann in Power Apps-Anwendungen verwendet werden. Mit wenigen Klicks können Sie Daten aus Online- und lokalen Datenquellen integrieren.

Erweitern des allgemeinen Datenmodells für Ihre Geschäftlichen Anforderungen

Für Organisationen, die das allgemeine Datenmodell erweitern und aufbauen möchten, ermöglichen Dataflows Business Intelligence-Experten, die Standardtabellen anzupassen oder neue zu erstellen. Dieser Self-Service-Ansatz zum Anpassen des Datenmodells kann dann mit Datenflüssen verwendet werden, um Power BI-Dashboards zu erstellen, die auf eine Organisation zugeschnitten sind.

Erweitern Ihrer Funktionen mit Azure Data- und AI-Diensten

Power Platform-Datenflüsse können so konfiguriert werden, dass Datenflussdaten im Azure Data Lake Storage Gen2-Konto Ihrer Organisation gespeichert werden. Wenn eine Umgebung mit dem Data Lake Ihrer Organisation verbunden ist, können Data Scientists und Entwickler leistungsstarke Azure-Produkte wie Azure Machine Learning, Azure Databricks, Azure Data Factory und vieles mehr nutzen.

Weitere Informationen zur Azure Data Lake Storage Gen2- und Dataflows-Integration, einschließlich der Erstellung von Datenflüssen, die sich im Azure Data Lake Ihrer Organisation befinden, finden Sie unter Connect Azure Data Lake Storage Gen2 für den Datenspeicher.

Zusammenfassung der Self-Service-Datenvorbereitung für Big Data in Power Apps

Es gibt mehrere Szenarien und Beispiele, in denen Datenflüsse Ihnen die bessere Kontrolle – und schnellere Einblicke – aus Ihren Geschäftsdaten ermöglichen können. Andere Personen in Ihrer Organisation können Datenflüsse entweder über Dataverse, den Power Platform Dataflow-Connector in Power BI oder über direkten Zugriff auf den Common Data Service-Ordner von Dataflow im Azure Data Lake Storage Gen2-Konto Ihrer Organisation nutzen. Mithilfe eines standarddatenmodells (Schemas), das vom allgemeinen Datenmodell definiert wird, können Geschäftsanwendungen vom Schema einer Tabelle abhängen und davon abstrahiert werden, wie die Daten erstellt wurden oder aus welcher Datenquelle stammen. Wenn ein Datenfluss eine geplante Ausführung abgeschlossen hat, sind die Daten in sehr kurzer Zeit für die Modellierung und Erstellung von Apps, Workflows oder BI-Erkenntnissen bereit... wo dies früher Monate oder länger gedauert hat.

Mit dem standardisierten Format des allgemeinen Datenmodells können Personen in Ihrer Organisation Apps erstellen, die schnell, einfach und automatisch visuelle Elemente und Berichte generieren. Dazu gehören, aber nicht beschränkt auf:

  • Ordnen Sie Ihre Daten aus verschiedenen Quellen den Standardtabellen im Gemeinsamen Datenmodell zu, um sie zu vereinheitlichen und das bekannte Schema zu nutzen, um sofort einsatzbereite Anwendungen voranzutreiben.

  • Erstellen Eigener benutzerdefinierter Tabellen zum Vereinheitlichen von Daten in Ihrer Organisation.

  • Erstellen von Power BI-Berichten und Dashboards, die Datenflussdaten nutzen.

  • Integration mit Azure Data- und KI-Diensten über das Azure Data Lake Storage Gen2-Konto Ihrer Organisation herstellen.

Nächste Schritte

In diesem Artikel finden Sie eine Übersicht über die Self-Service-Datenvorbereitung im Power Apps-Portal und die Möglichkeiten, wie Sie sie verwenden können. In den folgenden Themen werden ausführlichere Informationen zu allgemeinen Nutzungsszenarien für Datenflüsse erläutert:

Weitere Informationen zu Power Query und geplanter Aktualisierung finden Sie in den folgenden Artikeln:

Weitere Informationen zum allgemeinen Datenmodell finden Sie im Übersichtsartikel:

  • Last updated on