Datenflows

  • 4 Minuten

Datenflows sind Cloud-basierte ETL-Dienste (Extract, Transform and Load), mit denen Sie Daten aus verschiedenen Quellen aufnehmen und anschließend in eine analysefertige Form konvertieren können. Power BI kann Datenflows verwenden, um große Datenmengen zu verarbeiten und aufzunehmen.

Diagramm, das den Datenflowprozess zu Dashboards zeigt

Datenflows unterstützen die folgenden Szenarien:

  • Erstellen Sie eine wiederverwendbare Transformationslogik, die von vielen Datensätzen und Berichten in Power BI gemeinsam genutzt werden kann. Datenflows fördern die Wiederverwendbarkeit der zugrunde liegenden Datenelemente und verhindern, dass separate Verbindungen mit Ihrer Cloud oder lokalen Datenquellen hergestellt werden müssen.
  • Stellen Sie die Daten in Ihrem eigenen Azure Data Lake Gen 2 Storage bereit, sodass Sie andere Azure-Dienste mit den zugrunde liegenden Rohdaten verbinden können.
  • Bringen Sie Analysten dazu, sich mit den Dataflows statt mit den grundlegenden Systemen zu verbinden, um eine einzelne Faktenquelle zu erstellen. So haben Sie die Kontrolle darüber, auf welche Daten zugegriffen wird und wie Daten den Erstellern von Berichten zugänglich gemacht werden. Sie können die Daten auch Industriestandarddefinitionen zuordnen, um ordentlich kuratierte Ansichten zu erstellen. Diese können mit anderen Services und Produkten in Microsoft Power Platform zusammenarbeiten.
  • Wenn Sie mit großen Datenmengen arbeiten und ETL in großem Maßstab durchführen möchten, lassen sich Dataflows mit Power BI Premium effizienter skalieren und bieten Ihnen mehr Flexibilität. Datenflows unterstützen eine Vielzahl von Cloud‑ und lokalen Quellen.
  • Verhindern Sie, dass Analysten direkten Zugriff auf die zugrunde liegende Datenquelle haben. Da Berichtersteller auf Datenflows aufbauen können, ist es für Sie möglicherweise bequemer, nur wenigen Personen Zugriff auf zugrunde liegende Datenquellen zu gewähren. Bieten Sie dann den Analysten Zugriff auf die Datenflüsse, damit sie darauf aufbauen können. Dieser Ansatz reduziert die Belastung der zugrunde liegenden Systeme und gibt Administratoren eine genauere Kontrolle darüber, wann die Systeme nach Aktualisierungen geladen werden.

Datenflows können Daten mithilfe von Power Query transformieren und Daten mithilfe von Microsoft Azure Cognitive Services und Azure Machine Learning, wie im folgenden Diagramm angezeigt, anreichern.

Diagramm mit den Datenflowfunktionen.

Nachdem Sie einen Datenflow erstellt haben, können Sie den Power BI Desktop‑ und Power BI-Dienst zum Erstellen dieser Elemente verwenden, die das Common Data Model nutzen, um detaillierte Einblicke in Ihre Geschäftsdaten zu erhalten.

  • Datasets
  • Berichte
  • Dashboards
  • Apps

Daten, die aus Dataverse nach Azure Data Lake Storage exportiert wurden, können in Power BI anhand von Datenflows importiert werden.

Dataset im Vergleich zum Datenflow

Datenflows sind optional, Datasets jedoch nicht. Sie können einen Datenflow nicht direkt verwenden. Der Datenflow füllt den Dataset.

Wenn Sie keinen Datenflow und nur Datasets verwenden, wird die Dataset-Vorbereitung in jedem Dataset wiederholt durchgeführt. Bei Datenflows führt der Datenflow die Datenvorbereitung einmal durch, und dann verwendet jeder Dataset die im Vorfeld erstellte Vorbereitung. Datenflows können auch berechnete Entitäten enthalten, die die erforderlichen Erkenntnisse für einen Bericht liefern.

Sie werden immer Datasets verwenden, aber Sie können einen Datenflow nutzen, wenn dies hilfreich ist.

Der Azure Synapse Link-Dienst ermöglicht das kontinuierliche Replizieren von Dataverse-Tabellendaten entweder auf ein Azure Data Lake Storage Gen 2-Konto oder einen Azure Synapse-Arbeitsbereich. Sie können dies dann verwenden, um Analysen wie Power BI-Berichterstellung, Microsoft Azure Machine Learning, Data Warehousing und andere Integrationsszenarien auszuführen.

Screenshot der Option „In Data Lake exportieren“

Azure Synapse Link vereinfacht die technische und administrative Komplexität von Exporttabellen für Analysen. Mit ein paar einfachen Selektionen können Kunden ihre Dataverse-Umgebung mit einem Data Lake in ihrem Azure-Abonnement verknüpfen und dann Tabellen auswählen und sie in Azure Data Lake Storage exportieren. Alle Daten‑ und Metadatenänderungen (anfängliches und inkrementelles Delta) in Dataverse werden ohne weitere Aktionen automatisch an Azure Data Lake Gen 2 übertragen.

Die Daten werden im Common Data Model-Format gespeichert, das von Power BI und anderen Azure-Analysediensten verwendet werden kann.

Enterprise BI

Enterprise BI extrahiert Daten zur Verwendung in umfassendere Tools für die Unternehmensberichterstattung und bietet folgende Vorteile:

  • Reduziert die Belastung der Betriebsdatenspeicher.
  • Ermöglicht Transformation und historische Analyse
  • Ermöglicht die Verwendung mit Berichterstellungstools aus anderen Quellen

Das folgende Diagramm zeigt die Verwendung von Azure Synapse Link zum Extrahieren von Daten aus Dataverse und zum Auffüllen eines Arbeitsbereichs, das Berichtstools wie Power BI verwenden können.

Das Diagramm zeigt den Azure Synapse Link beim Kopieren von Daten in den ADLS Gen2-Speicher und das Herstellen einer Verbindung von Power BI zu Azure Synapse Analytics.

Weitere Informationen finden Sie unter Power BI-Modellierungsanleitung für Power Platform.