Trabajar con cualquier dato

Microsoft Dataverse proporciona una abstracción que permite trabajar con cualquier tipo de datos, como relacional, no relacional, imagen, archivo, búsqueda relativa o lago de datos. No es necesario comprender el tipo de datos, ya que Dataverse expone un conjunto de tipos de datos que le permiten crear el modelo. El tipo de almacenamiento está optimizado para el tipo de datos elegido.

Los datos se pueden importar y exportar fácilmente con flujos de datos, Power Query y Azure Data Factory. Los clientes de Dynamics también pueden usar el servicio de exportación de datos.

Dataverse también tiene un conector para Power Automate y Azure Logic Apps que se pueden usar con los cientos de otros conectores de esos servicios para servicios locales, infraestructura como servicio (IaaS), plataforma como servicio (PaaS) o servicios de software como servicio (SaaS). Esto incluye orígenes en Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, text/CSV, listas de SharePoint, bases de datos de SQL Server, Oracle, MySQL, PostgreSQL, Blockchain y Azure Synapse Analytics.

Common Data Model

Si alguna vez ha tenido que reunir datos de varios sistemas y aplicaciones, sabe cuál es una tarea costosa y lenta que puede ser. Sin poder compartir y comprender fácilmente los mismos datos, cada aplicación o proyecto de integración de datos requiere una implementación personalizada.

Common Data Model proporciona una arquitectura de referencia diseñada para simplificar este proceso al proporcionar un lenguaje de datos compartido para aplicaciones empresariales y analíticas que se van a usar. El sistema de metadatos de Common Data Model permite compartir datos y su significado entre aplicaciones y procesos empresariales, como Power Apps, Power BI, Dynamics 365 y Azure.

Common Data Model incluye un conjunto de esquemas de datos estandarizados y extensibles que Microsoft y sus asociados han publicado. Esta colección de esquemas predefinidos incluye tablas, atributos, metadatos semánticos y relaciones. Los esquemas representan conceptos y actividades usados habitualmente, como Cuenta y Campaña, para simplificar la creación, agregación y análisis de datos.

Los esquemas de Common Data Model se pueden usar para informar sobre la creación de tablas en Dataverse. A continuación, las tablas resultantes serán compatibles con aplicaciones y análisis que tienen como destino esta definición de Common Data Model.

En la imagen siguiente se muestran algunos elementos de las tablas estándar de Common Data Model. 

Tables

En Dataverse, las tablas se usan para modelar y administrar datos empresariales. Para aumentar la productividad, Dataverse incluye un conjunto de tablas conocidas como tablas estándar. Estas tablas están diseñadas, de acuerdo con los procedimientos recomendados, para capturar los conceptos y escenarios más comunes dentro de una organización. Las tablas estándar se adhieren a Common Data Model.

En Dataverse se incluye un conjunto de tablas que se usan normalmente entre sectores, como User y Team, y se conocen como tablas estándar. Estas tablas listas para usar también se pueden personalizar, como incluir columnas adicionales. Además, puede crear fácilmente sus propias tablas personalizadas en Dataverse.

Columnas

Las columnas definen los elementos de datos individuales que se pueden usar para almacenar datos en una tabla. Los desarrolladores a veces llaman atributos a los campos. Una tabla que representa un curso en una universidad puede contener columnas como "Nombre", "Ubicación", "Departamento", "Estudiantes registrados", etc.

Las columnas pueden tener diferentes tipos de datos, como números, cadenas, datos digitales, imágenes y archivos. No es necesario mantener los datos relacionales y no relacionales separados artificialmente si forma parte del mismo proceso o flujo de negocio. Dataverse almacena los datos en el mejor tipo de almacenamiento para el modelo creado.

Cada una de estas columnas se puede asociar a uno de los muchos tipos de datos admitidos por Dataverse.

Más información: Tipos de columnas

Relationships

Los datos de una tabla suelen relacionarse con los datos de otra tabla. las relaciones de tabla definen cómo se pueden relacionar las filas entre sí en el modelo de Dataverse.

Dataverse proporciona diseñadores visuales fáciles de usar para definir los distintos tipos de relaciones de una tabla a otra (o entre una tabla y sí misma). Cada tabla puede tener una relación con más de una tabla y cada tabla puede tener más de una relación con otra tabla.

Los tipos de relación son:

• Varios a uno: en este tipo de relación, muchos registros de la tabla A se pueden asociar a un único registro de la tabla B. Por ejemplo, una clase de alumnos tiene una sola clase.

• Uno a varios: en este tipo de relación, un único registro de la tabla B se puede asociar a muchos registros de la tabla A. Por ejemplo, un solo profesor enseña muchas clases.

• Varios a varios: en este tipo de relación, cada registro de la tabla A puede coincidir con más de un registro de la tabla B, y viceversa. Por ejemplo, los alumnos asisten a muchas clases y cada clase puede tener varios alumnos.

Dado que las relaciones de varios a uno son las más comunes, Dataverse proporciona un tipo de datos específico denominado lookup, que no solo facilita la definición de esta relación, sino que agrega productividad a la creación de formularios y aplicaciones.

Para obtener más información sobre cómo crear relaciones de tabla, vea Crear una relación entre tablas.

A menudo, las organizaciones deben cumplir diversas normativas para garantizar la disponibilidad del historial de interacción del cliente, los registros de auditoría, los informes de acceso y los informes de seguimiento de incidentes de seguridad. Es posible que las organizaciones quieran realizar un seguimiento de los cambios en los datos de Dataverse con fines analíticos y de seguridad.

Dataverse proporciona una funcionalidad de auditoría en la que los cambios en las tablas y los datos de atributo de una organización se pueden rastrear a lo largo del tiempo para su uso en análisis e informes. La auditoría se admite en todas las tablas atributos personalizados, y en la mayoría de los personalizables. No se admite la auditoría en los cambios de metadatos, la recuperación de operaciones, la exportación de operaciones o durante la autenticación. Para obtener información sobre cómo configurar la auditoría, vaya a Administrar auditoría de Dataverse.

Dataverse admite el análisis al proporcionar la capacidad de elegir tablas para que se ejecuten modelos de Machine Learning. Tiene una funcionalidad de inteligencia artificial precompilada a través de AI Builder.

Search

Dataverse proporciona tres maneras de consultar filas:

• Búsqueda de Dataverse

• Búsqueda rápida (tabla única o varias tablas)

• Búsqueda avanzada

Para obtener más información, consulte Comparación de búsquedas.

Búsqueda de Dataverse

La búsqueda de Dataverse ofrece resultados rápidos y completos en varias tablas de una sola lista, ordenadas por relevancia. Usa un servicio de búsqueda dedicado externo a Dataverse (con tecnología de Azure) para aumentar el rendimiento de la búsqueda.

La búsqueda de Dataverse aporta las siguientes mejoras y ventajas:

• Mejora el rendimiento mediante la indexación externa y la tecnología de Búsqueda de Azure.

• Busca coincidencias con cualquier palabra del término de búsqueda en cualquier columna de la tabla, en comparación con la búsqueda rápida donde se deben encontrar todas las palabras del término de búsqueda en una columna.

• Busca coincidencias que incluyen palabras inflectionales como stream, streaming o streamed.

• Devuelve los resultados de todas las tablas que se pueden buscar en una sola lista ordenada por relevancia, de modo que cuanto mejor sea la coincidencia, más alto aparecerá el resultado en la lista. Una coincidencia tiene una mayor relevancia si se encuentran más palabras del término de búsqueda en proximidad entre sí. Cuanto menor sea la cantidad de texto donde se encuentran las palabras de búsqueda, mayor será la relevancia. Por ejemplo, si encuentra las palabras de búsqueda en el nombre y la dirección de una empresa, podría ser un mejor emparejamiento que encontrar las mismas palabras en un artículo largo, separadas entre sí.

• Resalta las coincidencias en la lista de resultados. Cuando un término de búsqueda coincide con un término de una fila, el término aparece en negrita y en cursiva en los resultados de la búsqueda.

Para obtener más información sobre la búsqueda de Dataverse, consulte Uso de la búsqueda de Dataverse para buscar filas.

Búsqueda rápida

Dataverse incluye la capacidad de encontrar filas rápidamente y tiene enfoques que buscarán solo un tipo de tabla, como el cliente, o se usarán para buscar en varios tipos de tablas al mismo tiempo, como contactos, usuarios, clientes, etc.

La búsqueda rápida de una sola tabla se usa para buscar filas de solo un tipo. Esta opción de búsqueda está disponible desde dentro de una vista.

La búsqueda rápida de varias tablas (búsqueda clasificada) también se usa para buscar filas, pero las encontrará en diferentes tipos de tablas, como cuentas o contactos.

Data Lake

Dataverse admite la replicación continua de datos de tabla en Azure Data Lake Storage, que luego se puede usar para ejecutar análisis como informes de Power BI, aprendizaje automático, almacenamiento de datos y otros procesos de integración de bajada.

Esta característica está diseñada para el análisis de macrodatos empresariales. Es rentable, escalable, tiene funcionalidades de alta disponibilidad y recuperación ante desastres, y permite el mejor rendimiento de análisis de clase.

Los datos se almacenan en el formato Common Data Model, que proporciona coherencia semántica en las aplicaciones y las implementaciones. Los metadatos estandarizados y los datos autodescriptores en Common Data Model facilitan la detección e interoperabilidad de metadatos entre los productores y consumidores de datos, como Power BI, Data Factory, Azure Databricks y Azure Machine Learning.

Consulte también

Importación y exportación de datos