새롭게 최적화된 DirectLake 시맨틱 모델을 통해 프로세스를 더 빠르고 메모리 효율적으로 분석할 수 있습니다. 메모리를 절약함으로써 더 큰 프로세스를 분석하고 더 작은 패브릭 용량을 사용하여 분석을 수행함으로써 비용을 절감할 수 있습니다. 또한 보다 직관적인 Power BI 시맨틱 모델 데이터 구조를 사용하여 더 적은 시간과 노력으로 인사이트를 더 깊이 파고들 수 있습니다.
시맨틱 모델 설명
프로세스가 Fabric 작업 영역에 게시되면 새로운 의미 체계 모델과 해당 보고서가 생성됩니다. 의미 체계 모델은 Fabric 레이크하우스 델타 테이블 위에 생성됩니다.
다음 스크린샷은 Fabric에 게시된 의미 체계 모델 구조의 예입니다.
열 이름 지정
의미 체계 모델 열의 이름 지정은 공백 및 기타 특수 문자를 포함하여 수집된 데이터 세트의 열 이름 지정에 해당합니다. 이름 지정에는 Power BI 의미 체계 모델 제한 사항이 적용됩니다. 그러나 Fabric 레이크하우스 델타 테이블의 레이크하우스에는 제한 사항이 더 크므로(예: 공백이 허용되지 않음) Power Automate Process Mining은 Fabric 작업 영역으로 내보내기 전에 유효성 검사 및 정리를 수행합니다.
허용되는 문자는 다음과 같습니다.
-
a-z→ 영어 소문자 -
A-Z→ 영어 대문자 -
0-9→ 숫자 -
_→ 밑줄
다른 모든 문자는 정리 프로세스의 일부로 밑줄(_)로 대체됩니다.
수집된 데이터 원본에 정리 후 동일한 이름을 갖는 두 개의 열(Customer_Name 및 Customer Name)이 포함되어 있어 내보내기가 성공적이지 않은 드문 상황이 발생할 수 있습니다. 내보내기가 중단되고 사용자에게 특정 오류 메시지가 표시됩니다.
따라서 레이크하우스 델타 테이블 열은 정제된 열 이름을 사용하는 반면 의미 체계 모델 열은 원래 열 이름을 사용합니다.
관계
시각적 개체의 필터링 및 상호 연결에 필요한 관계는 게시된 데이터 모델에 미리 정의되어 있습니다. 다른 데이터 원본이 연결되어 있지 않으면 관계를 수동으로 더 만들 필요가 없습니다. 이 시나리오에서는 Power BI 복합 시맨틱 모델을 사용하고 해당 모델을 기반으로 관계를 구축합니다.
데이터 모델 요약
논리적 관점에서 볼 때 데이터 모델은 이 섹션의 첫 번째 단락에 설명된 대로 많은 엔터티 하위 집합으로 구성됩니다.
- 프로세스 데이터: 필터링 및 계산된 측정값이 없는 모든 프로세스 관련 데이터
- 시각적 데이터: 프로세스 마이닝 사용자 지정 시각적 개체를 표시하는 데 필요한 미리 계산된 데이터를 제공하는 엔터티
- 지원 엔터티: Power BI에 필요한 기타 엔터티
다음은 하위 집합과 포함된 엔터티에 대한 간략한 설명입니다.
프로세스 데이터
프로세스 데이터 엔터티의 내용은 특정 시나리오에서 변경됩니다.
- 프로세스 모델 데이터가 새로 고쳐지는 경우
- 새로운 보기가 만들어진 경우
- 새로운 사용자 지정 메트릭이 생성되는 경우
- 사용자가 프로세스 보기에서 필터링 정의를 변경하는 경우
이러한 엔터티를 사용하여 작업하면 다음을 수행할 수 있습니다.
- 원시 프로세스 데이터에 액세스
- 적용된 필터의 영향을 받는 프로세스 데이터
- 적용된 필터를 기반으로 계산된 측정값에 액세스
| Entity | Description |
|---|---|
| 케이스 | 프로세스의 모든 케이스 및 해당 특성 목록입니다. 각 케이스에는 고유한 케이스 ID 표시와 매핑 설정 단계에 정의된 각 케이스 특성에 대한 값이 포함되어 있습니다. CaseMetrics 엔터티와 결합하여 전체 케이스 정보를 가져옵니다. |
| 이벤트 | 프로세스의 모든 이벤트 특성 목록입니다. 각 이벤트에는 고유한 이벤트 식별자 인덱스와 매핑 설정 단계에서 정의한 대로 각 이벤트 특성의 값이 있습니다.
Is_Node 열로 필터링된 ProcessMapMetrics 엔터티와 결합하여 전체 이벤트 정보를 가져옵니다. |
| CaseMetrics | 엔터티는 케이스 및 보기의 특정 조합과 관련된 모든 케이스 수준 메트릭을 보유합니다. Power Automate Process Mining 데스크톱 앱에 정의된 케이스 수준 사용자 지정 메트릭이 이 엔터티에 추가됩니다. |
| AttributesMetadata | 엔터티는 이벤트 로그 데이터를 프로세스 모델로 가져올 때 정의된 대로 모든 케이스/이벤트 수준 특성의 정의를 보유합니다. 여기에는 해당 데이터 유형, 특성 유형 및 케이스 또는 이벤트인 특성 수준이 포함됩니다. |
| MiningAttributes | 사용 가능한 마이닝 특성의 값을 보유합니다. 선택한 마이닝 특성을 기반으로 다양한 관점에서 프로세스를 볼 수 있도록 프로세스 보기를 설정할 수 있습니다. 다른 마이닝 특성을 사용할 수 없는 경우 엔터티는 Activity 특성 값을 보유합니다. |
| 보기 | Power Automate Process Mining 데스크톱 앱에서 생성된 사용 가능한(게시된) 보기 목록입니다. 공개 프로세스 보기만 데이터 세트에 게시됩니다. 항목을 사용하여 보고서, 보고서 페이지 및 시각적 개체를 필터링하여 특정 프로세스 보기의 데이터만 시각화할 수 있습니다. |
| 변형 | 엔터티는 변형과 프로세스 보기 간의 관계를 유지합니다. 필터링 기준을 고려한 후 특정 변형이 보기에 포함된 경우 레코드가 포함됩니다. |
시각적 개체 데이터
시각적 개체 데이터 엔터티는 프로세스 모델에 대한 데이터 새로 고침이 있는 경우에만 다시 계산됩니다.
| Entity | Description |
|---|---|
| ProcessMapMetrics | 프로세스 맵 사용자 지정 시각적 개체의 시각화에 필요한 프로세스 모델의 모든 노드 및 전환에 대해 집계된 측정값입니다. 이 엔터티는 이벤트(노드) 정보와 에지(전환) 정보를 결합합니다. 다른 시각적 개체에서 이벤트나 에지를 사용하려면 Is_Node 열의 값으로 필터링하세요. Power Automate Process Mining 데스크톱 앱에 정의된 이벤트 수준 사용자 지정 메트릭이 이 엔터티에 추가됩니다. |
기타 엔터티
| Entity | Description |
|---|---|
| LocalizationTable | 지역화 목적으로 사용되는 내부 테이블입니다. |
Power BI 복합 모델
다음 시나리오에 맞게 Power Automate Process Mining에서 게시한 의미 모델 위에 Power BI 복합 모델을 사용하고 필요한 수정을 하는 것이 좋습니다.
- 더 많은 데이터 원본을 만들어야 합니다
- 더 많은 엔터티를 만들어야 합니다
- 더 많은 관계를 만들어야 합니다
- 더 많은 사용자 지정 DAX(Data Analysis Expressions) 쿼리를 만들어야 합니다
중요
시맨틱 모델은 DirectLake 액세스 모드에서 만들어졌지만, 해당 옵션은 자동으로 설정되어 있습니다. 이 설정은 최적화되지 않은 DAX 쿼리를 사용하거나 복합 모델을 잘못 설정하면 DirectQuery 모드로 대체될 수 있음을 의미합니다. 즉, 보고서가 중단되지는 않지만 성능이 저하될 수 있습니다.
DirectLake 시맨틱 모델을 기반으로 Power BI 복합 데이터 모델을 만드는 방법에 대해 자세히 알아보려면 시맨틱 모델 또는 모델을 기반으로 복합 모델 작성을 참조하세요.
의미 체계 모델 새로 고침
기본적으로 Power Automate Process Mining에서 제공하는 의미 체계 모델은 자동으로 최신 상태로 유지됩니다.
큰 데이터 세트의 경우 OneLake에서 기본 테이블의 데이터를 새로 고치는 데 시간이 더 오래 걸릴 수 있습니다. 이로 인해 보고서에 불일치가 발생할 수 있습니다. 데이터 새로 고침이 끝날 때 최종 일관성이 유지되기는 하지만(의미 체계 모델은 명시적으로 새로 고침됨), 의미 체계 모델의 설정 화면에서 Direct Lake 데이터를 최신 상태로 유지 플래그를 꺼서 잠재적인 중간 불일치를 제거할 수 있습니다.
이 화면을 업데이트하기 전에 설정 화면 상단에서 인수를 선택하여 의미 체계 모델의 소유권을 가져와야 합니다.
