Nuta
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować się zalogować lub zmienić katalog.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Nowy, zoptymalizowany model semantyczny DirectLake pozwala na szybszą i bardziej wydajną analizę procesów. Oszczędzając pamięć, można analizować większe procesy i oszczędzać na kosztach, używając mniejszych pojemności Fabric do przeprowadzania analiz. Ponadto zastosowano bardziej intuicyjną strukturę danych modelu semantycznego Power BI, która pozwala uzyskać bardziej szczegółowe informacje przy mniejszym nakładzie czasu i wysiłku.
Opis modelu semantycznego
Po opublikowaniu procesu w obszarze roboczym Fabric tworzony jest nowy model semantyczny i odpowiadający mu raport. Model semantyczny jest tworzony na podstawie tabel różnicowych Fabric Lakehouse.
Poniższy zrzut ekranu przedstawia przykład struktury modelu semantycznego opublikowanej w usłudze Fabric.
Nazwy kolumn
Nazewnictwo kolumn modelu semantycznego odpowiada nazewnictwu kolumn w pozyskanym zestawie danych, w tym spacji i innych znaków specjalnych. Nazewnictwo podlega ograniczeniom modelu semantycznego Power BI. Ograniczenia dotyczące nazewnictwa w tabelach delta Fabric Lakehouse są jednak większe (na przykład nie można używać spacji), dlatego Power Automate Process Mining przeprowadza weryfikację i oczyszczanie przed uruchomieniem eksportu do obszaru roboczego Fabric.
Dozwolone znaki to:
-
a-z→ małe litery alfabetu angielskiego -
A-Z→ duże litery alfabetu angielskiego -
0-9→ cyfry -
_→ podkreślnik
Wszystkie inne znaki są zastępowane znakiem podkreślenia (_) w ramach procesu oczyszczania.
Może to spowodować rzadkie sytuacje, w których eksport nie powiedzie się, ponieważ pobrane źródło danych zawiera dwie kolumny, które po oczyszczeniu dają identyczne nazwy — Nazwa_klienta i Nazwa klienta. Eksport zostanie przerwany, a użytkownik zostanie powiadomiony ze szczegółową wiadomością o błędzie.
Kolumny tabeli delta Lakehouse używają zatem oczyszczonych nazw kolumn, podczas gdy kolumny modelu semantycznego używają oryginalnych nazw kolumn.
Relacje
Relacje niezbędne do filtrowania i wzajemnego powiązania wizualizacji są wstępnie zdefiniowane w opublikowanym modelu danych. Nie ma potrzeby ręcznego tworzenia większej liczby relacji, chyba że podłączone są inne źródła danych. W tym scenariuszu należy użyć złożonego modelu semantycznego Power BI i zbudować relacje na podstawie tego modelu.
Podsumowanie modelu danych
Z logicznego punktu widzenia model danych składa się z wielu podzbiorów encji, jak przedstawiono w pierwszym akapicie tej sekcji.
- Dane procesu: wszystkie dane związane z procesem bez filtrowania i miar obliczonych
- Dane wizualizacji: encje zapewniające wstępnie obliczone dane niezbędne do wyświetlania niestandardowych wizualizacji eksploracji procesów
- Encje pomocnicze: inne encje potrzebne w Power BI
Poniżej znajduje się krótki opis podzbiorów i uwzględnionych w nich encji.
Dane przetwarzane
Zawartość jednostek danych procesowych zmienia się w określonych scenariuszach.
- Odświeżanie danych modelu procesu
- Po utworzeniu nowego widoku
- Po utworzeniu nowej metryki niestandardowej
- Gdy użytkownik zmieni definicję filtrowania w dowolnym widoku procesu
Praca z tymi encjami umożliwia:
- Uzyskiwanie dostępu do nieprzetworzonych danych procesu
- Dane procesowe, na które mają wpływ zastosowane filtry
- Uzyskaj dostęp do środków obliczonych na podstawie zastosowanych filtrów
| Jednostka | Podpis |
|---|---|
| Sprawy | Lista wszystkich przypadków i ich atrybutów w procesie. Każda sprawa zawiera unikalny identyfikator sprawy oraz wartości dla każdego z atrybutów sprawy, zgodnie z definicją w kroku konfiguracji mapowania. Połącz z encją CaseMetrics, aby uzyskać pełne informacje o przypadku. |
| Wydarzenia | Lista wszystkich atrybutów zdarzenia w procesie. Każde zdarzenie ma unikalny indeks identyfikatora zdarzenia oraz wartości dla każdego z atrybutów zdarzenia, zgodnie z definicją w kroku konfiguracji mapowania. Połącz z encją ProcessMapMetrics filtrowaną według kolumny Is_Node, aby uzyskać pełne informacje o zdarzeniu. |
| CaseMetrics | Encja przechowuje wszystkie metryki na poziomie przypadku związane z określoną kombinacją przypadku i widoku. Wskaźniki niestandardowe na poziomie przypadku zdefiniowane w aplikacji komputerowej Power Automate Process Mining są dodawane do tej encji. |
| Metadane atrybutów | Encja przechowuje definicję wszystkich atrybutów na poziomie przypadku/zdarzenia zdefiniowanych podczas importu danych dziennika zdarzeń do modelu procesu. Zawiera on typ danych, typ atrybutu i poziom atrybutu będący przypadkiem lub zdarzeniem. |
| MiningAttributes | Przechowuje wartości dostępnych atrybutów badania. Widok procesu można skonfigurować tak, aby spojrzeć na proces z innej perspektywy w oparciu o wybrany atrybut badania. Jeśli żaden inny atrybut górniczy nie jest dostępny, encja przechowuje wartości atrybutu Activity. |
| Wyświetlenia | Lista dostępnych (opublikowanych) widoków utworzonych w aplikacji komputerowej Power Automate Process Mining. Tylko publiczne widoki procesu są publikowane w zestawie danych. Wpisy mogą być używane do filtrowania raportów, stron raportów i wizualizacji w celu wizualizacji tylko danych z określonego widoku procesu. |
| Warianty | Encja przechowuje relacje pomiędzy wariantami i widokami procesu. Rekord zostaje uwzględniony w przypadku uwzględnienia w widoku konkretnego wariantu po uwzględnieniu kryteriów filtrowania. |
Dane wizualizacji
Jednostki danych wizualizacji są przeliczane ponownie tylko w przypadku odświeżenia danych modelu procesu.
| Jednostka | Podpis |
|---|---|
| Przetwarzanie metryk mapy | Zagregowane miary dla wszystkich węzłów i przejść w modelu procesu, które są potrzebne do wizualizacji w niestandardowej wizualizacji mapy procesu. Ta encja łączy informacje o zdarzeniach (węzłach) i krawędziach (przejściach) — aby użyć zdarzeń lub krawędzi w innych elementach wizualnych, filtruj według wartości w kolumnie Is_Node.
Wskaźniki niestandardowe na poziomie zdarzenia zdefiniowane w aplikacji komputerowej Power Automate Process Mining są dodawane do tej encji. |
Inne encje
| Jednostka | Podpis |
|---|---|
| Tabela lokalizacji | Tabela wewnętrzna używana do celów lokalizacyjnych. |
Model złożony Power BI
Zalecamy użycie modelu złożonego Power BI na bazie modelu semantycznego opublikowanego przez Power Automate Process Mining i wprowadzenie w nim niezbędnych modyfikacji dla następujących scenariuszy:
- Musisz utworzyć więcej źródeł danych
- Musisz utworzyć więcej encji
- Musisz stworzyć więcej relacji
- Musisz utworzyć więcej niestandardowych zapytań języka DAX (Data Analysis Expressions)
Ważne
Model semantyczny jest tworzony w trybie dostępu DirectLake, ale jego opcja ma wartość Automatyczny. To ustawienie oznacza, że użycie nieoptymalnych zapytań języka DAX lub niepoprawne ustawienie modelu złożonego może spowodować powrót do trybu DirectQuery. Oznacza to, że raport nie zostanie uszkodzony, ale może wystąpić spadek wydajności.
Aby dowiedzieć się więcej na temat tworzenia złożonych modeli danych Power BI na podstawie modeli semantycznych DirectLake, przejdź do: Tworzenie modeli złożonych na podstawie modelu semantycznego lub modelu.
Odświeżenie modelu semantycznego
Domyślnie model semantyczny dostarczany przez Power Automate Process Mining jest automatycznie aktualizowany.
W przypadku dużych zestawów danych odświeżanie danych tabel źródłowych w usłudze OneLake może potrwać dłużej. Może to spowodować potencjalne niespójności w raporcie. Mimo że na końcu odświeżania danych istnieje spójność ostateczna (model semantyczny jest jawnie odświeżany), możesz usunąć potencjalne niespójności pośrednie, wyłączając flagę Utrzymuj aktualność danych Direct Lake na ekranie Ustawienia modelu semantycznego.
Przed zaktualizowaniem tego ekranu musisz przejąć model semantyczny, wybierając pozycję Przejmij w górnej części ekranu Ustawienia.
