Trabalhar com quaisquer dados

O Microsoft Dataverse fornece uma abstração que possibilita trabalhar com qualquer tipo de dados, incluindo relacional, não relacional, imagem, arquivo, pesquisa relativa ou data lake. Não é necessário entender o tipo de dados, pois o Dataverse expõe um conjunto de tipos de dados que permitem que você compile seu modelo. O tipo de armazenamento é otimizado para o tipo de dados escolhido.

Os dados podem ser facilmente importados e exportados com fluxos de dados, Power Query e Azure Data Factory. Os clientes do Dynamics também podem usar o Serviço de Exportação de Dados.

O Dataverse também possui um conector para o Power Automate e o Azure Logic Apps, que pode ser usado com centenas de outros conectores nesses serviços para serviços locais, IaaS (infraestrutura como serviço), PaaS (plataforma como serviço) ou SaaS (software como serviço). Isso inclui fontes no Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, texto/CSV, listas do SharePoint, bancos de dados do SQL Server, Oracle, MySQL, PostgreSQL, Blockchain e Azure Synapse Analytics.

Common Data Model

Se você já teve que reunir dados de vários sistemas e aplicativos, sabe qual é uma tarefa cara e demorada que pode ser. Sem poder compartilhar e entender facilmente os mesmos dados, cada aplicativo ou projeto de integração de dados requer uma implementação personalizada.

O Common Data Model fornece uma arquitetura de referência que se destina a simplificar esse processo fornecendo uma linguagem de dados compartilhada para aplicativos analíticos e empresariais usarem. O sistema de metadados do Common Data Model possibilita que os dados e seu significado sejam compartilhados entre aplicativos e processos de negócios, como Power Apps, Power BI, Dynamics 365 e Azure.

O Common Data Model inclui um conjunto de esquemas de dados extensíveis padronizados que a Microsoft e seus parceiros publicaram. Essa coleção de esquemas predefinidos inclui tabelas, atributos, metadados semânticos e relações. Os esquemas representam conceitos e atividades comumente usados, como Conta e Campanha, para simplificar a criação, agregação e análise de dados.

Os esquemas do Common Data Model podem ser usados para informar a criação de tabelas no Dataverse. Em seguida, as tabelas resultantes serão compatíveis com aplicativos e análises direcionados a essa definição de Modelo de Dados Comum.

A imagem a seguir mostra alguns elementos das tabelas padrão do Common Data Model. 

Tables

No Dataverse, as tabelas são usadas para modelar e gerenciar dados de negócios. Para aumentar a produtividade, o Dataverse inclui um conjunto de tabelas conhecidas como tabelas padrão. Essas tabelas são projetadas, de acordo com as práticas recomendadas, para capturar os conceitos e cenários mais comuns em uma organização. As tabelas padrão seguem o Common Data Model.

Um conjunto de tabelas que normalmente são usadas entre setores, como Usuário e Equipe, são incluídas no Dataverse e conhecidas como tabelas padrão. Essas tabelas prontas para uso também podem ser personalizadas, como incluir colunas adicionais. Além disso, você pode criar facilmente suas próprias tabelas personalizadas no Dataverse.

Columns

As colunas definem os itens de dados individuais que podem ser usados para armazenar dados em uma tabela. Às vezes, os campos são chamados de atributos pelos desenvolvedores. Uma tabela que representa um curso em uma universidade pode conter colunas como "Nome", "Local", "Departamento", "Alunos Registrados" e assim por diante.

As colunas podem ter diferentes tipos de dados, como numerais, cadeias de caracteres, dados digitais, imagens e arquivos. Não é necessário manter dados relacionais e não relacionais separados artificialmente se fizerem parte do mesmo processo ou fluxo de negócios. O Dataverse armazena os dados no melhor tipo de armazenamento para o modelo criado.

Cada uma dessas colunas pode ser associada a um dos muitos tipos de dados compatíveis com o Dataverse.

Mais informações: Tipos de colunas

Relationships

Os dados em uma tabela geralmente se relacionam com dados em outra tabela. as relações de tabela definem como as linhas podem ser relacionadas entre si no modelo do Dataverse.

O Dataverse fornece designers visuais fáceis de usar para definir os diferentes tipos de relações de uma tabela para outra (ou entre uma tabela e ela mesma). Cada tabela pode ter uma relação com mais de uma tabela e cada tabela pode ter mais de uma relação com outra tabela.

Os tipos de relação são:

• Muitos para um: nesse tipo de relação, muitos registros da tabela A podem ser associados a um único registro da tabela B. Por exemplo, uma classe de alunos tem uma única sala de aula.

• Um para muitos: nesse tipo de relação, um único registro da tabela B pode ser associado a muitos registros da tabela A. Por exemplo, um único professor dá muitas aulas.

• Muitos para muitos: nesse tipo de relacionamento, cada registro na tabela A pode corresponder a mais de um registro na tabela B e vice-versa. Por exemplo, os alunos frequentam muitas aulas e cada classe pode ter vários alunos.

Como as relações muitos para um são as mais comuns, o Dataverse fornece um tipo de dados específico chamado pesquisa, o que não só facilita a definição dessa relação, mas adiciona produtividade à criação de formulários e aplicativos.

Para obter mais informações sobre como criar relações de tabela, consulte Criar uma relação entre tabelas.

As organizações geralmente precisam estar em conformidade com várias regulamentações para garantir a disponibilidade do histórico de interação do cliente, logs de auditoria, relatórios de acesso e relatórios de acompanhamento de incidentes de segurança. As organizações podem querer controlar as alterações nos dados do Dataverse para fins de segurança e análise.

O Dataverse fornece uma função de auditoria em que as alterações em dados de tabelas e atributos em uma organização podem ser registradas ao longo do tempo para uso em análises e relatórios. Há suporte para a auditoria em todos os atributos e tabelas personalizados e na maioria dos personalizáveis. Não há suporte para auditoria em alterações de metadados, recuperação de operações, operações de exportação ou durante a autenticação. Para obter informações sobre como configurar a auditoria, acesse Gerenciar auditoria do Dataverse.

O Dataverse dá suporte à análise fornecendo a capacidade de escolher tabelas para execução de modelos de machine learning. Ele tem uma funcionalidade de IA predefinida por meio do AI Builder.

Pesquisa

O Dataverse fornece três maneiras de consultar linhas:

• Pesquisa do Dataverse

• Localização rápida (tabela única ou várias tabelas)

• Localização avançada

Para obter mais informações, consulte Comparar pesquisas.

Pesquisa do Dataverse

A pesquisa do Dataverse fornece resultados rápidos e abrangentes em várias tabelas em uma única lista, classificadas por relevância. Ele usa um serviço de pesquisa dedicado externo ao Dataverse (alimentado pelo Azure) para aumentar o desempenho da pesquisa.

A pesquisa do Dataverse traz os seguintes aprimoramentos e benefícios:

• Melhora o desempenho usando a indexação externa e a tecnologia de pesquisa do Azure.

• Localiza correspondências com qualquer palavra no termo de pesquisa em qualquer coluna na tabela, em comparação com a localização rápida em que todas as palavras do termo de pesquisa devem ser encontradas em uma coluna.

• Localiza correspondências que incluem palavras flexionadas, como stream, streaming ou transmitido.

• Retorna resultados de todas as tabelas pesquisáveis em uma única lista classificada por relevância, portanto, quanto melhor a correspondência, maior o resultado aparece na lista. Uma correspondência terá uma relevância maior se mais palavras do termo de pesquisa forem encontradas próximas umas das outras. Quanto menor a quantidade de texto em que as palavras de pesquisa são encontradas, maior a relevância. Por exemplo, se você encontrar as palavras de pesquisa em um nome e endereço da empresa, pode ser uma correspondência melhor do que encontrar as mesmas palavras em um artigo longo, muito distantes entre si.

• Realça as correspondências na lista de resultados. Quando um termo de pesquisa corresponde a um termo em uma linha, o termo aparece como texto em negrito e itálico nos resultados da pesquisa.

Para obter mais informações sobre a pesquisa do Dataverse, consulte Usando a pesquisa do Dataverse para pesquisar linhas.

Localização rápida

O Dataverse inclui a capacidade de localizar linhas rapidamente e tem abordagens que pesquisarão apenas um tipo de tabela, como o cliente, ou serão usadas para pesquisar em vários tipos de tabelas ao mesmo tempo, como contatos, usuários, clientes e assim por diante.

A localização rápida de tabela única é usada para localizar linhas de apenas um tipo. Essa opção de pesquisa está disponível em uma visualização.

A localização rápida de várias tabelas (pesquisa categorizada) também é usada para localizar linhas, mas as encontrará em diferentes tipos de tabelas, como contas ou contatos.

Data Lake

O Dataverse dá suporte à replicação contínua de dados de tabela para o Azure Data Lake Storage, que pode ser usado para executar análises como relatórios do Power BI, machine learning, data warehousing e outros processos de integração downstream.

Esse recurso foi projetado para análise de Big Data da empresa. Ele é econômico, escalonável, tem alta disponibilidade e recursos de recuperação de desastre e permite o melhor desempenho de análise na classe.

Os dados são armazenados no formato Common Data Model, que fornece consistência semântica entre aplicativos e implantações. Os metadados padronizados e os dados autodescrevendo no Common Data Model facilitam a descoberta de metadados e a interoperabilidade entre produtores de dados e consumidores, como Power BI, Data Factory, Azure Databricks e Azure Machine Learning.

Consulte também

Importando e exportando dados