Trabalhar com quaisquer dados

O Microsoft Dataverse fornece uma abstração que torna possível trabalhar com qualquer tipo de dados, incluindo relacionais, não relacionais, imagem, arquivo, pesquisa relativa ou data lake. Não há necessidade de entender o tipo de dados, pois o Dataverse expõe um conjunto de tipos de dados que permitem que você crie 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 tem um conector para o Power Automate e Azure Logic Apps que pode ser usado com as centenas de outros conectores nesses serviços para soluções on-premises, infraestrutura como serviço (IaaS), plataforma como serviço (PaaS) ou software como serviço (SaaS). 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 o que pode ser uma tarefa cara e demorada. Sem ser capaz de compartilhar e entender os mesmos dados facilmente, cada aplicativo ou projeto de integração de dados requer uma implementação personalizada.

O Common Data Model fornece arquitetura de referência destinada a simplificar esse processo, fornecendo uma linguagem de dados compartilhada para uso de aplicativos analíticos e de negócios. O sistema de metadados 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 padronizados e extensíveis que a Microsoft e seus parceiros publicaram. Esta 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 Common Data Model podem ser usados para informar a criação de tabelas no Dataverse. As tabelas resultantes serão compatíveis com aplicativos e análises que visam 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 corporativos. Para aumentar a produtividade, o Dataverse inclui um conjunto de tabelas conhecidas como tabelas padrão. Essas tabelas são projetadas, de acordo com as melhores práticas, para capturar os conceitos e cenários mais comuns dentro de uma organização. As tabelas padrão aderem ao Common Data Model.

Um conjunto de tabelas que são comumente usadas em todos os setores, como Usuário e Equipe, são incluídas no Dataverse e chamadas de tabelas padrão. Essas tabelas prontas para uso também podem ser personalizadas, como a inclusão de 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. Os campos às vezes 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 há necessidade de 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 suportados pelo Dataverse.

Para obter mais informações: Tipos de colunas

Relações

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

• Muitos para um: neste tipo de relação, muitos registos da tabela A podem ser associados a um único registo da tabela B. Por exemplo, uma turma de alunos tem uma única sala de aula.

• Um para muitos: neste tipo de relação, um único registo de tabela B pode ser associado a muitos registos de tabela A. Por exemplo, um único professor dá muitas aulas.

• Muitos para muitos: neste tipo de relação, cada registo na tabela A pode corresponder a mais do que um registo na tabela B e vice versa. Por exemplo, os estudantes frequentam muitas turmas, e cada turma pode ter vários estudantes.

Como as relações muitos-para-um são as mais comuns, o Dataverse fornece um tipo de dados específico chamado pesquisa, 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 com o cliente, logs de auditoria, relatórios de acesso e relatórios de rastreamento de incidentes de segurança. As organizações podem querer controlar as alterações nos dados do Dataverse para fins analíticos e de segurança.

O Dataverse fornece uma capacidade de auditoria onde as alterações em tabelas e dados de atributos numa organização podem ser rastreadas ao longo do tempo para uso em análises e relatórios. A auditoria é suportada em todas as tabelas e atributos personalizados, e personalizáveis. Não há suporte para auditoria em alterações de metadados, operações de recuperação, operações de exportação ou durante a autenticação. Para obter informações sobre como configurar a auditoria, vá para Gerenciar auditoria do Dataverso.

O Dataverse oferece suporte à análise fornecendo a capacidade de escolher tabelas para execução de modelos de aprendizado de máquina. Ele tem uma capacidade de IA pré-construída através do AI Builder.

Pesquisa

O Dataverse fornece três maneiras de consultar linhas:

• Pesquisa do Dataverse

• Busca rápida (tabela única ou multitabela)

• Localização avançada

Para obter mais informações, consulte Comparar pesquisas.

Pesquisa do Dataverse

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

A pesquisa Dataverse traz os seguintes aprimoramentos e benefícios:

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

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

• Localiza correspondências que incluem palavras flexionais como streaming, streaming ou streamed.

• Retorna resultados de todas as tabelas pesquisáveis em uma única lista ordenada por relevância, portanto, quanto melhor a correspondência, maior o resultado aparece na lista. Uma correspondência tem uma relevância maior se mais palavras do termo de pesquisa forem encontradas próximas umas das outras. Quanto menor a quantidade de texto onde as palavras de pesquisa são encontradas, maior a relevância. Por exemplo, se encontrar as palavras de pesquisa no nome e endereço de uma empresa, esta pode ser uma melhor correspondência do que encontrar as mesmas palavras distantes uma da outra num artigo longo.

• 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.

Pesquisa rápida

O Dataverse inclui a capacidade de encontrar linhas rapidamente e tem abordagens que pesquisarão apenas um tipo de tabela, como 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. Esta opção de pesquisa está disponível a partir de uma vista.

A busca 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 Armazenamento Azure Data Lake, que pode ser usado para executar análises como relatórios do Power BI, aprendizado de máquina, data warehouse e outros processos de integração downstream.

Esse recurso foi projetado para análise de big data empresarial. É econômico, escalável, tem alta disponibilidade e recursos de recuperação de desastres e permite o melhor desempenho analítico da categoria.

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

Consulte também

Importação e exportação de dados