ทำงานกับข้อมูลใดๆ

Microsoft Dataverse มีนามธรรมที่ทําให้สามารถทํางานกับข้อมูลประเภทใดก็ได้ รวมถึงเชิงสัมพันธ์ ไม่สัมพันธ์ รูปภาพ ไฟล์ การค้นหาแบบสัมพัทธ์ หรือ data lake ไม่จําเป็นต้องเข้าใจชนิดของข้อมูลเนื่องจาก Dataverse แสดงชุดของชนิดข้อมูลที่ช่วยให้คุณสามารถสร้างแบบจําลองของคุณ ชนิดของที่เก็บข้อมูลถูกปรับให้เหมาะสมสําหรับชนิดข้อมูลที่เลือก

สามารถนําเข้าและส่งออกข้อมูลได้อย่างง่ายดายด้วยกระแสข้อมูล Power Query และ Azure Data Factory ลูกค้า Dynamics ยังสามารถใช้บริการส่งออกข้อมูลได้อีกด้วย

นอกจากนี้ Dataverse ยังมีตัวเชื่อมต่อสําหรับ Power Automate และ Azure Logic Apps ที่สามารถใช้ได้กับตัวเชื่อมต่ออื่น ๆ หลายร้อยตัวในบริการเหล่านั้นสําหรับบริการภายในองค์กร โครงสร้างพื้นฐานเป็นบริการ (IaaS) แพลตฟอร์มที่เป็นบริการ (PaaS) หรือซอฟต์แวร์เป็นบริการ (SaaS) ซึ่งรวมถึงแหล่งข้อมูลใน Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, text/CSV, รายการ SharePoint, ฐานข้อมูล SQL Server, Oracle, MySQL, PostgreSQL, Blockchain และ Azure Synapse Analytics

Common Data Model

ถ้าคุณเคยต้องนําข้อมูลจากหลายระบบและแอปเข้าด้วยกัน คุณก็รู้ว่างานที่มีราคาแพงและใช้เวลานานเป็นอย่างไร หากไม่สามารถแชร์และทําความเข้าใจข้อมูลเดียวกันได้อย่างง่ายดาย แต่ละแอปหรือโครงการการรวมข้อมูลต้องมีการใช้งานแบบกําหนดเอง

Common Data Model ให้สถาปัตยกรรมอ้างอิงที่มีวัตถุประสงค์เพื่อปรับปรุงกระบวนการนี้โดยการให้ภาษาข้อมูลที่แชร์สําหรับแอปทางธุรกิจและแอปวิเคราะห์ที่จะใช้ ระบบเมตาดาต้า Common Data Model ทําให้ข้อมูลและความหมายของข้อมูลสามารถแชร์ข้ามแอปและกระบวนการทางธุรกิจเช่น Power Apps, Power BI, Dynamics 365 และ Azure ได้

Common Data Model รวมถึงชุดของ schema ของข้อมูลที่เป็นมาตรฐานและขยายได้ที่ Microsoft และคู่ค้าได้เผยแพร่ไว้ คอลเลกชันของ Schema ที่กําหนดไว้ล่วงหน้านี้ประกอบด้วยตาราง แอตทริบิวต์ เมตาดาต้าเชิงความหมาย และความสัมพันธ์ สคีมาแสดงแนวคิดและกิจกรรมที่ใช้กันทั่วไป เช่น บัญชี และการ ส่งเสริมการขาย เพื่อลดความซับซ้อนของการสร้าง การรวม และการวิเคราะห์ข้อมูล

Schema ของ Common Data Model สามารถใช้เพื่อแจ้งการสร้างตารางใน Dataverse ได้ ตารางที่เป็นผลลัพธ์จะเข้ากันได้กับแอปและการวิเคราะห์ที่กําหนดเป้าหมายข้อกําหนด Common Data Model นี้

รูปต่อไปนี้แสดงองค์ประกอบบางอย่างของตาราง Common Data Model มาตรฐาน 

ตาราง

ใน Dataverse ตารางจะถูกใช้เพื่อจําลองและจัดการข้อมูลทางธุรกิจ เพื่อเพิ่มผลิตภาพ Dataverse จะรวมชุดของตารางที่เรียกว่าตารางมาตรฐาน ตารางเหล่านี้ถูกออกแบบมาโดยให้สอดคล้องกับแนวทางปฏิบัติที่ดีที่สุด เพื่อเก็บรวบรวมแนวคิดและสถานการณ์ที่พบบ่อยที่สุดภายในองค์กร ตารางมาตรฐานจะยึดตาม Common Data Model

ชุดของตารางที่ใช้กันทั่วไปในอุตสาหกรรม เช่น ผู้ใช้และทีม จะรวมอยู่ใน การผกผันของข้อมูล และเรียกว่าตารางมาตรฐาน ตารางแบบนอกกรอบเหล่านี้ยังสามารถกําหนดเองได้ เช่น รวมถึงคอลัมน์เพิ่มเติม นอกจากนี้ คุณสามารถสร้างตารางแบบกําหนดเองของคุณเองใน Dataverse ได้อย่างง่ายดาย

Columns

คอลัมน์กําหนดข้อมูลแต่ละรายการที่สามารถใช้เพื่อจัดเก็บข้อมูลในตาราง ฟิลด์ในบางครั้งเรียกว่าแอตทริบิวต์ โดยนักพัฒนา ตารางที่แสดงหลักสูตรในมหาวิทยาลัยอาจมีคอลัมน์เช่น "ชื่อ" "ตําแหน่งที่ตั้ง" "แผนก" "นักเรียนที่ลงทะเบียน" และอื่น ๆ

คอลัมน์อาจมีข้อมูลชนิดต่าง ๆ กัน เช่น ตัวเลข สตริง ข้อมูลดิจิทัล รูปภาพ และไฟล์ ไม่จําเป็นต้องเก็บข้อมูลเชิงสัมพันธ์และไม่สัมพันธ์แยกกันเทียมหากเป็นส่วนหนึ่งของกระบวนการทางธุรกิจหรือโฟลว์เดียวกัน Dataverse จัดเก็บข้อมูลในรูปแบบที่เก็บข้อมูลที่ดีที่สุดสําหรับแบบจําลองที่สร้างขึ้น

แต่ละคอลัมน์เหล่านี้สามารถเชื่อมโยงกับชนิดข้อมูลหนึ่งจากหลายชนิดที่ได้รับการสนับสนุนโดย Dataverse

ข้อมูลเพิ่มเติม: ชนิดคอลัมน์

ความสัมพันธ์

ข้อมูลในตารางหนึ่งมักจะเกี่ยวข้องกับข้อมูลในตารางอื่น ความสัมพันธ์ของตารางกําหนดว่าแถวสามารถเกี่ยวข้องกันอย่างไรในแบบจําลอง Dataverse

Dataverse ให้ตัวออกแบบวิชวลที่ใช้งานง่ายเพื่อกําหนดความสัมพันธ์ชนิดต่างๆ จากตารางหนึ่งไปยังอีกตารางหนึ่ง (หรือระหว่างตารางและตัวตาราง) แต่ละตารางสามารถมีความสัมพันธ์กับตารางได้มากกว่าหนึ่งตาราง และแต่ละตารางสามารถมีความสัมพันธ์กับตารางอื่นมากกว่าหนึ่งรายการ

ชนิดความสัมพันธ์มีดังนี้:

• แบบหลายต่อหนึ่ง: ในความสัมพันธ์ชนิดนี้ หลายระเบียนของตาราง A สามารถเชื่อมโยงกับระเบียนเดียวในตาราง B ได้ ตัวอย่างเช่น ชั้นเรียนของนักเรียนมีห้องเรียนเดียว

• หนึ่งต่อหลาย: ในความสัมพันธ์ชนิดนี้ ระเบียนตาราง B เดียวสามารถเชื่อมโยงกับระเบียนตาราง A หลายรายการได้ ตัวอย่างเช่น ครูผู้สอนคนเดียวสอนหลายชั้นเรียน

• กลุ่มต่อกลุ่ม: ในความสัมพันธ์ชนิดนี้ แต่ละระเบียนในตาราง A สามารถจับคู่กับระเบียนในตาราง B ได้มากกว่าหนึ่งระเบียน และในทางกลับกันด้วย ตัวอย่างเช่น นักเรียนเข้าเรียนหลายชั้นเรียน และแต่ละชั้นเรียนสามารถมีนักเรียนได้หลายคน

เนื่องจากความสัมพันธ์แบบกลุ่มต่อหนึ่งนั้นพบได้บ่อยที่สุด Dataverse มีชนิดข้อมูลเฉพาะที่ชื่อ ว่าการค้นหา ซึ่งไม่เพียงทําให้ง่ายต่อการกําหนดความสัมพันธ์นี้ แต่เพิ่มประสิทธิภาพการทํางานเพื่อสร้างฟอร์มและแอป

สําหรับข้อมูลเพิ่มเติมเกี่ยวกับการสร้างความสัมพันธ์ของตาราง ดูสร้างความสัมพันธ์ระหว่างตาราง

องค์กรมักจําเป็นต้องปฏิบัติตามข้อบังคับต่าง ๆ เพื่อให้แน่ใจว่ามีประวัติการโต้ตอบกับลูกค้า บันทึกการตรวจสอบ รายงานการเข้าถึง และรายงานการติดตามเหตุการณ์ด้านความปลอดภัย องค์กรอาจต้องการติดตามการเปลี่ยนแปลงในข้อมูลผกผันเพื่อวัตถุประสงค์ในการรักษาความปลอดภัยและการวิเคราะห์

Dataverse มีความสามารถในการตรวจสอบการเปลี่ยนแปลงในตารางและข้อมูลของคุณลักษณะในองค์กร ซึ่งสามารถบันทึกตามกาลเวลาสำหรับใช้ในการวิเคราะห์และการรายงาน การตรวจสอบได้รับการสนับสนุนบนตารางที่กำหนดเองทั้งหมดและแอตทริบิวต์ที่ปรับแต่งได้ส่วนใหญ่ การตรวจสอบไม่ได้รับการสนับสนุนในการเปลี่ยนแปลงเมตาดาต้า การดําเนินการดึงข้อมูล การดําเนินการส่งออก หรือในระหว่างการรับรองความถูกต้อง สําหรับข้อมูลเกี่ยวกับวิธีการกําหนดค่าการตรวจสอบ ไปที่จัดการการตรวจสอบข้อมูล

Dataverse สนับสนุนการวิเคราะห์โดยให้ความสามารถในการเลือกตารางสําหรับแบบจําลองการเรียนรู้ของเครื่องที่จะเรียกใช้ มีความสามารถของ AI ที่เตรียมไว้ล่วงหน้าผ่าน AI Builder

การค้นหา

Dataverse มีสามวิธีในการคิวรีแถว:

• การค้นหา Dataverse

• การค้นหาด่วน (ตารางเดียวหรือหลายตาราง)

• การค้นหาขั้นสูง

สําหรับข้อมูลเพิ่มเติม โปรดดู เปรียบเทียบการค้นหา

การค้นหา Dataverse

การค้นหาข้อมูลที่หลากหลายให้ผลลัพธ์ที่รวดเร็วและครอบคลุมในหลายตารางในรายการเดียว โดยเรียงลําดับตามความเกี่ยวข้อง ซึ่งใช้บริการการค้นหาเฉพาะภายนอกไปยัง Dataverse (ขับเคลื่อนโดย Azure) เพื่อเพิ่มประสิทธิภาพการค้นหา

การค้นหาใน Dataverse นำมาซึ่งการปรับปรุงและประโยชน์ดังต่อไปนี้:

• ปรับปรุงประสิทธิภาพโดยใช้การจัดทําดัชนีภายนอกและเทคโนโลยีการค้นหา Azure

• ค้นหาคู่ที่เหมือนกันสําหรับคําใดก็ตามในคําค้นหาในคอลัมน์ใด ๆ ในตาราง เมื่อเทียบกับการค้นหาด่วนที่ทุกคําจากคําค้นหาจะต้องอยู่ในหนึ่งคอลัมน์

• ค้นหาการจับคู่ที่มีคําผันไปตามทิศทาง เช่น stream, streaming หรือ streamed

• แสดงผลลัพธ์จากตารางที่ค้นหาได้ทั้งหมดในรายการเดียวที่เรียงลําดับตามความเกี่ยวข้อง ดังนั้นยิ่งการจับคู่ดียิ่งขึ้นมากเท่านั้น ผลลัพธ์ก็จะปรากฏในรายการมากขึ้นเท่านั้น คู่ที่เหมือนกันมีความเกี่ยวข้องมากขึ้นหากพบคําเพิ่มเติมจากคําค้นหาที่อยู่ใกล้เคียงกัน ยิ่งจํานวนข้อความที่พบคําค้นหาน้อยลงเท่าใด ความเกี่ยวข้องก็ยิ่งสูงขึ้น ตัวอย่างเช่น หากคุณพบคําค้นหาในชื่อบริษัทและที่อยู่ อาจเป็นการจับคู่ที่ดีกว่าการหาคําเดียวกันในบทความที่มีความยาว และอยู่ไกลจากกัน

• เน้นคู่ที่เหมือนกันในรายการผลลัพธ์ เมื่อคําค้นหาตรงกับคําในแถว คํานั้นจะปรากฏเป็นข้อความตัวหนาและตัวเอียงในผลลัพธ์การค้นหาของคุณ

สําหรับข้อมูลเพิ่มเติมเกี่ยวกับการค้นหา Dataverse ดูการใช้การค้นหา Dataverse เพื่อค้นหาแถว

การค้นหาด่วน

Dataverse มีความสามารถในการค้นหาแถวได้อย่างรวดเร็ว และมีวิธีการที่จะค้นหาตารางเพียงชนิดเดียว เช่น ลูกค้า หรือใช้เพื่อค้นหาตารางหลายชนิดในเวลาเดียวกัน เช่น ผู้ติดต่อ ผู้ใช้ ลูกค้า และอื่นๆ

การค้นหาด่วนแบบตารางเดียว ถูกใช้เพื่อค้นหาแถวของชนิดเดียวเท่านั้น ตัวเลือกการค้นหานี้จะพร้อมใช้งานจากภายในมุมมอง

การค้นหาด่วนแบบหลายตาราง (การค้นหาแบบจัดหมวดหมู่) ยังใช้เพื่อค้นหาแถวแต่จะค้นหาได้ในตารางต่าง ๆ เช่น บัญชีหรือผู้ติดต่อ

Data Lake

Dataverse สนับสนุนการจําลองแบบอย่างต่อเนื่องของข้อมูลตารางไปยัง Azure Data Lake Storage ซึ่งสามารถใช้เพื่อเรียกใช้การวิเคราะห์เช่น การรายงาน Power BI การเรียนรู้ของเครื่อง คลังข้อมูล และกระบวนการรวมข้อมูลปลายทางอื่น ๆ

คุณลักษณะนี้ถูกออกแบบมาสําหรับการวิเคราะห์ข้อมูลขนาดใหญ่ขององค์กร มีประสิทธิภาพ ปรับขนาดได้ มีความพร้อมใช้งานสูงและความสามารถในการกู้คืนจากภัยพิบัติ และช่วยให้ประสิทธิภาพการวิเคราะห์ที่ดีที่สุดในระดับหนึ่ง

ข้อมูลจะถูกจัดเก็บในรูปแบบ Common Data Model (CDM) ซึ่งให้สอดคล้องกันทางความหมายระหว่างแอปและการปรับใช้ เมตาดาต้ามาตรฐานและข้อมูลอธิบายด้วยตนเองใน Common Data Model ช่วยอํานวยความสะดวกในการค้นหาเมตาดาต้าและการทํางานร่วมกันระหว่างผู้สร้างข้อมูลและผู้บริโภค เช่น Power BI, Data Factory, Azure Databricks และ Azure Machine Learning

นอกจากนี้ โปรดดู

การนําเข้าและการส่งออกข้อมูล