Microsoft Dataverse 提供抽象概念，可讓您處理任何類型的資料，包括關聯式、非關聯式、影像、檔案、相對搜尋或資料湖。 無需瞭解資料類型，因為 Dataverse 會公開一組可讓您建立模型的資料類型。 儲存類型會針對所選的資料類型進行最佳化。
您可以使用資料流程、Power Query 和 Azure Data Factory 輕鬆匯入和匯出資料。 Dynamics 客戶也可以使用資料匯出服務。
Dataverse 也有一個適用於 Power Automate 和 Azure Logic Apps 的連接器，可與這些服務中的數百個其他連接器搭配使用，用於內部部署、基礎結構即服務 （IaaS）、平台即服務 （PaaS） 或軟體即服務 （SaaS） 服務。 這包括 Azure、Microsoft 365、Dynamics 365、SAP ERP、Salesforce、Amazon Redshift、Access、Excel、文字/CSV、SharePoint 清單、SQL Server 資料庫、Oracle、MySQL、PostgreSQL、區塊鏈和 Azure Synapse Analytics 中的來源。
Common Data Model
如果您曾經必須將來自多個系統和應用程式的資料整合在一起，您就會知道這是一項多麼昂貴且耗時的任務。 由於無法輕鬆共用和瞭解相同的資料，因此每個應用程式或資料整合專案都需要自訂實作。
Common Data Model 提供參考架構，旨在藉由提供商務和分析應用程式使用的共用資料語言來簡化此程式。 Common Data Model 中繼資料系統可讓您在應用程式和商務程式 （例如 Power Apps、Power BI、Dynamics 365 和 Azure） 之間共用資料及其意義。
Common Data Model 包含一組 Microsoft 及其合作夥伴已發佈的標準化、可延伸的資料結構描述。 此預先定義結構描述的集合包括資料表、屬性、語意中繼資料和關係。 結構描述代表常用的概念和活動，例如 帳戶 和 行銷活動，以簡化資料的建立、彙總和分析。
Common Data Model 結構描述可用來通知在 Dataverse 中建立資料表。 然後，產生的資料表將與以此 Common Data Model 定義為目標的應用程式和分析相容。
下圖顯示標準 Common Data Model 資料表的一些元素。
Tables
在 Dataverse 中，資料表用於建立模型和管理商務資料。 為了提高生產力，Dataverse 包含一組稱為標準資料表的資料表。 這些表格是根據最佳做法設計，以擷取組織內最常見的概念和案例。 標準資料表遵循 Common Data Model。
Dataverse 中包含一組跨產業常用的資料表，例如 使用者 和 小組，並稱為 標準資料表。 這些即用的表格也可以自訂，例如加入其他欄。 此外，您可以輕鬆地在 Dataverse 中建立自己的自訂資料表。
Columns
直欄定義可用來在表格中儲存資料的個別資料項目。 欄位有時被開發人員稱為屬性。 代表大學課程的表格可能包含「名稱」、「位置」、「部門」、「註冊學生」等欄。
直欄可能有不同類型的資料，例如數字、字串、數位資料、影像和檔案。 如果關聯式和非關聯式資料是相同業務流程或流程的一部分，則無需人為地將其分開。 Dataverse 會將資料儲存在所建立模型的最佳儲存類型中。
這些資料行中的每一個都可以與 Dataverse 支援的眾多資料類型之一相關聯。
其他資訊：資料行類型
關係
一個表格中的資料通常與另一個表格中的資料相關。 資料表關聯性定義資料列在 Dataverse 模型中如何相互關聯。
Dataverse 提供易於使用的視覺化設計工具來定義從一個資料表到另一個資料表 （或資料表與其本身之間） 的不同類型的關聯性。 每個資料表可以與多個資料表有關聯性，而且每個資料表可以與另一個資料表有多個關聯性。
關聯性類型如下：
多對一：在這種類型的關係中，多個資料表 A 的記錄可以與單一資料表 B 的記錄相關聯。 例如，一班學生只有一個教室。
一對多：在這種類型的關係中，單一表 B 記錄可以與許多表 A 記錄相關聯。 例如，一位老師教授許多課程。
多對多：在這種類型的關係中，表格 A 中的每筆記錄都可以比對表格 B 中的多筆記錄，反之亦然。 例如，學生參加許多班級，每個班級可以有多個學生。
由於多對一關聯性是最常見的，因此 Dataverse 提供了名為 lookup 的特定資料類型，這不僅可以輕鬆定義此關聯性，還可以提高建置表單和應用程式的生產力。
如需建立資料表關聯性的詳細資訊，請參閱 建立資料表之間的關聯性。
組織通常需要遵守各種法規，以確保客戶互動歷史記錄、稽核日誌、存取報告和安全事件追蹤報告的可用性。 組織可能想要追蹤 Dataverse 資料中的變更，以達到安全性和分析目的。
Dataverse 提供審核功能，可以隨著時間記錄組織中資料表和屬性變更，以便用於分析和報告。 所有自訂表格及大多數可自訂的屬性都支援稽核。 中繼資料變更、擷取作業、匯出作業，或在驗證期間不支援稽核。 如需如何設定稽核的資訊，請移至 管理 Dataverse 稽核。
Dataverse 透過提供選擇要執行機器學習模型的資料表的功能來支援分析。 它透過 AI Builder 擁有預建的 AI 功能。
搜尋
Dataverse 提供三種查詢資料列的方式：
Dataverse 搜尋
快速查找（單表或多表）
進階尋找
備註
多表快速尋找也稱為 分類搜尋。
如需詳細資訊，請參閱 比較搜尋。
Dataverse 搜尋
Dataverse 搜尋可在單一清單中的多個資料表中提供快速且全面的結果，並依相關性排序。 它使用 Dataverse 外部的專用搜尋服務 （由 Azure 提供支援） 來提升搜尋效能。
Dataverse 搜尋帶來下列增強功能和優點：
使用外部索引和 Azure 搜尋技術來改善效能。
尋找在資料表的任何資料行中，與搜尋字詞中任何單字相符的項目；相較之下，快速尋找則採用搜尋字詞中的所有單字都必須在一個資料行中找到。
尋找包含詞形變化單字的相符項目，例如 stream、 streaming 或 streamed。
傳回單一清單中所有可搜尋資料表的結果，並依相關性排序，因此比對越好，結果在清單中顯示的比例就越高。 如果搜尋字詞中發現更多字詞彼此非常接近，則匹配項具有更高的相關性。 找到搜尋字詞的文字量越少，相關性就越高。 例如，如果您在公司名稱和地址中找到搜索詞，則可能比在長文章中查找彼此相距很遠的相同詞語更匹配。
突出顯示結果列表中的匹配項。 當搜尋字詞符合連續的字詞時，該字詞會在搜尋結果中顯示為粗體和斜體文字。
如需有關 Dataverse 搜尋的詳細資訊，請參閱 使用 Dataverse 搜尋來搜尋資料列。
快速查找
Dataverse 包含快速尋找資料列的功能，並具有僅搜尋一種類型的資料表 （例如客戶） 的方法，或用於同時搜尋多種類型的資料表 （例如連絡人、使用者、客戶等）。
單一表格快速尋找 可用來尋找僅一種類型的資料列。 此搜尋選項可從檢視中使用。
多表快速尋找 （分類搜尋） 也用於尋找資料列，但會在不同類型的資料表 （例如客戶或連絡人） 中尋找資料列。
Data Lake
Dataverse 支援將資料表資料連續複寫到 Azure Data Lake Storage，然後可用於執行 Power BI 報告、機器學習、資料倉儲和其他下游整合流程等分析。
此功能專為企業大數據分析而設計。 它具有成本效益、可擴展、具有高可用性和災難恢復功能，並可實現一流的分析性能。
資料會以 Common Data Model 格式儲存，以提供跨應用程式和部署的語意一致性。 Common Data Model 中的標準化中繼資料和自我描述資料可促進資料生產者與取用者之間的中繼資料探索和互通性，例如 Power BI、Data Factory、Azure Databricks 和 Azure Machine Learning。