Utilizzare qualsiasi tipo di dati

Microsoft Dataverse fornisce un'astrazione che consente di lavorare con qualsiasi tipo di dati, inclusi i dati relazionali, non relazionali, di immagini, di file, relativi a ricerche o data lake. Non è necessario comprendere il tipo di dati poiché Dataverse espone un insieme di tipi di dati che ti consente di creare il tuo modello. Il tipo di archiviazione è ottimizzato per il tipo di dati scelto.

I dati possono essere facilmente importati ed esportati con flussi di dati, Power Query e Azure Data Factory. I clienti di Dynamics possono anche utilizzare il servizio di esportazione dei dati.

Inoltre, Dataverse ha un connettore per Power Automate e App per la logica di Azure che può essere usato con centinaia di altri connettori in quei servizi per servizi locali, IaaS, PaaS o SaaS. Ciò include le origini in Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, testo/CSV, elenchi di SharePoint, database di SQL Server, Oracle, MySQL, PostgreSQL, Blockchain e Azure Synapse Analytics.

Common Data Model

Se hai mai dovuto riunire dati da più sistemi e app, sai quanto questa attività può rivelarsi costosa e dispendiosa in termini di tempo. Senza poter condividere e comprendere facilmente gli stessi dati, ogni app o progetto di integrazione dei dati richiede un'implementazione personalizzata.

Common Data Model fornisce un'architettura di riferimento che ha lo scopo di semplificare questo processo fornendo un linguaggio di dati condiviso per le applicazioni aziendali e analitiche da utilizzare. Il sistema di metadati Common Data Model rende possibile la condivisione dei dati e del relativo significato tra app e processi aziendali come Power Apps, Power BI, Dynamics 365 e Azure.

Common Data Model include un insieme di schemi di dati standardizzati ed estensibili che Microsoft e i suoi partner hanno pubblicato. Questa raccolta di schemi predefiniti include tabelle, attributi, metadati semantici e relazioni. Gli schemi rappresentano concetti e azioni comunemente usati, come ad esempio Account e  Campagna, per semplificare la creazione, l'aggregazione e l'analisi dei dati.

Gli schemi Common Data Model possono essere utilizzati per informare la creazione di tabelle in Dataverse. Le tabelle risultanti saranno quindi compatibili con le app e le analisi relative a questa definizione di Common Data Model.

L'immagine seguente mostra alcuni elementi delle tabelle standard di Common Data Model. 

Tabelle

In Dataverse, le tabelle vengono utilizzate per modellare e gestire dati aziendali. Per aumentare la produttività, Dataverse include una serie di tabelle note come tabelle standard. Queste tabelle sono progettate, in conformità con le procedure consigliate, per acquisire i concetti e gli scenari più comuni in un'organizzazione. Le tabelle standard aderiscono a Common Data Model.

Un insieme di tabelle comunemente utilizzate in tutti i settori, come Utente e Team, sono incluse in Dataverse e definite come tabelle standard. Queste tabelle predefinite possono anche essere personalizzate, ad esempio includendo colonne aggiuntive. Inoltre, puoi creare facilmente tabelle personalizzate in Dataverse.

Colonne

Nelle colonne vengono definiti elementi dati singoli che possono essere utilizzati per archiviare dati in una tabella. I campi sono a volte denominati attributi dagli sviluppatori. Una tabella che rappresenta un corso di un'università potrebbe contenere colonne come "Nome", "Località", "Dipartimento", "Studenti iscritti" e così via.

Le colonne possono contenere diversi tipi di dati come numeri, stringhe, dati digitali, immagini e file. Non è necessario mantenere separati artificialmente i dati relazionali e non relazionali se questi fanno parte dello stesso processo o flusso aziendale. Dataverse archivia i dati nel miglior tipo di archiviazione per il modello creato.

Ognuna di queste colonne può essere associata a uno dei tanti tipi di dati supportati da Dataverse.

Ulteriori informazioni: Tipi di colonne

Relazioni

I dati in una tabella sono spesso correlati a dati in un'altra tabella. Le relazioni di tabella definiscono la correlazione tra le righe nel modello Dataverse.

Dataverse fornisce finestre di progettazione di facile utilizzo per definire i differenti tipi di relazioni da una tabella all'altra (o tra una tabella e se stessa). Ogni tabella può avere una relazione con più di una tabella e ogni tabella può avere più di una relazione con un'altra tabella.

I tipi di relazioni sono:

• Molti-a-uno: in questo tipo di relazione, molti record della tabella A possono essere associati a un singolo record della tabella B. Ad esempio, una classe di studenti ha una sola aula.

• Uno-a-molti: in questo tipo di relazione, un singolo record della tabella B può essere associato a molti record della tabella A. Ad esempio, un insegnante insegna in più classi.

• Molti-a-molti: in questo tipo di relazione ogni record nella tabella A può corrispondere a più di un record nella tabella B e viceversa. Ad esempio, gli studenti frequentano molte classi e ogni classe può avere più studenti.

Poiché le relazioni molti-a-uno sono le più comuni, Dataverse fornisce un tipo di dati specifico denominato ricerca, che non solo semplifica la definizione di questa relazione, ma aggiunge produttività alla creazione di moduli e app.

Per ulteriori informazioni sulla creazione di relazioni di tabella, vedi Creare una relazione tra tabelle.

Le organizzazioni devono spesso essere conformi alle varie normative per garantire la disponibilità della cronologia delle interazioni con i clienti, dei registri di controllo, dei report di accesso e dei report di registrazione degli interventi di sicurezza. È possibile che le organizzazioni vogliano tenere traccia delle modifiche apportate ai dati di Dataverse per scopi di sicurezza e analitici.

Dataverse fornisce una funzionalità di controllo se le modifiche dei dati di attributo e delle tabelle in un'organizzazione possono essere registrate nel tempo per scopi di report e analisi. Il controllo è supportato per tutte le tabelle e gli attributi personalizzati e per la maggior parte delle tabelle e degli attributi personalizzabili. Il controllo non è supportato per le modifiche dei metadati, operazioni di recupero, operazioni di esportazione, o durante l'autenticazione. Per informazioni su come configurare il controllo , vai a Gestire il controllo di Dataverse.

Dataverse supporta l'analisi fornendo la possibilità di scegliere tabelle per l'esecuzione dei modelli di Machine Learning. Ha una capacità di intelligenza artificiale predefinita tramite AI Builder.

Ricerca

Dataverse fornisce tre modi per eseguire query su righe:

• Ricerca di Dataverse

• Ricerca rapida (singola tabella o più tabelle)

• Ricerca avanzata

Per ulteriori informazioni, vedere Confrontare le ricerche.

Ricerca di Dataverse

La ricerca di Dataverse fornisce risultati rapidi e completi in più tabelle, sotto forma di un unico elenco, ordinati per pertinenza. Utilizza un servizio di ricerca dedicato esterno a Dataverse (basato su Azure) per aumentare le prestazioni della ricerca.

La ricerca di Dataverse offre i seguenti miglioramenti e vantaggi:

• Migliora le prestazioni con l'indicizzazione esterna e la tecnologia di ricerca di Azure.

• Trova le corrispondenze di una parola qualsiasi nel termine di ricerca in qualsiasi colonne della tabella, mentre nella ricerca rapida tutte le parole nel termine di ricerca devono trovarsi in un'unica colonna.

• Le corrispondenze possono includere forme flessive di una parola, ad esempio flusso, flussometroo flussimetria.

• Restituisce risultati da tutte le tabelle ricercabili in un unico elenco ordinato per pertinenza, quindi maggiore è la corrispondenza, più in alto nell'elenco comparirà il risultato. Una corrispondenza ha una pertinenza più elevata se vengono trovate più parole del termine di ricerca vicine l'una all'altra. Più limitata è la quantità di testo in cui vengono trovate le parole della ricerca, maggiore è la pertinenza. Se ad esempio le parole da cercare vengono trovate nel nome e nell'indirizzo di una società, potrebbe trattarsi di una corrispondenza migliore rispetto a trovare le stesse parole in un lungo articolo, distanti le une dalle altre.

• Evidenzia le corrispondenze nell'elenco dei risultati. Quando un termine di ricerca corrisponde a un termine in una riga, il termine viene visualizzato come testo in grassetto e corsivo nei risultati della ricerca.

Per maggiori informazioni sulla ricerca di Dataverse vedi Uso della ricerca di Dataverse per cercare righe.

Ricerca rapida

Dataverse include la funzionalità per trovare rapidamente le righe e ha approcci che ricercheranno solo un tipo di tabella, come cliente, o che verranno utilizzati per cercare contemporaneamente in più tipi di tabella, come contatti, utenti, clienti e così via.

La ricerca rapida in una singola tabella viene usata per trovare righe di un solo tipo. Questa opzione di ricerca è disponibile in una vista.

La ricerca rapida in più tabelle (ricerca categorizzata) è utilizzata anche per trovare righe, ma le troverà in diversi tipi di tabelle, come account o contatti.

Data Lake

Dataverse supporta la replica continua dei dati delle tabelle in Azure Data Lake Storage, che può quindi essere utilizzato per eseguire analisi come report Power BI, apprendimento automatico, data warehousing e altri processi di integrazione a valle.

Questa funzionalità è progettata per l'analisi dei big data aziendali. È conveniente, scalabile, dispone di elevata disponibilità e funzionalità di ripristino di emergenza e offre prestazioni di analisi di prim'ordine.

I dati vengono archiviati nel formato Common Data Model che fornisce coerenza semantica tra app e distribuzioni. I metadati standardizzati e i dati auto-descrittivi in Common Data Model facilitano l'individuazione dei metadati e l'interoperabilità tra produttori e consumer di dati come Power BI, Data Factory, Azure Databricks e Azure Machine Learning (ML).

Vedi anche

Importazione ed esportazione dei dati