Cenários de uso do Power BI: BI de autoatendimento gerenciado personalizável
Observação
Este artigo faz parte da série de artigos sobre o Planejamento de implantação do Power BI. Esta série se concentra principalmente na experiência do Power BI no Microsoft Fabric. Para ter uma introdução a essa série, confira Planejamento de implementação do Power BI.
Conforme descrito no roteiro de adoção do Fabric, o BI de autoatendimento gerenciado é caracterizado por uma abordagem combinada que enfatiza a disciplina no núcleo e a flexibilidade na borda. A arquitetura de dados geralmente é mantida por apenas uma equipe centralizada de especialistas em BI, ao passo que a responsabilidade por relatórios permanece com os criadores, nos respectivos departamentos ou unidades de negócios deles.
No entanto, quando a arquitetura de dados principal não inclui todos os dados necessários, os criadores do modelo semântico podem estender, personalizar ou personalizar modelos semânticos compartilhados existentes. Novos modelos semânticos especializados podem ser criados que atendem aos requisitos de negócios não atendidos por modelos semânticos entregues centralmente existentes. É importante ressaltar que não há duplicação de dados do núcleo. Esse cenário de uso é chamado de BI de autoatendimento gerenciado personalizável.
Observação
Esse cenário do BI de autoatendimento gerenciado personalizável é o segundo dos cenários do BI de autoatendimento. Esse cenário complementa o que pode ser feito com um modelo semântico compartilhado centralizado (que foi apresentado no cenário de BI de autoatendimento gerenciado). Uma lista de todos os cenários pode ser encontrada no artigo Cenários de uso do Power BI.
Para simplificar, alguns aspectos descritos no tópico Cenários de colaboração e entrega de conteúdo não são abordados neste artigo. Para obter a cobertura completa, leia esses artigos primeiro.
Diagrama do cenário
O diagrama a seguir ilustra uma visão geral de alto nível das ações mais comuns do usuário e dos componentes do Power BI para dar suporte ao BI de autoatendimento gerenciado personalizável. O foco principal é fornecer aos criadores de conteúdo nas unidades de negócios a capacidade de criar um modelo de dados especializado, ampliando um modelo semântico compartilhado existente. O objetivo é promover a reutilização sempre que possível e permitir a flexibilidade para atender a requisitos analíticos adicionais.
Dica
Recomendamos que você baixe o diagrama de cenário, caso deseje inseri-lo em sua apresentação, documentação ou postagem no blog, ou imprima-o como um pôster de parede. Como é uma imagem SVG (Elementos Gráficos Vetoriais Escaláveis), você pode escalá-la ou reduzi-la verticalmente sem perda de qualidade.
O diagrama do cenário ilustra as seguintes ações, ferramentas e recursos do usuário:
| Item | Descrição |
|---|---|
 |
O criador do modelo semântico A desenvolve um modelo usando o Power BI Desktop. Para um fluxo de dados destinado à reutilização, é comum (mas não obrigatório) que o criador pertença a uma equipe centralizada, que dê suporte a usuários além dos limites organizacionais (como TI, BI corporativo ou Centro de Excelência). |
 |
O Power BI Desktop é conectado aos dados de uma ou mais fontes de dados. |
 |
O desenvolvimento do modelo de dados é feito no Power BI Desktop. Esforços adicionais são feitos para criar um modelo bem projetado e amigável para que ele possa ser usado como uma fonte de dados por muitos criadores de relatórios de autoatendimento. Os criadores de modelo podem usar consultas DAX para desenvolver e explorar o modelo durante o desenvolvimento. |
 |
Quando estiver pronto, o criador do modelo A publica o arquivo do Power BI Desktop (.pbix) ou o arquivo de projeto do Power BI (.pbip) que contém apenas um modelo no serviço do Power BI. |
 |
O modelo semântico é publicado em um workspace dedicado a armazenar e proteger modelos semânticos compartilhados. Como o modelo semântico está destinado à reutilização, ele é endossado (certificado ou promovido, conforme apropriado). O modelo semântico também é marcado como detectável para incentivar ainda mais a reutilização. O modo de exibição de linhagem no serviço do Power BI pode ser usado para controlar as dependências existentes entre os itens do Power BI. |
 |
A descoberta de dados no hub de dados do OneLake é habilitada porque o modelo semântico está marcado como detectável. A capacidade de descoberta permite que a existência de um modelo semântico fique visível no hub de dados do OneLake por outros criadores de conteúdo do Power BI que estejam em busca de dados. |
 |
Os criadores de conteúdo usam o hub de dados do OneLake no serviço do Power BI para pesquisar itens de dados detectáveis, como modelos semânticos. |
 |
Se os criadores de conteúdo tiverem permissão, eles poderão solicitar a permissão de compilação em itens de dados. Isso inicia um fluxo de trabalho para solicitar a permissão de Compilação de um aprovador autorizado. Depois que tiverem permissão, os criadores de conteúdo poderão reutilizar os itens de dados para criar novas soluções. |
 |
No Power BI Desktop, o criador do modelo semântico B cria uma conexão dinâmica com o modelo semântico compartilhado original localizado no serviço do Power BI. Como a intenção é ampliar e personalizar o modelo semântico original, a conexão dinâmica é convertida em um modelo do DirectQuery. Essa ação resulta em um modelo local no arquivo do Power BI Desktop. |
 |
O Power BI Desktop é conectado aos dados de fontes de dados adicionais. A meta é aumentar o modelo semântico compartilhado para que os requisitos analíticos adicionais sejam atendidos pelo novo modelo semântico composto especializado. |
 |
As relações são criadas no Power BI Desktop entre as tabelas existentes (do modelo semântico compartilhado, também conhecido como modelo remoto) e as novas tabelas recém-importadas (armazenadas no modelo local). Os cálculos adicionais e o trabalho de modelagem são feitos no Power BI Desktop para concluir o projeto do modelo composto especializado. |
 |
Quando estiver pronto, o criador do modelo semântico B publica o arquivo .pbix ou .pbip no serviço do Power BI. |
 |
O novo modelo semântico composto especializado é publicado em um workspace dedicado para armazenar e proteger modelos semânticos que pertencem e são gerenciados pelo departamento. |
 |
O modelo semântico especializado permanece conectado ao modelo semântico compartilhado original do Power BI. Todas as alterações no modelo semântico compartilhado original afetarão os modelos semânticos compostos especializados downstream que têm dependência dele. |
 |
Outros criadores de relatório de autoatendimento podem criar novos relatórios conectados ao modelo semântico composto especializado. Os criadores de relatório podem optar por usar o Power BI Desktop, o Construtor de Relatórios do Power BI ou o Excel. |
 |
Os relatórios são publicados em um workspace dedicado a armazenar e proteger os relatórios e dashboards. |
 |
Os relatórios publicados permanecem conectados ao modelo semântico especializado armazenado em um workspace diferente. As alterações no modelo semântico especializado afetam todos os relatórios conectados a ele. |
 |
Algumas fontes de dados podem exigir um gateway de dados local ou um gateway de VNet para atualização de dados, como aquelas que estão em uma rede organizacional particular. |
 |
Os administradores do Fabric supervisionam e monitoram a atividade no portal do Fabric. |
Pontos-chave
Veja a seguir alguns pontos-chave a serem enfatizados sobre o cenário do BI de autoatendimento gerenciado personalizável.
Modelo semântico compartilhado
O principal requisito para fazer com que o BI de autoatendimento gerenciado funcione é minimizar o número de conjuntos de dados. Esse cenário ilustra um modelo semântico compartilhado que contribui para promover uma única versão da verdade.
Observação
Para simplificar, o diagrama do cenário ilustra apenas um modelo semântico compartilhado. No entanto, geralmente não é viável modelar todos os dados organizacionais em apenas um modelo semântico. O outro extremo seria criar um modelo semântico diferente para cada relatório, como costumam fazer os criadores de conteúdo menos experientes. O objetivo é encontrar o equilíbrio certo, inclinando-se para relativamente poucos modelos semânticos e criando novos modelos semânticos quando faz sentido fazê-lo.
Aumentar o modelo semântico compartilhado inicial
Às vezes, os criadores de autoatendimento precisam aumentar um modelo semântico existente com, por exemplo, dados adicionais específicos do departamento. Nesse caso, eles podem usar as conexões do DirectQuery com os modelos semânticos do Power BI. Esse recurso permite o equilíbrio ideal da habilitação de autoatendimento e, ao mesmo tempo, aproveita o investimento em ativos de dados gerenciados de maneira centralizada. O diagrama do cenário ilustra uma conexão do DirectQuery. O ato de converter uma conexão dinâmica em uma conexão do DirectQuery cria um modelo local, que permite que novas tabelas sejam adicionadas. As relações podem ser criadas entre as tabelas do modelo semântico compartilhado original (o modelo remoto) e as novas tabelas recém-adicionadas (o modelo local). Os cálculos adicionais e a modelagem de dados podem ser feitos para personalizar o novo modelo de dados.
Dica
Esse cenário destaca a reutilização de um modelo semântico compartilhado. No entanto, às vezes, há situações em que os modeladores de dados desejam limitar a criação do modelo de dados downstream. Nesse caso, eles podem habilitar a propriedade Desestimular conexões do DirectQuery nas configurações do Power BI Desktop.
Endosso de modelo semântico
Como os modelos semânticos compartilhados são destinados à reutilização, é útil endossá-los. Um modelo semântico certificado transmite aos criadores de relatório que os dados são confiáveis e atendem aos padrões de qualidade da organização. Um modelo semântico promovido destaca que o proprietário do modelo semântico acredita que os dados são valiosos e que valem a pena para outras pessoas usarem.
Dica
A melhor prática é ter um processo consistente, repetível e rigoroso para endossar o conteúdo. O conteúdo certificado deve indicar que a qualidade dos dados foi validada. Ele também deve seguir as regras de gerenciamento de alterações, ter suporte formal e ser totalmente documentado. Como o conteúdo certificado passou por padrões rigorosos, as expectativas de confiabilidade são maiores.
Descoberta de modelo semântico
O hub de dados do OneLake ajuda os criadores de relatórios a encontrar, explorar e usar modelos semânticos em toda a organização. Além do endosso semântico do modelo, habilitar a descoberta do modelo semântico é fundamental para promover sua reutilização. Um modelo semântico detectável fica visível no hub de dados para os criadores de relatório que estão em busca de dados.
Observação
Se um modelo semântico não estiver configurado para ser detectável, somente os usuários do Power BI com Permissão de Compilação poderão encontrá-lo.
Solicitar acesso ao modelo semântico
Um criador de relatório pode encontrar um modelo semântico no hub de dados que deseja usar. Se não tiver Permissão de Compilação sobre o modelo semântico, ele poderá solicitar acesso. Dependendo da configuração da solicitação de acesso ao modelo semântico, um email será enviado ao proprietário ou instruções personalizadas serão apresentadas à pessoa que está solicitando acesso.
Publicar em workspaces diferentes
Há várias vantagens em publicar relatórios em um workspace diferente de onde o modelo semântico está armazenado.
Em primeiro lugar, está claro quem é responsável por gerenciar o conteúdo em qual workspace. Em segundo lugar, os criadores de relatório têm permissões para publicar conteúdo em um workspace de relatório (por meio das funções de administrador, membro ou colaborador do workspace). No entanto, eles só têm permissões de Leitura e Criação sobre modelos semântico sespecíficos. Essa técnica permite que a RLS (segurança em nível de linha) entre em vigor quando necessário para os usuários atribuídos à função de visualizador.
Análise de dependência e impacto
Quando um modelo semântico compartilhado é usado por outros modelos semânticos ou relatórios, esses objetos dependentes podem existir em muitos workspaces. A exibição de linhagem ajuda a identificar e entender as dependências downstream. Ao planejar uma alteração semântica de modelo, primeiro execute a análise de impacto para entender quais modelos semânticos ou relatórios devem ser editados ou testados.
Instalação do gateway
Normalmente, um gateway de dados é necessário ao acessar fontes de dados que residem na rede organizacional privada ou em uma rede virtual. O gateway de dados local torna-se relevante quando um arquivo do Power BI Desktop é publicado no serviço do Power BI. As duas finalidades de um gateway são atualizar dados importados ou exibir um relatório que consulta uma conexão dinâmica ou um modelo semântico do DirectQuery.
Observação
Para cenários do BI de autoatendimento gerenciado personalizável, de departamento e de equipe, um gateway de dados centralizado no modo padrão é altamente recomendado, em vez de gateways no modo pessoal. No modo padrão, o gateway de dados dá suporte a operações de conexão dinâmica e do DirectQuery (além das operações de atualização de dados agendadas).
Supervisão do sistema
O log de atividades registra as atividades do usuário que ocorrem no serviço do Power BI. Os administradores do Power BI podem usar os dados de log de atividades coletados para executar a auditoria, a fim de ajudar a entender os padrões de uso e a adoção. O log de atividades também é importante para dar suporte a esforços de governança, auditorias de segurança e requisitos de conformidade. Com um cenário do BI de autoatendimento gerenciado personalizável, é especificamente útil controlar o uso do modelo semântico compartilhado original, bem como dos modelos semânticos dependentes.
Conteúdo relacionado
No próximo artigo desta série, saiba mais sobre como reutilizar o trabalho de preparação de dados com fluxos de dados no cenário de preparação de dados de autoatendimento.