Datenmodellierung in AI/BI-Dashboards

Jede AI/BI-Dashboardvisualisierung liest aus einem oder mehreren Datasets. Zusätzlich zu Datasets bieten Ihnen KI/BI-Dashboards verschiedene Möglichkeiten, Ihre Daten aufzubereiten und wiederzuverwenden, ohne Logik über mehrere Datasets hinweg zu duplizieren. Jede Option passt zu einem anderen Bedarf, von einfachen Pro-Dataset-Berechnungen bis hin zu Multi-Fact-Semantikmodellen, sodass Sie die Option auswählen können, die Ihrer Analyse entspricht.

Sie können Modellierungslogik direkt in einem Dashboard definieren, wenn sie noch nicht zur verwalteten Unity-Katalogebene gehört, und sie dann zum Unity-Katalog heraufstufen, wenn sie für eine breitere Verwendung bereit ist. Verwenden Sie für Metriken, die über Dashboards, Genie Agents oder andere Tools hinweg verwaltet und freigegeben werden müssen, die Metrikansichten in Unity Catalog. Siehe Metrikansichten des Unity-Katalogs.

Datensätze

Datasets sind die Abfragen oder Tabellen, die Daten an ein Dashboard bereitstellen. Jede andere Modellierungsoption baut auf einem Dataset auf. Siehe Erstellen und Verwalten von Dashboard-Datasets.

SQL-Datensätze

Ein SQL-Dataset wird durch eine Abfrage definiert, die Sie für jede Datenquelle schreiben. Benutzerdefinierte Berechnungen basieren auf einem SQL-Dataset und fügen neue Measures und Felder (zuvor als Dimensionen bezeichnet) hinzu, die daraus berechnet wurden, ohne die Sql-Quelle zu ändern. Sie sind nützlich für einmalige Berechnungen auf Grundlage eines einzelnen SQL-Datasets, z. B. eine Kennzahl zur Gewinnmarge oder ein kategorisiertes Feld. Siehe Hinzufügen eines SQL-Datasets und Was sind benutzerdefinierte Berechnungen?.

Lokale Metrikansichten

Mit lokalen Metrikansichten können Sie Felder, Measures und Verknüpfungsbeziehungen im Dashboard mithilfe einer visuellen Schnittstelle definieren und gleichzeitig die in einem einzigen Dashboard enthaltene semantische Logik beibehalten. Sie behalten die Vorteile semantischer Objekte, z. B. präzise Aggregationen unabhängig von der Gruppierung, bei, und Sie können sie zum Unity-Katalog heraufstufen, wenn Ihre Metriken für eine breitere Verwendung bereit sind. Siehe lokale Metrikansichten.

Beziehungen zwischen Dashboards

Mithilfe von Dashboardbeziehungen können Sie ein semantisches Modell definieren, das mehrere Fakten- und Dimensionstabellen umfasst, indem Sie angeben, wie Datasets miteinander zusammenhängen. Die Abfrage-Engine löst Verknüpfungen zur Laufzeit auf, sodass Sie Felder und Measures in jedem verbundenen Dataset segmentieren und Multi-Fact-, Multi-Grain-Analysen in einem einzigen Dashboard erstellen können. Beziehungen zwischen Dashboards sind in der öffentlichen Vorschau verfügbar. Siehe Dashboard-Beziehungen.

Auswählen des richtigen Ansatzes

Die auf das Dashboard beschränkten Modellierungsoptionen lösen unterschiedliche Probleme. Verwenden Sie die folgende Tabelle, um zu entscheiden, welcher zu Ihrer Analyse passt.

Für semantische Logik, die Sie über die Zeit hinweg wiederverwenden oder verfeinern möchten, empfiehlt Databricks lokale Metrikansichten anstelle von benutzerdefinierten Berechnungen in einem SQL-Dataset. Lokale Metrikansichten definieren Metriken, Felder und Verknüpfungen einmal und können zu Unity Catalog hochgestuft werden, wenn die Logik für eine breitere Nutzung bereit ist. Reservieren Sie benutzerdefinierte Berechnungen für einfache Metriken, die auf ein einzelnes SQL-Dataset festgelegt sind.

Wie sich Metrikansichten und Dashboardbeziehungen in ihrer Granularität unterscheiden und wann Sie sich für das eine oder das andere entscheiden sollten, erfahren Sie unter Wie unterscheiden sich Dashboardbeziehungen im Vergleich zu Metrikansichten?.

Dashboardbezogene Modellierung im Vergleich zu Unity Catalog

Lokale Metrikansichten und Dashboardbeziehungen sind auf ein einzelnes Dashboard beschränkt, und es wird kein Unity-Catalog-Objekt erstellt. Verwenden Sie dashboardbezogenes Modellieren für Prototyping, dashboardspezifische Analysen oder wenn Sie mehrere Iterationen durchführen möchten, bevor Sie Logik in Unity Catalog überführen.

Verwenden Sie Metrikansichten in Unity Catalog, wenn Metriken verwaltet werden müssen, von jedem SQL-Client direkt mit SQL abgefragt werden können und über Dashboards, Genie Agents und andere Tools hinweg wiederverwendbar sein sollen. Wenn eine lokale Metrikansicht für eine breitere Verwendung bereit ist, können Sie sie für die globale Verwendung in den Unity-Katalog höher stufen . Siehe "Exportieren in eine Metrikansicht des Unity-Katalogs " und "Unity Catalog"-Metrikansichten.

Um ein veröffentlichtes Dashboard durch Vorberechnen und Speichern von Datensatzergebnissen zu beschleunigen, verwenden Sie die Materialisierung von Datensätzen. Siehe Dataset-Materialisierung in KI/BI-Dashboards.

In diesem Abschnitt