Ontologia (anteprima) parte 0: Introduzione e configurazione dell'ambiente

Questo tutorial mostra come creare la tua prima ontologia (anteprima) in Microsoft Fabric. Si creano gli elementi ontologici manualmente e con l'aiuto dell'agente ontologico, e li associ ai dati provenienti da più fonti OneLake. Arricchisci l'ontologia con metadati e informazioni aggiuntive, ed esplori l'ontologia completa sia nell'esperienza visiva che attraverso query dell'agente ontologico.

Lo scenario di esempio per questa esercitazione è una società fittizia denominata Lake shore Retail. Lakeshore è un venditore al dettaglio di gelati che conserva dati sulle vendite e sullo streaming dei frigoriferi. Nel tutorial, crei tipi di entità come Store, Products e Sale. Associ dati in streaming come la temperatura del frigorifero da un centro eventi e rispondi a domande come: "Qual è il prodotto principale per ricavo in tutti i negozi?"

Prerequisiti

• Un'area di lavoro con una capacità abilitata a Microsoft Fabric. Utilizzare questa area di lavoro per tutte le risorse che creerai nell'esercitazione.

• Gli utenti possono creare elementi ontologici (anteprima) e gli utenti possono creare le impostazioni degli elementi Fabric attivate sul tuo tenant Fabric.

  Un amministratore di Fabric può abilitare le impostazioni in catalogo di OneLake>Govern>Configurazioni>Impostazioni del tenant:

  

  

Scenario

Lakeshore Retail è un rivenditore multi-regione che vende merci generali, prodotti deperibili e surgelati tramite negozi forniti dai centri di distribuzione regionali. I team operativi del negozio devono mantenere la disponibilità dei prodotti senza aumentare gli sprechi, mentre i prodotti surgelati devono rimanere entro temperature di conservazione sicure per tutta la catena del freddo al dettaglio.

Questo tutorial lavora verso un risultato operativo concreto: quali negozi ad alta priorità nell'Ovest hanno prodotti congelati sotto la scorta di sicurezza, una recente eccezione per la temperatura di refrigerazione e la disponibilità sugli scaffali sotto l'obiettivo? Per ogni negozio, mostra la prossima spedizione in entrata e il suo arrivo previsto.

Con un'ontologia robusta, l'agente ontologico può rispondere a questa domanda. Progetta un'ontologia che aiuti l'agente a capire che un prodotto surgelato è un tipo di prodotto, cosa significano le scorte di sicurezza e l'eccezione di temperatura, come i prodotti vengono riforniti nei negozi, quali unità di refrigerazione operano in ogni negozio, come le spedizioni in entrata collegano i centri di distribuzione ai negozi e come dovrebbe essere calcolata la misura Power BI governata per la disponibilità sugli scaffali.

L'ontologia in questo tutorial collega segnali operativi, definizioni di business, metriche governate e relazioni di business, così che un agente possa spiegare dove è necessario intervenire e perché.

Ontologia

Gli elementi di Lakeshore Retail in questo tutorial comprendono la seguente ontologia. Rivedi il diagramma per comprendere i tipi di entità e le relazioni coinvolte nello scenario.

Scaricare i dati di esempio

Scarica il contenuto della cartella Nuove esperienze dai campioni di ontologia su GitHub: Campioni di ontologia.

I dati campione includono un insieme di file CSV contenenti dettagli statici sulle entità sullo scenario di Lakeshore Retail e dati in streaming dai suoi frigoriferi, oltre a un modello semantico Power BI contenente dati sulle vendite.

Preparare il lago

Seguire questi passaggi per preparare i dati del tutorial di esempio in un lakehouse.

1. Inizia nel tuo spazio di lavoro Fabric. Usa il pulsante + Nuovo oggetto per creare un nuovo oggetto Lakehouse .

   

2. Per il lakehouse Name, inserisci LakeshoreStaticDataLH. Per la posizione, seleziona il tuo spazio di lavoro. Tieni selezionata la casella degli schemi Lakehouse (di default) e seleziona Crea.

3. La nuova lakehouse verrà aperta una volta pronta. Nella barra multifunzione lakehouse, selezionare Ottieni dati > Carica file.

   

4. Carica tutti tranne uno dei file CSV di esempio sulla tua casa sul lago. Non caricare refrigeration_telemetry.csv (carichi questo file su eventhouse in un passaggio successivo), o su SalesReport.pbix (importi questi dati tramite l'agente dell'ontologia in un passaggio successivo).

5. Espandere la cartella File in Esplora risorse per visualizzare i file caricati. Caricare quindi ogni file in una tabella delta.

   Per ogni file, selezionare ... accanto al nome del file, quindi Carica nelle tabelle > Nuova tabella.

   

   Continua attraverso la finestra di dialogo di creazione tabella, mantenendo le impostazioni predefinite.

Al termine, il lakehouse assomiglia all'immagine seguente. I nomi di tabella predefiniti riflettono i nomi di file in tutte le lettere minuscole.

Preparare la eventhouse

Segui questi passaggi per caricare il file di dati di streaming del dispositivo nel database KQL in un eventhouse.

1. Nel tuo spazio di lavoro Fabric, seleziona + Nuovo oggetto per creare una nuova casa eventi chiamata LakeshoreTelemetryDataEH. Fabric crea un database KQL predefinito con lo stesso nome.

2. L'eventhouse apre quando è pronta. Aprire il database KQL selezionandone il nome nell'Esplora.

   

3. Successivamente, crea una nuova tabella denominata RefrigerationTelemetry che utilizza il file di esempio refrigeration_telemetry.csv come origine.

   Nella barra multifunzione del menu selezionare Ottieni dati > da file locale.

   

   Crea una nuova tabellachiamata RefrigerationTelemetry e cerca il filerefrigeration_telemetry.csv che hai scaricato prima.

   

   Continua attraverso la finestra di dialogo di creazione tabella, mantenendo le impostazioni predefinite.

Quando hai finito, il database KQL mostra la tabella RefrigerationTelemetry con i dati:

Carica il modello semantico

Infine, carica il modello semantico di esempio nel tuo spazio di lavoro.

1. Nel tuo spazio di lavoro Fabric, seleziona Importa>Report, report impaginato o cartella di lavoro>Da questo computer.

   

   Trova il file SalesReport.pbix che hai scaricato e seleziona Apri.

2. Il report è visibile nel tuo spazio di lavoro e viene creato un modello semantico con lo stesso nome.

   

Passaggi successivi

A questo momento lo scenario di esempio è configurato in Fabric. Successivamente, crea un elemento ontologico (anteprima) e aggiungi elementi che si collegano a queste fonti dati: crea un'ontologia.