Gegevensmodellering in AI/BI-dashboards

Elke AI/BI-dashboardvisualisatie leest uit een of meer gegevenssets. Naast gegevenssets bieden AI/BI-dashboards u verschillende manieren om uw gegevens vorm te geven en opnieuw te gebruiken zonder logica te dupliceren tussen gegevenssets. Elke optie past bij een andere behoefte, van lichtgewicht berekeningen per gegevensset tot semantische modellen met meerdere feiten, zodat u het model kunt kiezen dat overeenkomt met uw analyse.

U kunt modelleringslogica rechtstreeks definiëren in een dashboard wanneer deze nog niet hoort in de beheerde Unity Catalog-laag en deze vervolgens promoveren naar Unity Catalog wanneer deze klaar is voor breder gebruik. Voor metrische gegevens die moeten worden beheerd en gedeeld tussen dashboards, Genie Agents of andere hulpprogramma's, gebruikt u metrische weergaven van Unity Catalog. Zie metrische weergaven van Unity Catalog.

Datasets

Gegevenssets zijn de query’s of tabellen die een dashboard van gegevens voorzien. Elke andere modelleringsoptie bouwt voort op een gegevensset. Zie Dashboardgegevenssets creëren en beheren.

SQL-datasets

Een SQL-gegevensset wordt gedefinieerd door een query die u schrijft op basis van een gegevensbron. Aangepaste berekeningen bouwen voort op een SQL-gegevensset, waarbij nieuwe metingen en velden (voorheen dimensies genoemd) worden berekend zonder de bron-SQL te wijzigen. Ze zijn handig voor eenmalige berekeningen boven op één SQL-gegevensset, zoals een winstmargemeting of een gecategoriseerd veld. Zie Een SQL-gegevensset toevoegen en wat zijn aangepaste berekeningen?

Lokale metrische weergaven

Met lokale metrische weergaven kunt u velden, metingen en joinrelaties in het dashboard definiëren met behulp van een visuele interface, terwijl de semantische logica binnen één dashboard blijft. Ze behouden de voordelen van semantische objecten, zoals nauwkeurige aggregaties, ongeacht groepering, en u kunt ze promoveren naar Unity Catalog wanneer uw metrische gegevens klaar zijn voor breder gebruik. Zie lokale metrische weergaven.

Relaties tussen dashboards

Met dashboardrelaties kunt u een semantisch model definiëren dat meerdere feiten- en dimensietabellen omvat door op te geven hoe gegevenssets zich met elkaar verhouden. De queryengine verwerkt joins tijdens runtime, zodat u velden en maatstaven over elke verbonden dataset heen kunt uitsplitsen en analyses met meerdere feitentabellen en granulariteitsniveaus in één dashboard kunt opbouwen. Relaties tussen dashboards zijn beschikbaar in openbare preview. Zie Dashboard-relaties.

De juiste benadering kiezen

Met de opties voor modellering binnen dashboardbereik kunt u verschillende problemen oplossen. Gebruik de volgende tabel om te bepalen welke past bij uw analyse.

Voor semantische logica die u wilt hergebruiken in visualisaties of na verloop van tijd wilt verfijnen, raadt Databricks lokale metrische weergaven aan in plaats van aangepaste berekeningen voor een SQL-gegevensset. Lokale metrische weergaven definiëren meetwaarden, velden en joins slechts één keer en kunnen worden gepromoveerd naar Unity Catalog wanneer de logica gereed is voor breder gebruik. Gebruik aangepaste berekeningen alleen voor eenvoudige metrics binnen één SQL-dataset.

Zie Hoe verhouden dashboardrelaties zich tot metrische weergaven? voor informatie over hoe metrische weergaven en dashboardrelaties verschillen qua granulariteit en wanneer u ertussen kiest.

Modellering op dashboardniveau vergeleken met Unity Catalog

Lokale metrische weergaven en dashboardrelaties zijn gericht op één dashboard en maken geen Unity Catalog-object. Gebruik dashboardgebonden modellering voor het maken van prototypes, dashboardspecifieke analyses of wanneer u wilt itereren voordat u logica promoveert naar Unity Catalog.

Gebruik metrische weergaven van Unity Catalog wanneer metrische gegevens moeten worden beheerd, rechtstreeks kunnen worden opgevraagd met SQL vanuit elke SQL-client en opnieuw kunnen worden gebruikt in dashboards, Genie Agents en andere hulpprogramma's. Wanneer een lokale metrische weergave gereed is voor breder gebruik, kunt u deze promoveren naar Unity Catalog voor algemeen gebruik. Zie Exporteren naar een metrische weergave van unity-catalogus en metrische weergaven van Unity Catalog.

Om een gepubliceerd dashboard te versnellen door datasetresultaten vooraf te berekenen en op te slaan, gebruik je datasetmaterialisatie. Zie materialisatie van datasets in AI/BI-dashboards.

In deze sectie