Semantische modellen en compatibiliteit van derden

In dit artikel wordt uitgelegd wat semantische Power BI-modellen zijn, hoe ze verschillen van relationele databases en hoe Power BI ondersteuning benadert voor semantische modellen van derden.

Semantische Power BI-modellen

Semantische Power BI-modellen zijn de gezaghebbende bron van waarheid voor ad-hocanalyse en rapportage in talloze organisaties. Op basis van de meest gebruikte semantische BI-modelleringstechnologie op de markt bieden semantische Power BI-modellen een volwassen API-oppervlak, uitzonderlijke prestaties en schaalbaarheid voor interactieve analyse over enorme gegevens en een bloeiend ecosysteem van ontwikkelaars, partners en hulpprogramma's van derden.

Zakelijke metrische gegevens voor herbruikbaarheid

Zeer gecureerde semantische modellen brengen bedrijfsgegevens naar voren met gebruik van bedrijfsvriendelijke naamconventies, door abstractie van complexe bedrijfslogica voor geavanceerde berekeningen, afgeleide relaties, gebruikershiërarchieën, metagegevensvertalingen en nog veel meer mogelijkheden. Met razendsnelle queryprestaties kunnen gebruikers enorme gegevenssets opdelen en analyseren met de snelheid van het denken. Samen bevorderen deze mogelijkheden vertrouwen en stimuleren ze consistente beslissingen binnen de organisatie.

Semantische Power BI-modellen zijn accelerators voor BI met AI

Semantische Power BI-modellen vormen een belangrijk onderdeel van Fabric IQ. Vragen over gegevens in natuurlijke taal worden consistenter en eenvoudiger beantwoord wanneer de AI kan vertrouwen op bedrijfslogica die is ingekapseld door semantische modellen. LLM's zijn al bekend met goed gedefinieerde API-oppervlaktegebieden voor metagegevens en query's die agentische modellering en -verbruik mogelijk maken. Semantische Power BI-modellen zijn al op schaal geïmplementeerd in talloze grote organisaties en zijn klaar om ai-gestuurd verbruik op ondernemingsniveau te versnellen.

Semantische modellen kunnen ook Microsoft 365 Copilot ervaringen aan de grond leggen, waaronder Microsoft 365 Copilot Chat en Microsoft 365 Copilot Cowork, zodat gebruikers zakelijke vragen kunnen stellen en contextuele antwoorden kunnen ontvangen op basis van beheerde bedrijfsdefinities rechtstreeks binnen Microsoft 365 Copilot.

Recente mogelijkheden breiden het semantische modelecosysteem uit voor agentische en ontwikkelaarsscenario's:

Toezegging voor open standaarden en platform

Met de Direct Lake-opslagmodus vormen semantische Power BI-modellen een belangrijk onderdeel van de toezegging van Microsoft Fabric om standaardindelingen te openen met behulp van Delta Lake Parquet, Iceberg en OneLake. Met deze toezegging kunnen klanten voorkomen dat zij vastzitten aan bedrijfseigen opslagindelingen van leveranciers. Semantische Power BI-modellen maken open platformconnectiviteit mogelijk voor een breed scala aan hulpprogramma's voor gegevensvisualisatie van derden via compatibiliteit met het XMLA-eindpunt. Eindgebruikers kunnen ad-hocanalyses uitvoeren op basis van hun keuzeprogramma zonder dat ze lokale kopieën van gegevens hoeven te maken. Semantische Power BI-modellen zijn zeer programmeerbaar met fabric REST-eindpunten voor CRUD-bewerkingen, queryuitvoering , vernieuwingsbeheer , ondersteuning voor Python-notebooks met semantische koppeling, .NET-programmeerbaarheid met behulp van het Tabular Object Model Model (TOM) en open metagegevensdefinities met behulp van tmDL (Tabular Model Definition Language) voor automatisering.

Relationele databases versus semantische modellen

Een relationele database (bijvoorbeeld SQL Server) is ontworpen voor het opslaan en organiseren van gegevens in gestructureerde tabellen. Hiermee wordt gedefinieerd hoe gegevens fysiek worden opgeslagen en geopend, zonder zich te richten op zakelijke betekenis. Relationele algebra definieert hoe u query's uitvoert op deze gegevens met behulp van bewerkingen zoals selectie en joins om tabellen en weergaven te filteren en combineren.

Een semantisch model biedt een bedrijfsvriendelijke laag voor zakelijke gegevens, met behulp van duidelijke namen, uitgestelde relaties en vooraf gedefinieerde metrische gegevens. Veelvoorkomende berekeningen zoals tijdvergelijkingen, verhoudingen en financiële metingen zijn herbruikbaar, waardoor niet-technische gebruikers ad-hocanalyses kunnen uitvoeren door rapporten te maken of vragen te stellen via AI-agents, terwijl consistente, vertrouwde beslissingen worden ondersteund.

Nauwkeurigheid van resultaten is van cruciaal belang

Power BI-klanten vertrouwen op de nauwkeurigheid van semantische modelmetrieken voor kritieke zakelijke beslissingen, met semantische modelberekeningen die fungeren als de definitieve bron van waarheid. Nauwkeurigheid van reacties is essentieel voor het bevorderen van vertrouwen en het stimuleren van consistente beslissingen in klantenorganisaties. Eventuele ondersteuning voor semantische modellen van derden moet daarom worden geïmplementeerd via een integratiebenadering die zorgt voor semantische juistheid en de integriteit van de resultaten die aan gebruikers worden geretourneerd, behoudt.

Compatibiliteit met semantische modellen van derden

Note

Sommige leveranciers gebruiken verschillende namen voor hun semantische modelaanbiedingen. Bijvoorbeeld kubus semantische laag, dbt Semantische laag, Snowflake semantische weergave en databricks metrische weergaven zijn namen die worden gebruikt om productaanbiedingen te beschrijven voor die specifieke externe leveranciers. Ze richten zich op dezelfde use-case, maar bieden verschillende volwassenheidsniveaus.

Power BI ondersteunt alleen de volgende semantische modellen van derden:

Sommige leveranciers worden ondersteund als relationele databasebronnen via semantische DirectQuery-modellen. Deze ondersteuning wordt echter niet noodzakelijkerwijs uitgebreid naar hun semantische modellen. Power BI ondersteunt alleen de semantische modellen van derden die eerder zijn vermeld.

Gebruikspatroon van directQuery-semantisch model

Note

DirectQuery is een van de verschillende opslagmodi die beschikbaar zijn voor semantische Microsoft Power BI-modellen. Direct Lake ontgrendelt ongelooflijke prestaties op Delta Lake-gegevens in OneLake zonder vernieuwingen, terwijl de importmodus zich richt op de mogelijkheden voor snelheid en modellering.

DirectQuery is hier gemarkeerd omdat, indien gelaagd met semantische modellen van derden, kan dit leiden tot onnauwkeurige resultaten als gevolg van realtime-evaluatie op basis van de onderliggende gegevensbron.

In het volgende diagram ziet u een gebruikspatroon van een DirectQuery-semantisch model:

Diagram met de architectuur van een semantisch DirectQuery-model.

  1. Gebruikers communiceren met visuals in Power BI-rapporten of verzenden gegevensvragen via een AI-agent.

  2. DAX-query's worden gegenereerd en verzonden naar het semantische Power BI-model dat wordt uitgevoerd in de DirectQuery-modus.

  3. Het semantische model vertaalt de DAX-query's naar SQL-query's en federeert deze naar de onderliggende relationele database. De brondatabase voert queryverwerking uit.

Het gelaagd maken van semantische modellen, waarbij een model van derden zich bevindt tussen het semantische Power BI-model en de relationele database, wordt doorgaans niet ondersteund. Op dezelfde manier bieden externe semantische modelleveranciers doorgaans ook geen ondersteuning voor gelaagdheid op power BI-semantische modellen.

DirectQuery-semantische modellen ondersteunen doorgaans relationele bronnen, maar niet semantische modellen van derden om de nauwkeurigheid te garanderen

Semantische Power BI-modellen in de DirectQuery-modus ondersteunen honderden relationele databases van derden (zie Power Query-connectors). De meeste connectors bieden geen ondersteuning voor semantische modellen van derden, omdat ze onjuiste resultaten zouden opleveren voor gebruikers. DirectQuery-semantische modellen zijn doorgaans afhankelijk van relationele algebra in de bron voor juistheid. Semantische modellen definiëren bijvoorbeeld uitgestelde relaties voor vooraf gedefinieerde aggregatiepaden. Het combineren van uitgestelde relaties in een semantisch model van derden met die in een DirectQuery-semantisch model kan onjuiste waarden opleveren, zelfs voor eenvoudige metingen.

Power BI maakt verbinding met multidimensionale en tabellaire SQL Server Analysis Services en Azure Analysis Services, zonder dat hiervoor een tussenliggend DirectQuery-semantisch model is vereist. Zie de vergelijking van live connect en DirectQuery voor meer informatie.

Overzicht

Semantische Power BI-modellen zijn alomtegenwoordig in enterprise BI, die tientallen miljoenen actieve semantische modellen vertegenwoordigen. Ze bieden een bedrijfsvriendelijke, hoogwaardige laag over gegevens, die fungeert als een vertrouwde bron van waarheid voor AI-gestuurde inzichten, terwijl ze open standaarden en brede API-oppervlaktegebieden ondersteunen.

In tegenstelling tot relationele databases, die zich richten op gegevensopslag en -structuur, voegen semantische modellen betekenis toe, uitgestelde relaties en berekeningen, waardoor het voor niet-technische gebruikers gemakkelijk is om te gebruiken. Nauwkeurigheid is essentieel, dus integraties, met name met semantische modellen van derden, moeten de juistheid behouden. Power BI ondersteunt relationele gegevensbronnen in de DirectQuery-modus. Het stapelen van semantische modellen wordt over het algemeen niet ondersteund omdat het combineren van meerdere semantische lagen kan leiden tot onjuiste resultaten voor klanten.