Modelos semânticos e compatibilidade de terceiros

Este artigo explica o que são modelos semânticos do Power BI, como eles diferem dos bancos de dados relacionais e como o Power BI aborda o suporte para modelos semânticos de terceiros.

Modelos semânticos do Power BI

Os modelos semânticos do Power BI são a fonte autoritativa da verdade para análise ad hoc e relatórios em inúmeras organizações. Com base na tecnologia de modelagem semântica de BI mais amplamente adotada no mercado, os modelos semânticos do Power BI oferecem uma superfície de API madura, desempenho excepcional e escalabilidade para análise interativa sobre dados massivos e um ecossistema próspero de desenvolvedores, parceiros e ferramentas de terceiros.

Métricas de negócios para reutilização

Modelos semânticos altamente coletados exibem dados corporativos usando convenções de nomenclatura amigáveis aos negócios, abstraindo lógica de negócios complexa para cálculos sofisticados, relações inferidas, hierarquias de usuário, traduções de metadados e muito mais. Com desempenho de consulta extremamente rápido, os usuários podem fatiar e dividir conjuntos de dados maciços à velocidade do pensamento. Juntas, essas funcionalidades promovem a confiança e impulsionam decisões consistentes em toda a organização.

Modelos semânticos do Power BI são aceleradores para BI habilitado para IA

Os modelos semânticos do Power BI são uma parte fundamental do Fabric IQ. Perguntas de dados de linguagem natural são respondidas de forma mais consistente e fácil quando a IA pode contar com a lógica de negócios encapsulada por modelos semânticos. As LLMs já estão familiarizadas com interfaces de API bem definidas para metadados e consultas que permitem modelagem e consumo orientados a agentes. Os modelos semânticos do Power BI já estão implantados em escala em inúmeras grandes organizações e preparados para acelerar o consumo controlado por IA em escala empresarial.

Modelos semânticos também podem servir de base para as experiências do Microsoft 365 Copilot, incluindo Microsoft 365 Copilot Chat e Microsoft 365 Copilot Cowork, para que os usuários possam fazer perguntas de negócios e receber respostas contextuais com base em definições de negócios governadas diretamente no Microsoft 365 Copilot.

As funcionalidades recentes estendem o ecossistema de modelo semântico para cenários agente e de desenvolvedor:

• As habilidades do agente para Power BI permitem que os agentes de IA criem, editem e gerenciem modelos semânticos por meio da linguagem natural.
• O modo de exibição TMDL fornece uma experiência baseada em código para editar metadados de modelo semântico no Power BI Desktop.
• Fabric Apps (versão prévia) permite que os desenvolvedores criem aplicativos personalizados em modelos semânticos.

Compromisso com a abertura de padrões e plataforma

Com o modo de armazenamento direct lake , os modelos semânticos do Power BI são uma parte fundamental do compromisso do Microsoft Fabric em abrir formatos padrão usando Delta Lake parquet, Iceberg e OneLake. Esse compromisso ajuda os clientes a evitar a dependência de formatos de armazenamento de fornecedores proprietários. Os modelos semânticos do Power BI permitem a conectividade de plataforma aberta para uma ampla gama de ferramentas de visualização de dados de terceiros por meio da compatibilidade com o ponto de extremidade XMLA. Os usuários finais podem executar uma análise ad hoc de sua ferramenta de escolha sem a necessidade de criar cópias locais de dados. Os modelos semânticos do Power BI são altamente programáveis usando pontos de extremidade REST do Fabric para operações CRUD, execução de consulta , gerenciamento de atualizações , suporte ao notebook Python com link semântico, programação do .NET usando o TOM (Modelo de Objeto Tabular) e definições de metadados abertos usando a TMDL (Tabular Model Definition Language) para automação.

Bancos de dados relacionais versus modelos semânticos

Um banco de dados relacional (por exemplo, SQL Server) foi projetado para armazenar e organizar dados em tabelas estruturadas. Ele define como os dados são fisicamente armazenados e acessados, sem se concentrar no significado dos negócios. A álgebra relacional define como consultar esses dados usando operações como seleção e junções para filtrar e combinar tabelas e exibições.

Um modelo semântico fornece uma camada amigável aos negócios sobre dados corporativos, usando nomes claros, relações inferidas e métricas predefinidas. Cálculos comuns, como comparações de tempo, taxas e medidas financeiras, são reutilizáveis, permitindo que usuários não técnicos realizem análises ad hoc criando relatórios ou enviando perguntas por meio de agentes de IA, ao mesmo tempo em que dão suporte a decisões consistentes e confiáveis.

A precisão dos resultados é de suma importância

Os clientes do Power BI dependem da precisão das métricas de modelo semântico para decisões comerciais críticas, com cálculos de modelo semântico servindo como a fonte definitiva da verdade. A precisão das respostas é essencial para promover a confiança e impulsionar decisões consistentes entre as organizações de clientes. Assim, qualquer suporte para modelos semânticos de terceiros deve ser implementado por meio de uma abordagem de integração que garanta a correção semântica e preserve a integridade dos resultados retornados aos usuários.

Compatibilidade com modelos semânticos de terceiros

O Power BI dá suporte apenas aos seguintes modelos semânticos de terceiros:

• SAP BW
• SAP HANA, quando tratado como uma fonte multidimensional
• AtScale

Alguns fornecedores têm suporte como fontes de banco de dados relacionais por meio de modelos semânticos do DirectQuery. No entanto, esse suporte não necessariamente se estende aos seus modelos semânticos. O Power BI dá suporte apenas aos modelos semânticos de terceiros declarados anteriormente.

Padrão de uso de modelo semântico do DirectQuery

O DirectQuery é realçado aqui porque, se colocado em camadas com modelos semânticos de terceiros, pode levar a resultados imprecisos devido à avaliação em tempo real em relação à fonte de dados subjacente.

O diagrama a seguir ilustra um padrão de uso de modelo semântico do DirectQuery:

1. Os usuários interagem com visuais em relatórios do Power BI ou enviam perguntas de dados por meio de um agente de IA.

2. As consultas DAX são geradas e enviadas para o modelo semântico do Power BI em execução no modo DirectQuery.

3. O modelo semântico converte as consultas DAX em consultas SQL e as federa para o banco de dados relacional subjacente. O banco de dados de origem executa o processamento de consulta.

Geralmente, não há suporte para modelos semânticos em camadas , em que um modelo de terceiros está entre o modelo semântico do Power BI e o banco de dados relacional. Da mesma forma, os fornecedores de modelos semânticos de terceiros normalmente não dão suporte a camadas sobre modelos semânticos do Power BI dessa maneira.

Os modelos semânticos do DirectQuery normalmente dão suporte a fontes relacionais, mas não a modelos semânticos de terceiros para garantir a precisão

Os modelos semânticos do Power BI no modo DirectQuery dão suporte a centenas de bancos de dados relacionais de terceiros (consulte conectores do Power Query). A maioria dos conectores não dá suporte a modelos semânticos de terceiros porque produziriam resultados incorretos para os usuários. Os modelos semânticos do DirectQuery normalmente dependem da álgebra relacional na origem para correção. Por exemplo, modelos semânticos definem relações inferidas para caminhos de agregação predefinidos. Combinar relações inferidas em um modelo semântico de terceiros com aqueles em um modelo semântico DirectQuery pode produzir valores incorretos mesmo para medidas simples.

O Power BI se conecta ao SQL Server Analysis Services Multidimensional e Tabular e ao Azure Analysis Services, sem a necessidade de um modelo semântico intermediário do DirectQuery. Para obter mais informações, consulte a comparação de conexão ao vivo e DirectQuery.

Resumo

Os modelos semânticos do Power BI são onipresentes no BI empresarial, representando dezenas de milhões de modelos semânticos ativos. Eles fornecem uma camada de alto desempenho e amigável para os negócios sobre dados, atuando como uma fonte confiável de verdade para insights controlados por IA, ao mesmo tempo em que dão suporte a padrões abertos e amplas áreas de superfície de API.

Ao contrário dos bancos de dados relacionais, que se concentram no armazenamento e na estrutura de dados, os modelos semânticos adicionam significado, relações inferidas e cálculos, facilitando o consumo de usuários não técnicos. A precisão é crítica, portanto, as integrações , notadamente com modelos semânticos de terceiros, devem preservar a correção. O Power BI dá suporte a fontes de dados relacionais no modo DirectQuery. A prática de colocar modelos semânticos em camadas geralmente não é suportada, pois a combinação de múltiplas camadas semânticas pode resultar em resultados errados para os clientes.