इसके माध्यम से साझा किया गया

किसी भी डेटा के साथ कार्य करें

  • आलेख

Microsoft Dataverse अमूर्तता प्रदान करती है जो किसी भी प्रकार के डेटा के साथ काम करना संभव बनाती है, जिसमें रिलेशनल, नॉन-रिलेशनल, इमेज, फ़ाइल, प्रसांगिक खोज या data lake शामिल है. डेटा के प्रकार को समझने की आवश्यकता नहीं है क्योंकि Dataverse डेटा प्रकारों के एक सेट को उजागर करती है, जो आपको अपना मॉडल बनाने की अनुमति देती है. भंडारण का प्रकार चुने गए डेटा प्रकार के लिए अनुकूलित है.

डेटा को आसानी से आयात किया जा सकता है और डेटाफ्लो, Power Query और Azure Data Factory के साथ निर्यात किया जा सकता है. Dynamics ग्राहक Data Export Service का भी उपयोग कर सकते हैं।.

Dataverse में Power Automate और Azure लॉजिक अनुप्रयोग के लिए एक कनेक्टर भी होता है, जो ऑन-प्रिमाइसेस, सेवा के रूप में अवसंरचना (IaaS), सेवा के रूप में प्लेटफ़ॉर्म (PaaS), या एक सेवा के रूप में सॉफ़्टवेयर (SaaS) सेवाओं के लिए उन सेवाओं में सैकड़ों अन्य कनेक्टरों के साथ उपयोग किया जा सकता है. इसमें Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, text/CSV, SharePoint सूचियाँ, SQL Server डेटाबेस, Oracle, MySQL, PostgreSQL, Blockchain, और Azure Synapse Analytics शामिल हैं.

कॉमन डेटा मॉडल

यदि आपको कभी भी कई सिस्टम और अनुप्रयोग से डेटा एक साथ लाना है, तो आप जानते हैं कि एक महंगा और समय लेने वाला कार्य क्या हो सकता है. समान डेटा को आसानी से साझा किये और समझे बिना, प्रत्येक अनुप्रयोग या डेटा एकीकरण परियोजना को कस्टम कार्यान्वयन की आवश्यकता होती है.

Common Data Model संदर्भ वास्तुकला प्रदान करता है जिसका उपयोग व्यापार और विश्लेषणात्मक अनुप्रयोग के उपयोग के लिए साझा डेटा भाषा प्रदान करके इस प्रक्रिया को सुव्यवस्थित करना है. Common Data Model मेटाडेटा सिस्टम डेटा और इसके अर्थ को अनुप्रयोग और व्यावसायिक प्रक्रियाओं जैसे कि Power Apps, Power BI, Dynamics 365 और Azure के साथ साझा करना संभव बनाता है.

Common Data Model में Microsoft और उसके भागीदारों द्वारा प्रकाशित मानकीकृत, एक्स्टेंसिबल डेटा स्कीमा का एक सेट शामिल होता है. पूर्वनिर्धारित ढ़ाचें के इस संग्रह में तालिका, विशेषताएं, अर्थ वाले मेटाडेटा और रिश्ते शामिल हैं. स्कीमा डेटा के निर्माण, एकत्रीकरण और विश्लेषण को सरल बनाने के लिए, आम तौर पर उपयोग की जाने वाली अवधारणाओं और गतिविधियों का प्रतिनिधित्व करती है, जैसे कि खाता और अभियान.

सामान्य डेटा मॉडल ढ़ाचें का उपयोग Dataverse में तालिका के निर्माण की जानकारी देने के लिए किया जा सकता है. इसके बाद परिणामी टेबल उन ऐप्स और वैश्लेषिकी के साथ सुसंगत होंगी जो इस सामान्य डेटा मॉडल परिभाषा को लक्षित करते हैं.

निम्नलिखित छवि मानक सामान्य डेटा मॉडल तालिकाओं के कुछ तत्वों को दिखाती है. 

Common Data Model स्कीमा.

टेबल्स

Dataverse में, टेबल का उपयोग व्‍यवसाय डेटा का मॉडल बनाने और प्रबंधित करने के लिए किया जाता है. उत्पादकता बढ़ाने के लिए, Dataverse में मानक तालिकाओं के रूप में जाना जाने वाला तालिकाओं का एक सेट शामिल है. ये टेबल किसी संगठन के भीतर सबसे सामान्य अवधारणाओं और परिदृश्यों को कैप्चर करने के लिए, सर्वश्रेष्ठ कार्यप्रणालियों के अनुसार, डिज़ाइन किया गया है. मानक तालिकाएं सामान्य डेटा मॉडल का पालन करते हैं.

तालिकाओं का एक सेट जो आमतौर पर उद्योगों में उपयोग किया जाता है, जैसे उपयोगकर्ता और टीम, Dataverse में शामिल हैं और इसे मानक तालिका के रूप में जाना जाता. इन आउट-ऑफ-द-बॉक्स तालिका को भी अनुकूलित किया जा सकता है, जैसे अतिरिक्त कॉलम शामिल करना. इसके अलावा, आप आसानी से Dataverse में अपनी खुद की कस्टम तालिका बना सकते हैं.

टेबल देखें.

कॉलम

कॉलम उन अलग-अलग डेटा आइटम को निर्धारित करती हैं जिनका उपयोग किसी टेबल में डेटा संग्रहीत करने के लिए किया जा सकता है. डेवलपर कभी-कभी फ़ील्ड को विशेषताएँ कहते हैं. किसी विश्वविद्यालय में पाठ्यक्रम का प्रतिनिधित्व करने वाले टेबल में "नाम," "स्थान," "विभाग," "पंजीकृत छात्र" आदि जैसे कॉलम हो सकते हैं.

कॉलम में विभिन्न प्रकार के डेटा हो सकते हैं जैसे अंक, स्ट्रिंग, डिज़िटल डेटा, छवियां और फ़ाइलें. यदि यह समान व्यवसाय प्रक्रिया या प्रवाह का हिस्सा है, तो रिलेशनल और नॉन-रिलेशनल डेटा को कृत्रिम रूप से अलग रखने की कोई आवश्यकता नहीं है. Dataverse बनाए गए मॉडल के लिए डेटा को सर्वश्रेष्ठ संग्रहण प्रकार में संग्रहीत करती है.

इनमें से प्रत्येक कॉलम Dataverse द्वारा समर्थित कई डेटा प्रकारों में से एक से जुड़ा हो सकता है.

कॉलम बनाना.

अधिक जानकारी: कॉलम के प्रकार

संबंध

एक टेबल का डेटा अन्य टेबल के डेटा के साथ प्रायः संबंधित होता है. टेबल संबंध यह निर्धारित करते हैं कि किस तरह पंक्तियाँ, Dataverse मॉडल में एक दूसरे से संबंधित हो सकते हैं.

Dataverse एक तालिका से दूसरे (या तालिका और खुद के बीच) में विभिन्न प्रकार के संबंधों को परिभाषित करने के लिए आसान-से-उपयोग किए जाने वाले विज़ुअल डिजाइनर प्रदान करता है. प्रत्येक टेबल का एक से अधिक टेबल के साथ संबंध हो सकता है, और प्रत्येक टेबल का अन्य टेबल के साथ एक से अधिक संबंध हो सकता है.

खाता तालिका संबंध.

संबंध इस प्रकार हैं:

  • मैनी-टू-वन: इस प्रकार के संबंध में, कई तालिका A रिकॉर्ड को एकल तालिका B रिकॉर्ड से संबद्ध किया जा सकता है. उदाहरण के लिए, छात्रों के एक वर्ग की एक ही कक्षा होती है.

  • वन-टू-मैनी: इस प्रकार के संबंध में, एकल तालिका B रिकॉर्ड को कई तालिका A रिकॉर्ड से संबद्ध किया जा सकता है. उदाहरण के लिए, एक शिक्षक कई कक्षाओं को पढ़ाता है.

  • मैनी-टू-मैनी: इस प्रकार के संबंध में, तालिका A में प्रत्येक रिकॉर्ड, तालिका B में एक से अधिक रिकॉर्ड से मेल खा सकता है और इसके विपरीत भी हो सकता है. उदाहरण के लिए, छात्र अनेक कक्षाओं में पढ़ते हैं, और प्रत्येक कक्षा में एकाधिक छात्र हो सकते हैं.

क्योंकि कई-टू-वन संबंध सबसे आम हैं, Dataverse विशिष्ट डेटा प्रकार प्रदान करता है जिसे लुकअप नाम दिया गया है, जो न केवल इस संबंध को परिभाषित करना आसान बनाता है, बल्कि प्रपत्र और अनुप्रयोग बनाने में उत्पादकता जोड़ता है.

तालिका संबंधों को बनाने के बारे में अधिक जानकारी के लिए देखें तालिकाओं के बीच संबंध बनाएं.

संगठनों को प्रायः ग्राहक के सहभागिता इतिहास, ऑडिट लॉग, पहुँच रिपोर्ट और सुरक्षा घटना ट्रैकिंग रिपोर्ट की उपलब्धता को सुनिश्चित करने के लिए विभिन्न नियमों का अनुपालन करना आवश्यक होता है. हो सकता है कि संगठनों को सुरक्षा और विश्लेषण संबंधी उद्देश्यों के लिए Dataverse डेटा में परिवर्तनों को ट्रैक करना चाहें.

Dataverse एक ऑडिटिंग क्षमता प्रदान करता है जहां किसी संगठन में तालिका और विशेषता डेटा में परिवर्तन विश्लेषण और रिपोर्टिंग में उपयोग के लिए समय के साथ पंक्तिबद्ध हो सकते हैं. ऑडिटिंग को सभी कस्टम—और सबसे अनुकूलन योग्य—तालिका और विशेषताओं पर समर्थित किया जाता है. मेटाडेटा परिवर्तन, ऑपरेशन, ऑपरेशन पुनर्प्राप्तति, निर्यात ऑपरेशन या प्रमाणीकरण के दौरान ऑडिटिंग समर्थित नहीं है. ऑडिटिंग को कॉन्फ़िगर करने के तरीके के बारे में जानकारी के लिए,  ऑडिटिंग प्रबंधित करें Dataverse पर जाएँ.

Dataverse मशीन लर्निंग मॉडल चलाने के लिए तालिका चुनने की क्षमता प्रदान करके विश्लेषण का समर्थन करता है. इसमें AI Builder के माध्यम से एक पूर्वनिर्मित AI क्षमता है.

Dataverse पंक्तियों को क्वेरी करने के तीन तरीके प्रदान करता है:

  • Dataverse खोज

  • क्विक खोज (एकल-टेबल या मल्टी-टेबल)

  • उन्नत ढूँढें

नोट

मल्टी-टेबल क्विक खोज को वर्गीकृत खोज भी कहा जाता है.

अधिक जानकारी के लिए, खोजों की तुलना करें.

Dataverse खोज एकाधिक तालिकाओं में एकल सूची में, प्रासंगिकता के अनुसार क्रमित तेज़ और व्यापक परिणाम वितरित करती है. यह Dataverse खोज प्रदर्शन बढ़ाने के लिए (Azure द्वारा संचालित) एक समर्पित बाहरी खोज सेवा का उपयोग करती है.

Dataverse खोज निम्न एन्हाँसमेंट और लाभ लाती है:

  • बाह्य इंडेक्सिंग और Azure खोज तकनीक के साथ प्रदर्शन को बेहतर बनाती है.

  • तालिका में किसी भी कॉलम में खोज शब्दावली में किसी भी शब्द से मिलान खोजता है, त्वरित खोज की तुलना में जहां खोज शब्दावली से सभी शब्द एक कॉलम में पाए जाने चाहिए.

  • ऐसे मिलान खोजता है जिसमें विभक्ति शब्द, जैसे कि स्ट्रीम, स्ट्रीमिंग, या स्ट्रीम्ड सम्मिलित होते हैं.

  • प्रासंगिकता द्वारा सॉर्ट की गई एक ही सूची में सभी खोज योग्य तालिकाओं से परिणाम प्राप्त करें, इसलिए मिलान जितना बेहतर होगा, सूची में परिणाम उतना ही अधिक दिखाई देगा. अगर खोज शब्द के अधिक शब्द एक दूसरे की निकटता में पाए जाते हैं, तो एक मिलान की उच्चतर प्रासंगिकता होती है. जहां खोज शब्द मिलते हैं, वहाँ पाठ जितना छोटा होगा, प्रासंगिकता उतनी ही उच्च होगी. उदाहरण के लिए, अगर आपको कंपनी नाम और पते में खोज शब्द मिलते हैं, तो एक बड़े आलेख में, एक दूसरे से बहुत दूर, मिलने वाले उसी शब्द की तुलना में बेहतर मिलान हो सकता है.

  • परिणाम सूची में मिलान हाइलाइट करता है. जब कोई खोज शब्दावली किसी पंक्ति में किसी शब्द से मेल खाता है, तो यह शब्द आपके खोज परिणामों में बोल्ड और इटालिक हुए टेक्स्ट के रूप में दिखाई देता है.

Dataverse खोज के बारे में अधिक जानकारी के लिए, पंक्तियों की खोज के लिए Dataverse खोज का उपयोग करना देखें.

त्वरित खोज

Dataverse में पंक्तियों को जल्दी से खोजने की क्षमता शामिल है और इसमें ऐसे दृष्टिकोण हैं जो केवल एक प्रकार की तालिका की खोज करेंगे, जैसे कि ग्राहक, या एक ही समय में कई प्रकार की तालिकाओं में खोज करने के लिए उपयोग किया जाएगा, जैसे संपर्क, उपयोगकर्ता, ग्राहक, और इसी तरह.

एकल-तालिका त्वरित खोज का उपयोग केवल एक प्रकार की पंक्तियों को खोजने के लिए किया जाता है. यह खोज विकल्प एक दृश्य के भीतर से उपलब्ध है.

सिंगल-टेबल क्विक खोज.

बहु-तालिका त्वरित खोज (वर्गीकृत खोज) का उपयोग पंक्तियों को खोजने के लिए भी किया जाता है, लेकिन उन्हें विभिन्न प्रकार की तालिकाओं जैसे खातों या संपर्कों में खोजा जाएगा.

मूल डेटा संग्रह

Dataverse Azure Data Lake Storage के लिए तालिका डेटा की निरंतर प्रतिकृति का समर्थन करता है, जिसका उपयोग Power BI रिपोर्टिंग, मशीन लर्निंग, डेटा वेयरहाउसिंग और अन्य डाउनस्ट्रीम एकीकरण प्रक्रियाओं जैसे विश्लेषण को चलाने के लिए किया जा सकता है.

Azure Data Lake Storage की Dataverse डेटा प्रतिकृति.

यह फीचर एंटरप्राइज बड़े-डेटा विश्लेषण के लिए बनाया गया है. यह लागत प्रभावी, स्केलेबल है, उच्च उपलब्धता और आपदा वसूली क्षमता है, और सर्वश्रेष्ठ विश्लेषण प्रदर्शन सक्षम करता है.

डेटा Common Data Model स्वरूप में संग्रह किया जाता है जो अनुप्रयोग और परिनियोजन में अर्थ-संबंधी निरंतरता प्रदान करता है. Common Data Model में मानकीकृत मेटाडेटा और स्व-वर्णन करने वाला डेटा Power BI, Data Factory, Azure Databricks और Azure मशीन लर्निंग जैसे डेटा उत्पादकों और उपभोक्ताओं के बीच मेटाडेटा की खोज और अंतर को सुविधाजनक बनाता है.

इसे भी देखें

डेटा आयात और निर्यात करना

नोट

क्या आप हमें अपनी दस्तावेज़ीकरण भाषा वरीयताओं के बारे में बता सकते हैं? एक छोटा सर्वेक्षण पूरा करें. (कृपया ध्यान दें कि यह सर्वेक्षण अंग्रेज़ी में है)

सर्वेक्षण में लगभग सात मिनट लगेंगे. कोई भी व्यक्तिगत डेटा एकत्र नहीं किया जाता है (गोपनीयता कथन).