Cenários de uso do Power BI: BI de autoatendimento gerenciado personalizável
Nota
Este artigo faz parte da série de artigos de planejamento de implementação do Power BI. Esta série se concentra principalmente na experiência do Power BI no Microsoft Fabric. Para obter uma introdução à série, consulte Planejamento de implementação do Power BI.
Conforme descrito no roteiro de adoção do Fabric, o BI de autoatendimento gerenciado é caracterizado por uma abordagem combinada que enfatiza a disciplina no núcleo e a flexibilidade na borda. A arquitetura de dados geralmente é mantida por uma única equipe de especialistas em BI centralizados, enquanto a responsabilidade de relatar pertence aos criadores dentro de departamentos ou unidades de negócios.
No entanto, quando a arquitetura de dados principal não inclui todos os dados necessários, os criadores de modelos semânticos podem ampliar, personalizar ou personalizar modelos semânticos compartilhados existentes. Novos modelos semânticos especializados podem ser criados que atendam aos requisitos de negócios não atendidos pelos modelos semânticos existentes fornecidos centralmente. É importante ressaltar que não há duplicação de dados principais. Esse cenário de uso é chamado de BI de autoatendimento gerenciado personalizável.
Nota
Esse cenário de BI de autoatendimento gerenciado personalizável é o segundo dos cenários de BI de autoatendimento. Esse cenário se baseia no que pode ser feito com um modelo semântico compartilhado centralizado (que foi introduzido no cenário de BI de autoatendimento gerenciado). Uma lista de todos os cenários pode ser encontrada no artigo Cenários de uso do Power BI.
Por uma questão de brevidade, alguns aspetos descritos no tópico Cenários de colaboração e entrega de conteúdo não são abordados neste artigo. Para uma cobertura completa, leia esses artigos primeiro.
Diagrama de cenário
O diagrama a seguir mostra uma visão geral de alto nível das ações mais comuns do usuário e dos componentes do Power BI para dar suporte ao BI de autoatendimento gerenciado personalizável. O foco principal é fornecer aos criadores de conteúdo nas unidades de negócios a capacidade de criar um modelo de dados especializado, estendendo um modelo semântico compartilhado existente. O objetivo é alcançar a reutilização sempre que possível e permitir flexibilidade para atender a requisitos analíticos adicionais.
Gorjeta
Recomendamos que você baixe o diagrama de cenário se quiser incorporá-lo em sua apresentação, documentação ou postagem de blog, ou imprimi-lo como um pôster de parede. Como é uma imagem SVG (Scalable Vetor Graphics), você pode dimensioná-la para cima ou para baixo sem perda de qualidade.
O diagrama de cenário descreve as seguintes ações, ferramentas e recursos do usuário:
| Item | Descrição |
|---|---|
 |
O criador do modelo semântico A desenvolve um modelo usando o Power BI Desktop. Para um modelo semântico destinado à reutilização, é comum (mas não obrigatório) que o criador pertença a uma equipe centralizada que ofereça suporte a usuários além dos limites organizacionais (como TI, BI corporativo ou Centro de Excelência). |
 |
O Power BI Desktop se conecta a dados de uma ou mais fontes de dados. |
 |
O desenvolvimento do modelo de dados é feito no Power BI Desktop. É feito um esforço adicional para criar um modelo bem projetado e fácil de usar, para que possa ser usado como fonte de dados por muitos criadores de relatórios de autoatendimento. Os criadores de modelos podem usar consultas DAX para desenvolver e explorar o modelo durante o desenvolvimento. |
 |
Quando estiver pronto, o criador do modelo A publica seu arquivo do Power BI Desktop (.pbix) ou arquivo de projeto do Power BI (.pbip) que contém apenas um modelo para o serviço do Power BI. |
 |
O modelo semântico é publicado em um espaço de trabalho dedicado a armazenar e proteger modelos semânticos compartilhados. Uma vez que o modelo semântico se destina à reutilização, é aprovado (certificado ou promovido, conforme o caso). O modelo semântico também é marcado como detetável para incentivar ainda mais sua reutilização. O modo de exibição de linhagem no serviço do Power BI pode ser usado para controlar dependências que existem entre itens do Power BI. |
 |
A descoberta de dados no hub de dados OneLake está habilitada porque o modelo semântico está marcado como detetável. A capacidade de descoberta permite que a existência de um modelo semântico seja visível no hub de dados do OneLake por outros criadores de conteúdo do Power BI que estejam procurando dados. |
 |
Os criadores de conteúdo usam o hub de dados OneLake no serviço Power BI para pesquisar itens de dados detetáveis, como modelos semânticos. |
 |
Se os criadores de conteúdo tiverem permissão, eles poderão solicitar a permissão Criar em itens de dados. Isso inicia um fluxo de trabalho para solicitar a permissão de compilação de um aprovador autorizado. Depois de ter permissão, os criadores de conteúdo podem reutilizar os itens de dados para criar novas soluções. |
 |
No Power BI Desktop, o criador do modelo B cria uma conexão em tempo real com o modelo semântico compartilhado original localizado no serviço do Power BI. Como a intenção é estender e personalizar o modelo semântico original, a conexão ao vivo é convertida em um modelo DirectQuery. Essa ação resulta em um modelo local no arquivo do Power BI Desktop. |
 |
O Power BI Desktop se conecta a dados de fontes de dados adicionais. O objetivo é aumentar o modelo semântico compartilhado para que requisitos analíticos adicionais sejam atendidos pelo novo modelo semântico composto especializado. |
 |
As relações são criadas no Power BI Desktop entre as tabelas existentes (do modelo semântico compartilhado, também conhecido como modelo remoto) e as novas tabelas recém-importadas (armazenadas no modelo local). Cálculos adicionais e trabalho de modelagem são feitos no Power BI Desktop para concluir o design do modelo composto especializado. |
 |
Quando pronto, o criador do modelo semântico B publica seu arquivo .pbix ou .pbip no serviço do Power BI. |
 |
O novo modelo semântico composto especializado é publicado em um espaço de trabalho dedicado a armazenar e proteger modelos semânticos que são de propriedade e gerenciados pelo departamento. |
 |
O modelo semântico especializado permanece conectado ao modelo semântico compartilhado original do Power BI. Quaisquer alterações no modelo semântico compartilhado original afetarão os modelos semânticos compostos especializados a jusante que dependem dele. |
 |
Outros criadores de relatórios de autoatendimento podem criar novos relatórios conectados ao modelo semântico composto especializado. Os criadores de relatórios podem optar por usar o Power BI Desktop, o Construtor de Relatórios do Power BI ou o Excel. |
 |
Os relatórios são publicados em um espaço de trabalho dedicado a armazenar e proteger relatórios e painéis. |
 |
Os relatórios publicados permanecem conectados ao modelo semântico especializado armazenado em um espaço de trabalho diferente. Quaisquer alterações no modelo semântico especializado afetam todos os relatórios conectados a ele. |
 |
Algumas fontes de dados podem exigir um gateway de dados local ou um gateway VNet para atualização de dados, como aqueles que residem em uma rede organizacional privada. |
 |
Os administradores de malha supervisionam e monitoram a atividade no portal de malha. |
Pontos principais
A seguir estão alguns pontos-chave a serem enfatizados sobre o cenário de BI de autoatendimento gerenciado personalizável.
Modelo semântico compartilhado
O aspeto fundamental de fazer o BI de autoatendimento gerenciado funcionar é minimizar o número de modelos semânticos. Este cenário retrata um modelo semântico compartilhado que contribui para alcançar uma única versão da verdade.
Nota
Para simplificar, o diagrama de cenário representa apenas um modelo semântico compartilhado. No entanto, geralmente não é prático modelar todos os dados organizacionais em um único modelo semântico. O outro extremo é criar um novo modelo semântico para cada relatório, como os criadores de conteúdo menos experientes costumam fazer. O objetivo é encontrar o equilíbrio certo, inclinando-se para relativamente poucos modelos semânticos e criando novos modelos semânticos quando fizer sentido fazê-lo.
Aumentar o modelo semântico compartilhado inicial
Às vezes, os criadores de autoatendimento precisam aumentar um modelo semântico existente com, por exemplo, dados adicionais específicos para seu departamento. Nesse caso, eles podem usar conexões DirectQuery para modelos semânticos do Power BI. Esse recurso permite um equilíbrio ideal entre a habilitação de autosserviço e, ao mesmo tempo, aproveita o investimento em ativos de dados gerenciados centralmente. O diagrama de cenário representa uma conexão DirectQuery. O ato de converter uma conexão ao vivo em uma conexão DirectQuery cria um modelo local que permite que novas tabelas sejam adicionadas. As relações podem ser criadas entre tabelas a partir do modelo semântico compartilhado original (o modelo remoto) e novas tabelas recém-adicionadas (o modelo local). Cálculos adicionais e modelagem de dados podem ser feitos para personalizar o novo modelo de dados.
Gorjeta
Este cenário destaca a reutilização de um modelo semântico compartilhado. No entanto, às vezes há situações em que os modeladores de dados querem limitar a criação de modelo de dados downstream. Nesse caso, eles podem habilitar a propriedade Desencorajar conexões DirectQuery nas configurações do Power BI Desktop.
Endosso do modelo semântico
Como os modelos semânticos compartilhados são destinados à reutilização, é útil endossá-los . Um modelo semântico certificado transmite aos criadores de relatórios que os dados são confiáveis e atendem aos padrões de qualidade da organização. Um modelo semântico promovido destaca que o proprietário do modelo semântico acredita que os dados são valiosos e valem a pena para outros usarem.
Gorjeta
É uma prática recomendada ter um processo consistente, repetível e rigoroso para endossar conteúdo. O conteúdo certificado deve indicar que a qualidade dos dados foi validada. Também deve seguir regras de gestão de mudanças, ter apoio formal e estar totalmente documentado. Como o conteúdo certificado passou por padrões rigorosos, as expectativas de confiabilidade são maiores.
Descoberta de modelo semântico
O hub de dados OneLake ajuda os criadores de relatórios a encontrar, explorar e usar modelos semânticos em toda a organização. Além do endosso do modelo semântico, habilitar a descoberta do modelo semântico é fundamental para promover sua reutilização. Um modelo semântico detetável é visível no hub de dados para criadores de relatórios que estão procurando dados.
Nota
Se um modelo semântico não estiver configurado para ser detetável, somente os usuários do Power BI com permissão de Compilação poderão encontrá-lo.
Solicitar acesso ao modelo semântico
Um criador de relatório pode encontrar um modelo semântico no hub de dados que deseja usar. Se eles não tiverem permissão de compilação para o modelo semântico, eles podem solicitar acesso. Dependendo da configuração de acesso de solicitação para o modelo semântico, um e-mail será enviado ao proprietário do modelo semântico ou instruções personalizadas serão apresentadas à pessoa que está solicitando acesso.
Publicar em espaços de trabalho separados
Há várias vantagens em publicar relatórios em um espaço de trabalho diferente de onde o modelo semântico está armazenado.
Primeiro, há clareza sobre quem é responsável pelo gerenciamento de conteúdo em qual espaço de trabalho. Em segundo lugar, os criadores de relatórios têm permissões para publicar conteúdo em um espaço de trabalho de relatório (por meio de funções de administrador, membro ou colaborador do espaço de trabalho). No entanto, eles só têm permissões de leitura e compilação para modelos semânticos específicos. Essa técnica permite que a segurança em nível de linha (RLS) entre em vigor quando necessário para usuários atribuídos à função de visualizador.
Análise de dependência e de impacto
Quando um modelo semântico compartilhado é usado por outros modelos semânticos ou relatórios, esses objetos dependentes podem existir em muitos espaços de trabalho. A visão de linhagem ajuda a identificar e entender as dependências a jusante. Ao planejar uma alteração de modelo semântico, primeiro execute a análise de impacto para entender quais modelos semânticos ou relatórios devem ser editados ou testados.
Configuração do gateway
Normalmente, um gateway de dados é necessário ao acessar fontes de dados que residem na rede organizacional privada ou em uma rede virtual. O gateway de dados local torna-se relevante quando um arquivo do Power BI Desktop é publicado no serviço do Power BI. As duas finalidades de um gateway são atualizar dados importados ou exibir um relatório que consulta uma conexão em tempo real ou um modelo semântico DirectQuery .
Nota
Para cenários de BI de autoatendimento gerenciados personalizáveis, um gateway de dados centralizado no modo padrão é altamente recomendado em relação aos gateways no modo pessoal. No modo padrão, o gateway de dados suporta conexão ao vivo e operações DirectQuery (além de operações de atualização de dados agendadas).
Supervisão do sistema
O log de atividades registra as atividades do usuário que ocorrem no serviço do Power BI. Os administradores do Power BI podem usar os dados do log de atividades coletados para executar auditorias para ajudá-los a entender os padrões de uso e a adoção. O registro de atividades também é valioso para dar suporte aos esforços de governança, auditorias de segurança e requisitos de conformidade. Com um cenário de BI de autoatendimento gerenciado personalizável, é particularmente útil controlar o uso do modelo semântico compartilhado original, bem como dos modelos semânticos dependentes.
Conteúdos relacionados
No próximo artigo desta série, saiba mais sobre como reutilizar o trabalho de preparação de dados com fluxos de dados no cenário de preparação de dados de autoatendimento.