Modèles sémantiques Power BI par défaut dans Microsoft Fabric

by ·

Dans Microsoft Fabric, les modèles sémantiques Power BI sont une description logique d’un domaine analytique, avec des métriques, une terminologie et une représentation adaptées à l’entreprise, pour permettre une analyse plus approfondie. Ce modèle sémantique est généralement un schéma en étoile constitué de faits qui représentent un domaine, ainsi que de dimensions qui vous permettent d’analyser (c’est-à-dire de décomposer) le domaine afin d’explorer, de filtrer et de calculer différentes analyses. Le modèle sémantique est créé automatiquement, et la logique métier susmentionnée est héritée du lakehouse ou de l’entrepôt parent respectivement. L’expérience analytique peut ainsi démarrer rapidement en aval pour des besoins de logique métier et d’analyse avec un élément de Microsoft Fabric qui est géré, optimisé et synchronisé sans aucune intervention de l’utilisateur.

Les visualisations et les analyses contenues dans les rapports Power BI peuvent désormais être entièrement générées sur le web (ou en quelques étapes dans Power BI Desktop), permettant ainsi aux utilisateurs de gagner du temps, des ressources et, par défaut, de fournir une expérience de consommation transparente aux utilisateurs finaux. Le modèle sémantique Power BI par défaut suit la convention d’affectation de noms du lakehouse.

Les modèles sémantiques Power BI représentent une source de données prêtes pour la création de rapports, la visualisation, la découverte et la consommation. Les modèles sémantiques Power BI fournissent :

Extension des constructions d’entrepôts pour inclure des hiérarchies, des descriptions, des relations. Cela autorise une compréhension sémantique plus approfondie d’un domaine.
Catalogage et recherche d’informations sur les modèles sémantiques Power BI dans le hub de données.
Définition d’autorisations sur mesure pour l’isolation et la sécurité des charges de travail.
Création de mesures et de métriques standardisées à des fins d’analyses reproductibles.
Création de rapports Power BI à des fins d’analyses visuelles.
Découverte et utilisation de données dans Excel.
Connexion et analyse de données à l’aide d’outils tiers comme Tableau.

Pour plus d’informations sur Power BI, consultez Assistance sur Power BI.

Notes

Microsoft a renommé le type de contenu jeu de données Power BI en modèle sémantique. Cela s’applique également à Microsoft Fabric. Pour plus d’informations, consultez Nouveau nom pour les jeux de données Power BI.

Mode Direct Lake

Le mode Direct Lake est une nouvelle fonctionnalité de moteur révolutionnaire permettant d’analyser des jeux de données très volumineux dans Power BI. La technologie est basée sur le chargement de fichiers au format parquet directement depuis un lac de données, sans avoir à interroger un entrepôt ou un point de terminaison d’analytique SQL, ni à importer ou dupliquer des données dans un modèle sémantique Power BI. Cette intégration native offre un mode unique d’accès aux données à partir de l’entrepôt ou du point de terminaison d’analytique SQL, appelé Direct Lake.

Direct Lake offre les expériences d’interrogation et de création de rapports les plus performantes. Direct Lake est un chemin d’accès rapide pour charger les données, prêtes pour l’analyse, depuis le lac directement dans le moteur Power BI.

En mode DirectQuery traditionnel, le moteur Power BI interroge directement les données de la source pour chaque exécution de requête, et les performances des requêtes dépendent de la vitesse de récupération des données. DirectQuery élimine la nécessité de copier des données, garantissant ainsi que toutes les modifications apportées à la source sont immédiatement répercutées dans les résultats de la requête.
En mode Importation, les performances sont meilleures, car les données sont facilement disponibles en mémoire, sans avoir à interroger les données à partir de la source pour chaque exécution de requête. Toutefois, le moteur Power BI doit d’abord copier les données dans la mémoire, au moment de l’actualisation des données. Toutes les modifications apportées à la source de données sous-jacente sont récupérées lors de la prochaine actualisation des données.
Le mode Direct Lake élimine cette exigence d’importation en chargeant les fichiers de données directement en mémoire. Étant donné qu’il n’existe aucun processus d’importation explicite, il est possible de récupérer les modifications apportées à la source au fur et à mesure qu’elles se produisent. Direct Lake combine les avantages de DirectQuery et du mode Importation tout en évitant leurs inconvénients. Le mode Direct Lake est le choix approprié pour analyser des jeux de données très volumineux et des jeux de données avec des mises à jour fréquentes au niveau de la source de données.

Le mode Direct Lake est le type de connexion par défaut des modèles sémantiques qui utilisent un entrepôt ou un point de terminaison d’analytique SQL comme source de données.

Comprendre ce qui se trouve dans le modèle sémantique Power BI par défaut

Lorsque vous créez un Entrepôt ou un point de terminaison d’analytique SQL, un modèle sémantique Power BI par défaut est créé. Le modèle sémantique par défaut est représenté avec le suffixe (par défaut).

Le modèle sémantique par défaut est interrogé via le point de terminaison d’analytique SQL et mis à jour via les modifications apportées au Lakehouse ou à l’entrepôt. Vous pouvez également interroger le modèle sémantique par défaut au moyen de requêtes de bases de données croisées depuis un entrepôt (Warehouse).

Par défaut, l’ensemble des tables et des affichages de l’entrepôt sont automatiquement ajoutés au modèle sémantique Power BI par défaut. Pour plus de flexibilité, les utilisateurs peuvent aussi sélectionner manuellement les tables ou les vues de l’entrepôt qu’ils souhaitent inclure dans le modèle. Les objets qui se trouvent dans le modèle sémantique Power BI par défaut sont créés en tant que disposition dans l’affichage du modèle.

La synchronisation en arrière-plan qui inclut des objets (tables et affichages) attend que le modèle sémantique en aval ne soit pas utilisé, respectant ainsi l’obsolescence limitée. Les utilisateurs peuvent toujours choisir manuellement les tables qu’ils souhaitent ou non dans le modèle sémantique.

Mettre à jour manuellement le modèle sémantique Power BI par défaut

Dès lors qu’il existe des objets dans le modèle sémantique Power BI par défaut, il est possible de valider ou d’inspecter visuellement les tables de deux façons :

Sélectionnez le bouton Mettre à jour manuellementle modèle sémantique dans le ruban.
Passez en revue la disposition par défaut pour les objets de modèle sémantique par défaut.

La disposition par défaut pour les tables compatibles BI persiste dans la session utilisateur et est générée chaque fois qu’un utilisateur accède à l’affichage du modèle. Recherchez l’onglet Objets de modèle sémantique par défaut.

Accéder au modèle sémantique Power BI par défaut

Pour accéder aux modèles sémantiques Power BI par défaut, accédez à votre espace de travail et recherchez le modèle sémantique qui correspond au nom du Lakehouse souhaité. Le modèle sémantique Power BI par défaut suit la convention d’affectation de noms du lakehouse.

Screenshot showing where to find a semantic model.

Pour charger le modèle sémantique, sélectionnez le nom du modèle sémantique.

Surveiller le modèle sémantique Power BI par défaut

Vous pouvez surveiller et analyser l’activité sur le modèle sémantique avec SQL Server Profiler en vous connectant au point de terminaison XMLA.

SQL Server Profiler s’installe avec SQL Server Management Studio (SSMS) et permet le suivi et le débogage des événements de modèle sémantique. Bien qu’officiellement déprécié pour SQL Server, Profiler est toujours inclus dans SSMS et reste pris en charge pour Analysis Services et Power BI. L’utilisation avec le modèle sémantique Power BI de Fabric par défaut nécessite SQL Server Profiler version 18.9 ou ultérieure. Les utilisateurs doivent spécifier le modèle sémantique comme catalogue initial lors de la connexion avec le point de terminaison XMLA. Pour en savoir plus, consultez SQL Server Profiler pour Analysis Services.

Créer le script du modèle sémantique Power BI par défaut

Vous pouvez générer le script du modèle sémantique Power BI par défaut à partir du point de terminaison XMLA avec SQL Server Management Studio (SSMS).

Affichez le schéma TMSL (Tabular Model Scripting Language) du modèle sémantique en en générant le script via l’Explorateur d’objets dans SSMS. Pour vous connecter, utilisez la chaîne de connexion du modèle sémantique, qui ressemble à powerbi://api.powerbi.com/v1.0/myorg/username. Vous trouverez la chaîne de connexion de votre modèle sémantique dans les Paramètres, sous Paramètres du serveur. À partir de là, vous pouvez générer un script XMLA du modèle sémantique via l’action du menu contextuel Script de SSMS. Pour en savoir plus, consultez Connectivité des jeux de données avec le point de terminaison XMLA.

La création de scripts nécessite des autorisations d’écriture Power BI sur le modèle sémantique Power BI. Avec des autorisations de lecture, vous pouvez voir les données, mais pas le schéma du modèle sémantique Power BI.

Créer un modèle sémantique Power BI

Dans certaines circonstances, votre organisation peut avoir besoin de créer des modèles sémantiques Power BI supplémentaires basés sur les données de l’entrepôt ou du point de terminaison d’analytique SQL.

Le bouton Nouveau modèle sémantique Power BI hérite de la configuration du modèle sémantique par défaut et permet une personnalisation supplémentaire. Le modèle sémantique par défaut joue le rôle de modèle de départ, ce qui permet de garantir une version unique de la vérité. Par exemple, si vous utilisez le modèle sémantique par défaut, que vous définissez de nouvelles relations, puis que vous utilisez le bouton Nouveau modèle sémantique Power BI, le nouveau modèle sémantique hérite de ces relations si les tables sélectionnées incluent ces nouvelles relations.

Pour créer un modèle sémantique Power BI à partir d’un entrepôt, procédez comme suit :

Accédez à l’expérience de Data Warehouse (entrepôt de données) dans le portail Fabric.
Ouvrez l’entrepôt. Basculez vers le ruban Création de rapports.
Dans le ruban Création de rapports (Reporting), sélectionnez Nouveau modèle sémantique, puis, dans la boîte de dialogue Nouveau modèle sémantique, sélectionnez les tables à inclure, puis sélectionnez Confirmer.
Power BI enregistre automatiquement le modèle sémantique dans l’espace de travail en fonction du nom de votre entrepôt, puis ouvre le modèle sémantique dans Power BI.
Sélectionnez Open data model (Ouvrir un modèle de données) pour ouvrir l’expérience de modélisation web Power BI dans laquelle vous pouvez ajouter des relations de table et des mesures DAX.

Pour en savoir plus sur la modification des modèles de données dans le service Power BI, consultez Modifier des modèles de données.

Limites

Les modèles sémantiques Power BI par défaut suivent les limitations actuelles des modèles sémantiques dans Power BI. En savoir plus :

Si les types de données parquet, Apache Spark ou SQL ne peuvent pas être mappés à l’un des types de données Power BI Desktop, ils sont abandonnés dans le cadre du processus de synchronisation. Cela est conforme au comportement actuel de Power BI. Pour ces colonnes, nous vous recommandons d’ajouter des conversions de type explicites dans leurs processus ETL afin de les convertir dans un type pris en charge. Si des types de données sont nécessaires en amont, les utilisateurs peuvent éventuellement spécifier une vue en SQL avec la conversion de type explicite souhaitée. Elle sera récupérée par la synchronisation ; il est également possible de l’ajouter manuellement comme indiqué précédemment.