Microsoft Power BI Blog на рус... Заметка

Microsoft Power BI Blog на русском

Power BI - это сервис бизнес-аналитики от Microsoft. Он позволяет пользователям создавать интерактивные визуализации и отчеты бизнес-аналитики на основе данных из различных источников, включая базы данных, облачные сервисы, электронные таблицы и многое другое. Одной из ключевых особенностей Power BI является возможность подключения к различным источникам данных, таким как файлы Excel, SQL Server, Oracle, Azure Cosmos DB и даже веб-сайты. Это позволяет пользователям анализировать и визуализировать данные в различных контекстах и создавать комплексные отчеты. Power BI предоставляет различные инструменты для подготовки, визуализации и анализа данных. Он включает набор функций преобразования данных, которые позволяют легко извлекать, преобразовывать и загружать данные из этих источников непосредственно в приложение Power BI. Затем пользователи могут создавать отчеты с помощью различных визуализаций, таких как диаграммы, графики, карты и датчики, которые могут быть расположены на приборных панелях. Power BI хорошо интегрируется с другими продуктами Microsoft, такими как Azure Stack, Access, Azure и SQL Server, а также с другими приложениями, такими как Google Analytics, Salesforce или SharePoint и многими другими. Пользователи могут делиться своими отчетами в рамках своих организаций с помощью службы Power BI, которая предлагает различные уровни доступа для совместной работы. Например, пользователи могут делиться прямыми ссылками на отчеты, планировать автоматическое обновление отчетов или встраивать их в веб-сайты или сайты SharePoint. Страница сообщества Power BI является активной и представляет собой форум, на котором пользователи могут делиться знаниями, запрашивать новые функции и находить доступные ресурсы. Кроме того, Power BI регулярно выпускает обновления, новые функции и исправления ошибок.

Трэд заметок

Семантические модели Power BI часто используют Azure Databricks, что ставит перед критическим выбором режима хранения. Это решение влияет на стоимость, безопасность, простоту разработки и, что наиболее важно, на производительность отчетов. Разработчики часто полагаются на интуицию, а не на эмпирические данные при этом выборе. В новом техническом документе "Современные варианты архитектуры Power BI для отчетности по Azure Databricks" проводится сравнительное тестирование четырех режимов хранения. Эти режимы включают Direct Lake на OneLake, Direct Lake на зеркалированных таблицах Unity Catalog, DirectQuery на хранилище Databricks SQL и составную модель, объединяющую DirectQuery с агрегациями в режиме импорта. Исследование показало, что нет единственного лучшего решения, но появились четкие тенденции. Direct Lake на OneLake, как правило, хорошо работал в различных ситуациях, особенно для небольших и средних объемов и типичных повторяющихся рабочих нагрузок Power BI. Для чрезвычайно больших наборов данных с миллиардами строк составная модель с агрегациями оказалась самой быстрой и стабильной. Однако преимущество составной модели ограничено запросами, обрабатываемыми таблицами агрегатов, что требует тщательного соответствия поведению пользователей. Эти выводы являются предварительными; подробные результаты варьируются в зависимости от объема данных, состояния кэша, сценария фильтрации и типа запроса. Технический документ, выпущенный в июне/июле 2026 года, фокусируется на опыте конечных пользователей при работе с запросами в Power BI и должен направлять индивидуальное тестирование.
Вычисляемые столбцы теперь доступны в предварительной версии для Direct Lake в семантических моделях OneLake, что отвечает ключевому запросу пользователей. Эта функция позволяет создавать производные столбцы непосредственно в семантической модели с использованием DAX. Ранее для этого требовалось перемещение данных в другой режим хранения или передача логики на вышестоящий уровень. Direct Lake обеспечивает производительность, аналогичную режиму импорта, с почти реальным обновлением данных путем запроса таблиц Delta. Типичные сценарии использования включают получение производных значений, объединение полей, форматирование дат и персонализацию контента. Вычисляемые столбцы в Direct Lake поддерживают свойство "Контекст выражения", которое оценивается во время выполнения запроса и учитывает безопасность пользователей. Это означает, что они автоматически соответствуют безопасности на уровне строк и объектов. В отличие от стандартных вычисляемых столбцов, версии Direct Lake оцениваются в контексте безопасности пользователя. Это предотвращает раскрытие конфиденциальных данных, если у пользователя нет соответствующих разрешений. Однако вычисляемые столбцы Direct Lake не могут использоваться в связях, поскольку они не материализуются. Они также не учитывают контекст фильтра, что означает, что их результаты фиксированы для каждой строки. Меры следует использовать, когда требуются динамические результаты, основанные на взаимодействии с отчетом. Для начала откройте семантическую модель Direct Lake на OneLake и создайте вычисляемый столбец.
Мастер обновления Dataflows теперь предлагает управляемый предварительный просмотр для подходящих рабочих областей для миграции Power BI Dataflows Gen1 в Fabric Dataflows Gen2. Этот мастер сохраняет основные свойства потоков данных и предварительно оценивает элементы, уточняя область обновления. Хотя Power BI Dataflows Gen1 по-прежнему поддерживаются, новые разработки сосредоточены на Fabric Dataflows Gen2, что позволяет модернизировать организацию в удобном для нее темпе. Fabric Dataflows Gen2 основан на Power Query, добавляя возможности для разработки, эксплуатации и интеграции в Fabric. Он поддерживает множество источников данных и интегрируется с Git для управления исходным кодом и рабочих процессов развертывания. Доступны улучшения производительности, такие как Fast Copy и Modern Evaluator, которые потенциально могут значительно сократить время обновления. Copilot в Data Factory может помочь в создании Dataflow Gen2 с использованием естественного языка. Пользователи могут инициировать обновление, выбрав элемент Dataflows Gen1 и добавив другие из той же рабочей области. Обновленный элемент сохраняет свой идентификатор, расписание, запросы и подключения, при этом исходный элемент заменяется. Перед обновлением мастер оценивает потоки данных, указывая, готовы ли они, требуют внимания или недоступны для обновления. После обновления пользователи должны обновить данные, повторно привязать зависимости, выполнить любые необходимые действия и обновить потребителей до современного коннектора.
Каждый отчет Power BI основан на семантической модели. Эта модель преобразует необработанные данные в значимые бизнес-термины с определенными метриками и связями. Она обеспечивает согласованность и доверие к цифрам, представленным в отчетах. Файлы Power BI Desktop изначально содержат определения этих семантических моделей, которые отделяются от визуальных элементов при публикации. Организации часто создают эти семантические модели, не называя их так явно.Большие языковые модели, несмотря на свое владение языком, не обладают присущими им знаниями о бизнесе. Без контекста ИИ может генерировать правдоподобные, но неверные ответы на бизнес-специфичные вопросы. "Fabric IQ" от Microsoft Fabric решает эту проблему, используя существующие семантические модели Power BI. Он основывает ИИ на бизнес-языке и определениях организации, предотвращая неверные интерпретации.Существующие семантические модели Power BI могут напрямую питать Fabric IQ, делая определенные концепции доступными для ИИ-агентов и инструментов, таких как Microsoft 365 Copilot. Эта интеграция позволяет ИИ предоставлять ответы, основанные на установленной бизнес-логике, а не на статистических догадках. Семантические модели могут включать синонимы и описания для дальнейшего улучшения понимания ИИ и предоставления контекста из отчетов. Важно отметить, что эта интеграция ИИ не требует перестройки существующих моделей Power BI.Подключая ИИ к тем же семантическим моделям, которые используются для отчетности, организации гарантируют, что как пользователи, так и ИИ-агенты получают согласованные цифры. Это предотвращает расхождения между ответами, сгенерированными ИИ, и данными на панелях мониторинга, сохраняя доверие к данным. Плохо реализованное внедрение ИИ, которое выдает цифры, отличающиеся от установленных отчетов, наносит ущерб."Frontier Firms" — это те, кто принимает сотрудничество человека и агента, причем ИИ-агенты все чаще выполняют задачи, ранее выполнявшиеся вручную. По сути, этим агентам необходимо понимать специфический бизнес-контекст, который уже предоставляют семантические модели Power BI. Ключевая задача для организаций — идентифицировать, сертифицировать и курировать свои существующие доверенные семантические модели. Продвижение этих курируемых моделей в Fabric IQ — это процесс усовершенствования, а не обширного нового строительства. Компании, которые распознают и используют свои существующие активы данных, такие как семантические модели Power BI, будут лидировать во внедрении ИИ.
Август 2026 года принесет значительные обновления Power BI в различных функциях. Ключевые улучшения включают современные визуальные настройки по умолчанию и настраиваемые темы, обеспечивающие отполированный и единообразный вид отчетов. Визуальный элемент среза выбора даты теперь поддерживает выбор одной даты и очистку значка заголовка. Круговые диаграммы могут отображать значения в центре с обширными параметрами форматирования. Отчеты в корпоративных приложениях теперь поддерживают комментарии, позволяя вести совместные обсуждения с упоминаниями (@).Визуальные элементы матрицы получили возможность разворачивать и сворачивать заголовки столбцов, отражая функциональность заголовков строк. Авторы отчетов теперь могут устанавливать состояние закрепления по умолчанию для заголовков строк матрицы через панель форматирования. URL-адреса файлов OneLake теперь можно использовать для визуальных элементов отчетов и карт, упрощая поиск изображений. Карты Azure получили улучшения в сопоставлении форм, загрузке отфильтрованных выборок и автоматическом масштабировании. Возможности Copilot и ИИ улучшены за счет обновленных разрешений семантической модели для приложений Fabric и возможности чтения визуальных элементов, скрытых закладками.Power BI Desktop отказывается от старого интерфейса выбора файлов, требуя обновлений для обеспечения непрерывной работы сохранения в OneDrive и SharePoint. Функции подключения к данным получили улучшения в области доступности, темного режима и удобства использования. Пользователи мобильных устройств теперь могут вращать вид в нижнем колонтитуле отчета и экспортировать данные в Excel непосредственно из приложения. Встроенная аналитика получила улучшения для Power BI в SharePoint Online. Разработчики получили улучшенный опыт благодаря более быстрой разработке PBIP и мгновенным перезагрузкам.
Проекты Power BI, или PBIP, позволяют создавать отчеты и семантические модели на основе файлов, поддерживая рабочие процессы разработчиков, такие как контроль версий и автоматизация. Ранее изменения, внесенные вне Power BI Desktop, требовали перезапуска для отображения. Это обновление вводит автоматическое обнаружение внешних изменений файлов PBIP. Когда файл PBIP изменяется, Power BI Desktop теперь предлагает пользователям перезагрузить обновленный проект. Применение этих внешних изменений позволяет немедленно обновить данные без необходимости перезапуска приложения. Это значительно упрощает рабочий процесс между Power BI Desktop и внешними инструментами редактирования. Кроме того, Power BI Desktop теперь предлагает опцию "Открыть в VS Code" для проектов PBIP. Это напрямую запускает Visual Studio Code с загруженным проектом, предоставляя мгновенный доступ к файлам проекта. Эти улучшения облегчают использование файлов PBIP с внешними инструментами и скриптами автоматизации. Пользователи теперь могут беспрепятственно редактировать файлы проекта в Visual Studio Code, обновлять их с помощью скриптов или работать с инструментами разработки на базе ИИ. Тестирование этой функции включает открытие проекта PBIP, использование опции "Открыть в VS Code", внесение изменений и последующее их применение в Power BI Desktop. Эта новая функциональность создает более плавный и интегрированный опыт для разработчиков, работающих с проектами Power BI.
Клиенты, переходящие на биллинг на основе выделения ресурсов, часто спрашивают, как контролировать потребление ресурсов для конкретных рабочих нагрузок. Пользовательские SQL-пулы предлагают решение, обеспечивая изоляцию рабочих нагрузок и управление ими, что напрямую влияет на использование ресурсов. Эти пулы позволяют клиентам намеренно жертвовать производительностью ради меньшего потребления ресурсов. Например, рабочая нагрузка отчетности с пиковым потреблением, ограниченная пользовательским SQL-пулом, может масштабироваться до меньшего количества ресурсов, работать дольше, но потреблять меньше ресурсов, подлежащих оплате. Реальный пример включает ETL-процесс, который не был чувствителен к задержкам, но требовал контролируемого потребления ресурсов. Ограничив пропускную способность, ETL-рабочая нагрузка работала дольше, но потребляла ресурсы с более стабильной скоростью. Пользовательские SQL-пулы идеально подходят для рабочих нагрузок, не чувствительных к задержкам, которые могут допускать более длительное время выполнения и конкурировать за ресурсы. Они особенно полезны для ETL, фоновой обработки и отчетности Power BI для обеспечения предсказуемого потребления ресурсов. Важно отметить, что пользовательские SQL-пулы не являются прямыми лимитами расходов или бюджетными ограничениями. Вместо этого они действуют как ограничители, определяющие максимальный доступ к ресурсам для каждой рабочей нагрузки. Будущие улучшения включают выделение ресурсов на основе идентификации и настраиваемые встроенные границы рабочих нагрузок для большей гибкости. В конечном итоге, пользовательские SQL-пулы предоставляют клиентам более явный контроль над выделением ресурсов и управлением ими. Основная функция — управление рабочими нагрузками, но в модели биллинга на основе выделения это косвенно помогает управлять потреблением. Если рабочая нагрузка может выполняться дольше, пользовательские SQL-пулы могут эффективно снизить ее потребление ресурсов.
Power BI Desktop Bridge предлагает новый способ для внешних приложений взаимодействовать напрямую с Power BI Desktop. Он функционирует как легкий локальный сервер, создавая защищенный канал для инструментов и скриптов. Это позволяет агентам проверять текущее состояние отчета и обнаруживать несохраненные изменения. Они также могут запускать ключевые действия, такие как перезагрузка файлов после внесения изменений. Кроме того, мост позволяет захватывать скриншоты для проверки визуальных изменений в режиме реального времени. Ранее интеллектуальные агенты имели ограничения при взаимодействии с Power BI Desktop напрямую. Теперь они могут читать состояние отчета, редактировать файлы на диске и сразу видеть изменения после перезагрузки. Это позволяет осуществлять немедленную итерацию и улучшение без ручной передачи. Навык создания отчетов является ярким примером, демонстрирующим, как мост автоматизирует создание и совершенствование отчетов. Power BI Desktop Bridge включен по умолчанию в Power BI Desktop и может быть управляем в предварительных функциях. CLI Power BI Desktop Bridge предоставляет простой способ начать использовать его возможности. Команды, такие как manifest, status, reload и screenshot-all, предлагают практические способы использования моста. Эта технология готова революционизировать то, как пользователи работают с Power BI Desktop, позволяя автоматизацию.
CdXz5zHNQW_G7YJWraVvc.png