トピック1、Litware. Inc.
概要
Litware. Inc. は、北米全土にオフィスを構える製造会社です。Litware の分析チームには、データ エンジニア、分析エンジニア、データ アナリスト、データ サイエンティストが所属しています。
既存の環境
litware は 3 年間 Microsoft Power Bl テナントを使用しています。Litware は Fabric の容量と機能を有効にしていません。
ファブリック環境
Litware には、次の表に示すように分析する必要があるデータがあります。

製品データには、1 つのテーブルと次の列が含まれています。

顧客満足度データには次の表が含まれています。
* 調査
* 質問
* 応答
提出された調査ごとに、次の処理が行われます。
* 調査テーブルに 1 行が追加されます。
* アンケートの質問ごとに、回答テーブルに 1 行が追加されます。
質問テーブルには、各調査の質問のテキストが含まれています。各調査の回答の 3 番目の質問は、全体的な満足度スコアです。顧客は、購入ごとに調査を送信できます。
ユーザーの問題
分析チームには大量のデータがあり、その一部は半構造化されています。チームは Fabric を使用して新しいデータ ストアを作成したいと考えています。
製品データは、多くの場合、高、中、低の 3 つの価格グループに分類されます。このロジックは、いくつかのデータベースとセマンティック モデルに実装されていますが、実装間でロジックが必ずしも一致するとは限りません。
計画された変更
Litware は、既存のテナントで Fabric 機能を有効にする予定です。分析チームは、概念実証 (PoC) として新しいデータ ストアを作成します。残りの Litware ユーザーは、PoC が完了した後にのみ Fabric 機能にアクセスできるようになります。PoC は、Fabric の試用容量を使用して完了します。
次の 3 つのワークスペースが作成されます。
* AnalyticsPOC: データストア、セマンティックモデル、レポート、パイプライン、データフロー、およびデータストアへのデータ入力に使用されるノートブックが含まれます。
* DataEngPOC: Onelakeにデータを入力するために使用されるすべてのパイプライン、データフロー、ノートブックが含まれます
* DataSciPOC: データ サイエンティストが作成したすべてのノートブックとレポートが含まれます。AnalyticsPOC ワークスペースには次のものが作成されます。
* データストア（種類は未定）
* カスタムセマンティックモデル
* デフォルトのセマンティックモデル
* インタラクティブレポート
データ エンジニアは、データ ソースに応じて、1 時間ごとまたは毎日 OneLake にデータをロードするためのデータ パイプラインを作成します。分析エンジニアは、データを取り込んで変換し、AnalyticsPOC ワークスペースのデータ ストアに毎日ロードするプロセスを作成します。データ エンジニアは、可能な限り、データの取り込みにローコード ツールを使用します。使用するデータ クレンジングおよび変換ツールの選択は、データ エンジニアの裁量に委ねられます。
Analytics POC ワークスペース内のすべてのセマンティック モデルとレポートは、データ ストアを唯一のデータ ソースとして使用します。
技術要件
データ ストアは以下をサポートする必要があります。
* T-SQLまたはPythonを使用した読み取りアクセス
* 半構造化データと非構造化データ
* T-SQLクエリを実行するユーザー向けの行レベルセキュリティ（RLS）
データ エンジニアが OneLake にロードするファイルは Parquet 形式で保存され、Delta Lake の仕様に準拠します。
データは、AnalyticsPOC データ ストアの 1 つの領域に変換されることなくロードされます。その後、データはクレンジングされ、マージされ、ディメンション モデルに変換されます。
データ ロード プロセスでは、ディメンション モデルにデータを入力する前に、生データとクレンジング済みデータが完全に更新されていることを確認する必要があります。
ディメンション モデルには日付ディメンションが含まれている必要があります。日付ディメンションの既存のデータ ソースはありません。Litware の会計年度は暦年と一致します。日付ディメンションには、常に 2010 年から現在の年の終わりまでの日付が含まれている必要があります。
製品の価格設定グループのロジックは、分析エンジニアが 1 か所で管理する必要があります。価格設定グループのデータは、T-SQL クエリのデータ ストアと既定のセマンティック モデルで使用できるようにする必要があります。次のロジックを使用する必要があります。
* 定価が 50 以下の場合は、低価格グループに属します。
* 定価が 50 より大きく 1,000 以下の場合は、中価格グループになります。
* リスト価格が 1,000 を超える場合は、高価格グループに入ります。
セキュリティ要件
PoC の一環として作成された Fabric アイテムは、Fabric 管理者と分析チームのみが表示できる必要があります。Litware は、AnalyticsPOC ワークスペースの Fabric アイテムに対して次のセキュリティ要件を特定しています。
* Fabric 管理者はワークスペース管理者になります。
* データ エンジニアは、データ ストアの読み取りと書き込みができる必要があります。データセットやレポートへのアクセス権は付与しないでください。
* 分析エンジニアは、データ ストアのスキーマの読み取り、書き込み、作成ができる必要があります。また、データ アナリストとセマンティック モデルを作成して共有し、ワークスペース内のすべてのレポートを表示および変更できる必要があります。
* データ サイエンティストはデータ ストアから読み取ることはできますが、書き込みはできません。データ サイエンティストは Spark ノートブックを使用してデータにアクセスします。
* データ アナリストは、データ ストア内のディメンション モデル オブジェクトのみに対する読み取りアクセス権を持っている必要があります。また、分析エンジニアが作成したセマンティック モデルを使用して Power Bl レポートを作成するためのアクセス権も持っている必要があります。
* 日付ディメンションは、データ ストアのすべてのユーザーが利用できる必要があります。
* 最小権限の原則に従う必要があります。
既定のセマンティック モデルとカスタム セマンティック モデルの両方に、データ ストア内のディメンション モデルのテーブルまたはビューのみを含める必要があります。Litware には、既に次の Microsoft Entra セキュリティ グループがあります。
* FabricAdmins: ファブリック管理者
* AnalyticsTeam: 分析チームの全メンバー
* データアナリスト: 分析チームのデータアナリスト
* データサイエンティスト: 分析チームのデータサイエンティスト
* データエンジニア: 分析チームのデータエンジニア
* アナリティクスエンジニア: アナリティクスチームのアナリティクスエンジニア
レポート要件
データ分析では、次の要件を満たす顧客満足度レポートを作成する必要があります。
* ユーザーが製品を選択して、顧客アンケートの回答をその製品を購入した人だけに絞り込むことができます。
* 選択した日付までの過去 12 か月間に提出されたすべてのアンケートの平均総合満足度スコアを表示します。
* データストアでデータが更新されるとすぐにデータが表示されます
* レポートとセマンティックモデルに現在と前年のデータのみが含まれるようにします
* レポートがソースデータストアで指定されたテーブルレベルのセキュリティを遵守していることを確認します
* レポートクエリの実行時間を最小限に抑えます

ユーザー定義集計 (A) とクエリ キャッシュ (C) は、クエリ実行時間を短縮するのに役立つ 2 つの機能です。ユーザー定義集計を使用すると、大規模なデータセットを事前に計算することができ、クエリ キャッシュではクエリの結果を一時的に保存して、将来のクエリを高速化できます。参考資料 = パフォーマンス最適化に関する Microsoft Power BI ドキュメントでは、これらの機能に関する詳細な情報が提供されています。