Modele semantyczne w produktach danych

Ostatnia aktualizacja: 2026-11-03

Model semantyczny to model w ramach produktu danych, który definiuje, jak dane są ustrukturyzowane i rozumiane. Modele semantyczne pomagają opisać kontekst biznesowy Twoich danych — umożliwiają dodawanie relacji, miar i wymiarów do tabel w produkcie danych.

Modele semantyczne umożliwiają tworzenie struktur danych wielokrotnego użytku, które deweloperzy rozwiązań analitycznych mogą wykorzystywać w aplikacjach analitycznych. Definiując relacje, miary i wymiary jednorazowo w produkcie danych, zapewniasz spójne metryki biznesowe i modele danych w całej organizacji.

Czym jest model semantyczny?

Model semantyczny to ustrukturyzowana reprezentacja danych, która obejmuje:

• Tabele: Tabele danych w produkcie danych.
• Relacje: Zdefiniowane połączenia między tabelami oparte na pasujących polach, umożliwiające analizę asocjacyjną.
• Wymiary: Pola używane do grupowania i kategoryzowania danych, takie jak nazwa klienta lub kategoria produktu.
• Miary: Metryki obliczane przy użyciu wyrażeń, takie jak suma sprzedaży lub średnia wartość zamówienia.

Modele semantyczne są tworzone w ramach produktów danych, do których można uzyskać dostęp zarówno z Analytics, jak i Integracja danych. Modele semantyczne są wykorzystywane w aplikacjach analitycznych.

Dlaczego warto używać modeli semantycznych?

Modele semantyczne zapewniają szereg korzyści w przypadkach użycia związanych z ładem danych i analityką:

• Możliwość ponownego użycia: Zdefiniuj struktury danych, relacje i metryki biznesowe raz i wykorzystuj je ponownie w wielu aplikacjach.
• Spójność: upewnij się, że wszystkie aplikacje korzystają z tych samych obliczeń i definicji kluczowych wskaźników biznesowych.
• Przyspieszone tworzenie rozwiązań: programiści rozwiązań analitycznych mogą szybciej tworzyć aplikacje, dziedzicząc gotowe modele danych, zamiast budować je od podstaw.
• Nadzór: Scentralizuj kontrolę nad logiką biznesową i strukturami danych w produktach danych objętych nadzorem.
• Mniejsza liczba błędów: Zminimalizuj ryzyko błędów obliczeniowych, korzystając ze zweryfikowanych wyrażeń z modelu semantycznego.
• Kontrolowane aktualizacje: gdy model semantyczny ulega zmianie, zmiany są odzwierciedlane po ponownym załadowaniu aplikacji konsumującej. Możesz wybrać, czy aplikacja ma automatycznie dziedziczyć nowe dane i elementy główne.

• Kontekst dla AI: Miary i wymiary są przenoszone jako elementy główne z linkami do odpowiadających im terminów ze słownika biznesowego, z zachowaniem ich opisów i wyrażeń, które zasilają rozumienie semantyczne dla Qlik Answers.

Komponenty modelu semantycznego

Tabele

Tabele zawierają surowe dane, które opisuje model semantyczny. Każda tabela reprezentuje zbiór powiązanych danych, takich jak transakcje sprzedaży lub rekordy klientów. Możesz uwzględnić wiele tabel z różnych zestawów danych, aby utworzyć kompleksowy model danych.

Relacje

Relacje łączą tabele na podstawie pasujących pól, na przykład łącząc tabelę sprzedaży z tabelą klientów za pomocą pola identyfikatora klienta. Relacje umożliwiają zapytania asocjacyjne między tabelami i zapewniają, że dane są prawidłowo ze sobą powiązane w aplikacjach analitycznych.

Wymiary

Wymiary to pola służące do kategoryzowania i grupowania danych, takie jak nazwa klienta, kategoria produktu lub region. Podobnie jak miary, wymiary pojawiają się jako elementy główne w aplikacjach korzystających.

Wymiary można również powiązać z terminami ze słownika biznesowego, co ułatwia zrozumienie pojęć i definicji związanych z biznesowym przypadkiem użycia.

Miary

Miary to obliczane metryki definiowane za pomocą wyrażeń, takich jak Sum(Amount) lub Avg(Value). Miary pojawiają się jako elementy główne w aplikacjach korzystających z modelu semantycznego, umożliwiając deweloperom korzystanie z nich bezpośrednio w wizualizacjach.

Miary można również powiązać z terminami ze słownika biznesowego, co ułatwia zrozumienie pojęć i definicji związanych z biznesowym przypadkiem użycia.

Przegląd przepływu pracy

Przepływ pracy modelu semantycznego składa się z następujących faz:

1. Definiowanie: W Integracja danych lub Analytics utwórz produkt danych ze zbiorami danych, a następnie zdefiniuj model semantyczny, definiując relacje, miary i wymiary.
2. Aktywuj: Aktywuj produkt danych, aby stał się dostępny w Data Marketplace dla deweloperów analityki. Należy pamiętać, że produkt danych nie musi być aktywowany, aby można było z niego korzystać — jednak aktywacja pomaga wskazać, że jest on gotowy do zastosowań produkcyjnych.
3. Korzystanie: w Analytics użyj katalogu danych, aby przeglądać modele semantyczne, wybrać potrzebne tabele i elementy oraz wstawić wygenerowany skrypt do swojej aplikacji. Po przeładowaniu miary i wymiary z modelu semantycznego automatycznie pojawiają się jako elementy główne.

Wymagania wstępne

Aby pracować z modelami semantycznymi, musisz spełnić następujące wymagania wstępne.

Subskrypcja

Twoja subskrypcja musi umożliwiać dostęp do produktów danych. Aby uzyskać listę zgodnych subskrypcji, zobacz Praca z produktami danych.

Uprawnienia

Aby pracować z modelami semantycznymi, potrzebujesz uprawnień do tworzenia produktów danych i zarządzania nimi. Pełne informacje zawiera temat Role i uprawnienia dotyczące produktów danych.

W przypadku korzystania z modeli semantycznych wymagane uprawnienia są następujące:

• Uprawnienia przypisywane przez administratora: Musisz mieć przypisane przez administratora określone uprawnienia, aby tworzyć produkty danych i zarządzać nimi. Zobacz Domyślne uprawnienia i role niestandardowe.
• Uprawnienia do przestrzeni: Aby korzystać z modelu semantycznego produktów danych w przestrzeniach współdzielonych, zarządzanych i przestrzeniach danych, potrzebujesz uprawnienia Może konsumować dane lub Może wyświetlać w przestrzeni zawierającej produkt danych.

Kontrola dostępu

Kontrola dostępu do danych przechowywanych w modelu semantycznym podlega regułom kontroli dostępu produktu danych. Obejmuje to odwołania do metadanych i danych innych zasobów. Na przykład zawartość wyrażeń w modelu semantycznym podlega kontroli dostępu produktu danych, a nie zestawu danych, w którym te zasoby się znajdują.

Następne kroki

Aby rozpocząć pracę z modelami semantycznymi:

• Menedżerowie produktów danych: Zobacz Zarządzanie modelami semantycznymi w produktach danych, aby dowiedzieć się, jak tworzyć i konfigurować modele semantyczne.
• Programiści analityki: zobacz Korzystanie z produktów danych w aplikacjach, aby dowiedzieć się, jak używać modeli semantycznych w swoich aplikacjach.