Databricks Power BI 整合將共享指標置於本地定義之前
Databricks 於 2026 年 11 月 10 日宣布推出私人預覽,讓集中定義的業務指標可導入 Power BI,同時讓定義變更維持在上游。Databricks Power BI 整合透過已發布的指標定義,將報表連接至其數據管治目錄 Unity Catalog。其承諾是在各應用程式之間建立一致的業務意義;限制則是發布仍屬單向。
這項區別對於希望沿用熟悉報表、但不想分別維護收入、利潤率或客戶活動等不同詮釋的組織十分重要。語意層會在原始數據之上定義業務指標與關係,並決定這些數字實際代表甚麼。Databricks 希望將這項權威置於個別報表工具的上游。
Microsoft 亦將 Power BI 語意模型定位為具權威性的業務資源;這類模型會封裝業務計算及關係以供分析。客戶眼前的選擇關乎擁有權:哪個系統定義指標,哪些系統使用指標?這項預覽為以 Databricks 為中心的團隊提供具體答案,但同步、安全及相容性工作仍需由客戶處理。
Databricks Power BI 整合帶來的改變
這項預覽改變報表定義的來源,同時保留 Power BI 作為業務使用者的目的地。
根據指標發布公告,組織可將 Unity Catalog 指標檢視發布至 Power BI。指標檢視是可重用的業務衡量及分析維度定義。每個已發布檢視都會成為模型表格,維度會以欄位呈現,而符合資格的度量則會轉換為 Power BI 的計算語言 DAX。
公告指出支援標準彙總、比率、非重複計數及選定的視窗度量;後者會按既定的時間或排序範圍進行計算。公告亦指出可透過目錄介面 Catalog Explorer 或自動化工作發布。使用權仍處於私人預覽階段,須聯絡 Databricks 帳戶代表取得,尚未全面推出。
實際改變在於兩個原本容易讓團隊維護平行定義的環境之間,建立了一條發布途徑。報表專員可使用熟悉的欄位及度量,而毋須自行重建每項已核准計算。這可減少一類常見分歧:同一業務規則被各自維護的實作方式所造成的差異。
以收入檢討為例。財務部會排除已取消交易,銷售儀表板則在訂單進入系統時便計算訂單。兩份報表都可正確查詢其底層數據,卻仍可能得出不同結果。分歧源於定義,而非圖表損壞或算術錯誤。
集中編寫定義,讓這些團隊有明確位置處理分歧。他們必須判斷這些衡量是否描述同一業務概念。如是,可共用一項已核准定義;如否,組織應為它們使用不同名稱,並說明各自用途。
發布並不會作出這項業務決定。它只會在有人作出決定後,將決定帶進另一個應用程式。這條界線令公告保持務實:整合處理的是重複實作,而組織共識仍是先決條件。
對於評估 Databricks Power BI 整合的讀者而言,這才是具意義的事件。Databricks 正為既有報表工作流程提供途徑,讓其使用在其他地方維護的定義。客戶可評估這條途徑,而毋須將遷移報表介面視為核心項目。
因此,這項預覽應按其是否能減少實際報表的核對工作來評價。成功的示範不僅要顯示數值一致,亦要顯示大家對數字含義達成共識。單靠截圖相符,證據較弱。
共享定義將問責置於上游
集中管理指標編寫,令數據團隊須為定義變更對下游造成的影響負責。
壓力最直接落在維護 Databricks 數據產品、同時支援既有 Power BI 報表的團隊身上。共享定義讓他們需要核對的平行實作較少;相應地,他們的變更會成為依賴項,影響報表時間表及優先次序不同的同事。
由部門擁有的計算可在相對狹窄的工作小組內變更。共享收入定義則需要更廣泛協調,因為多個使用者依賴其含義。技術上能夠發布變更,並不代表已確定誰應批准變更。
因此,這首先是擁有權問題,然後才是工具問題。財務部可能擁有會計詮釋權,數據工程團隊可能負責實作,報表團隊則可能管理呈現方式。當這些責任足夠明確、能處理分歧時,中央定義才能發揮最佳效果。
以行銷活動報告為例,分析人員可能比較支出與歸因收入。即使底層交易維持不變,歸因政策的變更仍會改變對行銷活動成效的詮釋。業務使用者在比較不同報告期的結果前,必須理解該變更。
因此,中央模型擁有人需要區分修正與政策修訂。修正是修復未能表達既有規則的實作;政策修訂則是改變已核准規則本身。即使兩者都以更新計算方式送達,亦應有不同說明。
Power BI 語意模型在這種安排中仍然重要,因為它們貼近報表體驗。其擁有人理解報表版面、使用者期望及上游團隊可能忽略的依賴關係。中央編寫應讓這些擁有人擁有更清晰的依賴項可供管理。
若上游團隊將發布視為責任終點,便會忽略這項營運轉變。有用的定義應包括可問責的擁有人、解釋,以及處理疑問的流程。缺少這些元素,共享計算便可能成為集中化的混亂來源。
同樣問題亦適用於 AI 輔助分析。答案可使用已核准公式,卻仍可能誤解使用者的業務問題。共享計算邏輯可縮窄一個錯誤來源,但無法判斷所要求的指標是否適合該項決策。
已透過可搜尋的 AI knowledge base 組織技術決策的機構,會理解這項區別。公式與其背後的推理服務於相關但不同的目的。讓推理內容保持可存取,有助同事理解變更,而毋須重建原來的討論。
對企業買家而言,直接後果是組織層面的,而非推測性的。試點項目需要業務指標擁有人、報表專員及平台管理員參與。若只把它當作連接器練習評估,最關鍵的擁有權問題仍會懸而未決。
即使定義始於其他地方,Power BI 仍保留模型
整合保留了下游模型,因此相容性取決於發布能否如實呈現上游定義。
發布要求列出具體的資格條件。度量所使用的欄位必須同時作為維度出現,而欄位必須具備名稱。缺少輸入可能導致度量被捨棄。文件亦列出不受支援的模式,包括多來源指標檢視及某些視窗計算。
這些限制改變了成功發布的含義。操作可以產生可用模型,卻未必帶入每項預期衡量。因此,團隊需要將最終欄位清單與業務要求比較,而不應把操作完成當成完整性的證明。
以財務報告為例,總額可能成功發布,專門的比較指標卻未能發布。使用者仍可開啟報告並探索可用欄位。即使整合已完成其支援範圍內的工作,缺少比較指標仍會是業務問題。
這正是下游模型結構值得關注的原因。報表作者使用其收到的欄位,而其詮釋取決於可用的關係及計算。轉換品質必須透過報表的分析行為評估。
Microsoft 的語意模型相容性指引提供相關競爭背景。它警告,若關係及彙總行為互相衝突,疊加語意系統可能產生錯誤結果。Microsoft 亦將 Power BI 模型描述為可透過可程式介面供外部工具及 AI 使用的資源。
這個立場令任何「客戶只需在開放的上游層與封閉報表應用程式之間二選一」的說法更為複雜。兩家供應商都將其模型定位為可重用的業務基礎設施。分歧在於權威應屬何處,以及哪些整合模式可保持正確性。
因此,這項預覽應被評估為一種特定發布機制。它並未確立語意產品之間的通用相容性。對選定定義而言的一條支援路徑,對另一種模型安排或假設不同的既有報告並沒有太多啟示。
對客戶而言,有用的比較是營運方式之間的比較。主要在 Power BI 內維護定義,可讓編寫工作配合既有報表專業知識;在上游維護定義,則旨在服務更廣泛的使用者集合。哪種方式較合適,取決於共享業務邏輯實際需要流向何處。
只服務既有報表的團隊,可能認為遷移編寫權的好處有限。反覆在不同應用程式重建相同已核准衡量的團隊,則有更明確理由進一步研究。兩種情況都不代表存在普遍贏家。
評估亦應包括例外情況。若必要衡量不屬於發布路徑範圍,組織需要作出明確處理決定。悄悄在下游重建該度量,將重新引入項目原本希望減少的分拆擁有權。
因此,Unity Catalog 指標檢視需要透過具代表性的分析情境建立信任。總額、篩選結果及特定業務比較應基於團隊可解釋的理由而一致。當正確性經得起日常報表互動考驗時,說服力更強。
DirectQuery 與 Import 形成不同的管治邊界
共享指標定義不會在不同儲存模式下建立完全相同的存取控制。
DirectQuery 是一種將報表查詢傳送至來源系統的模式,讓查詢執行持續連接至 Databricks。Import 則會在 Power BI 中儲存一份資料副本,建立獨立的存取邊界。預覽版文件指出,Unity Catalog 政策適用於 DirectQuery,而匯入的資料則遵循 Power BI 權限設定。
這項分別應從一開始便影響管治討論。機構不能推論保護來源系統,便會自動以相同規則保護每一份下游副本。它需要辨識使用者取用資料時,哪個系統負責控制存取權限。
一份具說明性的區域銷售報表可揭示這個問題。一名經理應只看到獲授權的區域範圍,而另一名經理則應取得不同範圍。若只以管理員帳戶測試,幾乎無法證明已部署的報表安排有遵守這些預定界線。
關鍵問題是連線使用哪個身分,以及該身分與報表受眾之間的關係。Microsoft 的 DirectQuery considerations 說明,已發佈的報表可使用已設定的共用認證。DirectQuery 本身不會建立個別使用者層級的安全控制;驗證與模型設定仍會影響最終結果。
這並不否定來源管治的價值,而是釐清來源管治評估的是甚麼。來源系統會將規則套用至呈現給它的身分。團隊仍需確認該身分代表的是個別檢視者、共用連線,還是獲批准的服務帳戶。
Import 需要另行檢視,因為使用者會與複製的資料互動。審核人員應詢問誰可以存取該副本、Power BI 內套用了哪些限制,以及由誰維護這些限制。即使匯入的度量來自已批准的定義,這些問題仍然必要。
這項選擇亦會影響營運預期。DirectQuery 會將報表互動連結至來源端執行,而匯入資料則需要管理重新整理。Microsoft 指出,來源效能會影響 DirectQuery 的回應速度。若沒有實際工作負載,任何一種模式都不應被一概而論地判定為效能較佳。
對業務團隊而言,實際差異會在日常使用時出現。使用者期望篩選器能迅速回應、報表能穩定開啟,而權限能反映其職責。只有在交付安排能支持這些期望時,集中式定義才有用。
因此,效能評估應包括具代表性的互動及存取模式。單一查詢可揭示計算行為,但無法反映包含多個相互依賴視覺元素的報表。測試應貼近機構預期人員實際執行的工作。
Databricks 亦談及物化帶來的未來效能優勢,即儲存預先計算的結果以供重用。其公告稱,Power BI 將可從這些最佳化中受惠,但屬於即將推出的功能。買方應把這類路線圖聲明,與其已登記預覽版中實際可用的能力分開看待。
這正是 Databricks Power BI 整合的核心取捨。集中編寫可減少重複的業務邏輯,但執行與儲存選擇仍會決定重要的營運界線。一個可信的試點應讓負責批准部署的人員看清這兩方面。
同步仍需要具營運管理的發佈流程
只有下游使用者能透過可靠流程接收已批准的變更,共用定義才會持續有用。
Databricks 表示,發佈會由 Unity Catalog 向 Power BI 進行。在 Power BI 中修改已發佈的度量,不會回寫至上游。定義變更需要重新發佈,可手動進行或透過自動化完成。這個方向確立了權威來源,但並沒有消除更新管理的需要。
目前資料與目前定義之間的分別尤其重要。一份報表可能查詢最近更新的記錄,卻仍保留較舊的已發佈計算。相反地,其模型可能已反映新近發佈的定義,但匯入的資料副本仍等待重新整理。
Lakeflow Jobs 是 Databricks 的工作流程排程工具,可用於協調這些操作。Power BI task 文件說明自動化模型發佈及重新整理選項。它亦區分中繼資料更新與重新整理匯入資料,並指出認證及工作執行權限是必要條件。
對營運人員而言,含意很直接:同步會成為需要持續維護的工作流程。必須有人負責處理失敗的執行、過期的認證,以及需要關注的變更。把發佈移入排程工作可令這些責任更清晰可見;但不會令它們消失。
設想一項具說明性的活躍客戶定義變更:獲批准的度量開始排除正在審核的帳戶。在發佈前,擁有人需要考慮哪些報表依賴該欄位,以及使用者應如何理解與過往結果的差異。
發佈後,團隊需要證據證明目標模型已收到該項變更。它亦應確認受影響的報表仍能表達已批准的業務問題。成功執行工作代表執行層面已完成;業務驗收則確認所得報表是否仍然合適。
單向發佈帶來另一項實際問題:本地實驗。分析師經常需要在提出已批准度量前,研究其他計算方式。機構應區分探索性工作與已發佈定義,讓使用者了解哪些度量獲得機構批准。
若沒有這項區分,一項看似吸引的下游修改可能成為非正式替代方案。其結果可能廣泛流傳,但上游擁有人仍不知道出現了新的詮釋。由於沒有自動回寫,明確的提案及批准流程更為重要。
復原規劃亦值得關注。若某個定義產生意外結果,團隊需要知道如何還原至已批准狀態。這包括業務層面的說明,以及模型操作本身。若只還原計算而不解釋對報表的影響,使用者仍會感到不確定。
這些問題都不表示應把預覽版視為不適用。它們提供了集中編寫實際意味著甚麼的務實說明。其價值在於以受控的相依關係,取代零散的實作,讓團隊能夠理解、營運及審核。
當這個流程已符合機構的工作慣例時,Unity Catalog metric views 的理據最為有力。習慣管理經審核資料產品的團隊,已有基礎管理共用定義。沒有清晰度量擁有權的團隊,則需要在技術評估的同時建立這項能力。
留意可用性、模型覆蓋範圍及可重複的結果
下一步的證據應展示更廣泛的存取、更佳的覆蓋範圍,以及在具代表性報表工作負載中的可靠行為。
第一個訊號是可用性。未來數月內,應留意是否有文件化的變更,讓產品脫離私人預覽,以及是否出現更清晰的存取條件。更廣泛的存取會加強進行常規評估的理據。若持續採用受限登記,採用仍會依賴由客戶帳戶主導的預覽流程。
單憑可用性不足以判定技術適用性。不過,這會令機構更容易比較經驗及評估部署要求。買方應區分擴大發佈與意向聲明,尤其是在既有預覽協議以外規劃工作時。
第二個訊號是對實際報表需求的覆蓋範圍。應留意文件列出的限制及支援模式,尤其是現有約束會影響既有業務度量的地方。更廣泛的支援會加強上游編寫的理據。持續存在的例外情況,則會增加客戶必須維護的特殊處理量。
有用的進展單位是一項完整的報表需求。當新增一種計算模式可移除機構模型中的特定障礙時,它才有意義。若所需報表仍依賴不受支援的行為,更長的功能清單便只能提供較弱的證據。
第三個訊號是可重複的營運證據。應尋找連結計算一致性、權限、發佈行為及報表回應速度的評估。來自具代表性工作負載的結果,會加強整合在實務上的理據。即使初次發佈看似直接,若持續出現差異或更新流程脆弱,理據仍會被削弱。
這些訊號應一併評估。可用性更廣但相容性狹窄,與存取受限但技術覆蓋強大,是不同的機會。客戶的決定亦取決於其報表環境是否與正在展示的工作負載相似。
Databricks Power BI 整合提出一個明確主張:保留上游已批准的度量編寫,同時繼續服務 Power BI 使用者。其價值取決於這種安排能移除多少重複邏輯,以及餘下營運責任與機構的契合程度。
應從一份其度量定義已造成對帳工作的報表開始。在評估發佈路徑前,先識別業務擁有人、已批准計算、報表受眾及預期更新行為。比較相關篩選條件下的結果,然後檢視權限及定義變更的處理方式。應讓報表團隊參與審核,令成功反映實際分析需要。記錄例外情況,而不是把它們隱藏在下游計算中。有用的問題是,共用編寫是否令報表更容易被信任及維護?哪一份現有報表最能清楚證明你的機構可以承擔這項責任?



