top of page

Databricks Power BI 集成将共享指标置于本地定义之上

23分钟前
讀畢需時 12 分鐘

Databricks 于 2026 年 11 月 10 日宣布推出私有预览版,将集中定义的业务指标引入 Power BI,同时将定义变更保留在上游。Databricks Power BI 集成通过已发布的指标定义,将报告连接至其数据治理目录 Unity Catalog。其承诺是在应用程序之间共享业务含义;其限制则在于发布仍是单向的。

对于希望保留熟悉报告、又不想为营收、利润率或客户活动维护多套解释的组织而言,这一区别很重要。语义层在原始数据之上定义业务指标与关系,并决定这些数字的实际含义。Databricks 希望将这种权威置于各个报告工具的上游。

Microsoft 同样将 Power BI 语义模型定位为权威业务资源;这类模型为分析打包业务计算和关系。客户眼下需要作出的选择关乎归属:由哪个系统定义指标,又由哪些系统使用它?这一预览版为以 Databricks 为中心的团队提供了具体答案,但同步、安全性和兼容性方面的工作仍需由客户自行处理。

Databricks Power BI 集成带来了哪些变化

该预览版改变了报告定义的来源,同时保留 Power BI 作为业务用户的使用终端。

根据指标发布公告,组织可以将 Unity Catalog 指标视图发布到 Power BI。指标视图是业务度量和分析维度的可复用定义。每个已发布视图都会成为一个模型表,其中维度表示为列,符合条件的度量则会转换为 Power BI 的计算语言 DAX。

公告称支持标准聚合、比率、非重复计数和部分窗口度量;窗口度量会在定义的时间或排序范围内进行计算。公告还说明,可通过目录界面 Catalog Explorer 或自动化作业进行发布。访问权限仍处于私有预览阶段,需要通过 Databricks 客户联系人获取,而非正式全面推出。

实际变化在于,它为原本容易促使团队维护并行定义的环境建立了一条发布路径。报告专家可以使用熟悉的字段和度量,而不必独立重建每一项经批准的计算。这减少了一种常见分歧来源:对同一业务规则分别维护的实现方式。

以营收审查为例。财务部门排除已取消的交易,而销售仪表板则在订单进入系统时进行统计。两份报告都可能准确查询各自的底层数据,却仍然得出不同结果。分歧源于定义,而非图表损坏或算术错误。

集中式编写让这些团队有了明确的分歧解决点。他们必须确定这些度量是否描述同一个业务概念。如果是,就可以共享获批定义;如果不是,组织应为它们采用不同名称,并说明各自独立的用途。

发布本身并不会作出这项业务决策。它只是在有人作出决定后,将该决定带入另一个应用程序。这一边界使公告保持务实:该集成解决的是重复实现问题,而组织层面的共识仍是前提。

对于评估 Databricks Power BI 集成的读者而言,这才是关键事件。Databricks 正在为现有报告工作流提供一种方式,使其能够使用在其他位置维护的定义。客户可以评估这一路径,而无需将迁移报告界面视为核心项目。

因此,应根据它是否能减少实际报告中的对账工作来评判这一预览版。成功的演示既应体现对数字含义的共识,也应体现对其显示值的共识。仅仅截图一致,提供的证据较弱。

共享定义将责任上移

集中化指标编写使数据团队必须对定义变更的下游影响负责。

压力最直接地落在那些维护 Databricks 数据产品、同时支持既有 Power BI 报告的团队身上。共享定义让他们需要协调的并行实现更少;作为交换,他们的变更会成为报告日程和优先级不同的同事所依赖的对象。

部门自有的计算可以在相对有限的工作组内变更。共享营收定义则需要更广泛的协调,因为多个使用者依赖其含义。具备发布变更的技术能力,并不意味着已经确定谁应当批准该变更。

这首先是一个归属问题,之后才是工具问题。财务部门可能拥有会计解释权,数据工程团队可能负责实现,报告团队可能负责呈现。只有当这些职责足够明确、能够解决分歧时,集中定义才能发挥最佳作用。

以营销活动报告为例,分析师可能会比较支出与归因营收。即使底层交易保持不变,归因政策的变化也会改变对营销活动表现的解释。业务用户在跨报告周期比较结果前,需要理解这一变化。

因此,集中模型所有者需要区分修正与政策修订。修正是纠正未能表达既有规则的实现;政策修订则改变获批规则本身。即使两者都以更新后的计算形式出现,也应获得不同的说明。

Power BI 语义模型在这一安排中仍然重要,因为它们更贴近报告体验。其所有者了解报告布局、用户预期以及上游团队可能忽略的依赖关系。集中编写应让这些所有者获得更清晰、可管理的依赖项。

如果上游团队将发布视为责任终点,就会忽略这种运营层面的转变。一个有用的定义应包含明确的责任所有者、解释说明,以及处理问题的流程。缺少这些要素,共享计算可能成为集中化的混乱来源。

同样的问题也适用于 AI 辅助分析。答案可以使用获批公式,却仍可能误解用户的业务问题。共享计算逻辑缩小了一种错误来源,但无法判断所请求的指标是否适合当前决策。

已经通过可搜索的AI 知识库来组织技术决策的组织,会理解这一区别。公式及其背后的推理服务于相关但不同的目的。让这些推理过程保持可访问,有助于同事理解变更,而不必重新还原最初的讨论。

对于企业采购方而言,直接影响更多是组织层面的,而非推测性的。试点项目需要业务指标所有者、报告专家和平台管理员共同参与。若仅将其视为连接器练习来评估,最重要的归属问题将仍未得到解答。

即使定义始于其他位置,Power BI 仍然是一个模型

该集成保留了下游模型,因此兼容性取决于发布能否忠实呈现上游定义。

发布要求说明了具体的资格条件。度量所使用的列必须作为维度出现,字段也必须具有名称。缺失输入可能导致度量被舍弃。文档还列出了不受支持的模式,包括多源指标视图和某些窗口计算。

这些约束改变了成功发布的含义。一项操作可以生成可用模型,却未必包含每个预期度量。因此,团队需要将最终字段清单与业务需求进行对比,而不能把操作完成视作完整性的证明。

以财务报告为例,这一区别十分清晰。一个总计可能成功发布,而某项专门比较则未能发布。用户仍可打开报告并浏览可用字段。但缺失的比较仍是业务问题,即使集成已经完成其支持范围内的工作。

这也是为什么下游模型的形态值得关注。报告作者依据接收到的字段开展工作,而他们的解释取决于可用关系与计算。应通过报告的分析行为来评估转换质量。

Microsoft 的语义模型兼容性指南提供了相关的竞争背景。该指南警告,当关系和聚合行为发生冲突时,叠加语义系统可能导致错误结果。Microsoft 还将 Power BI 模型描述为可供外部工具和 AI 通过可编程接口使用的资源。

这一立场让任何关于客户只需在开放上游层与孤立报告应用之间作出简单选择的说法变得复杂。两家供应商都将自己的模型定位为可复用的业务基础设施。它们的分歧在于权威应归属何处,以及哪些集成模式能够保持正确性。

因此,应将这一预览版评估为一种特定的发布机制。它并未确立语义产品之间的通用兼容性。针对部分定义的受支持路径,对于采用不同假设的无关模型安排或现有报告,说明有限。

对客户而言,有用的比较应在运营方式之间展开。主要在 Power BI 内维护定义,可让定义编写与既有报告专业能力保持一致。将定义维护在上游,旨在服务更广泛的使用者群体。哪种方式更适合,取决于共享业务逻辑实际上需要流向何处。

仅服务于既有报告的团队,可能认为迁移定义编写位置的收益有限。反复在多个应用程序中重建相同获批度量的团队,则更有理由进行调查。两种情况都不能证明存在普遍赢家。

评估还应涵盖例外情况。如果某项必需度量不在发布路径支持范围内,组织需要作出明确的处理决定。悄然在下游重建该度量,会重新引入该项目原本希望减少的分裂归属。

因此,Unity Catalog 指标视图需要通过具有代表性的分析场景赢得信任。总计、筛选结果和业务特定比较应当一致,且团队能够解释其中原因。当正确性能够经受住日常报告交互的检验时,才更具说服力。

DirectQuery 和 Import 形成不同的治理边界

共享指标定义并不会在不同存储模式下形成完全相同的访问控制。

DirectQuery 是一种将报表查询发送到数据源的模式,使查询执行保持连接到 Databricks。Import 是一种在 Power BI 中存储数据副本的模式,会建立独立的访问边界。预览版文档称,Unity Catalog 策略适用于 DirectQuery,而导入的数据则遵循 Power BI 权限。

这一差异应从一开始就塑造治理讨论。组织不能推断,保护数据源就会自动以相同规则保护每个下游副本。它需要明确在用户使用数据的环节,哪个系统负责访问控制。

一个示例性的区域销售报表可以揭示这个问题。一位经理应看到获授权的区域范围,而另一位经理应获得不同的范围。仅以管理员身份测试,几乎无法证明已部署的报表安排遵守了这些预期边界。

相关问题在于连接使用哪种身份,以及该身份与受众之间的关系。Microsoft 的 DirectQuery 注意事项 说明,已发布的报表可以使用已配置的共享凭据。DirectQuery 本身并不会建立逐用户安全控制。身份验证和模型配置仍是结果的一部分。

这并不否定数据源治理的价值。它只是澄清了数据源治理所评估的内容。源系统会将规则应用于向其呈现的身份。团队仍需确认,该身份代表的是单个查看者、共享连接,还是获批准的服务帐户。

由于用户与复制的数据交互,Import 需要单独审查。审查者应询问:谁可以访问该副本、Power BI 内适用哪些限制,以及谁负责维护这些限制。即使导入的度量值源自已批准的定义,这些问题仍然不可或缺。

这种选择也会影响运营预期。DirectQuery 将报表交互与数据源执行绑定,而导入的数据需要进行刷新管理。Microsoft 指出,数据源性能会影响 DirectQuery 的响应速度。若没有实际工作负载,任何一种模式都不应被笼统地认定为性能更佳。

对业务团队而言,实际差异会在日常使用中显现。用户期望筛选器能够及时响应、报表能够稳定打开、权限能够反映其职责。只有交付安排能够支持这些预期时,集中式定义才有用。

因此,性能评估应包括具有代表性的交互和访问模式。单独的查询可以揭示计算行为,但无法反映包含多个相互依赖视觉对象的报表。测试应贴近组织希望人员实际执行的工作。

Databricks 还讨论了物化带来的未来性能收益,即存储预先计算的结果以供重复使用。其公告称,Power BI 将在未来受益于这些优化。买方应将这一路线图表述与其已加入的预览中实际可用的功能区分开来。

这正是 Databricks Power BI 集成的核心权衡。集中式创作可减少重复的业务逻辑,而执行和存储选择仍决定着重要的运营边界。可信的试点应让负责批准部署的人员同时看清这两方面。

同步仍需要一个持续运营的发布流程

只有当下游使用者能够通过可靠流程接收其已批准的变更时,共享定义才仍然有价值。

Databricks 表示,发布从 Unity Catalog 流向 Power BI。在 Power BI 中对已发布度量值所做的编辑不会回流到上游。定义变更需要重新发布,可手动完成,也可通过自动化完成。这一方向确立了权威来源,但并未消除更新管理的需求。

当前数据与当前定义之间的区别尤其重要。报表可能查询的是刚更新的记录,却仍保留较旧的已发布计算。反过来,其模型可能反映了新发布的定义,而导入的数据副本仍在等待刷新。

Databricks 的工作流调度程序 Lakeflow Jobs 提供了一种协调这些操作的方式。Power BI 任务 文档介绍了自动化模型发布和刷新选项。它还区分了元数据更新与导入数据刷新,并将凭据和任务执行权限列为要求。

对运营人员而言,含义很直接:同步将成为需要维护的工作流。必须有人负责处理运行失败、凭据过期以及需要关注的变更。将发布纳入计划任务会使这些责任更清晰;它并不会消除这些责任。

设想一个对活跃客户定义的示例性变更。获批准的度量开始排除处于审查状态的帐户。发布前,所有者需要考虑哪些报表依赖该字段,以及用户应如何理解其与先前结果之间的差异。

发布后,团队需要证明预期模型已收到变更。还应确认受影响的报表仍然表达了已批准的业务问题。任务成功运行解决的是执行问题;业务验收解决的是生成后的报表是否仍然合适。

单向发布还带来另一个实际问题:本地试验。分析师通常需要在提出已批准指标之前,研究替代计算方式。组织应区分探索性工作与已发布定义,使用户了解哪些度量值带有组织批准。

缺少这种区分时,一个看似有吸引力的下游编辑可能成为非正式替代方案。其结果可能会流传,而上游所有者仍不知道这种新解释的存在。缺乏自动回写机制,使明确的提案和审批流程变得更加重要。

恢复规划同样值得关注。如果某一定义产生意外结果,团队需要知道如何恢复至已批准状态。这既包括业务说明,也包括模型操作。只恢复计算而不解释对报表的影响,会让用户感到不确定。

这些问题都不要求将预览版视为不适用。它们只是对集中式创作所涉及内容作出务实说明。其价值在于,用团队能够理解、运营和审查的受控依赖关系,取代分散的实现方式。

当这一流程已符合组织的工作实践时,Unity Catalog metric views 的价值最为突出。习惯于接受审查的数据产品的团队,具备管理共享定义的基础。缺乏明确指标所有权的团队,则需要在技术评估的同时建立这种所有权。

关注可用性、模型覆盖范围和可重复的结果

下一步证据应展示更广泛的访问、更好的覆盖范围,以及在具有代表性的报表工作负载中的可靠行为。

第一个信号是可用性。在未来几个月内,关注是否有从私有预览转变的正式文档说明,以及更明确的访问条件。更广泛的访问将增强开展常规评估的理由。持续受限的注册资格,则会使采用仍依赖由客户经理主导的预览流程。

仅凭可用性无法确定技术适用性。不过,它会让组织更容易比较使用体验并评估部署要求。买方应将扩大发布与意向声明区分开来,尤其是在规划现有预览协议之外的工作时。

第二个信号是对真实报表需求的覆盖。关注文档列出的限制和支持的模式,特别是当前限制影响既有业务度量值的地方。更广泛的支持将强化上游创作的理由。持续存在的例外情况,会增加客户必须维护的特殊处理量。

有用的进展单位是完整的报表需求。当某种计算模式消除了组织模型中的特定障碍时,新增它才有意义。若所需报表仍依赖不受支持的行为,更长的功能列表只能提供较弱的证据。

第三个信号是可重复的运营证据。寻找将计算一致性、权限、发布行为和报表响应速度联系起来的评估。来自代表性工作负载的结果将增强该集成的实际价值。即使初始发布看似直接,持续存在的差异或脆弱的更新流程也会削弱这一价值。

这些信号应结合评估。可用性更广但兼容性有限,与访问受限但技术覆盖强,形成的是不同的机会。客户的决策还取决于其报表环境是否类似于所展示的工作负载。

Databricks Power BI 集成提出了一个明确主张:在继续服务 Power BI 用户的同时,将获批准的指标创作保留在上游。其价值取决于这种安排消除了多少重复逻辑,以及剩余的运营责任与组织的契合程度。

应从一个其指标定义已导致对账工作的报表开始。在评估发布路径之前,明确业务所有者、已批准的计算、报表受众和预期更新行为。针对相关筛选器比较结果,然后审查权限以及定义变更的处理方式。将报表团队纳入该审查,使成功反映实际分析需求。记录例外情况,而不是将其隐藏在下游计算中。有用的问题是,共享创作是否让报表更容易被信任和维护。哪个现有报表最能证明贵组织能够承担这项责任?

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page