本文にスキップ
AI News HubLIVE
サイト内リライト5 分で読了

Unity Catalog メトリックビューが Power BI に対応:すべてのレポートと AI のための統合されたガバナンス済みセマンティックレイヤー

記事の要約

Databricks は、Unity Catalog メトリックビューを Power BI セマンティックモデルに直接公開できるようにし、ビジネスメトリックを Databricks で一度定義するだけで、Power BI、AI/BI ダッシュボード、Genie 全体で一貫したガバナンス済みの結果が得られるようにしました。

Unity Catalog メトリックビューが Power BI に対応:すべてのレポートと AI のための統合されたガバナンス済みセマンティックレイヤー
誤りを報告

訂正窓口はまだ利用できません。記事情報をコピーして保存できます。

訂正案内
本文へ

Databricks は、Unity Catalog メトリックビューを Power BI に直接公開できる新機能を発表しました。これにより、企業はビジネスメトリックを Databricks で一度定義するだけで、Power BI、AI/BI ダッシュボード、Genie などすべてのレポートと AI アプリケーションで一貫したガバナンス済みの結果を得られるようになります。この機能は、複数のツールでメトリックを重複定義することで生じる定義の不一致、レポートの乖離、信頼の喪失といった課題を解決することを目的としています。

多くの企業は Power BI をビジネスユーザー向けのフロントエンドとして利用していますが、数千の Power BI ワークスペースがそれぞれ独自のセマンティックモデルを持つことが多く、ガバナンスと統合の頭痛の種になっています。各チームが Power BI で独自のメトリックとリレーションシップを構築すると、同じロジックが多数の場所に存在し、レポートが徐々にずれ、定義の変更のたびに各コピーを更新する必要が生じます。顧客は、Databricks を統合されたオープンなセマンティックレイヤーとして、Power BI をフロントエンドとして両方を望んでいます。「Power BI への公開」機能により、それが可能になります。

公開後、すべての Power BI レポートは AI/BI ダッシュボードや Genie と同じガバナンス済みメトリックビューを使用するため、チームは一貫した数値に基づいて作業できます。ビジネスユーザーは、データチームがモデリングや DAX の作成を待つことなく、セルフサービスでレポートを作成し、任意のディメンションでメトリックを探索できます。データチームは、複数のシステムにまたがる多数のコピーではなく、Databricks で 1 つの定義を維持するだけで済みます。カタログエクスプローラーからオンデマンドで公開することも、Lakeflow ジョブに Power BI タスクを追加して本番環境でメトリックビューとセマンティックモデルを同期させることもできます。

具体的には、各メトリックビューは Power BI セマンティックモデルの 1 つのテーブルになり、そのディメンション(フィールド)は列に、メジャーは DAX メジャーになります。Power BI はメトリックビュー自体をテーブルのようにクエリします。メトリックビューが信頼できる唯一の情報源として維持され、メトリックビューで定義された結合は Databricks で実行されます。結合されたディメンション(キャンペーンチャネルや地域など)は Power BI で通常の列として表示されるため、Power BI でテーブルリレーションシップを再構築する必要はありません。

たとえば、マーケティングチームがキャンペーンのパフォーマンスを追跡し、予算の配分先を決定する必要があるとします。彼らは Unity Catalog で campaign_performance メトリックビューを定義し、チャネルや地域などのディメンション、総支出、総収益、広告支出対効果(ROAS)などのメジャーを含めます。チームがメトリックビューを公開すると、これらのディメンションとメジャーは Power BI に到着します。マーケティングアナリストは、チャネルと地域別に ROAS を比較する Power BI レポートを作成し、AI/BI ダッシュボードや Genie で得られるのと同じ数値を確認できます。後で総収益の定義を変更する場合、メトリックビューを 1 回更新するだけで、パイプラインの Power BI タスクが再公開し、すべての Power BI レポートが新しい定義を反映します。

パフォーマンス面では、Power BI がメトリックビューをクエリするため、将来はメトリックビューのマテリアライゼーションの恩恵を受けられるようになります。マテリアライゼーションは、メトリックの計算方法を変えずに結果を事前計算する最適化です。Power BI がクエリを送信すると、Databricks は一致するマテリアライゼーションから応答を返して高速化します。一致するものがない場合は、通常どおりメトリックビューに対してクエリが実行されます。いずれの場合も、メトリック定義、DAX メジャー、結果は同一です。さらに、Lakehouse//RT と DirectQuery により、Power BI レポートはガバナンス済みのレイクハウスデータ上でリアルタイムのパフォーマンスを得られます。Lakehouse//RT はマネージド Delta テーブル上で動作するため、データをコピーする別のサービングシステムは不要です。また、同じ Unity Catalog の行フィルター、列マスク、ABAC ポリシーを適用するため、ガバナンスを犠牲にせずにレポートを高速化できます。

ガバナンスと同期の面では、DirectQuery を使用すると、すべてのクエリが Unity Catalog のアクセス制御とセキュリティポリシーに従い、リネージはチームがすでに AI/BI ダッシュボード、Genie、Databricks Lakehouse で使用しているメトリックに接続されたままになります。メトリックビューが変更された場合、Lakeflow ジョブの Power BI タスクを使用して、データパイプラインのステップとしてスケジュールまたは上流テーブルの更新直後に公開を実行できます。更新されたメジャー、新しいメジャー、新しいディメンションが自動的に Power BI に反映されるため、手動でやり直すことなくレポートをメトリックレイヤーと整合させることができます。

この機能は現在、ほとんどのチームが日常的に使用するメトリック定義をサポートしています。データモデリング(メトリックビューで結合やリレーションシップ、ディメンション、メジャーなどのセマンティックメタデータを直接定義し、Databricks が自動的に計算を処理するため、Power BI でロジックを手動で複製する必要はありません)、メジャー(SUM、COUNT、AVG、MIN、MAX、MEDIAN、STDDEV、VARIANCE などの標準集計、個別カウント、比率、フィルターされたメジャー、他のメジャーから構成されるメジャー)、ウィンドウメジャー(現在、オフセット、トレーリングウィンドウメジャー)、メタデータ(説明や通貨、小数、パーセンテージ設定などの表示形式が Power BI のフィールドプロパティに引き継がれます)、ストレージモード(DirectQuery がデフォルトで Lakehouse/RT または Databricks SQL に対するライブクエリ、インポートモードは Power BI にデータをロード)、公開メカニズム(カタログエクスプローラーで「Power BI への公開」を使用してオンデマンドで公開するか、Lakeflow ジョブの Power BI タスクで公開を自動化)です。

「Power BI への公開」はプライベートプレビューで利用可能です。アカウントチームと協力してプレビューをテストできます。有効化後、3 つの簡単なステップで公開できます。メトリックビューの準備(メジャー入力を行として追加し、すべてのフィールドに名前が付いていることを確認)、公開(カタログエクスプローラーで「公開」>「Power BI への公開」をクリックし、Power BI の資格情報でサインインしてターゲットワークスペースを選択。本番環境の準備ができたら、Lakeflow ジョブに Power BI タスクを追加して公開を自動化)、Power BI での検証(セマンティックモデルを開き、メトリックビューがテーブルとして表示され、ディメンションが列として、メジャーが DAX メジャーとして表示されることを確認)です。

よくある質問について、Databricks は次のように説明しています。ガバナンス済みセマンティックレイヤーとは、ビジネスメトリックと共有ディメンション(収益、国、アクティブ顧客など)を定義する唯一の場所であり、すべての BI ツール、ノートブック、AI エージェントが同じ方法でこれらの定義を使用します。Unity Catalog Semantics は Databricks におけるそのレイヤーであり、メトリックビュー、リレーションシップ、その他のモデリングメタデータを統合し、オープンで SQL でクエリ可能であり、Unity Catalog のアクセス制御とリネージを継承します。そのため、Power BI レポート、AI/BI ダッシュボード、Genie One エージェントはすべて同じ ROAS 数値を返します。メトリックを Power BI セマンティックモデルに置くべきか Unity Catalog に置くべきかという質問に対して、Databricks はメトリック定義を Unity Catalog に保持することを推奨しています。Power BI セマンティックモデルは主に Power BI にサービスを提供し、外部の BI ツールや AI エージェントからアクセスするのが難しく、すべてのツールで同じメトリックを再構築する必要があるためです。メトリックビューを Power BI に公開すると、各メジャーが自動的に DAX に変換されるため、Power BI ユーザーはレポートを維持しながら、AI やその他のユースケースのために単一のガバナンス済み定義を維持できます。

注意点として、公開は Unity Catalog から Power BI への一方向です。Power BI で公開されたメジャーを編集しても、その編集はメトリックビューに書き戻されません。ガバナンス済みメトリックを変更するには、Databricks でメトリックビューを更新して再公開するか、Power BI タスクを含む Lakeflow ジョブを作成してスケジュールに従って Power BI セマンティックモデルを更新します。DirectQuery を使用する場合、アクセスは引き続き Unity Catalog によって管理されます。インポートモードでは、データは Power BI にロードされるため、そのコピーへのアクセスは Power BI の権限に従います。

要点と分析を開く

記事インテリジェンス

エンジニア中級

要点

  • 「Power BI への公開」により、各 Unity Catalog メトリックビューが Power BI セマンティックモデルのテーブルになり、ディメンションは列、メジャーは DAX メジャーになります。
  • DirectQuery では、Power BI はメトリックビューを直接クエリし、Unity Catalog のアクセス制御とセキュリティポリシーが適用されます。
  • カタログエクスプローラーからオンデマンドで公開するか、Lakeflow ジョブの Power BI タスクで自動化してモデルを同期できます。
  • この機能はプライベートプレビューであり、標準集計、ウィンドウメジャー、メタデータ、DirectQuery とインポートの両ストレージモードをサポートします。

要点と分析は自動生成され、誤りを含む場合があります。原典をご確認ください。