Näin se toimii

Koko putki määrittelystä ylläpitoon

Model One kulkee tietovarastototeutuksen mukana ensimmäisestä käsitemallista teknisen suunnittelun ja generoidun dbt-projektin kautta vuosia kestävään ylläpitoon. Jokainen vaihe rakentuu edellisen päälle samassa mallissa, joten toteutuksen voi jäljittää määrittelyyn asti.

Model One generoi DDL:n, migraatiot ja dbt-projektin. Tiimisi ajaa ne.

Model Onen Flow-kaavio Historize Customers from D365: lähdeobjekti CUSTTABLE kulkee Legal Entity -suodatuksen ja Keep History -historiointivaiheen (Historize, SCD2) kautta Customer Dimension -dimensioon, jonka sarakkeissa ovat muun muassa Valid From, Valid To ja Is Current
Miksi yksi malli

Yksi yhtenäinen malli dokumenttien viestijuoksun sijaan

Määrittely, suunnittelu ja toteutus ovat yleensä eri tiedostoissa. Model One kokoaa ne yhteen malliin.

Tietovarastoprojekti etenee yleensä viestijuoksuna: sanasto yhdessä dokumentissa, käsitekaavio toisessa, sitten mäppäystaulukko ja lopuksi käsin kirjoitettu DDL ja latauskoodi. Jokainen vaihto tuottaa uuden kopion. Ensimmäisen muutospyynnön jälkeen kukaan ei ole varma, mikä kopio on oikea.

Model Onessa jokainen vaihe täydentää samaa mallia. Käsitteet edustavat loogisen mallin aihealueita. Flow-kaavioissa lähteiden todelliset sarakkeet mäpätään entiteettien todellisiin attribuutteihin. Fyysiset mallit, DDL, migraatiot ja dbt-projekti generoidaan samoista määrittelyistä. Muuta attribuuttia yhden kerran, niin Flow-kaaviot, seuraava DDL ja seuraava dbt-vienti käyttävät kaikki uutta määrittelyä.

Model One on siis tietovarastoprojektisi määrittely- ja suunnittelukerros. Se generoi sen, minkä kehittäjäsi rakentavat ja ajavat: DDL:n, migraatioskriptit, dbt-projektin ja graafiskeematiedostot. Se ei aja latauksia, ei koskaan muodosta yhteyttä tietokantoihisi eikä rakenna raportteja tai BI-työkalun semanttisia malleja. Alempana kerrotaan tarkasti, mihin sen rooli päättyy.

Vaihe vaiheelta

Mitä kussakin vaiheessa tehdään

Jokaisesta vaiheesta kerrotaan, mitä Model Onessa tapahtuu, mitä vaihe tuottaa ja kuka siinä yleensä työskentelee. Tarkemmat tiedot löytyvät moduulisivuilta.

Määrittely · Vaihe 1

Sovi käsitteistä ja sanastosta

Aloita siitä, mistä liiketoimintakin aloittaa: sen käsitteistä ja sanastosta. Piirrä käsitemalli Full Model -näkymään, nimeä käsitteiden väliset yhteydet ja määrittele jokainen termi tietosanastossa. Vaatimuksista ja avoimista kysymyksistä tulee työkohteita, jotka linkitetään niihin käsitteisiin ja termeihin, joita ne koskevat. Näin määrittely ja sen työjono pysyvät yhdessä.

  • Käsitteet määritelmineen, piirrettyinä jo ennen niitä toteuttavia entiteettejä
  • Käsin piirretyt, nimetyt käsitteiden väliset yhteydet, kullakin oma määritelmänsä
  • Sanaston termit liiketoimintamääritelmineen, tietotyyppeineen ja hyväksyttyine lyhenteineen
  • Raporttien tietotarpeet ja avoimet kysymykset työkohteina, linkitettyinä käsitteisiin, termeihin ja entiteetteihin
  • Liiketoiminnan omistajat tarkastavat mallin sovelluksessa katselijan (Viewer) roolissa; HTML-raporttiin tulevat sanasto, looginen malli ja Flow-kaaviot mutta ei käsitekarttaa

Käsitemalli

Looginen malli ja sanasto

Tehtävät

Full Model -näkymä käsitekarttana: seitsemän käsitettä, muun muassa Customer, Sales Order, Billing ja Sales Analytics, määritelmineen ja entiteettimäärineen. Niitä yhdistävät katkoviivoin piirretyt johdetut yhteydet ja kaksi nimettyä yhteyttä, ”is invoiced to” ja ”reports on”
Määrittely · Vaihe 2

Suunnittele looginen kohdemalli

Muunna käsitteet tietovaraston loogiseksi malliksi. Jokainen käsite edustaa aihealuetta eli alimallia, joten liiketoimintanäkymä pysyy luettavana, vaikka yksityiskohtia kertyy sen alle. Liiketoiminta-avaimista, surrogaattiavaimista ja suhteista päätetään tässä vaiheessa, ja vain kerran. Tähtimalli mallinnetaan samalla tavalla: sen fakta ja dimensiot ovat tavallisia entiteettejä, ja dimension voimassaolosarakkeet Valid from, Valid to ja Is current ovat tavallisia attribuutteja.

  • Pääavaimet ja vaihtoehtoiset avaimet luonnollisina tai surrogaattiavaimina (automaattinen numerointi tai UUID) sekä indeksit
  • Suhteet luovat viiteavainsarakkeensa, ja niillä on kardinaliteetti sekä ON DELETE- ja ON UPDATE -toiminnot
  • Aihealueet sisäkkäisinä alimalleina, joilla kullakin on oma kaavionsa ja asettelunsa
  • Pohjaentiteetit toistuville sarakejoukoille, kuten auditointisarakkeille
  • Samoihin entiteetteihin sidotut graafimallit silloin, kun tarvitaan graafikohde

Looginen malli

Graafimallit

Sales Mart -alimalli loogisella piirtoalueella: Sales Fact liitettynä Date-, Product- ja Customer-dimensioihin, jokainen entiteetti avaimineen ja tyypitettyine attribuutteineen
Tekninen suunnittelu · Vaihe 3

Mäppää lähteet kohteisiin Flow'ssa

Kirjaa jokainen lähdejärjestelmä ja tuo sen taulut ja sarakkeet liittämällä niiden DDL tai syöttämällä ne käsin. Suunnittele sitten jokainen lataus Flow-kaaviona: lähdeobjektit kulkevat tyypitettyjen vaiheiden (esimerkiksi Join, Lookup, Merge tai Historize) kautta kohde-entiteetteihin, ja lähdesarakkeet mäpätään kohdeattribuutteihin sarake kerrallaan. Esimerkiksi faktalataus hakee kunkin dimensioavaimen Lookup-vaiheella. Model One tarkistaa kaavion piirtäessäsi ja kertoo suoraan, onko se vietävissä.

  • Sekä SQL Server- että tiedostolähteet; taulut ja sarakkeet liitetystä DDL:stä tai käsin syötettyinä
  • 22 prosessityyppiä, esimerkiksi Lookup, Join, Aggregate, Merge, Hash ja Validate
  • Historize (SCD2): liiketoiminta-avain, sarakekohtainen historiointitapa, voimassaolosarakkeet, poistokäytäntö
  • Saraketason mäppäykset lausekkeineen, automaattinen mäppäys nimen perusteella ja ketjutus vaiheesta toiseen
  • Säännöt tarkistetaan piirtäessäsi; kun jokin vaatii huomiota, ilmoituspalkki kertoo, voiko Flow-kaavion yhä viedä

Flow

Flow-kaavio Load Sales Fact: SALESLINE liitettynä SALESTABLE-otsikkotauluunsa, Order Date -vaihe sekä Lookup-vaiheet päivämäärä-, tuote- ja asiakasavaimille — asiakasavain haetaan Customer Dimensionin päälle tehtyä Current Only -suodatinta vasten — ja tulos ladataan Merge-vaiheella Sales Fact -entiteettiin
Tekninen suunnittelu · Vaihe 4

Suunnittele fyysinen malli omalle alustallesi

Johda samasta loogisesta mallista fyysinen malli jokaiselle kohdetietokannalle. Fabric Data Warehouse on erillinen kohde, joten Model One generoi sen, minkä tietovarasto todella hyväksyy, ja kertoo, mitä siihen ei voi viedä. Nimeämisstandardi ja käyttöönottoa edeltävät tarkistukset löytävät ongelmat ennen kuin kukaan ajaa skriptiä.

  • Kohteet: Microsoft Fabric Data Warehouse, SQL Server, PostgreSQL, Oracle ja MySQL
  • Mallikohtainen nimeämisstandardi (ei käytössä, seuranta tai pakotus) ja hyväksytyt lyhenteet
  • Taulu-, skeema- ja sarakekohtaiset ylimääritykset, surrogaattiavainstrategiat ja pois jätetyt taulut
  • Indeksit, CHECK-rajoitteet, viite-eheystoiminnot ja oma SQL, jos kohde sen sallii
  • Tarkistukset siitä, minkä tietokanta hylkäisi, kuten yhteensopimattomat viiteavainten tyypit tai liian pitkät nimet

Fyysinen malli

Fyysisen mallin Columns-välilehti: Sales Order avattuna ja sen taulunimen ylimääritys sales_order, sarakkeiden ja tyyppien taulukko sekä yhteenvetomerkinnät
Toteutus · Vaihe 5

Generoi toteutus

Generoi DDL, joka luo tietovaraston taulut, ja vie Flow-kaaviot yhdeksi ajettavaksi dbt-projektiksi dbt-fabricille tai dbt-sqlserverille fyysisen mallin mukaan. Vienti-ikkuna tarkistaa valinnat palvelimella sitä mukaa kuin teet niitä, luettelee, mitä kannattaa varmistaa ennen projektin ajamista, ja estää projektin lataamisen niin kauan kuin jossakin valitussa Flow-kaaviossa on virhe. Kehittäjäsi katselmoivat tuloksen ja vievät sen omaan versionhallintaasi.

  • Kohdekohtainen DDL koko mallille tai yhdelle taululle, jokainen tunnus lainausmerkeissä
  • dbt-projekti, jossa on staging-, intermediate- ja marts-kerrokset, sources.yml ja avoimet TODO-kohdat listaava README
  • Valmiit MERGE- ja SCD2-inkrementaalistrategiat; avaimista johdetut not_null- ja unique-testit
  • Dimensio- ja faktalatausten Flow-kaaviot kootaan yhdeksi projektiksi, joka rakentuu riippuvuusjärjestyksessä
  • Graafiviennit GraphML-, SQL/PGQ- tai Neo4j Cypher -muodossa tai Microsoft Fabricin graafimallina

Flow ja dbt-vienti

Fyysinen malli

Graafimallit

Export dbt project -ikkuna: asiakasdimension ja myyntifaktan Flow-kaaviot valittuina, Sales Mart — Fabric Warehouse -malli, joka määrää kohteeksi dbt-fabricin, sekä luettelo asioista, jotka kannattaa varmistaa ennen projektin ajamista
Toteutus · Vaihe 6

Vie muutokset käytössä olevaan tietovarastoon

Kun tietovarastossa on dataa, CREATE-skripti on väärä työkalu. Migraatio laatii ALTER-lauseet tietokantaan asennetusta versiosta mallin nykytilaan, ja käyttöönottohistoria kertoo, mikä versio kussakin ympäristössä on käytössä. Luet skriptin ja ajat sen omilla työkaluillasi: Model One ei koskaan muodosta yhteyttä tietokantaan.

  • Käyttöönottohistoria: mikä versio on missäkin ympäristössä, kuka sen otti käyttöön ja milloin
  • Migraatiot tästä lähtötasosta myöhempään versioon tai nykyiseen malliin
  • Jokainen vaihe luokiteltu turvalliseksi, dataa hävittäväksi tai estäväksi; riskialttiit kommentoitu pois, kunnes vahvistat ne
  • Nimenmuutos pysyy nimenmuutoksena: taulut ja sarakkeet säilyttävät datansa, ja uudelleennimetty sarake säilyttää avaimensa
  • Muuttunut oma SQL näytetään rinnakkain, ja se otetaan mukaan vain, jos valitset sen

Fyysinen malli ja migraatiot

Versiot ja muutosloki

Migrations-välilehti: suunnitelma versiosta v4 nykyiseen malliin viidessä vaiheessa, joista neljä on turvallisia ja yksi dataa hävittävä. Sarakkeen dataa hävittävä poisto on kommentoitu pois syineen, ja uudet taulut ovat valmiina luotaviksi
Ylläpito · Vaihe 7

Ylläpidä ja kehitä tietovarastoa

Tietovarasto elää vuosia, ja jokainen muutospyyntö alkaa samoilla kysymyksillä: mihin tämä vaikuttaa ja kuka muutti tätä viimeksi? Tunnisteilla merkityt versiot ja luokitellut erot näyttävät, mitä julkaisujen välillä muuttui. Muutosloki kertoo, kuka muutti mitä, ja entiteetin Used in -välilehti näyttää jo ennen muutosta, missä entiteettiä käytetään.

  • Tunnisteilla merkityt versiot mallista, Flow-kaavioista ja fyysisistä malleista; minkä tahansa kahden vertailu ja valittujen objektien palautus
  • Erot luokiteltuina rikkoviksi, yhteensopiviksi tai kosmeettisiksi, joten julkaisun katselmointi alkaa riskeistä
  • Kenttätason muutosloki siitä, kuka muutti mitä ja milloin; avustajan kautta tehdyt muutokset merkittyinä
  • Entiteetin Used in -välilehti luettelee alimallit, Flow-kaaviot ja sanaston termit, joissa entiteettiä käytetään
  • Muutospyynnöt riippuvuuksineen työkohteina, linkitettyinä objekteihin, joita ne muuttavat

Versiot ja muutosloki

Tehtävät

Versioiden v4 ja v5 vertailu: rikkovien, yhteensopivien ja kosmeettisten muutosten määrät, Entities-otsikon alla kukin muuttunut entiteetti omalla rivillään — Sales Orderin uudelleennimetty attribuutti vanhana ja uutena — sekä alla versioluettelo, jossa uusin, v6, on ensimmäisenä
Yhteenveto

Vaiheet, tuotokset ja tekijät

Koko putki yhdessä taulukossa, jaettavaksi muulle tiimille.

VaiheMitä saatKuka työskentelee
1. Sovi käsitteistä ja sanastostaKäsitekartta, liiketoimintasanasto, linkitettyjen vaatimusten työjonoLiiketoiminnan omistaja, tietoarkkitehti, BI-vastaava
2. Suunnittele looginen kohdemalliLooginen kohdemalli, aihealueiden alimallit, tarvittaessa graafimallitTietoarkkitehti, tietomallintaja
3. Mäppää lähteet kohteisiin Flow'ssaLähdeluettelo, latausten suunnitelmat Flow-kaavioina, lähde–kohde-mäppäyksetTietoarkkitehti, datainsinööri
4. Suunnittele fyysinen malli omalle alustallesiFyysinen malli kohdetietokannoittain, nimeämisstandardi, käyttöönottotarkistuksetTietoarkkitehti, datainsinööri, DBA
5. Generoi toteutusDDL-skriptit, ajettava dbt-projekti (.zip), graafiskeematiedostotDatainsinööri, analytiikkainsinööri
6. Vie muutokset käytössä olevaan tietovarastoonMigraatioskriptit, ympäristökohtainen käyttöönottohistoriaDatainsinööri, DBA tai alustatiimi
7. Ylläpidä ja kehitä tietovarastoaTunnisteilla merkityt versiot, luokitellut erot, muutosloki, linkitetyt muutospyynnötKoko toteutustiimi; liiketoiminnan omistajat seuraavat katselijoina
Rajaus

Mistä Model One alkaa ja mihin se päättyy

Model One suunnittelee ja generoi. Tietokantasi, latausputkesi ja BI-työkalusi hoitavat loput.

Suunnittelee tietovaraston ja raporttien lukemat datamartit

Täysin historioidut dimensiot, faktat, Aggregate-vaiheet yhteenvetotauluille ja niitä täyttävät merge-lataukset suunnitellaan ja generoidaan kaikki Model Onessa. Juuri tästä kerroksesta raporttisi hakevat tietonsa.

Flow

Semanttinen malli ja raportit tehdään BI-työkalussa

Model One ei rakenna Power BI:n semanttisia malleja, mittareita eikä raportteja. Rakenna ne BI-työkalussasi Model Onen generoimien datamarttien päälle.

Raporttien tietotarpeet ja BI-työkalut dokumentoidaan mallissa

Kirjaa kunkin mittarin liiketoimintamääritelmä sanaston termiksi ja linkitä se niihin datamartin attribuutteihin, joihin mittari perustuu. Lisää raportti tai BI-työkalu Flow-kaavioon ulkoisena järjestelmänä, joka lukee datamartista, tai kuvaa tietopolku pelkästään loogiseksi merkityssä Flow-kaaviossa (Logical-only), joka jätetään dbt-viennin ulkopuolelle. Kirjaa raporttien vaatimukset työkohteiksi, jotka linkitetään datamartin entiteetteihin ja Flow-kaavioihin, niin muutospyynnön käsittelijä löytää ne entiteetin Used in- ja Related tasks -näkymistä.

Se ei koskaan muodosta yhteyttä tietokantoihisi

Model One ei lue tietokannoista yhtään riviä eikä tallenna tietokantojen kirjautumistietoja. Lähteet dokumentoidaan liitetystä DDL:stä tai käsin, ja DDL, migraatiot ja dbt-projekti ovat tiedostoja, jotka tiimisi ajaa.

Latausputkesi ajaa lataukset

Saat dbt-projektin .zip-tiedostona, jonka viet omaan versionhallintaasi tai tuot Microsoft Fabriciin. Sen jälkeen ajat, ajastat ja valvot sitä omilla työkaluillasi.

dbt-projektit vain T‑SQL-kohteille

dbt-vienti tuottaa joko dbt-fabric- tai dbt-sqlserver-projektin fyysisen mallin mukaan. PostgreSQL:ää, Oraclea ja MySQL:ää tuetaan DDL:n ja migraatioiden kohteina, mutta ei dbt-kohteina.

Oma ympäristösi

Näin se sopii nykyisiin työkaluihisi

Model One toimii omassa Azure-tilauksessasi ja luovuttaa tuotoksensa työkaluille, joita tiimisi jo käyttää.

Toimii omassa Azure-tilauksessasi

Model One asennetaan Azure Marketplacesta hallittuna sovelluksena (managed application) valitsemallesi alueelle. Mallisi tallennetaan omaan tilaukseesi, ja sovelluksen Azure-resurssit laskutetaan samassa tilauksessa.

Paketit ja hinnoittelu

Ensisijaisesti Microsoft Fabric ja SQL Server

Fabric Data Warehouselle ja SQL Serverille saat DDL:n, migraatiot ja dbt-projektit. PostgreSQL:lle, Oraclelle ja MySQL:lle saat DDL:n ja migraatiot.

Fyysinen malli

dbt omassa Gitissä ja CI:ssä

Vienti on tavallinen dbt-projekti dbt 1.10:lle tai uudemmalle. Vie se repositorioosi ja rakenna se CI-putkessasi kuten mitä tahansa muuta dbt-koodia.

Flow ja dbt-vienti

Tuo nykyiset mallisi

Tuo ER/Studio-mallit DM1-tiedostoina alimalleineen, tietolähteineen ja Data Lineage -kaavioineen tai aloita SQL DDL:stä, DBML:stä tai Model Onesta viedystä JSON-tiedostosta.

Omat tekoälyagenttisi MCP:n kautta

Jokaisella projektilla on MCP-päätepiste, joten itse ajamasi agentti — esimerkiksi Azure AI Foundry, työpöydän tekoälysovellus tai oma koodisi — voi lukea ja muuttaa sitä projektikohtaisella pääsytunnuksella, jonka vain omistaja (Owner) voi hakea. Agentin muutokset kirjataan muutoslokiin, eikä niitä voi kumota.

OneAssist ja MCP

OneAssist, jos haluat

Sisäänrakennettu tekoälyavustaja toimii Azure AI Foundryssa omassa tilauksessasi, kun ylläpitäjä on ottanut sen käyttöön. Ask- ja Plan-tilat vain lukevat; Agent-tila tekee muutokset suoraan, ja ne kirjataan muutoslokiin, mutta niitä ei voi kumota. Katselijat eivät näe avustajaa lainkaan.

OneAssist

UKK

Mitä tietovarastovastaavat meiltä kysyvät

Lyhyet ja suorat vastaukset. Kerromme mielellämme lisää esittelyssä.

Ottaako Model One yhteyden tietokantoihimme?

Ei. Se ei koskaan muodosta yhteyttä lähdejärjestelmään tai tietovarastoon eikä tallenna tietokantojen kirjautumistietoja. Se tuottaa DDL:n, migraatioskriptit ja dbt-projektin, ja tiimisi ajaa ne omilla työkaluillaan.

Onko käsitemalli erillinen malli?

Ei, ja se on tarkoituksellista. Käsite on liiketoimintatason näkymä loogiseen malliin: se edustaa aihealuetta, se piirretään Full Model -näkymään, ja sen katkoviivat lasketaan alla olevista suhteista, joten ne eivät voi joutua ristiriitaan entiteettien kanssa. Käsitteellä on nimi, määritelmä ja nimettyjä yhteyksiä, mutta ei attribuutteja eikä kardinaliteettia. Jos käsitemallinne on tarkempi – liiketoiminnan käsitteet ja niiden väliset suhteet kardinaliteetteineen – piirtäkää käsitteet entiteetteinä aihealueen alimalliin ja näyttäkää alimalli Name + Definition -tilassa. Kaaviossa näkyvät silloin nimet, määritelmät ja suhteet ilman attribuutteja ja tietotyyppejä, ja samat entiteetit saavat attribuuttinsa ja avaimensa teknisessä suunnittelussa.

Entä raportointikerros ja Power BI?

Model One suunnittelee ja generoi tietovaraston ja raporttiesi lukemat datamartit, mukaan lukien SCD2-dimensiot ja Aggregate-vaiheet. Se ei rakenna Power BI:n semanttisia malleja, mittareita eikä raportteja: ne tehdään BI-työkalussasi. Raportin tai BI-työkalun voi silti dokumentoida Flow-kaavioon ulkoisena järjestelmänä.

Meillä on jo tietovarasto, jota mallinnamme ER/Studiolla. Mistä aloitamme?

Tuo ER/Studion DM1-tiedostot, joista tulevat mukaan entiteetit, avaimet, alimallit, fyysiset nimet ja tyypit, tietolähteet ja Data Lineage -kaaviot, tai liitä tietovaraston DDL, josta syntyy looginen ja fyysinen malli natiivein tietotyypein. Tallenna tulos versioksi ja kirjaa käyttöönottohistoriaan, että tämä versio on tuotannossa. Silloin seuraavan muutoksen voi viedä migraationa.

Tukeeko se SCD2:ta ja Data Vaultia?

Rakennuspalikoin, ei generaattorilla. Historize lataa tyypin 2 dimensiot tai insert-only-satelliitit liiketoiminta-avaimen ja sarakekohtaisen historiointitavan perusteella, ja Hash muodostaa hubien ja linkkien avaimet sekä muutostiivisteet (hash diff). Hubit, linkit ja satelliitit mallinnat itse; nämä vaiheet lataavat ne.

Miten dbt-projekti sopii CI-putkeemme?

Se on tavallinen dbt-projekti dbt-fabricille tai dbt-sqlserverille. Saat sen .zip-tiedostona, ja mukana tuleva README luettelee tarkistettavat asiat. Vie se repositorioosi ja aja se CI:stä kuten mitä tahansa muuta dbt-projektia. Kun malli muuttuu, tee vienti uudelleen: se generoi aina koko projektin nykyisestä mallista, joten muutos näkyy repositoriossa tavallisena erona (diff), ja Merge-lataukset lisäävät uudet sarakkeet olemassa oleviin kohdetauluihinsa itse. Taulut, joiden avainarvot tietokanta muodostaa, ja jokainen Historize-kohde on luotava generoidulla DDL:llä ennen ensimmäistä dbt build -ajoa.

Voivatko liiketoiminnan omistajat osallistua ilman muokkausoikeuksia?

Kyllä. Anna heille katselijan (Viewer) rooli: he voivat lukea kaikkia moduuleja käsitekartta mukaan lukien ja viedä HTML-raportin, mutta eivät voi muuttaa mitään. HTML-raportti aukeaa missä tahansa nykyaikaisessa selaimessa, joten myös ne, joilla ei ole käyttäjätiliä, voivat lukea sitä. Raportissa ovat looginen malli, Flow-kaaviot, sanasto ja DDL, mutta ei käsitekarttaa, joka katselmoidaan sovelluksessa.

Missä tietomme sijaitsevat ja lähetetäänkö niitä minnekään?

Model One asennetaan omaan Azure-tilaukseesi valitsemallesi alueelle, ja se tallentaa sen, mitä mallinnat — ei koskaan tietokantojesi rivejä. OneAssist on valinnainen: kun se on otettu käyttöön, kehotteet ja mallin konteksti käsitellään Azure AI Foundryssa omassa tilauksessasi. Sen verkkohaku, joka hakee tietoa julkisesta verkosta, on oletuksena päällä, ja sen voi kytkeä pois vain agenttia luotaessa.

Käydään koko putki läpi omalla tietovarastollasi

Tuo mukanasi todellinen tapaus, esimerkiksi historiaa säilyttävä dimensio tai lähdejärjestelmä, josta lataat dataa jo nyt. Viemme sen käsitemallista generoituun dbt-projektiin ja migraatioskriptiin asti.