Stöd för virtuellt nätverk använder Azure-undernätsdelegering för att hantera utgående trafik från Power Platform i drift. Med azure-undernätsdelegering undviker du behovet av att skyddade resurser är tillgängliga via Internet för att integreras med Customer Insights – Data.

Customer Insights – Data använder stöd för virtuellt nätverk som tillhandahålls av Power Platform för att konfigurera Private Link-anslutningar till Azure-lagringen bakom en brandvägg på ett säkert sätt. Customer Insights – Data använder privata länkar för tre scenarier:

• Datainmatning: Datakällor används för att hämta data från Din Azure-lagring till Customer Insights – Data för bearbetning.
• Datautdata: Vid installationen kan du konfigurera Customer Insights – Data för att skriva alla utdata till din Azure-lagring.
• Exporter: Du kan konfigurera exporter för att skicka specifika tabeller till azure-lagringen.

Alla nya privata länkar använder stöd för virtuellt nätverk och befintliga privata länkar måste uppdateras.

Mer information om plattformssupporten finns i Översikt över stöd för virtuellt nätverk.

En vanlig utmaning när du arbetar med kunders källdata är att hantera gamla och föråldrade källdata som matas in med de data du vill ha. Men förbearbetning av dina källdata kräver ytterligare tid och arbete.

I Customer Insights - Data kan du nu använda radfilter direkt på alla källtabeller som du matar in, vilket minskar dataomfattningen till precis det du behöver. Filter används en gång på sidan Tabeller, där källtabeller nu visas på en egen flik, separerade från de utdatatabeller som skapats av Customer Insights. Välj radfilterlänken bredvid en tabell för att helt enkelt ställa in önskade filter.

För att optimera bearbetningshastigheten filtreras data i Spark när de bearbetas av föreningen, segment, mått, aktiviteter och modeller. Den fullständiga, ofiltrerade datauppsättningen är tillgänglig när du laddar ner den från sidan Tabeller.

Fördelar med funktionen är bland annat:

• Förbättrad bearbetningstid: Genom att ta bort oönskade rader bearbetar systemet inte längre data som inte behövs, vilket kan minska behandlingstiden.
• Förbättrade utdata: Genom att ta bort onödiga data från utdata blir dina data lättare att använda av konsumenter som inte längre behöver utesluta oönskade data.

Begränsningar i förhandsversionen : Villkoret ”Är något av” {lista med värden} stöds endast för strängdata.

Ett av de viktigast värdena i Delta Lake-formatet är möjligheten att spåra förändringar i data med tiden. Med inbyggt stöd för Delta Lake-tabellformatet i Customer Insights kan du nu använda inkrementella Delta Lake-datauppdateringar för att påskynda bearbetningen i Customer Insights - Data.

Det är typiskt att kundprofildata bara ändras med några få procent varje dag. I stället för att bearbeta hela datamängden varje dag kan Customer Insights - Data bearbeta enbart ändrade källdata för samordning i Delta-formatet, vilket sparar tid och ger dig resultat snabbare. Den här förbättringen sker automatiskt när alla tabeller är i Delta-formatet. Ingen konfiguration eller ändring krävs.

Inkrementell bearbetning av segment, mått, aktiviteter och prognoser är planerade att läggas till under de kommande månaderna.