The Pulse

Databricks presenta in anteprima la pubblicazione delle viste metriche su Power BI

Databricks ha reso disponibile in anteprima privata Publish to Power BI per le viste metriche di Unity Catalog. La funzionalità crea modelli semantici di Power BI a partire dalle definizioni di Databricks e può ripubblicare gli aggiornamenti tramite Lakeflow Jobs.

AI.info Team · · verificato · su 1 fonte ↓ · Pubblicato 11 nov 2026

Databricks afferma che Publish to Power BI è disponibile in anteprima privata e consente ai clienti di pubblicare le viste metriche di Unity Catalog nei modelli semantici di Power BI. In un post sul blog del 10 novembre, l’azienda ha dichiarato che la funzionalità permette ai team di mantenere le definizioni delle metriche in Databricks e di utilizzarle nei report di Power BI.

Databricks descrive questo approccio come un modo per usare definizioni aziendali condivise negli strumenti di reporting e di IA, comprese le sue dashboard IA/BI e Genie. Una volta abilitata, la funzionalità consente la pubblicazione su richiesta da Catalog Explorer o tramite un’attività Power BI in un Lakeflow Job.

Dalle viste metriche ai report

Ogni vista metrica pubblicata diventa una tabella nel modello semantico di Power BI. Le dimensioni diventano colonne, mentre le misure diventano misure DAX. Il modello di dati può includere join, relazioni e altri metadati semantici insieme alle dimensioni e alle misure.

Power BI interroga direttamente la vista metrica, mentre i join definiti nella vista vengono eseguiti in Databricks. Le dimensioni collegate tramite join appaiono come normali colonne in Power BI, senza dover ricostruire le relazioni al suo interno.

In un esempio fornito dall’azienda, un team di marketing definisce una vista con le dimensioni canale e regione e le misure per la spesa, i ricavi e il ritorno sulla spesa pubblicitaria. La pubblicazione trasferisce questi campi in Power BI, dove un analista può creare un report che confronta il ritorno sulla spesa pubblicitaria per canale e regione.

La funzionalità supporta aggregazioni standard, conteggi distinti, rapporti, misure filtrate e misure composte a partire da altre misure. Supporta anche misure su finestre temporali correnti, sfalsate e mobili. Le descrizioni e i formati di visualizzazione, comprese le impostazioni per valuta, decimali e percentuali, vengono trasferiti nelle proprietà dei campi di Power BI.

Mantenere allineate le definizioni

I team possono pubblicare su richiesta oppure usare un’attività Power BI in un Lakeflow Job per ripubblicare le viste metriche in un modello semantico di destinazione a intervalli programmati o dopo l’aggiornamento delle tabelle a monte. Le misure aggiornate o nuove e le nuove dimensioni possono così essere trasferite automaticamente in Power BI.

La pubblicazione avviene solo da Unity Catalog verso Power BI. Una modifica a una misura pubblicata in Power BI non viene riportata nella vista metrica. Per modificare la metrica soggetta a governance, occorre aggiornare la vista in Databricks e ripubblicarla, direttamente o tramite un job programmato.

Accesso e archiviazione

DirectQuery è la modalità di archiviazione predefinita e invia query in tempo reale a Lakehouse/RT o Databricks SQL; la modalità Import carica i dati in Power BI. Con DirectQuery, le query rispettano i controlli di accesso e le policy di sicurezza di Unity Catalog. In modalità Import, una copia dei dati viene caricata in Power BI, dove l’accesso a tale copia è regolato dalle autorizzazioni di Power BI.

Databricks afferma inoltre che Power BI potrà presto beneficiare della materializzazione delle viste metriche, un’ottimizzazione che precalcola i risultati. Secondo l’azienda, quando esiste una materializzazione corrispondente, Databricks la userà per rispondere alla query; in caso contrario, la query verrà eseguita sulla vista metrica.

Accesso all’anteprima

Per testare l’anteprima privata, i clienti devono collaborare con il proprio team di account. Le indicazioni di Databricks per la preparazione prevedono di aggiungere gli input delle misure come dimensioni e assegnare un nome a ogni campo prima della pubblicazione.

Gli utenti accedono poi con le proprie credenziali Power BI e selezionano uno spazio di lavoro di destinazione in Catalog Explorer. Dopo la pubblicazione, possono controllare il modello semantico per verificare che la vista appaia come tabella, le sue dimensioni come colonne e le sue misure come misure DAX.