WEBVTT

00:00:00.510 --> 00:00:06.850
Bereit für 10 Tage Microsoft 365, Co-Pilot, KI, Azure und die Menschen, die die Zukunft der Arbeit gestalten?

00:00:07.810 --> 00:00:11.250
Diesen Januar ist die M3 365-Con zurück und zwar noch größer.

00:00:11.590 --> 00:00:12.310
Und zwar noch größer.

00:00:12.830 --> 00:00:18.210
Seien Sie dabei bei Live-Sessions, Demos aus der Praxis und erfahren Sie praktisches Wissen von MVPs und Branchenexperten aus aller Welt.

00:00:18.770 --> 00:00:21.090
Keine generischen Folien, keine endlosen Schlagworte.

00:00:21.990 --> 00:00:23.650
Wir stellen uns den echten Herausforderungen.

00:00:23.830 --> 00:00:28.530
Co-Pilot Studio, KI-Agents, Fabric, Sicherheit, Governance und Automatisierung.

00:00:28.530 --> 00:00:34.270
Ganz gleich, ob Sie IT-Experte, Entwickler oder Führungskraft sind, es gibt speziell auf Sie zugeschnittene Sessions.

00:00:35.410 --> 00:00:40.130
An 10 vollen Tagen können Sie verschiedene Technologien kennenlernen und sich mit einer globalen Community vernetzen.

00:00:40.830 --> 00:00:44.350
Sehen Sie sich die Live-Übertragung an und nehmen Sie praktische Einblicke mit nach Hause in Ihr Unternehmen.

00:00:45.090 --> 00:00:48.850
Januar 2027, 10 Tage, eine Microsoft-Community.

00:00:49.390 --> 00:00:50.570
Die Registrierung ist ab sofort möglich.

00:00:51.810 --> 00:00:55.410
Besuchen Sie m335.net und sichern Sie sich noch heute Ihren Platz.

00:00:55.410 --> 00:00:58.670
Das ist m335.net.

00:01:00.170 --> 00:01:03.090
Melden Sie sich jetzt auf m335.net an.

00:01:03.550 --> 00:01:04.730
Und wir sehen uns im Januar live.

00:01:04.930 --> 00:01:07.950
Das heutige Thema ist etwas, von dem die meisten Leute noch nie gehört haben.

00:01:08.030 --> 00:01:12.290
Aber es ist eines der leistungsstärksten Tools, um Microsoft 365 abzurufen und wann abzurufen.

00:01:12.710 --> 00:01:14.050
Es heißt Microsoft Graph Data Connect.

00:01:14.530 --> 00:01:15.230
Folgendes ist wichtig.

00:01:15.350 --> 00:01:19.230
Sie haben wahrscheinlich schon versucht, Daten aus SharePoint oder Teams mit der regulären Graph API abzurufen.

00:01:19.830 --> 00:01:21.850
Bei einigen wenigen Elementen funktioniert das problemlos.

00:01:21.850 --> 00:01:24.930
Das aber, wenn Sie Millionen von Datensätzen benötigen, werden Sie von Drosselung und Paginierung hart getrunken.

00:01:25.090 --> 00:01:30.130
Sie erhalten Ratenbegrenzungen, HTTP 429 Fehler und verbringen mehr Zeit mit der Verwaltung von Wiederholungsversuchen als mit der eigentlichen Arbeit.

00:01:30.490 --> 00:01:32.010
Mit Graph Data Connect können Sie all das umgehen.

00:01:32.330 --> 00:01:36.110
Mit einer einzigen Anforderung können Terabytes an Daten in Azure oder Microsoft Fabric verschoben werden.

00:01:36.370 --> 00:01:37.670
Keine Paginierung, keine Drosselung.

00:01:38.070 --> 00:01:43.270
Am Ende dieser Folge wissen Sie genau, was es ist, wie es sich von den regulären Graph APIs unterscheidet und wann Sie es verwenden sollten.

00:01:43.990 --> 00:01:45.970
Das Skalierungsproblem mit m365.net.

00:01:45.970 --> 00:01:50.490
Lassen Sie uns also aufschlüsseln, warum reguläre API-Aufrufe für umfangreiche Analysen einfach nicht ausreichen.

00:01:50.970 --> 00:01:54.030
Jeden Tag generiert Microsoft 365 Milliarden von Interaktionen.

00:01:54.450 --> 00:01:58.410
Gesendete E-Mails, gepostete Teams-Nachrichten, hochgeladene Dateien, geplante Besprechungen.

00:01:58.750 --> 00:02:00.090
Diese Daten befinden sich in Ihrem System.

00:02:00.430 --> 00:02:04.990
Wenn Sie diese analysieren möchten, beispielsweise um Muster der Zusammenarbeit zwischen Abteilungen zu verstehen, müssen Sie sie abrufen.

00:02:05.530 --> 00:02:06.410
Hier fangen die Probleme an.

00:02:06.730 --> 00:02:08.990
Die standardmäßige Graph APIs für den Echtzeitzugriff konsumieren.

00:02:09.390 --> 00:02:11.890
Sie fragen die Nachrichten eines Benutzers ab und erhalten die letzten 20.

00:02:12.050 --> 00:02:13.810
Fragen Sie nach den nächsten 20, paginieren Sie es.

00:02:13.810 --> 00:02:19.890
Wenn Sie zu schnell abfragen, werden Sie mit HTTP 429 Fehlern gedrosselt und müssen zurückstellen, warten und es erneut versuchen.

00:02:20.390 --> 00:02:21.730
Im kleinen Maßstab funktioniert das gut.

00:02:22.110 --> 00:02:25.650
Stellen Sie sich jedoch vor, Sie möchten jede SharePoint-Website in einem Unternehmen mit 10.000 Benutzern erlösen.

00:02:25.910 --> 00:02:29.970
Selbst mit Batch-Verarbeitung würde dies Stunden oder Tage dauern und Sie müssen die ganze Zeit mit Ratenbeschränkungen kämpfen.

00:02:30.190 --> 00:02:32.490
Wenn Sie dies regelmäßig tun müssen, ist es einfach nicht nachhaltig.

00:02:33.130 --> 00:02:34.550
Aus diesem Grund gibt es Graph Data Connect.

00:02:34.970 --> 00:02:36.170
Es ist kein Ersatz für die Graph API.

00:02:36.670 --> 00:02:38.430
Es ist ein völlig anderes Tool für eine andere Aufgabe.

00:02:38.430 --> 00:02:45.250
Die Graph API verarbeitet Echtzeitzugriffe auf kleine Datenmengen, während Data Connect für die Massenextraktion in großem Umfang konzipiert ist.

00:02:46.390 --> 00:02:47.590
Was ist Graph Data Connect eigentlich?

00:02:48.470 --> 00:02:49.270
Was ist Graph Data Connect?

00:02:49.870 --> 00:02:51.470
Lassen Sie uns zunächst eine häufige Verwirrung.

00:02:52.050 --> 00:02:55.210
Microsoft Graph ist das Gateway zu allen Microsoft 365 Daten.

00:02:55.790 --> 00:02:59.010
Das umfasst Benutzer, Nachrichtendateien, Kalender, Teams und Sicherheitssignale.

00:02:59.010 --> 00:03:04.670
Es ist der zentrale Endpunkt für alles, aber es gibt drei verschiedene Möglichkeiten, mit diesen Daten zu interagieren und die Benutzer verwechseln die Software.

00:03:04.990 --> 00:03:06.130
Zunächst ist da die Graph API.

00:03:06.570 --> 00:03:08.130
Das ist das Echtzeit-Anforderungs-Antwort-Modell.

00:03:08.510 --> 00:03:11.370
Sie fragen nach dem Postfach eines einzelnen Benutzers und erhalten es sofort zurück.

00:03:11.650 --> 00:03:13.810
Es eignet sich hervorragend zum Erstellen von Apps und zur Verarbeitung.

00:03:13.890 --> 00:03:15.310
Kleine Abfragen ist aber nicht für die Skalierung-Konzept.

00:03:15.590 --> 00:03:16.590
Dann gibt es noch Graph Connectors.

00:03:16.890 --> 00:03:20.850
Diese importieren externe Daten für die Suche und Co-Pilot in Microsoft 365 um eine Erfassung.

00:03:20.950 --> 00:03:21.570
Keine Extraktion.

00:03:21.990 --> 00:03:23.270
Sie ziehen die Daten ein, nicht heraus.

00:03:23.750 --> 00:03:25.210
Und schließlich gibt es noch Graph Data Connect.

00:03:25.690 --> 00:03:26.630
Dies ist eine Massenextraktion.

00:03:26.630 --> 00:03:31.330
Graph Data Connect ruft riesige Datensätze aus Microsoft 365 in ihre eigene Analyseumgebung ab.

00:03:31.570 --> 00:03:32.670
Genau darüber sprechen wir heute.

00:03:33.250 --> 00:03:33.970
Denken Sie es sich so vor.

00:03:34.030 --> 00:03:36.850
Die Verwendung der Graph API ist so, als würden Sie ein Bibliothekar um ein Buch auf einmal bitten.

00:03:37.350 --> 00:03:41.490
Sie gehen zum Schreibtisch, bitten um ein Buch, ergibt es Ihnen und dann gehen Sie zurück und bitten um ein weiteres.

00:03:42.270 --> 00:03:43.210
Es funktioniert es aber langsam.

00:03:43.990 --> 00:03:46.950
Mit Graph Data Connect können Sie sagen, ich möchte ein Exemplar von jedem Buch in diesem Bereich.

00:03:47.310 --> 00:03:49.050
Und sich diese auf einer Palette ins Büro liefern lassen.

00:03:49.490 --> 00:03:51.190
Eine Anfrage, eine Lieferung, alles was Sie brauchen.

00:03:51.590 --> 00:03:52.590
Wie funktioniert das nun konkret?

00:03:52.990 --> 00:03:55.790
Sie erstellen eine geplante Pipeline, in der Sie definieren, welche Daten Sie benötigen.

00:03:55.790 --> 00:03:58.350
SharePoint-Websites, Teams, Chats, Exchange, Postfächer.

00:03:58.930 --> 00:04:01.850
Und legen Sie ein Ziel wie ein Azure-Speicherkonto oder Fabric Lakehouse fest?

00:04:02.690 --> 00:04:05.790
Anschließend stellt Microsoft diese Daten als Paketdateien direkt in Ihrem Speicherbereich.

00:04:06.330 --> 00:04:09.290
Keine Paginierung, keine Drosselung und Kopierauftrag und schon ist es erledigt.

00:04:09.990 --> 00:04:13.270
Die Daten kommen im Delta-Paket-Format an, das effizient ist und sofort analysiert werden kann.

00:04:13.770 --> 00:04:17.410
Sie können Daten mit SQL-Abfragen, Powerberichte erstellen oder Machine Learning-Modelle ausführen.

00:04:17.410 --> 00:04:19.970
All das erfolgt über eine einzige Exaktions-Pipeline.

00:04:20.650 --> 00:04:21.410
Das ist also die Kernidee.

00:04:22.050 --> 00:04:27.250
Graph Data Connect ist für die Analyse Ihres gesamten M365-Datenbestands gedacht, nicht nur eines kleinen Ausschnitts.

00:04:27.970 --> 00:04:32.870
Als nächstes sprechen wir über das Sicherheitsmodell, das Ihre sensiblen Daten schützt, die Sicherheits- und Governance-Ebene.

00:04:33.810 --> 00:04:37.670
Jetzt denken Sie, vielleicht kann ich einfach die E-Mails alle in ein Speicherkonto verschieben und damit machen, was ich will.

00:04:37.910 --> 00:04:40.770
Und die Antwort ist nein. Und hier ist der Grund, warum das sogar gut so ist.

00:04:41.310 --> 00:04:48.150
Da Graph Data Connect sensible Daten wie E-Mails, Teams, Nachrichten und Dateien verarbeitet, ist sein Sicherheitsmodell viel strenger als das der regulären Graph-API.

00:04:48.570 --> 00:04:51.850
Und das beabsichtigt. Sie möchten kein so leistungsstarkes Tool ohne angemessene Schutzmaßnahmen.

00:04:52.170 --> 00:04:54.210
Erstens erfordert es die explizite Zustimmung des Administrators.

00:04:54.510 --> 00:04:58.930
Ein Administrator muss jede Anwendung genehmigen und genau definieren, auf welche Datensätze sie zugreifen kann.

00:04:59.610 --> 00:05:00.270
Und ich meine genau das.

00:05:00.630 --> 00:05:02.090
Sie können den Bereich bis auf die Eigenschaftsüberschauen.

00:05:02.090 --> 00:05:04.890
Sie möchten nur Website-URLs, aber keine Website besitzen? Das können Sie festlegen.

00:05:05.090 --> 00:05:08.070
Sie möchten nur Nachrichtenzeitstempel, aber keine Nachrichteninhalte? Auch das können Sie festlegen.

00:05:08.310 --> 00:05:11.050
Dies ist wesentlich detaillierter als die standardmäßigen Graph-API-Berechtigungen,

00:05:11.390 --> 00:05:13.750
die in der Regel für einen bestimmten Ressourcentyp Alles-oder-Nichts-Berechtigungen beinhaltet.

00:05:13.890 --> 00:05:16.470
Zweitens werden die Daten standardmäßig während der Übertragung verschlüsselt.

00:05:16.770 --> 00:05:19.130
Microsoft stellt die Daten bereits verschlüsselt in Ihrem Speicher bereit.

00:05:19.510 --> 00:05:23.070
Wenn Sie noch mehr Kontrolle wünschen, können Sie Ihre eigenen Verschlüsselungsschlüssel über Azure Key Vault einbringen.

00:05:23.630 --> 00:05:26.890
Und so funktioniert es. Ihre Daten werden mit einem Schlüssel verschlüsselt, den nur Sie besitzen.

00:05:26.890 --> 00:05:30.390
Microsoft speichert die verschlüsselte Version dieses Schlüssels, kann sie aber nicht entschlüsseln.

00:05:30.750 --> 00:05:33.490
Nur Ihre Anwendung kann die Daten mithilfe Ihres privaten Schlüssels entsperren.

00:05:33.790 --> 00:05:36.450
Das bedeutet, dass nicht einmal Microsoft Ihre Daten während der Zustellung lesen kann.

00:05:37.090 --> 00:05:38.950
Drittens gibt es die Identitätsverschleierung.

00:05:39.830 --> 00:05:44.330
Echte Benutzer-IDs wie E-Mail-Adressen und Benutzerprinzipallnamen werden durch nicht umkehrbare Token ersetzt.

00:05:45.070 --> 00:05:49.790
Sie können also weiterhin Trends analysieren, wie viele Benutzer auf die Datei zugreifen oder welche Abteilung am meisten kommuniziert.

00:05:49.870 --> 00:05:51.870
Aber Sie können diese Daten nicht mit einer bestimmten Person verbinden.

00:05:51.870 --> 00:05:55.890
Dies ist von entscheidender Bedeutung für die Einhaltung der Datenschutzbestimmungen, insbesondere mit Vorschriften wie der DSGV.

00:05:55.890 --> 00:05:57.710
Viertens wird jede Pipeline-Ausführung protokolliert.

00:05:57.970 --> 00:06:04.430
So entsteht ein lückenloser Prüffahrt, aus dem hervorgeht, wer was genehmigt hat, wann Daten extrahiert wurden, welche Datensätze verwendet wurden, wie viele Daten übertragen wurden.

00:06:05.170 --> 00:06:08.550
Wenn ein Prüfer fragt, wer hat auf diese Daten zugegriffen und warum, haben Sie die Antwort.

00:06:09.230 --> 00:06:14.090
Diese Sicherheitsebene macht Data Connect für regulierte Branchen wie das Gesundheitswesen, den Finanzsektor und die Behörden sicher.

00:06:14.790 --> 00:06:17.190
Sie erhalten leistungsstark Analysen ohne sich um Compliance auflanken.

00:06:17.310 --> 00:06:20.350
Die Daten verlassen zu keinem Zeitpunkt ihre Kontrolle und jeder Schritt wird nachverfolgt.

00:06:20.930 --> 00:06:21.830
Wo landen die Daten, Xander?

00:06:22.650 --> 00:06:25.250
Wo landen die Daten, nachdem sie Microsoft 365 verlassen haben?

00:06:25.690 --> 00:06:29.990
Ursprünglich konnte Graph Data Connect Daten nur an Azure Synapse oder Azure Data Lake Storage senden.

00:06:30.510 --> 00:06:33.250
Das hat gut funktioniert, wenn Sie ein Dateningenieur waren, der mit diesen Tools gearbeitet hat.

00:06:33.630 --> 00:06:36.810
Aber für Wirtschaftsanalysten oder Berufseinsteiger war das nicht gerade benutzerfreundlich.

00:06:37.490 --> 00:06:38.350
Das hat sich heute geändert.

00:06:38.890 --> 00:06:43.630
Data Connect arbeitet jetzt direkt mit Microsoft Fabric zusammen und Sie können Fabric Lakehouse als Ziel festlegen, festlegen.

00:06:44.050 --> 00:06:48.230
Die Daten werden als Delta-Paket-Dateien angezeigt und können ohne zusätzliche Einrichtung analysiert werden.

00:06:48.650 --> 00:06:50.830
Falls Sie Fabric bereits nutzen, ist dies der einfachste Weg.

00:06:50.830 --> 00:06:52.430
Sie sind aber nicht an Fabric gebunden.

00:06:52.930 --> 00:06:59.570
Sie können auch Azure Data Factory Pipelines verwenden, um die Extraktion zu verwalten, sie so zu planen, dass sie jede Nacht ausgeführt wird, sodass Ihre Analyseumgebung immer über aktuelle Daten verfügt.

00:07:00.170 --> 00:07:04.110
Sie können die Daten auf Azure Blob Storage, Azure Data Lake oder ein beliebiges kompatibles Ziel verweisen.

00:07:04.790 --> 00:07:06.810
Aber hier ist der Clou, Sie sind nicht an ein Ziel gebunden.

00:07:07.350 --> 00:07:11.470
Zu Ihren Optionen gehören Azure, Fabric und sogar Plattformen von Drittanbietern über benutzerdefinierte Pipelines.

00:07:11.870 --> 00:07:13.310
Sobald die Daten eintreffen, gehören sie ihnen.

00:07:13.730 --> 00:07:15.290
Sie entscheiden, wohin sie gehen und was mit ihnen geschieht.

00:07:15.690 --> 00:07:17.090
Diese Flexibilität macht den Mehrwert aus.

00:07:17.510 --> 00:07:25.970
Sie können M365-Daten mit Daten aus anderen Systemen, wie Ihrem CRM, ERP oder HR-System kombinieren und zu ein umfassendes Bild Ihres gesamten Unternehmens erstellen.

00:07:26.290 --> 00:07:29.130
Das ist mit der regulären Graph API allein schlichtweg nicht möglich.

00:07:30.130 --> 00:07:31.750
Vergleicht man dies mit anderen Extraktionshutsen.

00:07:32.170 --> 00:07:35.210
Sie denken, vielleicht kann ich nicht einfach Power Automate oder ein benutzerdefiniertes Skript verwenden.

00:07:35.790 --> 00:07:37.970
Sehen wir uns an, wann welches Tool geeignet ist und wann nicht.

00:07:38.810 --> 00:07:41.850
Power Automate eignet sich hervorragend für die Automatisierung in Echtzeit und kleinem Maßstab.

00:07:42.150 --> 00:07:45.510
Sie lösen einen Flow aus, wenn eine Datei hinzugefügt wird und es wird eine Benachrichtigung gesendet.

00:07:45.590 --> 00:07:46.670
Das funktioniert aber. Hier ist der Haken.

00:07:47.070 --> 00:07:48.870
Power Automate verarbeitet Kilobytes, keine Terabytes.

00:07:49.210 --> 00:07:50.630
Es verfügt über kein Muster für die Massenextraktion.

00:07:50.950 --> 00:07:56.850
Wenn Sie versuchen, Millionen von Datensätzen über einen Flow abzurufen, kommt es zu einem Timeout, stößt dann die API-Grenzwerte oder schlägt einfach still und heimlich fehl.

00:07:56.850 --> 00:07:58.750
Es ist das falsche Tool für diese Aufgabe.

00:07:59.150 --> 00:08:01.250
Benutzerdefinierte Graph API-Scripts eignen sich gut für Kleine.

00:08:01.650 --> 00:08:04.390
Sie schreiben ein PowerShell-Skript, durchlaufen die Seiten und rufen ihre Daten an.

00:08:04.690 --> 00:08:08.810
Aufgrund von Paginierungs- und Drosselungsgrenzwerten ist dies jedoch für eine vollständige Mandantenanalyse unpraktisch,

00:08:08.990 --> 00:08:11.970
da Sie Wiederholungsversuche, Batch-Verarbeitung und Ratenbegrenzung selbst verwalten müssen.

00:08:12.330 --> 00:08:15.730
Und wenn Ihr Skript stundenlang ausgeführt wird und auf halbem Weg fehlt, schlägt viel Glück beim Debuggen.

00:08:16.070 --> 00:08:20.190
Azure Data Factory verfügt über mehr als 90 Connectors und ist eine solide Wahl für die Verwaltung von ETH-Pipelines.

00:08:20.510 --> 00:08:24.010
ADF selbst stellt jedoch keine direkte Verbindung zur M3-Vumfang her, den großen Umfang her.

00:08:24.010 --> 00:08:26.750
Es wird ein Quer-Connector benötigt und hier füllt Data Connect die Lücke.

00:08:27.310 --> 00:08:29.430
ADF wird zum Manager und Data Connect zur Datenquelle.

00:08:30.550 --> 00:08:33.650
Graph Data Connect wurde speziell für M3-65 Massendaten entwickelt.

00:08:34.210 --> 00:08:36.010
Eine Pipeline kann Millionen von Datensätzen extrahieren.

00:08:36.250 --> 00:08:37.230
Der Nachteil ist die Latenz.

00:08:37.530 --> 00:08:40.730
Bei jeder Pipeline-Ausführung dauert es etwa 45 Minuten, bis die Daten verschoben werden.

00:08:41.070 --> 00:08:45.890
Sie ist also nicht für Echtzeit-Dashboards geeignet, sondern für geplante, umfangreiche Analysen, die jede Nacht oder wöchentlich ausgeführt werden.

00:08:46.050 --> 00:08:46.770
Jane setzt sich so vor.

00:08:46.870 --> 00:08:50.350
Power Automate ist in Echtzeit verfügbar, kann kleine Datenmengen verarbeiten und erfordert wenig Kunden.

00:08:50.350 --> 00:08:54.150
Die Graph API ist in Echtzeit verfügbar, kann mittlere Datenmengen verarbeiten und erfordert einen Entwickler.

00:08:54.510 --> 00:08:58.570
Graph Data Connect ist geplant, kann große Datenmengen verarbeiten und erfordert die Zustimmung des Administrators.

00:08:58.930 --> 00:09:00.750
Das sind drei verschiedene Tools für drei verschiedene Aufgaben.

00:09:01.270 --> 00:09:04.190
Wenn Sie eine Echtzeit-Benachrichtigung benötigen, wenn sich eine Datei ändert, verwenden Sie Power Automat.

00:09:04.490 --> 00:09:09.570
Wenn Sie jede Nacht Nutzungsmuster auf allen Ihren SharePoint-Websites analysieren müssen, verwenden Sie Graph Data Connect.

00:09:10.070 --> 00:09:12.410
Versuchen Sie nicht, ein Tool für etwas zu zwingen, für das es nicht entwickelt wurde.

00:09:13.910 --> 00:09:14.710
Anwendungsverluste 3

00:09:14.710 --> 00:09:16.490
Was können Sie nun mit all diesen Daten tun?

00:09:16.890 --> 00:09:18.210
Ich gebe Ihnen ein paar konkrete Beispiele.

00:09:18.810 --> 00:09:19.950
Zunächst einmal die Sicherheitsanalyse.

00:09:20.450 --> 00:09:25.110
Sie können Überwachungsprotokolle und Aktivitätsdaten aus Exchange und SharePoint abrufen und dann eine Anomalieerkennung ausführen,

00:09:25.190 --> 00:09:27.710
um kompromittierte Konten oder ungewöhnliche Daten-Zukunftsmuster zu erkennen.

00:09:28.330 --> 00:09:31.750
Wenn ein Mitarbeiter plötzlich um zwei und morgens tausende von Dateien herunterlädt, sollten Sie das wissen.

00:09:32.750 --> 00:09:35.330
Data Connect liefert Ihnen die Rohdaten, um eine solche Erkennung zu erstellen.

00:09:35.750 --> 00:09:37.470
Ein Blick in die Zusammenarbeit sind ein weiterer wichtiger Sinn.

00:09:37.590 --> 00:09:41.710
Durch die Analyse von Teams, Nachrichten und Besprechungsdaten können Sie nachvollziehen, wie Teams wirklich zusammenarbeiten.

00:09:42.430 --> 00:09:44.010
Welche Abteilungen kommunizieren am häufigsten miteinander?

00:09:44.010 --> 00:09:45.850
Wo liegen die engen Pässe in Ihrem Workflow?

00:09:46.270 --> 00:09:49.290
Sie können Fragen beantworten, wie arbeiten funktionsübergreifende Teams tatsächlich zusammen?

00:09:49.590 --> 00:09:51.770
Oder sitzen Sie einfach nur in Besprechungen, ohne zu raten?

00:09:52.350 --> 00:09:53.870
Dann gibt es noch die skalierbare Inhaltsverwaltung.

00:09:54.270 --> 00:09:58.630
Sie können Metadaten aus Millionen von SharePoint-Dateien abrufen, veraltete Inhalte finden, die seit Jahren nicht mehr bearbeitet wurden.

00:09:58.750 --> 00:10:04.450
Doppelte Dateien identifizieren die Speicherplatzbelegen, die Speicherplatzbelegen und die Speicherplatzbelegen und dokumentvertraulichen Kennzeichnen und Kennzeichnen, die dort nicht vorhanden sein sollen.

00:10:04.570 --> 00:10:08.590
Eine derartige Datenhygiene lässt sich manuell nicht bewerkstelligen, doch mit Data Connected ist hier in Kinderspiel.

00:10:08.810 --> 00:10:10.410
Die Mitarbeitererfahrung ist am wachsenden Anwendungsfall.

00:10:10.410 --> 00:10:16.530
Kombinieren Sie Viva-Insights-Daten mit HR-Daten, um Fragen wie die folgenden zu beantworten, sind Teams mit häufigen Meetings produktiver oder weniger produktiv?

00:10:16.910 --> 00:10:18.190
Der Schlüssel ist die Identitätsverschleitung.

00:10:18.570 --> 00:10:21.070
Sie können Muster analysieren, ohne individuelle Identitäten preiszugeben.

00:10:21.390 --> 00:10:23.270
So erhalten Sie Einblicke ohne das Risiko für die Privatsphäre.

00:10:23.610 --> 00:10:26.090
Und hier ist ein Aspekt, der immer wichtiger wird, die Bereitschaft für Kopien.

00:10:26.410 --> 00:10:29.410
Bevor Sie Microsoft Copilot einführen, müssen Sie Ihren Datenbestand verstehen.

00:10:29.810 --> 00:10:30.790
Wo sind Ihre Daten gespeichert?

00:10:31.070 --> 00:10:31.750
Wie sind sie organisiert?

00:10:32.150 --> 00:10:32.950
Welche Berechtigung gilt?

00:10:33.430 --> 00:10:35.230
Data Connect kann Ihnen diese Bestandsaufnahme ermöglichen.

00:10:35.230 --> 00:10:40.530
Sie können sehen, welche Websites über zu viel Berechtigung verfügen, welche Dateien verwaist sind und wo sensible Daten möglicherweise offengelegt werden.

00:10:40.730 --> 00:10:43.890
Ohne diese Grundlage könnte Copilot Dinge ans Licht bringen, die Sie lieber nicht sehen möchten.

00:10:44.250 --> 00:10:44.990
Es ist ein konkretes Beispiel.

00:10:45.630 --> 00:10:51.110
Die Polytechnische Universität Mailand hat mit Data Connected die Stimmung der Mitarbeiter in großem Umfang bei tausenden von Benutzern analysiert.

00:10:51.930 --> 00:10:54.710
Sie erhielten objektiv detaillierte Daten, die Sie auf keine andere Weise hätten erhalten können.

00:10:55.150 --> 00:10:58.570
Keine Umfragen, keine Verzerrungen, nur echte Verhaltensdaten darüber, wie Menschen tatsächlich arbeiten.

00:10:58.870 --> 00:10:59.990
Das ist die Stärke dieses Tools.

00:11:00.710 --> 00:11:01.930
Eine einfache Einrichtungsanleitung.

00:11:01.930 --> 00:11:05.570
Das mag kompliziert klingen, aber die eigentliche Einrichtung ist überraschend einfach.

00:11:06.270 --> 00:11:06.850
Ich führe Schritt durch.

00:11:07.450 --> 00:11:10.650
Aktivieren Sie zunächst Graph Data Connect im Microsoft 365 Admin Center.

00:11:11.330 --> 00:11:14.450
Lassen Sie es in den Organisationseinstellungen, suchen Sie den Schalter Data Connect und aktivieren.

00:11:14.650 --> 00:11:16.930
Wählen Sie dann die Datasets aus, die Sie verfügbar machen möchten.

00:11:17.070 --> 00:11:18.710
SharePoint, OneDrive, Exchange, Teams.

00:11:19.250 --> 00:11:20.710
Sie können später jederzeit weiter hinzunehmen.

00:11:20.990 --> 00:11:23.890
Erstellen Sie zweitens eine App-Registrierung in Microsoft Entra-ID.

00:11:24.330 --> 00:11:25.690
Dies ist die Identität Ihrer Anwendung.

00:11:26.190 --> 00:11:27.810
Stellen Sie sich das wie eine Art Ausweis für die Pipeline vor.

00:11:27.950 --> 00:11:30.870
Sie müssen sich die App-ID notieren und einen geheimen kleinen Schlüssel generieren.

00:11:30.870 --> 00:11:32.590
Bewahren Sie diesen Schlüssel einem sicheren Art.

00:11:32.930 --> 00:11:34.330
Sie benötigen ihn, wenn Sie die Verbindung einladen.

00:11:35.370 --> 00:11:38.350
Erstellen Sie drittens eine Graph Data Connect Anwendung im Azure Portal.

00:11:38.850 --> 00:11:41.970
Verknüpfen Sie sie mit der soeben erstellten App-Registrierung und wählen Sie dann Ihr Ziel aus.

00:11:42.290 --> 00:11:44.630
Für die meisten Anfänger ist ein Fabric Lakehouse die einfachste Option.

00:11:45.150 --> 00:11:48.730
Keine zusätzlichen Speicherkonten zu verwalten, keine komplexe Konfiguration, einfach nur zeigen und loslegen.

00:11:49.070 --> 00:11:50.330
Viertens ist dies das Governance Game.

00:11:50.890 --> 00:11:54.330
Kehren Sie zum Microsoft 365 Admin Center zurück und genehmigen Sie die Anwendung.

00:11:54.330 --> 00:12:01.410
Ein Administrator überprüft die angeforderten Datasets und Berechtigungen, gibt an, auf welche Daten zugegriffen wird, welche Spalten enthalten sind und erteilt dann seine Zustimmung.

00:12:02.310 --> 00:12:05.010
Mit diesem Schritt wird sichergestellt, dass nichts ohne explizite Genehmigung geschieht.

00:12:05.690 --> 00:12:08.530
Fünftens, erstellen Sie eine Pipeline in Fabric oder Azure Data Factory.

00:12:08.970 --> 00:12:11.850
Verwenden Sie die Kopieaktivität mit der Microsoft 365-Quell.

00:12:12.210 --> 00:12:13.070
Wählen Sie Ihr Dataset aus.

00:12:13.610 --> 00:12:15.150
Beispielsweise SharePoint Websites Basis.

00:12:15.510 --> 00:12:17.710
Konfigurieren Sie einen Datumsfilter, wenn Sie nur aktuelle Daten haben.

00:12:17.970 --> 00:12:19.010
Verweisen Sie ihn auf Ihr Haus ansehen.

00:12:19.290 --> 00:12:20.130
Lässt Ihr Großteil arbeiten.

00:12:20.530 --> 00:12:21.710
Sechstens, führen Sie die Pipeline aus.

00:12:21.970 --> 00:12:22.490
Hier müssen Sie warten.

00:12:22.890 --> 00:12:26.130
Die anfängliche Vorbereitung dauert etwa 45 Minuten, während Microsoft Ihre Daten vorbereitet.

00:12:26.490 --> 00:12:29.490
Danach werden die Daten als Delta-Paket-Dateien eingespeist und das war's.

00:12:30.190 --> 00:12:36.050
Von dort aus können Sie die Daten mit SQL-Abfragen, Power BI-Berichte erstellen oder Machine Learning-Modelle ausführen, alles innerhalb von Fabric.

00:12:37.210 --> 00:12:38.530
Einschränkungen und worauf Sie achten sollten.

00:12:39.010 --> 00:12:42.370
Bevor Sie loslegen und dies einrichten, möchte ich Sie durch ein paar Dinge führen, die Sie beachten sollten.

00:12:42.630 --> 00:12:43.390
Erstens, die Latenz.

00:12:43.390 --> 00:12:47.150
Dieser Mehraufwand von 45 Minuten ist real, daher eignet sich Data Connect nicht für Echtzeit-Dashboards.

00:12:47.470 --> 00:12:50.530
Wenn Sie alle paar Minuten aktualisierte Daten benötigen, ist dies nicht das richtige Tool für Sie.

00:12:50.790 --> 00:12:52.510
Es ist für nächtliche oder wöchentliche Analysen konzipiert.

00:12:52.790 --> 00:12:53.570
Planen Sie also entsprechend.

00:12:53.950 --> 00:12:54.950
Als nächstes der Mandantbezug.

00:12:55.150 --> 00:12:58.250
Sie können keine Daten in einen anderen Microsoft 365 Mandanten abrufen.

00:12:58.550 --> 00:13:00.310
Die Daten bleiben innerhalb Ihrer Organisationsgrenzen.

00:13:00.710 --> 00:13:04.210
Wenn Sie als Berater mehrere Mandanten verwalten, benötigen Sie für jeden Mandanten separate Pipelines.

00:13:04.910 --> 00:13:07.090
Die Verfügbarkeit von Datensätzen ist ein weiterer zu beachtender Aspekt.

00:13:07.350 --> 00:13:09.830
Nicht alle M365-Daten sind über Data Connect verfügbar.

00:13:09.830 --> 00:13:15.530
Die grundlegenden Datensätze decken SharePoint, Exchange, Teams und Gruppen ab, aber möglicherweise fehlen einige erweiterte Eigenschaften.

00:13:15.570 --> 00:13:18.230
Überprüfen Sie die Dokumentation, bevor Sie sich für eine bestimmte Analyse entscheiden.

00:13:18.570 --> 00:13:19.190
Nun zu den Kosten.

00:13:19.870 --> 00:13:21.530
Data Connect hat eine verbrauchsbasierte Preisgestaltung.

00:13:21.810 --> 00:13:23.330
Die Kosten werden pro abgerufen im Objekt bei.

00:13:23.470 --> 00:13:27.870
Für einen kleinen Mandanten ist das vernachlässigbar, aber für einen Mandanten mit 100.000 Benutzern unmilliert sich der Betrag schnell.

00:13:28.070 --> 00:13:28.810
Summiert sich der Betrag schnell.

00:13:28.910 --> 00:13:31.210
Planen Sie Ihr Budget entsprechend und testen Sie zunächst mit einem Klender.

00:13:31.530 --> 00:13:32.910
Auch der Genehmigungsprozess ist wichtig.

00:13:32.910 --> 00:13:35.550
Jede Anwendung benötigt Administratoreinwilligung.

00:13:36.090 --> 00:13:39.370
Wenn Sie die Datensätze ändern oder neue Spalten hinzufügen, müssen Sie die Genehmigung erneut erteilen.

00:13:39.710 --> 00:13:41.910
Dekrieren Sie dies in Ihren Workflow, damit Sie nicht überrascht werden, wenn eine Pipeline...

00:13:41.910 --> 00:14:11.890
...