Les sept charges de travail de Fabric (partie 2)

Introduction à Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Les sept expériences Fabric

• Data Factory, Data Engineering et Data Warehouse : ingestion des données
• Les autres charges ciblent l'analyse et la production de rapports

Data Science

• Écrire du code Spark pour explorer et transformer les données
• Prend en charge Python (PySpark), Scala, SparkSQL et SparkR

Data Science

• Sert à créer des modèles de Machine Learning et à évaluer leurs forces

• Prépare des informations tirées des modèles pour un outil comme Power BI

Data Science

Power BI

• Lancé en 2011, maintenant intégré à Fabric
• Sert à créer des tableaux de bord et des visualisations à impact d'affaires
• Utilisé par les développeurs en intelligence d'affaires
• Récupère des données des Lakehouses et Warehouses OneLake

Intelligence en temps réel

• Option de stockage conçue pour les flux d'événements en temps réel
• Utilise OneLake et le format Delta-Parquet, comme les Lakehouses et Warehouses

Intelligence en temps réel

• Option de stockage conçue pour les flux d'événements en temps réel
• Utilise OneLake et le format Delta-Parquet, comme les Lakehouses et Warehouses

• Ingère les données en temps réel et les achemine vers un Eventhouse
• Semblable à DataFlow, mais pour un flux de données

Intelligence en temps réel

• Définir des actions pour réagir aux motifs ou conditions détectés dans les données
• Par exemple :
  • Un outil IdO surveille les articles dans un entrepôt physique
  • Le nombre d'articles dépasse un seuil ; l'entrepôt est trop plein !
  • Un courriel au gestionnaire est déclenché via Activator

Solutions sectorielles

• Outils conçus pour des cas d'usage précis, comme le commerce de détail ou la gouvernance des données.

Passons à la pratique !

Introduction à Microsoft Fabric