Commencez avec Microsoft Fabric

Découvrez comment Microsoft Fabric peut répondre aux besoins d'analytique de votre entreprise sur une seule plateforme. Découvrez Microsoft Fabric, comment cela fonctionne et identifiez comment vous pouvez l’utiliser pour vos besoins d’analyse.

Les lakehouses dans Microsoft Fabric combinent la flexibilité du stockage de type lac de données avec les capacités analytiques des entrepôts de données. Découvrez comment créer un lakehouse, ingérer et transformer des données et interroger des données avec SQL et Spark.

Découvrez ce qu’est un data warehouse Fabric, pourquoi il fournit des fonctionnalités transactionnelles T-SQL complètes et comment créer, interroger et transformer des données pour l’analytique.

Real-Time Intelligence dans Microsoft Fabric vous permet d’ingérer, de traiter, de stocker, de visualiser et d’agir sur les données en mouvement pour obtenir des insights à partir d’événements au fur et à mesure qu’ils se produisent.

Dans Microsoft Fabric, les scientifiques des données peuvent gérer des données, des notebooks, des expériences et des modèles tout en accédant facilement aux données de l’organisation et en collaboration avec leurs collègues professionnels des données.

Vous allez découvrir comment utiliser les fonctionnalités des bases de données SQL dans l’environnement Microsoft Fabric, qui fournit une plateforme unifiée pour la gestion et l’analyse des données.

Concevoir des modèles sémantiques pour la mise à l’échelle dans Microsoft Fabric. Choisissez le mode de stockage approprié, concevez des relations de schéma en étoile pour la clarté et les performances, créez des modèles de calcul évolutifs et configurez les paramètres qui prennent en charge les jeux de données volumineux et la consommation concurrente.

Microsoft Fabric IQ permet de définir le vocabulaire métier dans une ontologie et de lier l’ontologie aux sources de données. Découvrez les éléments d’ontologie, les agents de données, Graph dans Microsoft Fabric et les modèles sémantiques Power BI. Découvrez comment la modélisation de l’ontologie diffère de la modélisation analytique traditionnelle en commençant par des concepts métier plutôt que des cas d’usage spécifiques.