データ チームと Microsoft Fabric を探索する

Microsoft Fabric の統合データ分析プラットフォームを使用すると、データプロフェッショナルがプロジェクトで共同作業を簡単に行うことができます。 ファブリックは、データ サイロと複数のシステムの必要性を取り除くことで、データプロフェッショナル間のコラボレーションを増やします。

従来の役割と課題

従来の分析開発プロセスでは、データ チームはデータ タスクとワークフローの分割により、多くの場合、いくつかの課題に直面します。

データ エンジニアは、アナリストのためにデータを処理してキュレーションし、それを使用してビジネス レポートを作成します。 このプロセスには広範な調整が必要であり、多くの場合、遅延や解釈の誤りにつながります。

データ アナリストは、多くの場合、Power BI レポートを作成する前にダウンストリーム データ変換を実行する必要があります。 このプロセスは時間がかかり、必要なコンテキストが不足する可能性があるため、アナリストがデータに直接接続することが困難になります。

データ サイエンティストは、ネイティブ データ サイエンス手法と既存のシステムの統合が困難に直面しています。これは、多くの場合、複雑であり、データ駆動型の分析情報を効率的に提供することが困難になります。

コラボレーション ワークフローの進化

Microsoft Fabric は、ツールを SaaS プラットフォームに統合することで、分析開発プロセスを簡素化します。 Fabric を使用すると、作業を重複することなく、さまざまなロールで効果的に共同作業を行うことができます。

データ エンジニアは 、ワークフローを自動化し、スケジューリングをサポートする Pipelines を使用して、OneLake にデータを直接取り込み、変換し、読み込むことができます。 効率的なストレージとバージョン管理のために、Delta-Parquet 形式を使用して、lakehouses にデータを格納できます。 ノートブックには、複雑な変換のための高度なスクリプト機能が用意されています。

分析エンジニアは、 レイクハウス内のデータ資産をキュレーションし、データ品質を確保し、セルフサービス分析を可能にすることで、データ エンジニアリングと分析のギャップを埋めます。 Power BI でセマンティック モデルを作成して、データを効果的に整理して提示することができます。

データ アナリストは 、データフローを使用してデータをアップストリームに変換し、Direct Lake モードで OneLake に直接接続できるため、ダウンストリーム変換の必要性が軽減されます。 Power BI を使用すると、対話型レポートをより効率的に作成できます。

データ サイエンティストは 、Python と Spark をサポートする統合ノートブックを使用して、機械学習モデルを構築およびテストできます。 Lakehouses にデータを格納してアクセスし、Azure Machine Learning と統合してモデルを運用化およびデプロイできます。

ローコードからノーコードユーザー と 市民開発者 は、OneLakeカタログを通じてキュレーションされたデータセットを検出し、Power BI テンプレートを使用してレポートとダッシュボードをすばやく作成できます。 また、データフローを使用して、データ エンジニアに頼らずに単純な ETL タスクを実行することもできます。