El tema de hoy es algo que casi todos los que trabajan con datos han escuchado, pero pocos comprenden realmente. Microsoft Fabric One Lake. Probablemente lo haya visto en el marketing de Microsoft o haya escuchado que lo llaman el lago de datos unificado para toda su organización. ¿Pero qué significa eso en realidad? Solo otro contenedor de almacenamiento es algo fundamentalmente diferente. Aquí está la definición más sencilla. One Lake es un lago de datos lógico único que se sitúa en el centro de Microsoft Fabric. Todos los servicios de Fabric, Lake House, Warehouse, Event House y Power BI almacenan sus datos aquí. Y la regla clave simple. Una copia física de los datos es accesible para muchos motores diferentes. Se acabó el copiar datos de una herramienta a otra. Se acabó el preguntarse qué versión de un informe es la correcta. Al final de este episodio, entenderá qué es One Lake realmente, cómo eliminar la duplicidad de datos y por qué cambia las reglas del juego para Power BI, la ingeniería de datos y la EI. Comencemos con el problema que One Lake fue diseñado para resolver. El problema. Cada departamento tiene su propio lago. Imagine que trabaja en una empresa media. Su equipo de ventas usa un sistema CRM para los datos. Su equipo financiero maneja el ERP para la facturación y los recibos. Su equipo de marketing extrae datos de sus herramientas de campaña. Su equipo de ingeniería de datos gestiona un almacén de datos para la generación de informes. Entonces, eso es en lo que quiero que piense. ¿Cuántas copias de los mismos datos de cliente existen en estos sistemas? En la mayoría de las empresas, la respuesta es 4 o 5. CRM los almacena. Los almacena. Marketing los exporta a su herramienta de análisis. Alguien en finanzas crea una hoja de cálculo desde el ERP. Y el equipo de ingeniería de datos los copia al almacén para que Power BI pueda leerlos. Es el mismo ID cliente, el mismo importe de ventas y la misma fecha de factura almacenados en 5 lugares distintos. Esto no sucede porque las personas se han descuento. Es porque las herramientas antiguas no se comunicaban entre ellos. Si quería ejecutar un informe que combinara datos de ventas del CRM con datos financieros del ERP, tenía que copiar ambos en algo que pudiera leerlos juntos. Eso significaba crear tuberías, programar tareas y esperar que nada se rompiera durante la noche. Los costos ocultos se acumulan rápido. La factura de almacenamiento crece porque está pagando 5 veces por los mismos datos. Los informes quedan obsoletos porque una copia se actualiza mientras otra no. Y entonces alguien le hace la pregunta que nadie quiere responder. ¿Qué versión le correcta? Esa confusión era confianza en los datos y, una vez que la confianza desaparece, la gente deja de usar la plataforma de análisis por completo. Así que Microsoft observó este caos y planteó una pregunta simple. ¿Qué tal si pudieras tener una copia de tus datos que cada herramienta pudiera leer? ¿Sin duplicado, sin confusión, una única fuente de verdad? ¿Qué es exactamente OneLay? OneLay que es la respuesta de Microsoft a esa pregunta. Es un único lago de datos lógico para toda tu organización. La frase clave a recordar es esta. Un lago por inquilino, no un lago por equipo. Internamente, OneLay que está construido sobre Azure Data Lake Storage and Dove. La misma tecnología, las mismas API, pero Microsoft la ha reempaquetado como un servicio SaaS totalmente administrado. No creas cuentas de almacenamiento. No administras contenedores. No configuras claves de acceso, simplemente lo usas. Piénsalo como OneDrive para los datos de empresa. OneDrive te da un lugar único para tus archivos personales, documentos, fotos y hojas de cálculo. No piensas en dónde están almacenados físicamente. Solo lo sabes y trabajas. OneLay hace lo mismo, pero para los datos de tu organización. Ofrece a cada equipo, cada proyecto y cada carga de trabajo un grupo de almacenamiento compartido. Ahora, aquí hay una distinción importante. OneLay es lógico, no físico. Internamente, puede abarcar múltiples cuentas de almacenamiento en diferentes regiones. Pero para ti parece un solo grupo gigante. No te importa qué servidor contiene los archivos, solo ves tus datos. Cada servicio de fábrica almacena sus datos. Cuando creas un Lake House, los datos residen en OneLay. Cuando construyes un almacén, las tablas residen en OneLay. Cuando ejecutas un informe de Power BI, si usa el modo DirectLake, lee directamente desde OneLay. Incluso EventHouse, el almacén de análisis en tiempo real puede exponer sus datos en OneLay. Todo apunta al mismo lugar y el formato de datos predeterminado es Delta Parquet. Es un formato abierto, no una exclusividad a Microsoft. Databricks lo usa, los motores de Spark lo leen. Herramientas como Pandas y Poder los pueden trabajar con. Sí que tus datos no están atrapados dentro del mundo de Microsoft. Es abierto y portátil. Pero la verdadera magia no es el almacenamiento. Es como OneLay elimina la necesidad de copiar datos en primer lugar. Principio de una sola copia. Ahora, aquí está la idea central que hace a OneLay diferente de todo lo anterior. Se llama el principio de una sola copia y es simple. Una copia física de los datos, accesible por muchos motores diferentes. Déjame mostrarte lo que eso significa. Supongamos que tienes una tabla de datos de ventas en OneLay. Un ingeniero de datos ejecuta un cuaderno de SparkParent. Una lista de negocios escribe una consulta TSQL para agregar. Y un informe de Power BI la lee para un panel de control. Los tres ocurren al mismo tiempo. Los tres leen el mismo archivo. Nadie copió nada. En el pasado eso nunca ocurría. Copiabas datos del DataLay a un almacén. Luego los copiabas del almacén a un modelo semántico. Después actualizabas el informe. Son tres copias de los mismos datos. Cada uno consume tiempo de almacenamiento. Y si un paso fallaba, tus números eran incorrectos. Una sola copia elimina todo eso. Los datos reciben OneLay una vez. Los motores Spark, SQL, Power BI los leen directamente. Sin movimiento. Sin duplicación. Sin problema de sincronización. El ahorro de costo es real. Menos almacenamiento porque no pagas cinco veces por los mismos datos. Menos CTL porque no creas tuberías solo para mover datos entre herramientas. Menos mantenimiento porque no hay nada que se rompa entre copias. Y el beneficio de la frescura es enorme. Una copia significa una única fuente de verdad. Cuando los datos se actualizan, cada informe ve la actualización de inmediato. Se acabo de preguntar, ¿este informe usa datos de la semana pasada o de esta? Siempre son los mismos datos en todas partes. Quizá piense, bueno, no es esto solo hacer data lake story. No exactamente. ADLS es un servicio. Creas cuentas de almacenamiento. Administra contenedores. Configuras claves de acceso. Decides qué región contiene qué. Es flexible, pero también requiere trabajo. OneLay, que es un servicio SaaS. No creas cuentas de almacenamiento. No administras contenedores. Simplemente lo usas. La infraestructura subyacente se maneja por ti. Una copia es ideal para datos dentro de Fabric. ¿Pero qué pasa con los datos en otro lugar? Accesos directos. Deja los datos donde residen. Aquí es donde entran los accesos directos. Un acceso directo es un puntero virtual. Piénsalo como nace simbólico para tu data lake. Te permite acceder a datos que viven fuera de OneLay sin moverlos, ni copiarlos, ni copiar. Así es como funciona. Creas un acceso directo dentro de un lake house o un almacén. Y ese acceso directo apunta a un archivo o carpeta en otro lugar. Podría ser en Azure Data Lake Storage, un bucket de Amazon S3, Google Cloud Storage, o incluso otro espacio de trabajo de Fabric, Wave. Los datos permanecen donde están, pero desde Fabric parecen estar en OneLay. Déjame darte un escenario real. Tu equipo de ventas ha realizado su analítica en AWS por años, así que todos sus datos residen en buckets S. Tu equipo de finanzas usa Fabric y Power BI y necesitan combinar datos de ventas con datos financieros. En el viejo mundo exportabas todo desde S3, lo subías a Azure y creabas una canalización para mantenerlo sincronizado y esperabas que nada se rompiera. Con los accesos directos, creas un acceso directo de tu lake house al bucket de S3. Los datos permanecen en AWS, pero el equipo financiero puede consultarlos en Power BI como si estuvieran en OneLay, sin exportaciones, sin subidas, sin preocuparse por canalizaciones. Los accesos directos también funcionan en Internet. Si un equipo tiene un conjunto de datos seleccionado en su espacio de trabajo, otro equipo puede crear un acceso directo a él. Sin copias, sin duplicaciones. Los datos permanecen en el espacio de trabajo original y todos los demás simplemente hacen referencia a él. Hay una limitación que debes comprender. Los accesos directos no copian datos, por lo que el rendimiento de las consultas depende de la velocidad del sistema de red. Si creas un acceso directo a un bucket de S3 al otro lado del mundo, tus consultas serán más lentas que si los datos fueran locales. Para datos de acceso frecuente, considera usar la replicación Mirroring en su lugar. Y eso nos lleva a nuestro siguiente tema. La replicación. Trae datos de bases de datos automáticamente. Los accesos directos cubren muy bien el almacenamiento de archivos externo, pero ¿qué pasa con tus bases de datos existentes? Aquellas que ejecutan tu ERP, tu CRM, tus aplicaciones operativas. Ahí es donde entra en juego la replicación. La replicación es una forma de llevar datos de bases de datos a One Lake en tiempo casi real sin crear una sola canalización. Apuntas Fabric a tu base de datos y él se encarga del resto, creando una copia incremental automática de los datos en formato Delta Parquet dentro de One Lake, manteniendo esa copia actualizada a medida que ocurren cambios en el origen. Las fuentes admitidas incluyen Azure SQL Database, SQL Server Local, Cosmos DB y otras, y Microsoft agrega más con el tiempo, pero el escenario más común es tu base de datos crítica para el negocio, donde se ejecuta tu ERP o tu aplicación de línea de negocio. Así es como funciona. Habilitas la replicación en una base de datos y Fabric lee el registro de cambios, las inserciones, actualizaciones, eliminaciones y replique sus cambios en One Lake. La primera sincronización copia el conjunto de datos. Después de eso, es incremental, moviendo solo las filas modificadas. Los datos llegan en formato Delta Parquet, listos para ser consultados por cualquier motor de fábrica. Aquí está la diferencia clave con respecto a los accesos directos. Los accesos directos no copian datos, solo apuntan a ellos. La replicación sí copia los datos, por lo que residen físicamente en One Lake, y el rendimiento de las consultas es rápido sin importar qué tan lenta sea la base de datos de origen. La contrapartida es que almacenas una copia, pero el beneficio es un acceso en tiempo casi real, sin canalizaciones que crear, programaciones que gestionar, ni mantenimiento del que preocuparse. Permítame darles un caso de uso concreto. Su empresa ejecuta un ERP en SQL Server que contiene todos sus datos financieros, facturas, pagos y contabilidad general. En el viejo mundo uno creaba un trabajo de tele que se ejecutaba cada noche, extraía los datos, los transformaba y los cargaba en un almacén. Su trabajo fallaba, alguien tenía que arreglarlo, y los datos siempre tenían al menos un día de antigüedad. Con la duplicación, usted la habilita una vez y Fabric replica los datos en One Lake de forma continua. Sus informes de Power BI leen directamente de One Lake y ven datos con minutos de antigüedad, no horas o días, y nunca toca la canalización. Ahora usted tiene datos en One Lake provenientes de accesos directos, de la duplicación y de cargas directas. ¿Cómo se utiliza en REN? One Lake y los tres almacenas datos. Bien, One Lake es la capa de almacenamiento, el lugar donde residen todos sus archivos. Pero aquí está el punto. Usted no trabaja realmente con One Lake de forma directa. En su lugar, interactúa con él a través de lo que llamamos almacenes de datos, que son interfaces que ofrecen distintas formas de trabajar con los mismos datos subyacentes. Existen tres almacenes de datos principales en Fabric, Lakehouse, Warehouse y Benhub. Todos almacenan sus datos en el mismo One Lake, pero cada uno cumple una función diferente. Comencemos con Lakehouse, el almacén de datos flexible que acepta archivos como CSV, JSON e imágenes, junto con tablas Delta. Lo utiliza cuando realiza ingeniería de datos, aprendizaje automático o cuando descarga datos sin procesar de sistemas de origen. Es un banco de trabajo donde usted limpia, transforma y prepara los datos. Si está construyendo una arquitectura de MediJone con capas de bronce, plata y oro, el Lakehouse es donde eso sucede. Puede acceder a él mediante Notebooks de Spark, a través del punto de conexión de análisis SQL para consultas de solo lectura. Siguiente es Warehouse, el almacén de datos estructurado. Le brinda soporte completo de lectura y escritura de SQL, por lo que puede crear tablas, vistas, procedimientos almacenados y funciones, y ejecutar sentencias de inserción, actualización y eliminación. Se siente como una base de datos tradicional de SQL Server porque está diseñado para quienes piensan en SQL. Utiliza Warehouse cuando crea informes de BI, ejecute agregaciones complejas o migre desde un almacén de datos existente, bien sea en él como la capa de oro para los informes empresariales. Luego está Eventhouse, el almacén de datos en tiempo real construido sobre el motor Custo, la misma tecnología detrás de Azure.explorer. Maneja datos en streaming, registros, telemetría de TI, flujo de clics, cualquier cosa que llegue rápido y necesite consultarse de inmediato. Usted realiza consultas con KQL, lenguaje de consulta de Custo. Y cuando habilitas la disponibilidad en OneLake, esos datos de eventos se vuelven accesibles para Lakehouse y Warehouse como tablas Delta. Así que esto es lo que necesitas entender. Los tres almacenan sus datos en el mismo OneLake. Una tabla creada en un Lakehouse puede ser leída por una consulta de Warehouse. Una tabla en un Warehouse puede ser accedida desde un cuaderno de Spark. Los datos ingeridos en Eventhouse pueden exponerse como tablas Delta para Power BI. No son bases de datos separadas, son vistas diferentes del mismo lago de datos. Muchas personas se equivocan. Piensan que Lakehouse, Warehouse y Eventhouse son productos que compiten, pero no es así. En realidad, usan los tres porque cada uno resuelve un problema diferente. Lakehouse para ingeniería de datos, Warehouse para vía, Eventhouse para tiempo real y todos comparten el mismo almacenamiento. OneLake maneja el almacenamiento y los almacenes de datos manejan el acceso. Pero ¿quién puede ver qué? Seguridad y gobernanza en OneLake. Debido a que todos tus datos viven en un solo lugar, la seguridad se vuelve más sencilla. Gestionarse el acceso en un solo sitio en lugar de 10 sistemas diferentes. Ya no hay que configurar permisos en el CRM, luego otra vez en el Warehouse y otra vez en Power BI. OneLake te ofrece un modelo de seguridad único para todo. En el nivel superior tienes roles de área de trabajo. Administrador, miembro, colaborador, visor. Estos controlan quién puede trabajar en área de trabajo determinada. Si alguien es visor, puede ver elementos, pero no modificarlos. Si es administrador, lo controla todo. Bastante sí, pero puedes ir más allá. Los roles de seguridad de OneLake te permiten controlar el acceso a nivel de carpeta, tabla, columna e incluso de fila. Por ejemplo, la seguridad a nivel de columna significa que puedes ocultar información salarial de todos excepto recursos humanos. La seguridad a nivel de fila significa que un gerente de venta solo ve los datos de su propia región. Y funciona de la misma manera en todos los almacenes de datos porque todos residen en el mismo OneLake. También existe el catálogo de OneLake, una vista central donde puedes ver todos los datos en todas las áreas de trabajo. Puedes encontrar conjuntos de datos certificados, verificar quién posee qué y gestionar la gobernanza desde un solo lugar. Se integra con Microsoft Purview para clasificación, etiquetas de sensibilidad y prevención de pérdida de datos. Entonces, si necesitas marcar ciertos datos como confidenciales o muy restringidos, puedes hacerlo a nivel de lag y se aplica en todas partes. Y existe el diagnóstico de OneLake que captura quién accedió a qué y cuándo. Es útil para auditorías, controles de cumplimiento y responder a la pregunta ¿Quién tocó estos datos la semana pasada? Registra cada operación de lectura y escritura y almacena esos registros como archivos JSON dentro de un LakeHouse. Puede analizarlos con Spark, SQL o Power BI. El panorama general es este, un modelo de seguridad único para todos sus datos, en lugar de gestionar reglas independientes para cada herramienta. Esa es una simplificación masiva para cualquier organización. Conclusiones prácticas. Lo que esto significa para usted. Entonces, ¿qué significa realmente todo esto si está comenzando su viaje con fábrica hoy mismo? Analicemos. Si está creando una nueva plataforma de datos, OneLake elimina la necesidad de diseñar un movimiento de datos complejo. No tiene que planificar cómo fluyen los datos desde un lago hacia un almacén y luego a un modelo semántico. Simplemente póngalos en OneLake y todas las herramientas de ahí. OneLake una sola copia. Esa es toda la arquitectura. Si está migrando de un sistema antiguo, los accesos directos y la replicación le permiten dejar los datos donde están mientras tarlada gradualmente las cargas. No se necesita una migración masiva. Apunte un acceso directo a su lago de datos existente, replique su base de datos de SQL Server y comience a usar Fabric mientras sus sistemas antiguos siguen funcionando. Te avanza su propio ritmo. Aquí está el cambio de mentalidad. Deje de pensar en almacenamiento por proyecto. Deje de crear un nuevo lago de datos para cada nueva iniciativa. Empiece a pensar en un lago compartido al que todos los proyectos accedan. Los datos de su equipo de ventas, los datos de su equipo de finanzas, los datos de su equipo de ingeniero. Todo vive en el mismo lugar. Simplemente ven partes diferentes de él. Para los usuarios de Power BI, los informes se leen directamente desde One. Sin importaciones separadas, sin modelos semánticos duplicados. Los datos están actualizados porque son los mismos con los que trabajan los ingenieros de datos. Para los ingenieros de datos, eso significa menos canalizaciones que construir, mantener y depurar. Deposita los datos una vez. Todos los demás simplemente los referencia. La conclusión es esta. One Lake no es solo otro lago de datos. Es la base que hace que Fabric sea diferente a todo lo anterior. La razón por la que puede dejar de copiar datos y empezar a confiar en ellos. Entonces ahí lo tiene. One Lake es el único lago de datos de su organización, construido sobre el principio de una sola copia. Una copia física de datos accesible para cualquier herramienta, cualquier equipo y cualquier carga de trabajo. No más duplicación. No más confusión sobre qué versión es la correcta. Su tarea es sensible. Comience con un acceso directo desde una fuente externa o replique una base de datos. Vea lo simple que se vuelve cuando uno tiene que construir canalizaciones solo para mover datos de un lado a otro. La mayoría de las organizaciones no harán este cambio rápidamente. Sea usted el que lo haga. Si este episodio le ayuda a entender One Lake, suscríbase a Microsoft Knowledge Nuggets para obtener más contenido sobre Fabric en lenguaje sencillo. Y comparte esto con alguien que todavía esté gestionando cinco lagos de datos separados. Te lo agradecerán más tarde.