WEBVTT

00:00:00.200 --> 00:00:01.200
Bienvenidos a otro episodio.

00:00:01.700 --> 00:00:04.820
El tema de hoy es algo que probablemente han escuchado en reuniones o artículos de tecnología,

00:00:05.200 --> 00:00:05.900
Microsoft Fabric.

00:00:06.440 --> 00:00:09.000
Pero si son como la mayoría, no están del todo seguros de que realmente.

00:00:09.760 --> 00:00:13.620
¿Es solo otro producto de Microsoft, un cambio de marca de algo antiguo o es algo completamente diferente?

00:00:14.240 --> 00:00:15.560
Déjenme darle la respuesta corta.

00:00:15.940 --> 00:00:17.260
Microsoft Fabric no es solo otro producto.

00:00:17.880 --> 00:00:21.180
Es una plataforma de datos completa, un lugar donde pueden realizar todo su trabajo de datos.

00:00:21.660 --> 00:00:24.560
Almacenamiento, transformación, análisis y reportes, todo en un mismo sitio.

00:00:25.580 --> 00:00:28.660
Al final de este episodio, entenderán qué es Fabric, por qué Microsoft lo creó

00:00:28.660 --> 00:00:30.560
y cómo encajan sus piezas principales.

00:00:31.380 --> 00:00:32.580
Tomen su café y comencemos.

00:00:33.400 --> 00:00:35.640
La vieja forma, porque los datos estaban fragmentados.

00:00:36.340 --> 00:00:39.620
Para entender por qué existe Fabric, necesitan entender el problema que resuelve.

00:00:40.360 --> 00:00:44.280
Hace 20 años, si dirigías una empresa, comprabas un servidor para almacenar datos,

00:00:44.700 --> 00:00:48.380
una herramienta separada para generar reportes y otro producto para análisis en tiempo real.

00:00:48.980 --> 00:00:52.420
Antes de darse cuenta, tenían cinco sistemas diferentes, cada uno con su propio inicio de sesión,

00:00:52.420 --> 00:00:55.280
su propia forma de trabajar y su propia forma de trabajar y su propio equipo gestionado.

00:00:55.400 --> 00:00:57.000
Durante mucho tiempo, los datos vivieron en silo.

00:00:57.000 --> 00:01:02.040
Los datos de ventas estaban en un sistema, los de clientes en otro, los datos financieros en algún otro lugar completamente distinto.

00:01:02.780 --> 00:01:06.500
Si quieren hacer una pregunta que cruzara esos sistemas, como qué clientes compran los productos más rentables,

00:01:06.640 --> 00:01:11.500
tenían que mover los datos, exportarlos de un sistema, transformarlos, cargarlos en otro

00:01:11.500 --> 00:01:13.380
y luego repetir el proceso cuando los datos cambiaban.

00:01:13.660 --> 00:01:16.400
Se pasaba más tiempo moviendo datos entre sistemas que analizándolos.

00:01:16.580 --> 00:01:19.960
Realmente, la integración de datos se convirtió en un trabajo de tiempo completo para equipos inteligentes.

00:01:19.960 --> 00:01:24.980
Lo peor era que cada vez que movían datos, creaban otra copia, otra versión de la verdad.

00:01:25.160 --> 00:01:28.040
Y muy pronto, nadie sabía cuál era la copia correcta.

00:01:28.720 --> 00:01:31.440
Microsoft observó esta fragmentación y planteó una pregunta sencilla.

00:01:31.900 --> 00:01:33.420
¿Qué pasaría si tus servicios trabajaran juntos?

00:01:33.620 --> 00:01:36.940
¿Qué pasaría si en lugar de unir productos separados tuviera una plataforma que hiciera todo?

00:01:37.420 --> 00:01:39.540
Esa pregunta es lo que dio lugar a Microsoft Fabric.

00:01:39.540 --> 00:01:42.080
¿Qué es realmente Microsoft Fabric?

00:01:42.720 --> 00:01:44.820
Es que es Fabric, que tiene la definición más sencilla.

00:01:45.280 --> 00:01:47.980
Microsoft Fabric es una plataforma unificada de datos y análisis.

00:01:48.540 --> 00:01:49.880
Un solo lugar para todo su trabajo con datos.

00:01:50.200 --> 00:01:51.780
Imagínelo como un edificio de oficinas modernas.

00:01:52.060 --> 00:01:55.580
Cada herramienta, como Power BI o Azure Synapse, es una habitación dentro de ese edificio.

00:01:55.780 --> 00:01:58.880
Tiene su propio propósito, mobiliario, herramientas, pero todas son parte de la misma estructura.

00:01:59.220 --> 00:02:02.260
No necesitan salir a la calle y perder una habitación a otra, tan conectada.

00:02:02.620 --> 00:02:03.280
Eso es lo que hace Fabric.

00:02:03.580 --> 00:02:08.480
Reúne ingeniería de datos, integración de datos, almacenamiento de datos, análisis en tiempo real e inteligencia empresarial

00:02:08.480 --> 00:02:09.720
en una sola plataforma.

00:02:09.940 --> 00:02:13.900
Todo se ejecuta en una única plataforma SaaS, lo que significa que no hay infraestructura separada que gestionar,

00:02:14.100 --> 00:02:16.740
ni servidores que aprovisionar, ni redes que aprovisionar, ni redes que configuran.

00:02:16.860 --> 00:02:18.080
Microsoft se encarga de todo su brusto.

00:02:18.500 --> 00:02:23.120
Desde su lanzamiento en 2023, Fabric se ha convertido en el producto de datos de más rápido crecimiento en la historia de Microsoft.

00:02:23.500 --> 00:02:27.420
Hoy, más de 25.000 clientes lo utilizan, incluido el 80% de las empresas Fortune 500.

00:02:27.740 --> 00:02:29.240
Es una adopción enorme en muy poco tiempo.

00:02:29.700 --> 00:02:30.680
La diferencia clave es esta.

00:02:30.740 --> 00:02:34.100
En el viejo mundo usted compraba productos separados e intentaba que se comunicaran entre sí.

00:02:34.780 --> 00:02:36.980
Con Fabric ya no tiene que unir diferentes servicios.

00:02:36.980 --> 00:02:40.560
Es una experiencia, un inicio de sesión, una forma de trabajar y eso lo cambia todo.

00:02:41.680 --> 00:02:42.500
One Lake, la base.

00:02:43.280 --> 00:02:45.540
Ahora, hablemos de la base que hace que todo esto funcione.

00:02:46.040 --> 00:02:48.260
En el corazón de Fabric hay algo llamado One Lake.

00:02:48.820 --> 00:02:51.660
La manera más fácil de pensar en One Lake es como OneDrive para sus datos.

00:02:52.320 --> 00:02:55.200
Saber cómo OneDrive le da un lugar para guardar todos sus archivos personales

00:02:55.200 --> 00:02:57.520
y cada aplicación en su computadora puede acceder a ellos.

00:02:58.140 --> 00:03:00.940
One Lake hace lo mismo, pero para los datos de su organización.

00:03:01.380 --> 00:03:02.240
Esto es lo que lo hace poderoso.

00:03:02.680 --> 00:03:06.780
Cada carga de trabajo de Fabric, ya sea un lake house, un almacén o un trabajo de análisis en tiempo real,

00:03:06.980 --> 00:03:08.720
almacén automáticamente sus datos en One Lake.

00:03:09.060 --> 00:03:11.760
No tiene que copiar nada manualmente ni configurar conexiones.

00:03:12.220 --> 00:03:12.920
Simplemente sucede.

00:03:13.260 --> 00:03:14.720
Y solo hay un One Lake por inquilino.

00:03:15.260 --> 00:03:17.520
Una única fuente de verdad para toda su organización.

00:03:18.180 --> 00:03:20.520
Ahora, tal vez piense, ¿qué pasa si quiero cambiar de plataforma más adelante?

00:03:20.980 --> 00:03:21.380
¿Se trepa?

00:03:21.740 --> 00:03:22.780
La respuesta es no.

00:03:23.180 --> 00:03:25.960
One Lake almacena datos en formatos abiertos como Delta Parquet,

00:03:26.160 --> 00:03:28.920
un formato estándar de la industria utilizado por Databricks y Apache Spark.

00:03:29.400 --> 00:03:30.620
Nunca está atrapado con Microsoft.

00:03:30.940 --> 00:03:32.960
Si quiere mover sus datos a otro lugar puede hacerlo.

00:03:33.460 --> 00:03:34.060
Son sus datos.

00:03:34.060 --> 00:03:36.840
Pero aquí es donde One Lake se pone realmente interesante.

00:03:36.960 --> 00:03:37.740
Los accesos directos.

00:03:37.960 --> 00:03:40.380
Un acceso directo es un puntero virtual a datos que viven en otro lugar.

00:03:40.740 --> 00:03:45.260
Puede crear un acceso directo a datos almacenados en Adobe CC3, Google Cloud o incluso almacenamiento local

00:03:45.260 --> 00:03:47.500
y aparece en One Lake como si estuviera allí.

00:03:48.180 --> 00:03:49.920
No requiere movimiento de datos ni duplicación.

00:03:51.100 --> 00:03:52.460
Solo tiene que apuntar hacia ellos y aparece.

00:03:53.180 --> 00:03:55.240
One Lake está construido sobre Azure Data Lake Storage,

00:03:55.400 --> 00:03:57.320
el almacenamiento en la nube de nivel empresarial de Microsoft.

00:03:57.580 --> 00:03:59.720
Pero usted no gestiona esa infraestructura, ya que todo es infraestructura,

00:03:59.780 --> 00:04:01.140
ya que todo se maneja como un servicio SaaS.

00:04:01.140 --> 00:04:04.120
No necesita provisionar servidores ni configurar redes, simplemente lo usa.

00:04:04.440 --> 00:04:05.300
¿Qué significa esto para usted?

00:04:05.700 --> 00:04:08.920
Significa que puede tener datos de múltiples fuentes, almacenamiento en la nube,

00:04:09.160 --> 00:04:11.240
bases de datos locales y plataformas de terceros.

00:04:11.520 --> 00:04:13.380
Todo en un solo lugar, sin duplicación.

00:04:13.900 --> 00:04:14.580
¿Cuál es el verdadero problema?

00:04:14.940 --> 00:04:18.760
Cualquier dato escrito en One Lake puede ser utilizado inmediatamente por cualquier carga de trabajo de Fabric.

00:04:19.160 --> 00:04:21.380
Lo escribe una vez y todas las herramientas de Fabric pueden verlo.

00:04:21.600 --> 00:04:22.540
Esa es la magia de One Lake.

00:04:23.440 --> 00:04:25.220
Lake House es el centro de ingeniería de datos.

00:04:25.580 --> 00:04:26.780
Entonces ya tiene sus datos en One Lake.

00:04:27.160 --> 00:04:28.340
Ahora necesita trabajar con...

00:04:28.340 --> 00:04:29.460
Ahí es donde entra en juego Lake House.

00:04:29.860 --> 00:04:30.840
Y tiene la definición más sencilla.

00:04:31.140 --> 00:04:35.620
Un Lake House es un almacén de datos que combina la flexibilidad de un Data Lake con la estructura de una base de datos.

00:04:36.260 --> 00:04:41.700
En un Data Lake tradicional puede almacenar cualquier cosa, archivos CSV sin procesar, documentos JSON, imágenes, archivos de video,

00:04:42.040 --> 00:04:45.160
pero es desordenado, sin estructura ni esquema, por lo que no puede consultarlo fácilmente.

00:04:45.680 --> 00:04:49.980
En una base de datos tradicional toda esta estructuraduría es consultable, pero solo puede almacenar ciertos tipos de datos.

00:04:50.520 --> 00:04:51.580
Un Lake House le ofrece ambas cosas.

00:04:51.580 --> 00:04:55.600
Puede guardar archivos sin procesar como CSV, JSON o incluso imágenes en un Lake House.

00:04:56.440 --> 00:04:59.140
Y también puede almacenar tablas estructuradas que puede consultar con SQL.

00:04:59.680 --> 00:05:00.700
Ambos viven en el mismo lugar.

00:05:00.980 --> 00:05:07.980
Esas tablas utilizan el formato Delta Parquet, el mismo formato abierto y rápido utilizado por Databricks y otras plataformas importantes diseñado para manejar cantidad de masiva de datos.

00:05:08.300 --> 00:05:09.920
Los Lake Houses admiten múltiples herramientas.

00:05:10.360 --> 00:05:12.640
Puede usar Spark para el procesamiento de datos a gran escala.

00:05:12.940 --> 00:05:14.260
Puede usar Python para el aprendizaje automático.

00:05:14.800 --> 00:05:16.100
Puede usar SQL para consultas simples.

00:05:16.580 --> 00:05:18.860
Cualquiera que sea la herramienta que prefiera, el Lake House puede manejarlo.

00:05:18.860 --> 00:05:22.200
Piensa en el Lake House como su espacio de trabajo para crear tuberías de datos.

00:05:22.940 --> 00:05:26.020
Ingresa datos sin procesarlos, transforma los limpios y los prepara para el análisis.

00:05:26.500 --> 00:05:28.460
Puede ejecutar modelos de aprendizaje automático sobre él.

00:05:28.760 --> 00:05:30.820
Puede crear conjuntos de datos de entrenamiento, todo en solo lugar.

00:05:31.020 --> 00:05:34.760
Para los ingenieros de datos que prefieren un entorno compatible con código, los Lake Houses admiten cuadernos.

00:05:35.200 --> 00:05:39.860
Son documentos interactivos donde escribe código, ve resultados y documenta su trabajo como un cuaderno laboratorio para datos.

00:05:40.660 --> 00:05:44.940
Puede escribir código Spark en una celda, ver el resultado en la siguiente y explicar lo que hizo en la celda posterior.

00:05:44.940 --> 00:05:48.880
El Lake House es el punto de entrada para la mayoría de los ingenieros de datos que trabajan en Fabric.

00:05:49.360 --> 00:05:57.300
Es donde ocurre el trabajo pesado y, debido a que almacena todo en un solo lago, cualquier dato que coloque en un Lake House está disponible inmediatamente para cualquier otra carga de trabajo de Fabric en los almacenes.

00:05:57.500 --> 00:05:58.700
El motor de análisis SQL.

00:05:59.600 --> 00:06:05.360
Ahora, si el Lake House es el centro de ingeniería de datos, piensa en el Warehouse como el motor de análisis SQL diseñado por un tipo diferente de usuario.

00:06:06.000 --> 00:06:09.160
Un Warehouse en Fabric es una base de datos de análisis SQL total administrada.

00:06:09.160 --> 00:06:13.360
Si eres administrador de bases de datos o desarrollador de SQL, aquí te sentirás como en casa.

00:06:14.020 --> 00:06:18.020
Puedes escribir consultas T-SQL, crear vistas, procedimientos almacenados y políticas de seguridad.

00:06:18.780 --> 00:06:21.620
Se ve y se siente como un almacén de datos tradicional, pero esto es lo que lo hace diferente.

00:06:22.060 --> 00:06:25.860
Diferencia de un almacén de datos tradicional, el Warehouse de Fabric almacena los datos directamente en un Lake.

00:06:26.120 --> 00:06:29.040
No hay una capa de almacenamiento separada, ni infraestructura adicional que gestionar.

00:06:29.480 --> 00:06:33.240
Los datos residen en un Lake, y el Warehouse es solo la interfaz que usas para consultarlos.

00:06:33.500 --> 00:06:38.140
Esto es importante porque el Warehouse y el Lake House comparten los mismos datos, así que no duplicas nada.

00:06:38.140 --> 00:06:44.820
Si un ingeniero de datos carga datos en un Lake House, un desarrollador SQL puede consultarlos desde un Warehouse inmediatamente, sin copias, sin movimientos.

00:06:45.300 --> 00:06:47.640
Son los mismos datos a los que se accede mediante diferentes herramientas.

00:06:48.120 --> 00:06:50.340
El Warehouse está diseñado para análisis a gran escala.

00:06:51.080 --> 00:06:54.400
Internamente utiliza procesamiento paralelo masivo para manejar enormes conjuntos de datos.

00:06:55.060 --> 00:06:56.980
Y Microsoft ha estado invirtiendo fuertemente en el rendimiento.

00:06:57.440 --> 00:07:01.120
Solo en los últimos seis meses, el rendimiento ha mejorado un 36%.

00:07:01.120 --> 00:07:02.720
Es una gran mejora en poco tiempo.

00:07:02.720 --> 00:07:08.140
Si estás migrando desde otra plataforma, Fabric tiene un asistente de migración que te ayuda a pasar de Snowflake o Synapse.

00:07:08.980 --> 00:07:11.220
Analiza tu configuración actual y te guía a través del proceso.

00:07:11.820 --> 00:07:13.860
El objetivo es hacer que la migración sea lo más sencilla posible.

00:07:14.180 --> 00:07:16.140
Entonces, ¿cuál es la diferencia entre un Lake House y un Warehouse?

00:07:16.400 --> 00:07:17.500
Todo se reduce a la interfaz.

00:07:17.720 --> 00:07:19.220
Los Warehouses son principalmente SQL.

00:07:19.720 --> 00:07:23.300
Están hechos para personas que piensan en términos de tablas, consultas y procedimientos almacenados.

00:07:23.460 --> 00:07:25.100
Los Lake Houses son principalmente para desarrollador.

00:07:25.340 --> 00:07:27.980
Están hechos para personas que desean usar Spark, Python y Notebooks.

00:07:28.380 --> 00:07:30.580
Pero subyacente a esto, ambos almacenan los datos en un survey.

00:07:30.580 --> 00:07:35.820
Son dos formas de trabajar con los mismos datos, como introducir datos, Data Factory, Mirroring y atajos.

00:07:36.400 --> 00:07:40.380
Entonces, tienes un Lake para almacenamiento, Lake Houses para transformación y Warehouses para consulta.

00:07:40.440 --> 00:07:42.120
Pero, ¿cómo entran realmente los datos?

00:07:42.680 --> 00:07:43.800
Ahí es donde interviene Data Factory.

00:07:44.220 --> 00:07:46.700
Data Factory es el servicio de integración de datos integrado en Fabric.

00:07:46.860 --> 00:07:51.580
Y te ofrece más de 200 conectores para extraer datos de bases de datos, almacenamiento en la nube, aplicaciones SaaS y Mac.

00:07:51.940 --> 00:07:54.900
Es la herramienta de integración de datos más utilizada del mundo y por una buena razón.

00:07:55.560 --> 00:07:57.720
Dentro de Data Factory obtienes Data Flows Gen 2,

00:07:57.720 --> 00:08:00.780
que te brinda una forma sin código de transformar datos usando Power Query.

00:08:01.160 --> 00:08:04.500
Si alguna vez has usado Power Query en Excel o Power BI, ya conoces el procedimiento.

00:08:04.940 --> 00:08:07.880
Haces clic en una interfaz visual para limpiar, remodelar y combinar datos.

00:08:08.080 --> 00:08:09.000
No requiere codificación.

00:08:09.260 --> 00:08:11.820
Es de nivel empresarial y escalable para manejar conjuntos de datos masivos.

00:08:12.400 --> 00:08:15.640
Más de 22.000 millones de orquestaciones se ejecutan en Data Factory cada mes,

00:08:16.080 --> 00:08:18.800
lo que significa que miles de millones de movimientos de datos ocurren automáticamente,

00:08:18.940 --> 00:08:20.220
convirtiéndolo en una infraestructura fundamental.

00:08:20.680 --> 00:08:23.620
Pero hay una forma aún más sencilla de llevar datos a One Lake, el Mirroring.

00:08:23.620 --> 00:08:30.480
El Mirroring copia datos de bases externas como Azure SQL, Oracle o Google BigQuery a One Lake casi en tiempo real.

00:08:30.580 --> 00:08:31.400
Y aquí está lo mejor.

00:08:32.380 --> 00:08:34.560
Es gratuito, está incluido en el servicio sin costo adicional.

00:08:35.380 --> 00:08:37.980
Solo apuntas a tu base de datos de origen y Fabric se encarga del resto.

00:08:38.420 --> 00:08:41.600
Luego están los accesos directos, shortcut que mencionamos antes, pero merecen más atención.

00:08:42.140 --> 00:08:46.240
Los accesos directos son punteros virtuales a datos almacenados en otros lugares sin requerir movimiento de datos.

00:08:46.240 --> 00:08:50.620
Creas un acceso directo a un bucket de AWS S3 y aparece en One Lake como si estuviera guardado allí,

00:08:50.780 --> 00:08:52.340
mientras los datos permanecen donde están.

00:08:52.880 --> 00:08:53.860
Simplemente los está señalando.

00:08:54.180 --> 00:08:56.140
Y ahora los accesos directos pueden ser más que solo señalando.

00:08:56.900 --> 00:09:00.140
Las transformaciones de accesos directos te permiten aplicar cambios impulsados por la marcha.

00:09:00.820 --> 00:09:05.960
Puedes realizar análisis de sentimiento en textos, traducir contenido o detectar información de identificación personal,

00:09:06.160 --> 00:09:08.300
todo sin mover los datos ni crear una canalización.

00:09:09.180 --> 00:09:10.920
La transformación ocurre en que accedes a ellos.

00:09:10.920 --> 00:09:16.580
El objetivo de todas estas herramientas es simple, llevar todos tus datos a One Lake sin construir canalizaciones complejas.

00:09:17.060 --> 00:09:23.940
Ya sea que uses Data Factory para tele tradicional, mirroring para replicación casi en tiempo real o accesos directos para acceso virtual, el resultado es el mismo.

00:09:24.880 --> 00:09:27.840
Tus datos terminan en One Lake, listos para cualquier carrera de trabajo de Fabric.

00:09:29.160 --> 00:09:31.000
Inteligencia en tiempo real, bases de datos e IA.

00:09:31.520 --> 00:09:35.240
Hasta ahora hemos hablado de mover y almacenar datos, pero que hay de los datos que nunca dejan de moverse.

00:09:35.680 --> 00:09:39.560
Datos de streaming de sensores IoT, clics en sitios web, telemetría de dispositivos.

00:09:40.320 --> 00:09:41.760
Ahí es donde entra la inteligencia en tiempo real.

00:09:42.320 --> 00:09:45.220
Fabric maneja datos en streaming a través de algo llamado Event House,

00:09:45.560 --> 00:09:50.080
que almacena y consulta datos de series temporales de alto volumen usando KQL, el lenguaje de consulta justo.

00:09:50.860 --> 00:09:53.680
Es el mismo motor que impulsa a Azure Data Explorer, creado para la velocidad,

00:09:54.060 --> 00:09:56.880
para que puedas ingerir millones de eventos por segundo y consultarlos en milisegundos.

00:09:57.580 --> 00:10:02.240
Esto es importante y aquí porque el 46% de los clientes de Fabric ya utilizan inteligencia en tiempo real.

00:10:02.600 --> 00:10:03.300
Eso es casi la mitad.

00:10:03.400 --> 00:10:04.760
Los casos de uso están en todas partes.

00:10:05.380 --> 00:10:07.720
Una empresa de logística rastreando camiones de entrega,

00:10:07.720 --> 00:10:09.800
un minorista monitoreando el tráfico en la tienda,

00:10:09.940 --> 00:10:13.260
un fabricante vigilando sensores de equipos de fábrica, todo en tiempo real.

00:10:14.200 --> 00:10:15.600
Pero Fabric no se trata solo de análisis.

00:10:16.040 --> 00:10:19.440
También incluye bases de datos operativas como SQL Database para datos relacionales

00:10:19.440 --> 00:10:21.180
y Cosmos DB para cargas de trabajo en Noise Query.

00:10:21.500 --> 00:10:24.160
Son las mismas bases de datos que usarías para ejecutar tus aplicaciones.

00:10:24.640 --> 00:10:28.240
Debido a que están integradas en Fabric, almacenan automáticamente sus datos en One Lake,

00:10:28.820 --> 00:10:30.480
sin canalizaciones adicionales y sin copia manual.

00:10:30.860 --> 00:10:33.700
Sus datos transaccionales y analíticos residen en el mismo lugar.

00:10:33.700 --> 00:10:37.200
Ahora, hablemos de IA, porque aquí es donde Fabric se pone realmente interesante.

00:10:37.780 --> 00:10:39.780
La integración de IA es profunda en toda la plataforma,

00:10:40.100 --> 00:10:43.440
ofreciendo modelos prediseñados para análisis de texto, traducción y análisis de sentimiento.

00:10:44.000 --> 00:10:46.680
Puede usarlos directamente en sus flujos de datos sin escribir ningún código.

00:10:47.060 --> 00:10:49.360
Solo apunte sus datos, seleccione el modelo y este se ejecua.

00:10:49.740 --> 00:10:51.900
Y luego está Copilot, que está integrado en todo Fabric.

00:10:52.400 --> 00:10:54.860
Lea escribir consultas, crear informes y desarrollar canalización.

00:10:55.560 --> 00:10:57.440
Solo describa lo que quiere en lenguaje sencillo.

00:10:57.580 --> 00:10:58.720
Y Copilot genera el código.

00:10:59.180 --> 00:11:02.560
Es como tener a un ingeniero de datos junior a su lado, listo para ayudar en cualquier momento.

00:11:02.560 --> 00:11:03.920
La visión aquí es simple.

00:11:04.260 --> 00:11:06.460
La IA trabaja con sus datos sin moverlos a ninguna parte.

00:11:06.780 --> 00:11:09.380
Sus datos permanecen en One Lake y los modelos de IA vienen hacia los datos.

00:11:09.720 --> 00:11:12.140
Sin copias, sin exportaciones, sin riesgos de seguridad.

00:11:12.980 --> 00:11:14.900
Los datos nunca abandonan su entorno gobernado.

00:11:16.660 --> 00:11:18.560
Power BI, gobernanza y el valor empresarial.

00:11:18.980 --> 00:11:21.700
Ahora llegamos a la parte que la mayoría ve, la puerta de entrada a los conocimientos.

00:11:21.840 --> 00:11:22.260
Power BI.

00:11:23.060 --> 00:11:27.140
Es utilizado por 550 mil organizaciones y 34 millones de usuarios cada mes,

00:11:27.280 --> 00:11:30.600
siendo la herramienta de inteligencia empresarial más usada del mundo.

00:11:30.600 --> 00:11:33.700
Y en Fabric se convierte en algo aún más poderoso.

00:11:34.160 --> 00:11:34.680
Este da clave.

00:11:35.080 --> 00:11:39.540
En Fabric, Power BI se conecta directamente a One Lake mediante algo llamado modo Direct Lake.

00:11:40.060 --> 00:11:43.920
Esto es distinto al modo importación tradicional donde usted copia los datos al almacenamiento interno de Power BI.

00:11:44.500 --> 00:11:48.920
En cambio, Direct Lake consulta los datos donde residen en One Lake sin necesidad de actualización, sin duplicación,

00:11:48.980 --> 00:11:51.100
y los datos siempre están actualizados y son increíblemente rápidos.

00:11:51.960 --> 00:11:54.820
Debajo de cada informe de Power BI hay un modelo semántico.

00:11:54.820 --> 00:11:58.620
El cerebro de su informe donde define lógica de negocio, medidas y relaciones.

00:11:59.360 --> 00:12:01.940
Y ahora puede crear estos modelos completamente, en un navegador web.

00:12:02.480 --> 00:12:06.020
El moderado web está disponible de forma general, por lo que puede crear un modelo semántico,

00:12:06.440 --> 00:12:09.260
establecer relaciones y escribir medidas DAX desde un navegador e incluso en Mac.

00:12:09.480 --> 00:12:10.700
No se requiere ninguna aplicación de inscrita.

00:12:10.860 --> 00:12:13.160
Pero todo este poder de datos no significa nada sin gobernanza,

00:12:13.340 --> 00:12:15.300
y Fabric tiene la gobernanza integrada desde el principio.

00:12:15.800 --> 00:12:19.020
Microsoft Preview proporciona etiquetas de sensibilidad que siguen a sus datos a Totspert.

00:12:19.020 --> 00:12:23.540
Si un informe contiene información confidencial, esa etiqueta permanece con él incluso al exportarlo.

00:12:24.160 --> 00:12:27.680
Las políticas de prevención de pérdida de datos detectan automáticamente información sensible

00:12:27.680 --> 00:12:29.380
y bloquean el intercambio no autorizado.

00:12:29.880 --> 00:12:33.100
Y los controles de acceso aseguran que solo las personas adecuadas vean los datos correctos.

00:12:33.840 --> 00:12:37.600
Los dominios le ayudan a organizar los datos por área de negocio con reglas de gobernanza independientes

00:12:37.600 --> 00:12:40.580
para que sus datos financieros puedan tener controles más estrictos que los de marketing.

00:12:41.200 --> 00:12:45.440
Cada dominio puede ser gestionado por su propio equipo logrando una gobernanza que escala con su organización.

00:12:45.920 --> 00:12:47.140
Ahora hablemos de resultados reales.

00:12:47.140 --> 00:12:48.460
Esto no es solo teoría.

00:12:49.020 --> 00:12:52.980
Eastman Chemical utilizó Fabric para reducir el tiempo de preparación de ventas en un 83%.

00:12:52.980 --> 00:12:55.780
Lo que antes tomaba 4 horas ahora toma cerca de 40 minutos.

00:12:56.480 --> 00:12:59.120
Eton Solutions redujo el esfuerzo manual en un 75%,

00:12:59.120 --> 00:13:01.900
con procesos que requerían de 10 a 15 pasos y ahora toman 2.

00:13:02.560 --> 00:13:05.740
Y Sonata Software ahorró 30.000 horas de conciliación manual al año,

00:13:05.920 --> 00:13:08.860
redirigiendo ese esfuerzo humano a trabajo de mayor valor a Lord.

00:13:09.220 --> 00:13:10.340
El modelo de costos es directo.

00:13:10.920 --> 00:13:11.760
Te paga por capacidad.

00:13:12.300 --> 00:13:13.900
La potencia de cómputo que ejecuta su carga de trabajo.

00:13:13.900 --> 00:13:17.160
Microsoft tiene suavizado y protección contra sobrecargas integrados para gestionar los picos.

00:13:17.400 --> 00:13:22.020
El suavizado distribuye el costo de operaciones en segundo plano durante 24 horas para evitar picos repentinos.

00:13:22.480 --> 00:13:27.300
Y la protección contra sobrecargas limita tareas en segundo plano durante periodos de alta demanda para mantener estable el rendimiento interactivo.

00:13:27.680 --> 00:13:29.660
Te paga por lo que usa y no se lleva sorpresas.

00:13:31.100 --> 00:13:32.000
Vamos a reunir todo esto.

00:13:32.420 --> 00:13:34.060
Fabric no es solo otro producto de Microsoft.

00:13:34.680 --> 00:13:37.180
Es un replanteamiento completo de cómo deberían funcionar las plataformas de datos.

00:13:37.660 --> 00:13:40.600
Una plataforma, un lago, una copia de datos y posibilidades infinitas.

00:13:40.600 --> 00:13:43.400
Y con IcoPilot integrados es accesible para todos.

00:13:43.820 --> 00:13:48.600
No solo para profesionales de datos, sino para analistas de negocio, equipos de ventas, gerentes de operaciones, cualquiera que necesite repetir los datos.

00:13:48.940 --> 00:13:49.480
Aquí tiene su tarea.

00:13:49.940 --> 00:13:51.760
Vaya a fabric.microsoft.com.

00:13:51.980 --> 00:13:54.020
Inicie una prueba gratuita y cree su primer espacio de trabajo.

00:13:54.480 --> 00:13:54.840
Solupro.

00:13:55.380 --> 00:13:58.600
Verá cómo encajan las piezas de una manera que ninguna lectura puede reemplazar.

00:13:59.560 --> 00:14:04.960
Si este episodio le ayuda a entender mejor Fabric, suscríbase en su plataforma de podcast favorita y compártelo con alguien que esté comenzando su viaje en los datos.

00:14:05.600 --> 00:14:06.120
Se lo que decirá.

00:14:06.120 --> 00:14:09.780
La próxima vez explicaremos los accesos directos de OneLake en lenguaje sencillo.

00:14:10.520 --> 00:14:14.200
Cómo funcionan, por qué son importantes y cómo usarlos sin mover los datos.

00:14:14.860 --> 00:14:15.800
Este es un episodio que no creaba.

00:14:16.100 --> 00:14:17.000
Entonces, siga aprendiendo.
