Selamat datang di episode lainnya. Topik hari ini mungkin pernah Anda dengar dalam rapat atau artikel teknologi, yaitu Microsoft Fabric. Namun jika Anda seperti kebanyakan orang, Anda belum sepenuhnya yakin apa sebenarnya? Apakah ini hanya produk Microsoft lainnya? Perubahan merek dari sesuatu yang lama atau sesuatu yang benar-benar berbeda? Ijinkan saya berikan jawaban singkat. Microsoft Fabric bukan sekadar produk biasa. Ini adalah platform data lengkap, satu tempat di mana Anda bisa melakukan semua pekerjaan data, penyimpanan, transformasi, analitik, dan pelaporan semuanya di satu tempat. Di akhir episode ini, Anda akan memahami apa itu Fabric, mengapa Microsoft membangunnya, dan bagaimana bagian-bagian utamanya saling melengkapi. Ambil kopi Anda dan mari kita mulai. Cara lama, mengapa data menjadi terpecah? 20 tahun yang lalu jika Anda menjalankan perusahaan, Anda harus membeli server untuk menyimpan data, alat terpisah untuk membuat laporan, dan produk lain untuk analisis waktu nyata. Tanpa disadari, Anda memiliki 5 sistem berbeda, masing-masing dengan login sendiri, cara kerja sendiri, cara kerja sendiri, dan tim yang mengelola. Untuk waktu yang lama data beradam silo, data penjualan ada di satu sistem, data pelanggan di sistem lain, dan data keuangan di tempat yang benar-benar berbeda. Jika Anda ingin mengajukan pertanyaan yang melintasi sistem tersebut, seperti pelanggan mana yang membeli produk paling menguntungkan, Anda harus memindahkan data. Ekspor dari satu sistem, ubah, muat ke sistem lain, lalu lakukan lagi saat data berubah. Lebih banyak waktu dihabiskan untuk memindahkan data antar sistem daripada benar-benar menganalisisnya. Integrasi data menjadi pekerjaan penuh waktu bagi seluruh tim. Bagian terburuknya adalah setiap kali Anda memindahkan data, Anda membuat salinan lain, versi kebenaran lain, dan tak lama kemudian tidak ada yang tahu salinan mana yang benar. Microsoft melihat fragmentasi ini dan mengajukan pertanyaan sederhana. Bagaimana jika semua layanan ini bekerja bersama? Bagaimana jika alih menyatukan produk yang terpisah, Anda memiliki satu platform yang melakukan segalanya? Pertanyaan itulah yang mengarah pada Microsoft Fabric. Apa sebenarnya Microsoft Fabric itu? Jadi apa itu Fabric? Berikut adalah definisi paling sederhana. Microsoft Fabric adalah platform data dan analitik terpadu. Satu tempat untuk semua pekerjaan data. Bayangkan ini seperti gedung kantor modern. Setiap alat seperti Power BI atau Azure Synapse adalah ruangan di dalam gedung tersebut. Mereka memiliki tujuan, perabotan, dan alatnya sendiri, tetapi semuanya merupakan bagian dari struktur yang sama. Anda tidak perlu berjalan keluar untuk berpindah dari satu ruangan ke ruangan sembilan sektor. Telah dilakukan Fabric. Platform ini menyatukan rekayasa data, integrasi data, pergudangan data, analitik waktu nyataan, kecerdasan bisnis dalam satu platform. Semuanya berjalan di satu platform saat, yang berarti tidak ada infrastruktur terpisah untuk dikola, tidak ada serut untuk disediakan atau jaringan untuk disediakan atau jaringan untuk dikonfigurasi. Microsoft menangani semua itu Anda. Sejak diluncurkan pada tahun 2023, Fabric telah menjadi produk data dengan pertumbuhan tercepat dalam sejarah mikrofon. Saat ini, lebih dari 25.000 pelanggan menggunakannya, termasuk 80% dari Fortune 500. Itu adalah tingkat adopsinya yang sangat singkat. Perbedaan utamanya adalah, di masa lalu Anda membeli produk terpisah dan mencoba membuat semuanya saling terhubung. Dengan Fabric, Anda tidak perlu lagi menyatukan berbagai layanan yang berbeda. Ini adalah satu pengalaman, satu login, satu cara kerja, dan itu mengubah segalanya. One Lake Sang Fondasi Sekarang, mari kita bicara tentang fondasi yang membuat semua ini berfungsi. Inti dari Fabric adalah sesuatu yang disebut One Lake. Cara termudah untuk membayangkan One Lake adalah seperti OneDrive untuk data Anda. Anda tahu bagaimana OneDrive memberikan satu tempat untuk menyimpan semua file pribadi Anda, dan setiap aplikasi di komputer Anda dapat mengakses file tersebut. One Lake melakukan hal yang sama, tetapi untuk data organisasi Anda. Inilah yang membayang sangat ceng. Setiap beban kerja Fabric, baik itu Lighthouse, Warehouse, atau pekerja analitik waktu nyata, secara otomatis menyimpan datanya di One Lake, Anda tidak perlu menyalahkan apapun secara manual atau mengkonfigurasi koneksi. Sebenarnya terjadi secara otomatis. Dan hanya ada satu One Lake perpenyewa, satu sumber kebenaran tunggal untuk seluruh organisasi Anda. Sekarang Anda mungkin berpikir bagaimana jika saya ingin pindah platform nanti. Apakah saya terkunci? Jawabannya adalah tidak. One Lake menyimpan data dalam format terbuka seperti Delta Parkway, format standar industri yang digunakan oleh Databricks dan Apache Spark. Anda tidak pernah terkunci di Microsoft. Jika Anda ingin memindahkan data tempat lain, Anda bisa melakukan. Itu data Anda. Namun, di sini One Lake menjadi sangat menarik. Pintasan shortcut. Pintasan adalah penunjuk virtual ke data yang tersimpan di tempat lain. Anda dapat membuat pintasan ke data yang disimpan di AWS S3, Google Cloud, atau bahkan penyimpanan lokal, dan data tersebut akan muncul di One Lake seolah-olah tersimpan di sana. Tidak perlu pemindahan data, tidak ada duplikasi. Anda cukup menunjuk ke sana dan data itu muncul. One Lake dibangun di atas Azure Data Lake Storage, penyimpanan kelas-kelas perusahaan dari Microsoft, tetapi Anda tidak perlu mengelola infrastrukturnya karena semuanya ditangani sebagai layanan SaaS. Anda tidak perlu menyediakan server atau mengonfigurasi jaringan, Anda tinggal menggunakan. Apa artinya ini bagi Anda? Artinya, Anda bisa memiliki data dari berbagai sumber, penyimpanan cloud, basis data lokal, platform pihak ketiga, semua muncul di satu tempat tanpa duplikasi. Dan apa kekuatan sebenarnya? Data apapun yang ditulis ke One Lake dapat langsung digunakan oleh beban kerja fabrik apapun. Anda melihatnya sekali dan setiap alat di fabrik dapat melihatnya. Itulah kajaiban One Lake. Lake House, pusat rekayasa data. Data Anda sudah ada di One Lake, Anda perlu mengolahnya. Disinilah Lake House berperang. Berikut adalah definisi paling sederhana. Lake House adalah penyimpanan data yang menggabungkan fleksibilitas data lake dengan struktur basis data. Di data lake tradisional, Anda bisa menyimpan apa saja, file CSV mentah, dokumen JSON, gambar, file video, namun berantakan tanpa struktur atau skema, sehingga sulit di-query. Di basis data tradisional, semuanya terstruktur dan dapat di-query, tetapi Anda hanya bisa menyimpan jenis data tertentu. Lake House memberi Anda kedua. Anda dapat menyimpan file mentah seperti CSV, JSON, atau bahkan gambar di Lake House. Dan Anda juga dapat menyimpan tabel terstruktur yang dapat Anda query dengan SQ. Keduanya berada di tempat yang sama. Tabel tersebut menggunakan format Delta Parkway, format terbuka dan cepat yang sama seperti yang digunakan oleh Databricks dan platform besar lainnya dirancang untuk menangani data dalam jumlah besar. Lake House mendukung berbagai alat. Anda dapat menggunakan Spark untuk pemrosesan data skala besar. Anda dapat menggunakan Python untuk pembelajaran mesin. Anda dapat menggunakan SQL untuk query, sederhana. Apapun alat yang Anda sukai, Lake House dapat menangaminya. Anggap Lake House sebagai ruang kerja Anda untuk membangun saluran data-data pepint. Anda memasukkan data mentah, mengubahnya, membersihkannya, dan menyiapkannya untuk analisis. Anda dapat menjalankan moda pemrosesan di atasnya. Anda dapat membuat sedata pelatihan, semua di satu tempat. Bagi insinyur data yang lebih menyukai lingkungan ramah kode, Lake House mendukung notebook. Ini adalah dokumen interaktif tempat Anda menulis kode, melihat hasil, dan mendokumentasikan pekerjaan Anda seperti buku catatan laboratorium untuk data. Anda dapat menulis kode Spark di satu sel, melihat hasilnya di sel berikutnya, dan menjelaskan apa yang Anda lakukan di sel setel. Lake House adalah titik masuk bagi sebagian besar insinyur data yang bekerja di fabrik. Di sinilah pekerjaan berat dilakukan. Dan karena semuanya disimpan dalam satu leg, data apapun yang Anda masukkan ke Lake House langsung tersedia untuk setiap beban kerja fabrik lainnya di warehouse. Mesin analitik, SQL. Sekarang, jika Lake House adalah pusat rekayasa data, anggap warehouse sebagai mesin analitik SQL yang dibangun untuk jenis pengguna yang berbeda. Warehouse di fabrik adalah basis data analitik SQL yang dikelola sepenuhnya. Jika Anda seorang administrator basis data atau pengembang SQL, di sinilah Anda akan merasa nyaman. Anda dapat menulis kualitas SQL, membuat tampilan, prosedur tersimpan, dan kebijakan keamanan. Tampilannya terasa seperti gudang data tradisional, namun inilah yang membuatnya berbeda. Berbeda dengan gudang data tradisional, warehouse fabrik menyimpan data langsung di satu leg. Tidak ada lapisan penyimpanan terpisah, tidak ada infrastruktur tambahan untuk dikelola. Data berada di satu leg, dan warehouse hanyalah antar muka yang Anda gunakan untuk mengquery. Hal ini penting karena warehouse dan lake house berbagi data yang sama, jadi Anda tidak menduplikasi apapun. Jika seorang data engineer memuat data ke lake house, developer SQL dapat segera mengquery-nya dari warehouse, tanpa menyalin, tanpa memindahkan. Ini adalah data yang sama yang diakses melalui alat yang berbeda. Warehouse ini dibangun untuk analitik berskala besar. Di balik layar, ia menggunakan pemrosesan parallel masif untuk menangani kumpulan data yang sangat besar. Dan Microsoft telah berinvestasi besar-besaran dalam hal perform. Dalam 6 bulan terakhir saja, performa telah meningkat sebesar 36%. Itu adalah peningkatan yang signifikan Anda waktu singkat. Jika Anda bermigrasi dari platform lain, Fabric memiliki asisten migrasi yang membantu Anda berpindah dari snowflake atau synapse. Ia menganalisis pengaturan Anda saat ini dan membantu Anda prosesnya. Tujuannya adalah membuat migrasi semudah mungkin. Jadi apa perbedaan antara lake house dan warehouse? Semuanya berumur apa dan terbuka. Warehouse mengutamakan SQL. Warehouse dibangun untuk orang-orang yang berpikir dalam bentuk tabel, query, dan prosedur tersebut. Lakehouse mengutamakan developer. Lakehouse dibangun untuk mereka yang ingin menggunakan Spark, Python, dan Node. Namun di dasarnya, keduanya menyimpan data di satu lake yang sama. Keduanya adalah dua cara untuk bekerja dengan data yang sama. Mengasukkan data, data factory, mirroring, dan shortcut. Jadi Anda memiliki satu lake untuk penyimpanan, lakehouse untuk transformasi, dan warehouse untuk query. Namun bagaimana data sebenarnya masuk? Disitulah data factory berperan. Data factory adalah layanan integrasi data bawaan Fabric yang menyediakan lebih dari 200 konektor untuk menarik data dari basis data, penyimpanan cloud, aplikasi SaaS, dan banyak lagi. Ini adalah alat integrasi data yang paling banyak digunakan di dunia dan dengan rasa lengku. Di dalam data factory, Anda mendapatkan data Flows Gen 2 yang memberi Anda cara tanpa kode untuk mentransformasi data menggunakan Power Query. Jika Anda pernah menggunakan Power Query di Excel atau Power BI, Anda pasti sudah paham caranya. Anda cukup klik melalui antar muka visual untuk membersihkan, membentuk ulang, dan menggabungkan. Tidak perlu coding, dan alat ini berskala enterprise yang mampu menangani data set masih. Lebih dari 22 miliar orkestrasi berjalan di data factory setiap bulan, yang berarti miliaran pergerakan data terjadi secara otomatis, menjadikannya bagian infrastruktur yang sangat penting. Namun, ada cara yang lebih sederhana untuk memasukkan data ke One Lake, itu mirroring. Mirroring menyalin data dari basis data eksternal seperti Azure SQL, Oracle, atau Google BigQuery ke One Lake secara hampir waktu nyata, dan inilah bagian terbaiknya. Layanan ini gratis sudah termasuk di dalam layanan tanpa biaya tambah. Anda cukup mengarahkannya ke basis data sumber Anda dan fabrik akan menangani. Lalu ada pintasan, shortcuts yang sempat kita singgung sebelumnya, namun layak mendapatkan perhatian Anda. Pintasan adalah penunjuk virtual ke data yang disimpan di tempat lain tanpa memerlukan pergerakan data. Anda membuat pintasan ke bakat AWS S3 dan pintasan tersebut muncul di One Lake seolah-olah tersimpan di sana, padahal data tetap berada di tempat asalnya. Anda hanya menunjuk ke sana. Dan sekarang pintasan bisa melakukan lebih dari sekali menuju. Transformasi pintasan memungkinkan Anda menerapkan transformasi bertenaga air secara otomatis. Anda dapat menjalankan analisis sentimen pada data teks, menerjemahkan konten, atau mendeteksi informasi identitas pribadi semuanya tanpa memindahkan data atau membangun pipeline. Transformasi terjadi saat Anda mengaksesnya. Tujuan dari semua alat ini sederhana. Membawa semua data Anda ke One Lake tanpa harus membangun pipeline yang kompleks. Baik Anda menggunakan data factory untuk ETL tradisional, mirroring untuk replikasi hampir waktu nyata, atau pintasan untuk akses virtual, hasilnya tetap sama. Data Anda berakhir di One Lake, siap untuk pembangun kerja Fabric apapun. Kecerdasan waktu nyata, basis data, dan AI. Sejauh ini kita telah berbicara tentang memindahkan data dan menyimpannya, tetapi bagaimana dengan data yang terus bergerak? Data streaming dari sensor IoT, klik situs web, telemetri dari perangkat. Disitulah peran kecerdasan waktu nyata. Fabric menangani data streaming melalui sesuatu yang disebut event house, yang menyimpan dan menguari data deret waktu bervolume tinggi menggunakan KQL, Gusto Query Language. Ini adalah mesin yang sama yang mendukung Azure Data Explorer, dibuat untuk kecepatan sehingga Anda dapat menyerap jutaan peristiwa per detik dan mengairinya dalam mili detik. Dia penting dan inilah alasan. 46 persen pelanggan Fabric telah menggunakan kecerdasan waktu nyata. Itu hampir separuh. Kasus penggunaannya ada di mana-mana. Perusahaan logistik melacak truk pengiriman, berita memantau lalu lintas pengunjung di toko, produsen mengawasi data sensor dari peralatan Fabric, semuanya terjadi secara waktu nyata. Namun Fabric bukan hanya tantangan itu. Fabric juga menyertakan basis data operasional, seperti basis data SQL untuk data relasional dan Cosmos DB untuk pembeban kerjaan WSKL. Ini adalah basis data yang sama yang Anda gunakan untuk menjalankan aplikasian. Dan karena sudah terintegrasi ke dalam Fabric, mereka secara otomatis menyimpan datanya di One Lake, tanpa pipeline tambahan, tanpa penyalahan manual. Data transaksional dan data analitis Anda berada di tempat yang sama. Sekarang mari kita bicara tentang AI, karena disinilah Fabric menjadi sangat menarik. Integrasi AI berjalan mendalam di seluruh platform, dan Anda mendapatkan model siap pakai untuk analisis teks, terjemahan, dan analisis sentimen. Anda dapat menggunakannya langsung dalam aliran data Anda tanpa perlu menulis kode apapun. Cukup tunjuk data Anda, pilih modelnya dan itu akan berjalan. Lalu ada Copilot, yang disematkan di seluruh Fabric, yang membantu Anda menulis query, membuat laporan, dan membuat alur kerja. Anda cukup menjelaskan apa yang Anda inginkan dengan bahasa yang mudah dipahami, dan Copilot akan membuat kodenya. Rasanya seperti memiliki teknisi data junior di samping Anda siap membantu kapan saja. Visinya sederhana. AI bekerja pada data Anda tanpa memindahkannya kemanapun. Data Anda tetap berada di one leg, dan model AI mendatangi data tersebut. Tanpa penyalinan, tanpa ekspor, tanpa risiko keamanan, data depan meninggalkan lingkungan Anda yang terkelola. Power BI Tata Kelola dan Nilai Bisnis Sekarang kita sampai pada bagian yang paling banyak dilihat orang pintu gerbang menuju wawasan, yaitu Power BI. Ini digunakan oleh 590 ribu organisasi dan 34 juta pengguna setiap bulan menjadikannya alat intelijen bisnis yang paling banyak digunakan di dunia. Dan dalam fabrik, ini menjadi sesuatu yang jauh lebih kuat. Ini kuncin. Di fabrik, Power BI terhubung langsung ke one leg menggunakan mode yang disebut direct leg. Ini berbeda dari mode import tradisional di mana Anda menyalin data ke penyimpanan internal Power BI. Sebaliknya, direct leg menguri data di tempatnya berada di one leg, tanpa perlu penyegaran, tanpa duplikasi, dan data selalu terkini serta sangat cepat. Di balik setiap laporan Power BI, terdapat model semantik otak dari laporan Anda tempat Anda mendefinisikan logika bisnis, ukuran, dan hubungan. Dan sekarang Anda dapat membuat model ini sepenuhnya di peramban web. Pemodelan web kini tersedia secara umum sehingga Anda dapat membuat model semantik membangun hubungan dan menulis ukuran DAG semuanya dari peramban, bahkan di Mac. Tidak diperlukan aplikasi desktop. Namun, semua kekuatan data ini tidak berarti apa-apa tanpa tata kelola yang terintegrasi sejak awal. Microsoft Review menyediakan label sensitivitas yang mengikuti data Anda kemana saja. Jika sebuah laporan berisi informasi sensitif, label tersebut tetap melekat padanya bahkan saat diekspor. Kebijakan pencegahan kehilangan data secara otomatis mendeteksi data sensitif dan memblokir berbagi yang tidak sah. Domain membantu Anda mengatur data berdasarkan area bisnis dengan aturan tata kelola yang terpisah sehingga data keuangan Anda dapat memiliki kontrol yang lebih ketat daripada data pemasaranan. Setiap domain dapat dikelola oleh timnya sendiri, menciptakan tata kelola yang berkembang bersama organisasi Anda. Sekarang mari kita bicara tentang hasilnya. Ini bukan sekadar teori. Eastman Chemical menggunakan fabrik untuk mengurangi waktu persiapan penjualan sebesar 83%. Apa yang dulunya memakan waktu 4 jam kini hanya butuh sekitar 4. Ethan Solutions memangkas upaya manual hingga 75% dengan proses yang tadinya butuh 10 hingga 15 langkah kini hanya 2 langkah. Dan Sonata Software menghemat 30 ribu jam rekonsiliasi manual setiap tahun mengalihkan upaya manusia tersebut ke pekerjaan bernilai lebih tinggi. Model biayanya sangat sederhana. Anda membayar untuk kapasitas, yaitu daya komputasi yang menjalankan beban kerjaan. Microsoft memiliki fitur perlataan smoothing dan perlindungan lonjakan search placement. Fitur perlataan menyebarkan biaya operasi latar belakang selama 24 jam agar Anda tidak terkenal lonjakan mendadak dan perlindungan lonjakan membatasi tugas latar belakang saat sibuk guna menjaga setelah belakang saat sibuk guna menjaga stabilitas performa interaktif. Anda membayar apa yang Anda gunakan sehingga tidak akan ada kejutan. Hari kita rangkum semuanya. Fabrik bukan sekadar produk Microsoft lain. Ini adalah pemikiran ulang menyeluruh tentang bagaimana platform data seharusnya pekerjaan. Satu platform, satu dano data, satu salinan data dan kemungkinannya tak terbatas. Dengan AI serta kopilot bawaan, platform ini dapat diakses oleh siapa saja. Bukan hanya bagi profesional data, tetapi juga analis bisnis, tim penjualan, manager operasional, siapapun yang butuhkan jawaban dari data. Ini tugas untuk Anda. Kunjungi fabric.microsoft.com mulai uji coba gratis dan buat ruang kerja pertama Anda. Coba saja. Anda akan melihat bagaimana semua bagaimana menyatu dengan cara yang tidak bisa digantikan oleh sekadar membelajar. Jika episode ini membantu Anda lebih memahami Fabrik, belangananlah di platform podcast favorit Anda dan bagikan kepada seseorang yang sedang mulai perjalanan datang. Mereka berterima kasih kepada Anda. Lain kali, kita akan membahas pintasan One Nick dalam bahasa yang sederhana. Cara kerjanya, mengapa itu penting, dan cara menggunakannya tanpa memindahkan data. Itu ada yang ingin menawarkan. Sampai jumpa terus dalam belajar.