Benvenuti ad un altro episodio. L'argomento di oggi è uno di quelli di cui avrete probabilmente sentito parlare in riunioni articoli tecnici, Microsoft Fabric. Ma se siete come la maggior parte delle persone e non siete del tutto sicuri di cosa sia me, è solo un altro prodotto Microsoft, un rebranding di qualcosa di vecchio o è qualcosa di completamente diverso? Lasciate che vi dia una risposta breve. Microsoft Fabric non è solo un altro prodotto, è una piattaforma dati completa, un unico luogo dove potete svolgere tutto il vostro lavoro sui dati, archiviazione, trasformazione, analisi e reporting. Alla fine di questo episodio capirete cos'è Fabric perché Microsoft l'ha creato e come si integrano i suoi elementi principali. Prendete il vostro caffè e iniziamo. Vecchio metodo perché i dati erano frammentati. Per capire perché esiste Fabric dovete comprendere il problema che risolve. 20 anni fa se gestivate un'azienda acquistavate un server per archiviare i dati, uno strumento separato per i report e un altro prodotto ancora per l'analisi in tempo reale. Prima che ve ne rendiate conto vi ritrovate con 5 sistemi diversi, ognuno con il proprio accesso, il proprio metodo di lavoro e il proprio team di gestione. Per molto tempo i dati sono rimasti isolati in silo. I dati di vendita in un sistema, quelli dei clienti in un altro e i dati finanziari da tutt'altra parte. Se volevate rispondere a una domanda che incrociasse quei sistemi come quali i clienti acquistano i prodotti più redditizi dovevate spostare i dati, esportarli da un sistema, trasformarli, caricarli in un altro e poi rifare tutto quando i dati cambiavano. Si passava più tempo a spostare i dati tra i sistemi che ad analizzarli realmente? L'integrazione dei dati è diventata un lavoro a tempo pieno per interi team. La parte peggiore era che ogni volta che spostavate i dati creavate un'altra copia, un'altra versione della verità e presto nessuno sapeva più quale fosse quella corretta. Microsoft ha osservato questa frammentazione e posto una domanda semplice. Se tutti questi servizi lavorassero insieme? Se invece di collegare prodotti separati avessero l'unica piattaforma che facesse tutto? Quella domanda è ciò che ha portato a Microsoft Fabric. Cosa sia effettivamente Microsoft Fabric? Cos'è Fabric? Ecco la definizione più semplice. Microsoft Fabric è una piattaforma unificata per dati e analisi. Un unico luogo per tutto il vostro ai dati. Pensatelo come un moderno edificio per ufficio. Ogni strumento come Power BI o Azure Synapse è una stanza all'interno di quell'edificio. Hanno il proprio scopo, arrivamento e strumenti, ma fanno tutti parte della stessa struttura. Non avete bisogno di uscire all'aperto per passare da una stanza all'altra. Sono collegati. Ecco cosa fa Fabric. Unisce data engineering, integrazione dati, data warehousing, analisi in tempo reale e business intelligence in un'unica piattaforma. Tutto gira su una singola piattaforma SaaS, il che significa nessuna infrastruttura da gestire, nessun server da configurare o reti da impostare. Microsoft gestisce questo per te. Dal suo lancio nel 2023 Fabric è diventato il prodotto dati a più rapida crescita nella storia di Microsoft. Oggi oltre 25.000 clienti lo utilizzano, tra cui l'80% e il 500%. È un'adozione enorme in pochissimo tempo. La differenza chiave è questa. Nel vecchio mondo compravi prodotti separati e cercavi di farli comunicare tra loro. Con Fabric non devi più collegare servizi diversi. È un'unica esperienza, un unico accesso, un unico modo di lavorare. Questo cambia tutto. One Lake, le fondamenta. Ora parliamo delle fondamenta che rendono possibile tutto questo. Al centro di Fabric c'è qualcosa chiamato One Lake. Il modo più semplice per pensare a One Lake è come a OneDrive per i tuoi dati. Sai come OneDrive ti offre un unico posto per archiviare tutti i tuoi file personali, a cui ogni app sul tuo computer può accedere. One Lake fa la stessa cosa, ma per i dati della tua organizzazione. Ecco cosa lo rende potente. Ogni carico di lavoro di Fabric, che sia un Lake House o un Warehouse o un'analisi in tempo reale, archivia automaticamente i suoi dati in One Lake. Non devi copiare nulla manualmente né configurare connessioni. Succede e basta. E c'è solo un One Lake per tenant. Un'unica fonte di verità per l'intera organizzazione. Ora potresti pensare se volessi cambiare piattaforma in futuro. Sono vincolato. La risposta è no. One Lake memorizza i dati in formati aperti come Delta Parquet, uno standard di settore usato da Databricks e Apache Spark. Non sei mai vincolato a Microsoft. Se vuoi spostare i tuoi dati altrove puoi farlo. Sono i tuoi dati. È qui che One Lake diventa davvero interessante, i collegamenti short. Un collegamento è un puntatore virtuale a dati che li siano altrove. Puoi creare un collegamento a dati archiviati su AWS S3, Google Cloud o persino su Storage on-premises e apparirà in One Lake come se fosse lì. Nessuno spostamento di dati richiesto, nessuna obbligazione. Punti al file appare. One Lake è costruito su Azure Data Lake Storage, l'archiviazione cloud di Microsoft, ma non gestisci l'infrastruttura poiché è tutto gestito come servizio SAS. Non devi configurare server o reti, lo usi e basta. Cosa significa questo per te? Significa che puoi avere dati da molteplici fonti, cloud storage, database locali o piattaforme terze, tutti, in un unico posto senza duplicazioni. Il vero vantaggio. Qualsiasi dato scritto su One Lake può essere usato immediatamente da qualsiasi carico di lavoro di Fabric. Lo scrivi una volta e ogni strumento in Fabric può vederlo. Questa è la magia di One Lake. Lake House è il fulcro dell'ingegneria dei dati, quindi hai i tuoi dati in One Lake. Ora devi lavorarci. È qui che entra in gioco il Lake House. Ecco la definizione più semplice. Un Lake House è un archivio dati che unisce la flessibilità di un Data Lake alla struttura di un database. In un Data Lake tradizionale puoi salvare tutto, file CSV, grezzi, documenti JSON, immagini o video, ma è disordinato, senza struttura o schema, quindi non è facile da interrogare. In un database tradizionale tutto è strutturato, è interrogabile, ma puoi salvare solo certi tipi di dati. Un Lake House si offre entrambi. Puoi conservare file grezzi come CSV, JSON o persino immagini in un Lake House e puoi anche salvare tabelle strutturate che puoi interrogare con SQL. Entrambi vivono nello stesso posto. Queste tabelle usano il formato Delta Parquet, lo stesso formato aperto e veloce usato da Databricks e altre grandi piattaforme, progettato per gestire enormi moli di dati. I Lake House supportano molteplici strumenti. Puoi usare Spark per l'elaborazione di dati su larga scala. Puoi usare Python per il machine learning. Puoi usare SQL per quelli semplici. Qualunque strumento tu preferisca, il Lake House può gestirlo. Pensa al Lake House come il tuo spazio di lavoro per costruire pipeline di dati. Importi i dati grezzi, li trasformi, li pulisci, li prepari per l'analisi. Puoi eseguirci sopra modelli di machine learning. Puoi creare set di addestramento, tutto in un unico posto. Per gli ingegneri dei dati che preferiscono un ambiente orientato al codice, i Lake House supportano i notici. Si tratta di documenti interattivi dove scrivi i codici e vedi i risultati dei documenti del tuo lavoro, come un diario di laboratorio per i dati. Puoi scrivere il codice Spark in una cella, vederne l'output in quella successiva e spiegare cosa hai fatto nella cella seguente. Il Lake House è il punto d'ingresso per la maggior parte dei ingegneri dei dati che lavorano in fabbrica. È dove avviene il lavoro pesante e poiché archivia tutto in un unico lake, qualsiasi dato inserito in un Lake House è immediatamente disponibile per ogni altro carico di lavoro Fabric nei Warehouse. Il motore di analisi, SQL. Ora, se Lake House è il fulcro dell'ingegneria dei dati, pensa al Warehouse come al motore di analisi SQL creato per un diverso tipo di utente. Un Warehouse in Fabric è un database in analisi SQL completamente gestito. Se sei un amministratore di database o uno sviluppatore SQL, qui ti sentirai a casa? Puoi scrivere queriti SQL, creare viste, stored procedure e policy di sicurezza. Sembrano tradizionali data warehouse, ma ecco, cosa lo rende diverso? A differenza di un data warehouse tradizionale, il warehouse di fabbrica archivia dati direttamente in un unico lake. Non c'è un livello di archiviazione separato né infrastrutture extra da gestire. I dati risiedono nel Lake e il warehouse è solo l'interfaccia che usi per interrogarli. Questo è importante perché Warehouse e Lake House condividono gli stessi dati, quindi non duplichi nulla. Se un data engineer carica dati in un Lake House, uno sviluppatore SQL può interrogarli immediatamente dal warehouse e su una copia e su un trasferimento. Sono gli stessi dati a cui si accede tramite strumenti diversi. Il warehouse è progettato per l'analisi su larga scala. Sotto il cofano utilizza l'elaborazione parallela massiva per gestire sette di dati enormi. E Microsoft ha investito pesantemente nelle prestazioni. Solo negli ultimi sei mesi le prestazioni sono migliorate del 36%. È un notevole miglioramento in poco tempo. Se stai migrando da un'altra piattaforma, fabbrica un assistente alla migrazione che ti aiuta a passare da Snowflake o Synapse, analizza la tua configurazione esistente e ti guida attraverso il processo. L'obiettivo è rendere la migrazione il più indolore possibile. Quindi qual è la differenza tra un Lake House e un warehouse? Tu si riduci l'interfaccia. Ai warehouse sono orientati alla SQL. Sono pensati per chi ragiona in termini di tabelle, query e store procedure. I Lake House sono orientati allo sviluppo. Sono pensati per chi vuole usare Spark, Python e Notebook. Ma la base è entrambi archiviano i dati in un unico Lake. Sono due modi di lavorare con gli stessi dati. Importazione dati, Data Factory, Mirroring e Scorciatoie. Quindi hai un unico Lake per l'archiviazione, Lake House per la trasformazione, Warehouse per l'interrogazione, ma come entrano effettivamente i dati? Che entra in gioco Data Factory? Data Factory è il servizio di integrazione dati integrato di Fabric e ti offre oltre 200 connettori per estrarre dati da database, cloud storage, app SaaS e altro. È lo strumento di integrazione ai dati più usati al mondo e a buona ragione. All'interno di Data Factory trovi Data Flu Gen 2 che ti offrono un modo no code per trasformare i dati usando Power Query. Se hai mai usato Power Query in Excel o Power BI conosci già la procedura. Clicchi su un'interfaccia visuale per pulire, rimodellare e combinare i dati. Nessuna codifica richiesta ed è di livello enterprise scalabile per gestire dataset massivi. Oltre 22 miliardi di orchestrazioni vengono eseguite su Data Factory ogni mese, il che significa che miliardi di spostamenti di dati avvengono automaticamente rendendo un'infrastruttura di grande rilievo. Ma esiste un modo ancora più semplice per trasferire dati in OneLake, il mirroring. Il mirroring, copie dati da database esterni come Azure SQL, Oracle o Google BigQuery in OneLake quasi in tempo reale ed ecco la parte migliore, è gratuito, incluso nel servizio senza costi aggiuntivi. Ti basta indicare il database di origine e Fabric gestisce tutto il resto. Poi ci sono gli scorciatoie, i shortcuts che abbiamo menzionato prima, ma meritano maggiore attenzione. Le scorciatoie sono puntatori virtuali e dati archiviati altrove che non richiedono alcuno spostamento di dati. Crea una scorciatoia per un bucket AWS S3 e questa appare in OneLake come se fosse archiviata lì mentre i dati rimangono dove si trovano. Stai solo puntando ad essi. E ora le scorciatoie possono fare molto più che puntarli. Le trasformazioni tramite scorciatoie ti permettono di applicare trasformazioni basate sugli A. Puoi eseguire l'analisi del sentiment sui dati testuali, tradurre contenuti o rilevare informazioni di identificazione personale, il tutto senza spostare i dati o creare una pipeline. La trasformazione avviene nel momento in cui accedi ai dati. L'obiettivo di tutti questi strumenti è semplice, portare tutti i tuoi dati in OneLake senza costruire pipeline complesse. Che tu utilizzi Data Factory per l'ETL tradizionale, il mirroring per la replica quasi in tempo reale o le scorciatoie per l'accesso virtuale, il risultato è lo stesso. I tuoi dati finiscono in OneLake, pronti per qualsiasi carico di lavoro di Fab. Intelligenza in tempo reale, database e IA. Finora abbiamo parlato di spostare e archiviare i dati, ma che dire di dati che non smettono mai di muoversi. Dati in streaming da sensori AT, clickstream di siti web, telemetria da dispositivi, qui che entra in gioco l'intelligenza in tempo reale. Fabric gestisce i dati in streaming attraverso qualcosa chiamato Event House, che archivia e interroga serie temporali ad alto volume utilizzando KQL, il custo query language. È lo stesso motore che alimenta Azure Data Explorer costruito per la velocità, così puoi ingerire milioni di eventi al secondo e interrogarli in pochi millisecondi. Questo è importante ed ecco perché. 46% dei clienti di fabbrica utilizza già l'intelligenza in tempo reale. È quasi la metà. I casi d'uso sono ovunque. Un'azienda di logistica che traccia i camion delle consegne, un rivenditore che monitora il traffico pedonale in negozio, un produttore che osserva i dati dei sensori e delle attrezzature di fabbrica. Tutto avviene in tempo reale. Ma Fabric non riguarda solo l'analisi. Include anche database operativi come un database SQL per dati relazionali e Cosmos DB per carichi di lavoro non SQL. Sono gli stessi database che useresti per far girare le tue applicazioni e poiché sono integrati in Fabric archiviano automaticamente i loro dati in One Lake. Nessuna pipeline extra, nessuna copia manuale. I tuoi dati transazionali, i dati analitici risiedono nello stesso posto. Ora parliamo di AI perché è qui che Fabric diventa davvero interessante. L'integrazione dell'AI è profonda in tutta la piattaforma e offre modelli predefiniti per analisi del testo, traduzione e analisi del sentiment. Puoi usarli direttamente nei tuoi flussi di dati senza scrivere codice. Basta puntare ai tuoi dati, seleziona il modello e questo viene eseguito. E poi c'è Copilot che è integrato in tutto Fabric. Ti aiuta a scrivere query, creare report e generare pipeline. Ti basta descrivere ciò che vuoi in linguaggio semplice. Copilot genera il codice. È come avere un data engineer junior seduto accanto a te, pronto ad aiutarti in ogni momento. La visione qui è semplice. L'AI lavora sui tuoi dati senza spostarli da nessuna parte. I tuoi dati rimangono in One Lake e i modelli di AI vanno verso i dati. Nessuna copia, nessuna esportazione, nessun rischio per la sicurezza. I dati non lasciano mai il tuo ambiente governato. Power BI governance e valore aziendale. Ora arriviamo alla parte che la maggior parte delle persone vede, la porta d'accesso all'insight, Power BI. È utilizzato da 550 mila organizzazioni e 34 milioni di utenti ogni mese, rendendolo lo strumento di business intelligence più diffuso al mondo. E in Fabric diventa qualcosa di ancora più potente. Ecco il punto chiave. In Fabric, Power BI si collega direttamente a One Lake usando una modalità chiamata Direct Lake. È diversa dalla tradizionale modalità import in cui copi i dati nell'archiviazione interna di Power BI. Invece, Direct Lake interroga i dati dove risiedono in One Lake senza bisogno di aggiornamenti o duplicazioni, i dati sono sempre aggiornati e velocissimi. Sotto ogni report di Power BI c'è un modello semantico, il cervello del report, dove definisci logica aziendale, misure e relazioni. E ora puoi creare questi modelli interamente in un browser web. La modellazione web è disponibile a tutti, quindi puoi creare un modello semantico, costruire relazioni e scrivere misure DAX dal browser anche su Mac. Non è richiesto alcun updesk. Ma tutta questa potenza dei dati non significa nulla senza governance. E fabbrica la governance integrata fin dall'inizio. Microsoft Purview fornisce etichette di riservatezza che seguono i tuoi dati ovunque. Se un report contiene informazioni sensibili, quell'etichetta rimane associata anche dopo l'esportazione. Le polisi di prevenzione della perdita di dati rilevano automaticamente le informazioni sensibili e bloccano la condivisione notorizzata. E i controlli di accesso assicurano che solo le persone giuste vedano i dati giusti. Domini ti aiutano a organizzare i dati per area aziendale con regole di governance separate così i tuoi dati finanziari possono avere controlli più severi rispetto a quelli di marketing. Ogni dominio può essere gestito dal proprio team, creando una governance che cresce con la tua organizzazione. Ora parliamo di risultati concreti. Non è solo teoria. Eastman Chemical ha usato Fabric per ridurre i tempi di preparazione delle vendite dell'83%. Ciò che richiedeva 4 ore e ora ne richiede circa 40 minuti. Eton Solutions ha ridotto l'impegno manuale del 75% con processi che richiedevano da 10 a 15 passaggi e ora ne richiedono 2. E Sonata Software ha risparmiato 30.000 ore di riconciliazione manuale ogni anno, reindirizzando quel lavoro umano verso attività a maggior valore. Il modello di costo è semplice. Paghi per la capacità, ovvero la potenza di calcolo che esegue i tuoi carichi di lavoro. Microsoft offre funzionalità integrate di smoothing e protezione dai picchi per gestire. Lo smoothing distribuisce il costo delle operazioni in background su 24 ore per evitare picchi improvvisi, mentre la protezione dai picchi limita i processi in background nei momenti intensi per mantenere stabile la performance interattiva. Paghi per ciò che usi e non avrai sorprese. Mettiamo tutto insieme. Fabric non è solo un altro prodotto Microsoft. È un ripensamento completo di come dovrebbero funzionare le piattaforme dati. Una piattaforma, un lake, una sola copia dei dati e infinite possibilità. E con l'intelligenza artificiale co-pilot integrati è accessibile a tutti. Non solo ai professionisti dei dati, ma ad analisti aziendali, team di vendita, responsabili operativi, chiunque abbia bisogno di risposta dai dati. Ecco il tuo com. Vai su fabric.microsoft.com, avvia una prova gratuita e crea il tuo primo workspace. Provaci. Vedrai come i pezzi si incastrano in un modo che nessuna lettura può sostituire. Se questo episodio ti ha aiutato a capire meglio fabbriche, iscriviti sulla tua piattaforma di podcast preferite e condividilo con chi sta iniziando il proprio corso nel mondo dei dati. Ti ringrazierà. La prossima volta spiegheremo le scorciatoie di One Lake in modo semplice. Come funzionano, perché sono importanti e come usarle senza spostare i dati. È un episodio da un perdere. Fino ad allora continuo a imparare. Grazie.