WEBVTT

00:00:00.120 --> 00:00:03.620
Benvenuti ad un altro episodio. L'argomento di oggi è uno di quelli di cui avrete probabilmente

00:00:03.620 --> 00:00:07.260
sentito parlare in riunioni articoli tecnici, Microsoft Fabric. Ma se siete come la maggior

00:00:07.260 --> 00:00:10.500
parte delle persone e non siete del tutto sicuri di cosa sia me, è solo un altro prodotto

00:00:10.500 --> 00:00:14.600
Microsoft, un rebranding di qualcosa di vecchio o è qualcosa di completamente diverso? Lasciate

00:00:14.600 --> 00:00:18.540
che vi dia una risposta breve. Microsoft Fabric non è solo un altro prodotto, è una piattaforma

00:00:18.540 --> 00:00:22.740
dati completa, un unico luogo dove potete svolgere tutto il vostro lavoro sui dati, archiviazione,

00:00:23.000 --> 00:00:27.520
trasformazione, analisi e reporting. Alla fine di questo episodio capirete cos'è Fabric

00:00:27.520 --> 00:00:31.920
perché Microsoft l'ha creato e come si integrano i suoi elementi principali. Prendete il vostro

00:00:31.920 --> 00:00:37.160
caffè e iniziamo. Vecchio metodo perché i dati erano frammentati. Per capire perché

00:00:37.160 --> 00:00:42.180
esiste Fabric dovete comprendere il problema che risolve. 20 anni fa se gestivate un'azienda

00:00:42.180 --> 00:00:46.720
acquistavate un server per archiviare i dati, uno strumento separato per i report e un altro

00:00:46.720 --> 00:00:50.580
prodotto ancora per l'analisi in tempo reale. Prima che ve ne rendiate conto vi ritrovate

00:00:50.580 --> 00:00:54.060
con 5 sistemi diversi, ognuno con il proprio accesso, il proprio metodo di lavoro e il proprio

00:00:54.060 --> 00:00:58.020
team di gestione. Per molto tempo i dati sono rimasti isolati in silo. I dati di vendita

00:00:58.020 --> 00:01:02.900
in un sistema, quelli dei clienti in un altro e i dati finanziari da tutt'altra parte. Se

00:01:02.900 --> 00:01:06.440
volevate rispondere a una domanda che incrociasse quei sistemi come quali i clienti acquistano

00:01:06.440 --> 00:01:10.780
i prodotti più redditizi dovevate spostare i dati, esportarli da un sistema, trasformarli,

00:01:10.860 --> 00:01:14.780
caricarli in un altro e poi rifare tutto quando i dati cambiavano. Si passava più tempo a spostare

00:01:14.780 --> 00:01:18.840
i dati tra i sistemi che ad analizzarli realmente? L'integrazione dei dati è diventata un lavoro

00:01:18.840 --> 00:01:23.060
a tempo pieno per interi team. La parte peggiore era che ogni volta che spostavate i dati creavate

00:01:23.060 --> 00:01:27.340
un'altra copia, un'altra versione della verità e presto nessuno sapeva più quale fosse quella

00:01:27.340 --> 00:01:32.480
corretta. Microsoft ha osservato questa frammentazione e posto una domanda semplice. Se tutti questi

00:01:32.480 --> 00:01:36.020
servizi lavorassero insieme? Se invece di collegare prodotti separati avessero l'unica piattaforma

00:01:36.020 --> 00:01:41.360
che facesse tutto? Quella domanda è ciò che ha portato a Microsoft Fabric. Cosa sia effettivamente

00:01:41.360 --> 00:01:46.540
Microsoft Fabric? Cos'è Fabric? Ecco la definizione più semplice. Microsoft Fabric è una piattaforma

00:01:46.540 --> 00:01:51.060
unificata per dati e analisi. Un unico luogo per tutto il vostro ai dati. Pensatelo come un moderno

00:01:51.060 --> 00:01:54.900
edificio per ufficio. Ogni strumento come Power BI o Azure Synapse è una stanza all'interno

00:01:54.900 --> 00:01:58.060
di quell'edificio. Hanno il proprio scopo, arrivamento e strumenti, ma fanno tutti parte

00:01:58.060 --> 00:02:01.280
della stessa struttura. Non avete bisogno di uscire all'aperto per passare da una stanza

00:02:01.280 --> 00:02:05.540
all'altra. Sono collegati. Ecco cosa fa Fabric. Unisce data engineering, integrazione dati,

00:02:05.620 --> 00:02:09.880
data warehousing, analisi in tempo reale e business intelligence in un'unica piattaforma.

00:02:10.040 --> 00:02:13.960
Tutto gira su una singola piattaforma SaaS, il che significa nessuna infrastruttura da gestire,

00:02:14.420 --> 00:02:18.060
nessun server da configurare o reti da impostare. Microsoft gestisce questo per te.

00:02:18.060 --> 00:02:22.060
Dal suo lancio nel 2023 Fabric è diventato il prodotto dati a più rapida crescita nella

00:02:22.060 --> 00:02:27.840
storia di Microsoft. Oggi oltre 25.000 clienti lo utilizzano, tra cui l'80% e il 500%. È

00:02:27.840 --> 00:02:31.400
un'adozione enorme in pochissimo tempo. La differenza chiave è questa. Nel vecchio mondo

00:02:31.400 --> 00:02:35.780
compravi prodotti separati e cercavi di farli comunicare tra loro. Con Fabric non devi più

00:02:35.780 --> 00:02:39.840
collegare servizi diversi. È un'unica esperienza, un unico accesso, un unico modo di lavorare.

00:02:39.920 --> 00:02:44.720
Questo cambia tutto. One Lake, le fondamenta. Ora parliamo delle fondamenta che rendono

00:02:44.720 --> 00:02:49.160
possibile tutto questo. Al centro di Fabric c'è qualcosa chiamato One Lake. Il modo più

00:02:49.160 --> 00:02:53.340
semplice per pensare a One Lake è come a OneDrive per i tuoi dati. Sai come OneDrive ti offre

00:02:53.340 --> 00:02:56.920
un unico posto per archiviare tutti i tuoi file personali, a cui ogni app sul tuo computer

00:02:56.920 --> 00:03:01.540
può accedere. One Lake fa la stessa cosa, ma per i dati della tua organizzazione. Ecco

00:03:01.540 --> 00:03:05.420
cosa lo rende potente. Ogni carico di lavoro di Fabric, che sia un Lake House o un Warehouse

00:03:05.420 --> 00:03:09.940
o un'analisi in tempo reale, archivia automaticamente i suoi dati in One Lake. Non devi copiare nulla

00:03:09.940 --> 00:03:14.300
manualmente né configurare connessioni. Succede e basta. E c'è solo un One Lake per

00:03:14.300 --> 00:03:19.500
tenant. Un'unica fonte di verità per l'intera organizzazione. Ora potresti pensare se volessi

00:03:19.500 --> 00:03:24.300
cambiare piattaforma in futuro. Sono vincolato. La risposta è no. One Lake memorizza i dati

00:03:24.300 --> 00:03:28.860
in formati aperti come Delta Parquet, uno standard di settore usato da Databricks e Apache Spark.

00:03:29.440 --> 00:03:33.820
Non sei mai vincolato a Microsoft. Se vuoi spostare i tuoi dati altrove puoi farlo. Sono i tuoi

00:03:33.820 --> 00:03:38.860
dati. È qui che One Lake diventa davvero interessante, i collegamenti short. Un collegamento è un puntatore

00:03:38.860 --> 00:03:43.180
virtuale a dati che li siano altrove. Puoi creare un collegamento a dati archiviati su AWS S3,

00:03:43.320 --> 00:03:48.340
Google Cloud o persino su Storage on-premises e apparirà in One Lake come se fosse lì. Nessuno

00:03:48.340 --> 00:03:54.620
spostamento di dati richiesto, nessuna obbligazione. Punti al file appare. One Lake è costruito su

00:03:54.620 --> 00:03:58.720
Azure Data Lake Storage, l'archiviazione cloud di Microsoft, ma non gestisci l'infrastruttura

00:03:58.720 --> 00:04:03.880
poiché è tutto gestito come servizio SAS. Non devi configurare server o reti, lo usi e basta.

00:04:04.420 --> 00:04:08.600
Cosa significa questo per te? Significa che puoi avere dati da molteplici fonti, cloud storage,

00:04:08.600 --> 00:04:14.140
database locali o piattaforme terze, tutti, in un unico posto senza duplicazioni. Il vero

00:04:14.140 --> 00:04:17.760
vantaggio. Qualsiasi dato scritto su One Lake può essere usato immediatamente da qualsiasi

00:04:17.760 --> 00:04:21.780
carico di lavoro di Fabric. Lo scrivi una volta e ogni strumento in Fabric può vederlo. Questa

00:04:21.780 --> 00:04:26.140
è la magia di One Lake. Lake House è il fulcro dell'ingegneria dei dati, quindi hai i tuoi

00:04:26.140 --> 00:04:30.460
dati in One Lake. Ora devi lavorarci. È qui che entra in gioco il Lake House. Ecco la definizione

00:04:30.460 --> 00:04:34.280
più semplice. Un Lake House è un archivio dati che unisce la flessibilità di un Data Lake alla

00:04:34.280 --> 00:04:39.000
struttura di un database. In un Data Lake tradizionale puoi salvare tutto, file CSV,

00:04:39.140 --> 00:04:43.320
grezzi, documenti JSON, immagini o video, ma è disordinato, senza struttura o schema,

00:04:43.440 --> 00:04:47.660
quindi non è facile da interrogare. In un database tradizionale tutto è strutturato,

00:04:47.720 --> 00:04:51.380
è interrogabile, ma puoi salvare solo certi tipi di dati. Un Lake House si offre entrambi.

00:04:51.780 --> 00:04:57.080
Puoi conservare file grezzi come CSV, JSON o persino immagini in un Lake House e puoi anche salvare

00:04:57.080 --> 00:05:01.560
tabelle strutturate che puoi interrogare con SQL. Entrambi vivono nello stesso posto. Queste tabelle

00:05:01.560 --> 00:05:05.600
usano il formato Delta Parquet, lo stesso formato aperto e veloce usato da Databricks e altre

00:05:05.600 --> 00:05:09.140
grandi piattaforme, progettato per gestire enormi moli di dati. I Lake House supportano

00:05:09.140 --> 00:05:13.020
molteplici strumenti. Puoi usare Spark per l'elaborazione di dati su larga scala. Puoi

00:05:13.020 --> 00:05:17.140
usare Python per il machine learning. Puoi usare SQL per quelli semplici. Qualunque strumento

00:05:17.140 --> 00:05:21.100
tu preferisca, il Lake House può gestirlo. Pensa al Lake House come il tuo spazio di lavoro

00:05:21.100 --> 00:05:24.880
per costruire pipeline di dati. Importi i dati grezzi, li trasformi, li pulisci, li prepari

00:05:24.880 --> 00:05:29.800
per l'analisi. Puoi eseguirci sopra modelli di machine learning. Puoi creare set di addestramento,

00:05:29.800 --> 00:05:33.060
tutto in un unico posto. Per gli ingegneri dei dati che preferiscono un ambiente orientato

00:05:33.060 --> 00:05:36.920
al codice, i Lake House supportano i notici. Si tratta di documenti interattivi dove scrivi

00:05:36.920 --> 00:05:39.720
i codici e vedi i risultati dei documenti del tuo lavoro, come un diario di laboratorio

00:05:39.720 --> 00:05:43.620
per i dati. Puoi scrivere il codice Spark in una cella, vederne l'output in quella successiva

00:05:43.620 --> 00:05:46.840
e spiegare cosa hai fatto nella cella seguente. Il Lake House è il punto d'ingresso per la

00:05:46.840 --> 00:05:50.540
maggior parte dei ingegneri dei dati che lavorano in fabbrica. È dove avviene il lavoro pesante

00:05:50.540 --> 00:05:54.560
e poiché archivia tutto in un unico lake, qualsiasi dato inserito in un Lake House è immediatamente

00:05:54.560 --> 00:05:58.100
disponibile per ogni altro carico di lavoro Fabric nei Warehouse. Il motore di analisi,

00:05:58.280 --> 00:06:03.040
SQL. Ora, se Lake House è il fulcro dell'ingegneria dei dati, pensa al Warehouse come al motore

00:06:03.040 --> 00:06:07.380
di analisi SQL creato per un diverso tipo di utente. Un Warehouse in Fabric è un database

00:06:07.380 --> 00:06:11.780
in analisi SQL completamente gestito. Se sei un amministratore di database o uno sviluppatore

00:06:11.780 --> 00:06:17.240
SQL, qui ti sentirai a casa? Puoi scrivere queriti SQL, creare viste, stored procedure e policy

00:06:17.240 --> 00:06:22.420
di sicurezza. Sembrano tradizionali data warehouse, ma ecco, cosa lo rende diverso? A differenza

00:06:22.420 --> 00:06:25.560
di un data warehouse tradizionale, il warehouse di fabbrica archivia dati direttamente in un

00:06:25.560 --> 00:06:29.020
unico lake. Non c'è un livello di archiviazione separato né infrastrutture extra da gestire.

00:06:29.480 --> 00:06:33.100
I dati risiedono nel Lake e il warehouse è solo l'interfaccia che usi per interrogarli.

00:06:33.800 --> 00:06:37.380
Questo è importante perché Warehouse e Lake House condividono gli stessi dati, quindi non

00:06:37.380 --> 00:06:41.700
duplichi nulla. Se un data engineer carica dati in un Lake House, uno sviluppatore SQL può

00:06:41.700 --> 00:06:45.860
interrogarli immediatamente dal warehouse e su una copia e su un trasferimento. Sono gli stessi

00:06:45.860 --> 00:06:49.640
dati a cui si accede tramite strumenti diversi. Il warehouse è progettato per l'analisi

00:06:49.640 --> 00:06:53.720
su larga scala. Sotto il cofano utilizza l'elaborazione parallela massiva per gestire

00:06:53.720 --> 00:06:57.820
sette di dati enormi. E Microsoft ha investito pesantemente nelle prestazioni. Solo negli

00:06:57.820 --> 00:07:02.620
ultimi sei mesi le prestazioni sono migliorate del 36%. È un notevole miglioramento in poco

00:07:02.620 --> 00:07:06.460
tempo. Se stai migrando da un'altra piattaforma, fabbrica un assistente alla migrazione che ti

00:07:06.460 --> 00:07:10.940
aiuta a passare da Snowflake o Synapse, analizza la tua configurazione esistente e ti guida attraverso

00:07:10.940 --> 00:07:14.640
il processo. L'obiettivo è rendere la migrazione il più indolore possibile. Quindi qual è la

00:07:14.640 --> 00:07:18.780
differenza tra un Lake House e un warehouse? Tu si riduci l'interfaccia. Ai warehouse sono orientati

00:07:18.780 --> 00:07:22.820
alla SQL. Sono pensati per chi ragiona in termini di tabelle, query e store procedure.

00:07:23.540 --> 00:07:27.300
I Lake House sono orientati allo sviluppo. Sono pensati per chi vuole usare Spark, Python

00:07:27.300 --> 00:07:31.840
e Notebook. Ma la base è entrambi archiviano i dati in un unico Lake. Sono due modi di lavorare

00:07:31.840 --> 00:07:36.740
con gli stessi dati. Importazione dati, Data Factory, Mirroring e Scorciatoie. Quindi hai

00:07:36.740 --> 00:07:40.360
un unico Lake per l'archiviazione, Lake House per la trasformazione, Warehouse per l'interrogazione,

00:07:40.460 --> 00:07:44.980
ma come entrano effettivamente i dati? Che entra in gioco Data Factory? Data Factory è il

00:07:44.980 --> 00:07:48.660
servizio di integrazione dati integrato di Fabric e ti offre oltre 200 connettori

00:07:48.660 --> 00:07:53.180
per estrarre dati da database, cloud storage, app SaaS e altro. È lo strumento di integrazione

00:07:53.180 --> 00:07:57.260
ai dati più usati al mondo e a buona ragione. All'interno di Data Factory trovi Data Flu

00:07:57.260 --> 00:08:01.740
Gen 2 che ti offrono un modo no code per trasformare i dati usando Power Query. Se hai mai usato

00:08:01.740 --> 00:08:06.140
Power Query in Excel o Power BI conosci già la procedura. Clicchi su un'interfaccia visuale

00:08:06.140 --> 00:08:09.480
per pulire, rimodellare e combinare i dati. Nessuna codifica richiesta ed è di livello

00:08:09.480 --> 00:08:14.100
enterprise scalabile per gestire dataset massivi. Oltre 22 miliardi di orchestrazioni vengono

00:08:14.100 --> 00:08:17.820
eseguite su Data Factory ogni mese, il che significa che miliardi di spostamenti di dati avvengono

00:08:17.820 --> 00:08:21.560
automaticamente rendendo un'infrastruttura di grande rilievo. Ma esiste un modo ancora

00:08:21.560 --> 00:08:26.000
più semplice per trasferire dati in OneLake, il mirroring. Il mirroring, copie dati da database

00:08:26.000 --> 00:08:30.900
esterni come Azure SQL, Oracle o Google BigQuery in OneLake quasi in tempo reale ed ecco la parte

00:08:30.900 --> 00:08:35.860
migliore, è gratuito, incluso nel servizio senza costi aggiuntivi. Ti basta indicare

00:08:35.860 --> 00:08:39.520
il database di origine e Fabric gestisce tutto il resto. Poi ci sono gli scorciatoie, i shortcuts

00:08:39.520 --> 00:08:43.240
che abbiamo menzionato prima, ma meritano maggiore attenzione. Le scorciatoie sono puntatori

00:08:43.240 --> 00:08:47.260
virtuali e dati archiviati altrove che non richiedono alcuno spostamento di dati. Crea una scorciatoia

00:08:47.260 --> 00:08:51.580
per un bucket AWS S3 e questa appare in OneLake come se fosse archiviata lì mentre i dati

00:08:51.580 --> 00:08:55.540
rimangono dove si trovano. Stai solo puntando ad essi. E ora le scorciatoie possono fare molto

00:08:55.540 --> 00:08:59.540
più che puntarli. Le trasformazioni tramite scorciatoie ti permettono di applicare trasformazioni

00:08:59.540 --> 00:09:03.940
basate sugli A. Puoi eseguire l'analisi del sentiment sui dati testuali, tradurre contenuti

00:09:03.940 --> 00:09:07.640
o rilevare informazioni di identificazione personale, il tutto senza spostare i dati o creare

00:09:07.640 --> 00:09:12.440
una pipeline. La trasformazione avviene nel momento in cui accedi ai dati. L'obiettivo di tutti

00:09:12.440 --> 00:09:16.300
questi strumenti è semplice, portare tutti i tuoi dati in OneLake senza costruire pipeline complesse.

00:09:16.300 --> 00:09:21.160
Che tu utilizzi Data Factory per l'ETL tradizionale, il mirroring per la replica quasi in tempo

00:09:21.160 --> 00:09:25.620
reale o le scorciatoie per l'accesso virtuale, il risultato è lo stesso. I tuoi dati finiscono

00:09:25.620 --> 00:09:27.780
in OneLake, pronti per qualsiasi carico di lavoro di Fab.

00:09:29.280 --> 00:09:33.120
Intelligenza in tempo reale, database e IA. Finora abbiamo parlato di spostare e archiviare

00:09:33.120 --> 00:09:35.260
i dati, ma che dire di dati che non smettono mai di muoversi.

00:09:35.920 --> 00:09:40.480
Dati in streaming da sensori AT, clickstream di siti web, telemetria da dispositivi, qui che

00:09:40.480 --> 00:09:44.180
entra in gioco l'intelligenza in tempo reale. Fabric gestisce i dati in streaming attraverso

00:09:44.180 --> 00:09:48.360
qualcosa chiamato Event House, che archivia e interroga serie temporali ad alto volume

00:09:48.360 --> 00:09:52.740
utilizzando KQL, il custo query language. È lo stesso motore che alimenta Azure Data Explorer

00:09:52.740 --> 00:09:56.220
costruito per la velocità, così puoi ingerire milioni di eventi al secondo e interrogarli

00:09:56.220 --> 00:10:00.780
in pochi millisecondi. Questo è importante ed ecco perché. 46% dei clienti di fabbrica

00:10:00.780 --> 00:10:04.580
utilizza già l'intelligenza in tempo reale. È quasi la metà. I casi d'uso sono ovunque.

00:10:05.300 --> 00:10:08.780
Un'azienda di logistica che traccia i camion delle consegne, un rivenditore che monitora

00:10:08.780 --> 00:10:12.020
il traffico pedonale in negozio, un produttore che osserva i dati dei sensori e delle attrezzature

00:10:12.020 --> 00:10:16.280
di fabbrica. Tutto avviene in tempo reale. Ma Fabric non riguarda solo l'analisi. Include

00:10:16.280 --> 00:10:20.400
anche database operativi come un database SQL per dati relazionali e Cosmos DB per carichi

00:10:20.400 --> 00:10:24.120
di lavoro non SQL. Sono gli stessi database che useresti per far girare le tue applicazioni

00:10:24.120 --> 00:10:29.020
e poiché sono integrati in Fabric archiviano automaticamente i loro dati in One Lake. Nessuna

00:10:29.020 --> 00:10:32.920
pipeline extra, nessuna copia manuale. I tuoi dati transazionali, i dati analitici risiedono

00:10:32.920 --> 00:10:36.640
nello stesso posto. Ora parliamo di AI perché è qui che Fabric diventa davvero

00:10:36.640 --> 00:10:41.340
interessante. L'integrazione dell'AI è profonda in tutta la piattaforma e offre modelli predefiniti

00:10:41.340 --> 00:10:44.920
per analisi del testo, traduzione e analisi del sentiment. Puoi usarli direttamente nei

00:10:44.920 --> 00:10:48.580
tuoi flussi di dati senza scrivere codice. Basta puntare ai tuoi dati, seleziona il modello

00:10:48.580 --> 00:10:53.060
e questo viene eseguito. E poi c'è Copilot che è integrato in tutto Fabric. Ti aiuta a scrivere

00:10:53.060 --> 00:10:56.840
query, creare report e generare pipeline. Ti basta descrivere ciò che vuoi in linguaggio

00:10:56.840 --> 00:11:01.540
semplice. Copilot genera il codice. È come avere un data engineer junior seduto accanto a te, pronto

00:11:01.540 --> 00:11:06.120
ad aiutarti in ogni momento. La visione qui è semplice. L'AI lavora sui tuoi dati senza spostarli

00:11:06.120 --> 00:11:09.200
da nessuna parte. I tuoi dati rimangono in One Lake e i modelli di AI vanno verso i dati.

00:11:09.720 --> 00:11:13.620
Nessuna copia, nessuna esportazione, nessun rischio per la sicurezza. I dati non lasciano

00:11:13.620 --> 00:11:19.660
mai il tuo ambiente governato. Power BI governance e valore aziendale. Ora arriviamo alla parte

00:11:19.660 --> 00:11:23.220
che la maggior parte delle persone vede, la porta d'accesso all'insight, Power BI. È

00:11:23.220 --> 00:11:28.960
utilizzato da 550 mila organizzazioni e 34 milioni di utenti ogni mese, rendendolo lo strumento

00:11:28.960 --> 00:11:33.300
di business intelligence più diffuso al mondo. E in Fabric diventa qualcosa di ancora più

00:11:33.300 --> 00:11:37.420
potente. Ecco il punto chiave. In Fabric, Power BI si collega direttamente a One Lake

00:11:37.420 --> 00:11:41.860
usando una modalità chiamata Direct Lake. È diversa dalla tradizionale modalità import

00:11:41.860 --> 00:11:46.100
in cui copi i dati nell'archiviazione interna di Power BI. Invece, Direct Lake interroga i

00:11:46.100 --> 00:11:49.580
dati dove risiedono in One Lake senza bisogno di aggiornamenti o duplicazioni, i dati sono

00:11:49.580 --> 00:11:53.980
sempre aggiornati e velocissimi. Sotto ogni report di Power BI c'è un modello semantico,

00:11:54.040 --> 00:12:00.000
il cervello del report, dove definisci logica aziendale, misure e relazioni. E ora puoi creare

00:12:00.000 --> 00:12:04.140
questi modelli interamente in un browser web. La modellazione web è disponibile a tutti,

00:12:04.220 --> 00:12:08.120
quindi puoi creare un modello semantico, costruire relazioni e scrivere misure DAX dal browser

00:12:08.120 --> 00:12:12.380
anche su Mac. Non è richiesto alcun updesk. Ma tutta questa potenza dei dati non significa

00:12:12.380 --> 00:12:16.460
nulla senza governance. E fabbrica la governance integrata fin dall'inizio. Microsoft Purview

00:12:16.460 --> 00:12:20.240
fornisce etichette di riservatezza che seguono i tuoi dati ovunque. Se un report contiene

00:12:20.240 --> 00:12:24.480
informazioni sensibili, quell'etichetta rimane associata anche dopo l'esportazione. Le polisi

00:12:24.480 --> 00:12:28.400
di prevenzione della perdita di dati rilevano automaticamente le informazioni sensibili e bloccano

00:12:28.400 --> 00:12:32.080
la condivisione notorizzata. E i controlli di accesso assicurano che solo le persone giuste

00:12:32.080 --> 00:12:36.380
vedano i dati giusti. Domini ti aiutano a organizzare i dati per area aziendale con regole

00:12:36.380 --> 00:12:39.960
di governance separate così i tuoi dati finanziari possono avere controlli più severi rispetto a quelli

00:12:39.960 --> 00:12:44.260
di marketing. Ogni dominio può essere gestito dal proprio team, creando una governance che cresce

00:12:44.260 --> 00:12:49.680
con la tua organizzazione. Ora parliamo di risultati concreti. Non è solo teoria. Eastman Chemical ha

00:12:49.680 --> 00:12:54.720
usato Fabric per ridurre i tempi di preparazione delle vendite dell'83%. Ciò che richiedeva 4 ore e ora ne

00:12:54.720 --> 00:12:59.440
richiede circa 40 minuti. Eton Solutions ha ridotto l'impegno manuale del 75% con processi

00:12:59.440 --> 00:13:03.860
che richiedevano da 10 a 15 passaggi e ora ne richiedono 2. E Sonata Software ha risparmiato

00:13:03.860 --> 00:13:07.560
30.000 ore di riconciliazione manuale ogni anno, reindirizzando quel lavoro umano verso

00:13:07.560 --> 00:13:12.620
attività a maggior valore. Il modello di costo è semplice. Paghi per la capacità, ovvero la potenza

00:13:12.620 --> 00:13:15.940
di calcolo che esegue i tuoi carichi di lavoro. Microsoft offre funzionalità integrate di smoothing

00:13:15.940 --> 00:13:19.420
e protezione dai picchi per gestire. Lo smoothing distribuisce il costo delle operazioni

00:13:19.420 --> 00:13:23.420
in background su 24 ore per evitare picchi improvvisi, mentre la protezione dai picchi limita i processi

00:13:23.420 --> 00:13:27.980
in background nei momenti intensi per mantenere stabile la performance interattiva. Paghi per

00:13:27.980 --> 00:13:33.660
ciò che usi e non avrai sorprese. Mettiamo tutto insieme. Fabric non è solo un altro prodotto

00:13:33.660 --> 00:13:37.740
Microsoft. È un ripensamento completo di come dovrebbero funzionare le piattaforme dati. Una

00:13:37.740 --> 00:13:41.640
piattaforma, un lake, una sola copia dei dati e infinite possibilità. E con l'intelligenza

00:13:41.640 --> 00:13:45.000
artificiale co-pilot integrati è accessibile a tutti. Non solo ai professionisti dei dati,

00:13:45.060 --> 00:13:48.500
ma ad analisti aziendali, team di vendita, responsabili operativi, chiunque abbia bisogno di risposta

00:13:48.500 --> 00:13:53.300
dai dati. Ecco il tuo com. Vai su fabric.microsoft.com, avvia una prova gratuita e crea il tuo

00:13:53.300 --> 00:13:58.140
primo workspace. Provaci. Vedrai come i pezzi si incastrano in un modo che nessuna lettura può

00:13:58.140 --> 00:14:02.060
sostituire. Se questo episodio ti ha aiutato a capire meglio fabbriche, iscriviti sulla tua

00:14:02.060 --> 00:14:04.920
piattaforma di podcast preferite e condividilo con chi sta iniziando il proprio corso nel mondo

00:14:04.920 --> 00:14:09.160
dei dati. Ti ringrazierà. La prossima volta spiegheremo le scorciatoie di One Lake in modo

00:14:09.160 --> 00:14:15.260
semplice. Come funzionano, perché sono importanti e come usarle senza spostare i dati. È un episodio

00:14:15.260 --> 00:14:17.160
da un perdere. Fino ad allora continuo a imparare.

00:14:17.160 --> 00:14:18.160
Grazie.
