WEBVTT

00:00:00.200 --> 00:00:01.720
Welkom bij weer een nieuwe aflevering.

00:00:01.920 --> 00:00:06.260
Het onderwerp van vandaag is er een die je vast wel eens in vergaderingen of tech-artikelen hebt gehoord, Microsoft Fabric.

00:00:06.400 --> 00:00:09.560
Maar als je bent zoals de meeste mensen, weet je niet helemaal zeker wat het precies is.

00:00:09.720 --> 00:00:14.060
Is het gewoon het zoveelste Microsoft-product, een nieuwe naam voor iets ouds, of is het iets compleet anders?

00:00:14.280 --> 00:00:15.680
Laat ik je het korte antwoord geven.

00:00:16.080 --> 00:00:18.160
Microsoft Fabric is niet zomaar weer een product.

00:00:18.380 --> 00:00:25.080
Het is een compleet data-platform, één plek waar je al je datawerk, opslag, transformatie, analytics en rapportage kunt doen.

00:00:25.080 --> 00:00:31.280
Aan het eind van deze aflevering begrijp je wat Fabric is, waarom Microsoft het heeft gebouwd en hoe de belangrijkste onderdelen samenhangen.

00:00:31.440 --> 00:00:33.280
Pak je koffie erbij en laten we beginnen.

00:00:33.520 --> 00:00:35.980
De oude manier waarom data versnipperd was.

00:00:36.340 --> 00:00:40.300
Om te begrijpen waarom Fabric bestaat, moet je begrijpen welk probleem het oplost.

00:00:40.480 --> 00:00:48.600
Twintig jaar geleden, als je een bedrijf rundde, kocht je een server voor dataopslag, een aparte tool voor rapportages en weer een ander product voor real-time analyse.

00:00:48.600 --> 00:00:55.020
Voor je het weet, heb je vijf verschillende systemen, elk met eigen inloggegevens, een eigen werkwijze en een eigen team dat het beheert.

00:00:55.220 --> 00:00:57.360
Data zat lange tijd in silo's opgesloten.

00:00:57.720 --> 00:01:02.500
Verkoopdata stond in het ene systeem, klantgegevens in het andere en financiële data weer ergens anders.

00:01:02.720 --> 00:01:08.820
Als je een vraag wilde stellen die over die systemen heen ging, zoals welke klanten de meest winstgevende producten kopen, moest je data verplaatsen.

00:01:09.020 --> 00:01:13.500
Exporteren uit het ene systeem, transformeren, laden in het andere en dan alles opnieuw doen als de data veranderde.

00:01:13.500 --> 00:01:17.460
Er ging meer tijd verloren aan het verplaatsen van data tussen systemen dan aan het daadwerkelijk analyseren ervan.

00:01:17.660 --> 00:01:20.220
Data integratie werd een fulltime baan voor hele teams.

00:01:20.220 --> 00:01:28.260
Het ergste was dat je bij elke verplaatsing van data een nieuwe kopie creëerde, een nieuwe versie van de waarheid, en al snel wist niemand meer welke versie de juiste was.

00:01:28.540 --> 00:01:31.600
Microsoft keek naar deze versnippering en stelde een simpele vraag.

00:01:31.780 --> 00:01:33.680
Wat als al deze services zouden samenwerken?

00:01:33.860 --> 00:01:37.740
Wat als je in plaats van losse producten aan elkaar te knopen, één platform had dat alles kon?

00:01:37.740 --> 00:01:39.940
Die vraag leidde tot Microsoft Fabric.

00:01:40.140 --> 00:01:42.340
Wat Microsoft Fabric daadwerkelijk is.

00:01:42.540 --> 00:01:43.500
Dus, wat is Fabric?

00:01:43.700 --> 00:01:45.280
Hier is de simpelste definitie.

00:01:45.500 --> 00:01:48.480
Microsoft Fabric is een uniform data- en analyseplatform.

00:01:48.680 --> 00:01:50.080
Eén plek vooral je datawerk.

00:01:50.300 --> 00:01:51.960
Zie het als een modern kantoorgebouw.

00:01:52.120 --> 00:01:55.600
Elke tool, zoals PowerB of Azure Synapse, is een kamer in dat gebouw.

00:01:55.640 --> 00:01:59.120
Ze hebben hun eigen doel, inrichting en gereedschap, maar ze maken allemaal deel uit van dezelfde structuur.

00:01:59.260 --> 00:02:01.560
Je hoeft niet naar buiten om van de ene kamer naar de andere te gaan.

00:02:01.760 --> 00:02:02.560
Ze zijn verbonden.

00:02:02.820 --> 00:02:03.840
Dat is wat Fabric doet.

00:02:03.840 --> 00:02:09.860
Het brengt data engineering, data integratie, data warehousing, real-time analytics en business intelligence samen in één platform.

00:02:10.040 --> 00:02:16.400
Alles draait op een enkel SaaS platform, wat betekent dat er geen aparte infrastructuur beheert, servers ingericht of netwerken geconfigureerd hoeven te worden.

00:02:16.660 --> 00:02:18.340
Microsoft regelt dat allemaal voor je.

00:02:18.540 --> 00:02:23.140
Sinds de lancering in 2023 is Fabric het snelst groeiende dataproduct in de geschiedenis van Microsoft geworden.

00:02:23.360 --> 00:02:27.440
Vandaag de dag gebruiken meer dan 25.000 klanten het, waaronder 80% van de Fortune 500.

00:02:27.720 --> 00:02:29.800
Dat is een enorme adoptie in een zeer korte tijd.

00:02:29.800 --> 00:02:34.360
Het belangrijkste verschil is dit, in de oude wereld kocht je losse producten en probeerde je ze met elkaar te laten praten.

00:02:34.540 --> 00:02:37.340
Met Fabric hoef je verschillende services niet langer aan elkaar te knopen.

00:02:37.540 --> 00:02:41.420
Het is één ervaring, één login, één manier van werken en dat verandert alles.

00:02:41.680 --> 00:02:42.780
One Lake, het fundament.

00:02:43.140 --> 00:02:45.840
Laten we nu praten over de basis die dit alles mogelijk maakt.

00:02:46.040 --> 00:02:48.540
In het hart van Fabric bevindt zich iets dat One Lake heet.

00:02:48.720 --> 00:02:52.200
De makkelijkste manier om naar One Lake te kijken, is als OneDrive voor je data.

00:02:52.420 --> 00:02:57.980
Je weet hoe OneDrive je één plek geeft om al je persoonlijke bestanden op te slaan en elke app op je computer kan die bestanden openen.

00:02:57.980 --> 00:03:01.040
One Lake doet hetzelfde, maar dan voor de data van je organisatie.

00:03:01.240 --> 00:03:02.660
Dit is wat het zo krachtig maakt.

00:03:02.840 --> 00:03:08.920
Elke Fabric workload, of het nu een lakehouse, een warehouse of een real-time analytics taak is, slaat zijn data automatisch op in One Lake.

00:03:09.020 --> 00:03:12.080
Je hoeft niets handmatig te kopiëren of verbindingen te configureren.

00:03:12.240 --> 00:03:13.140
Het gebeurt gewoon.

00:03:13.360 --> 00:03:17.660
En er is slecht één One Lake per tenant, één enkele bron van waarheid voor je hele organisatie.

00:03:17.840 --> 00:03:20.320
Nu denk je misschien, wat als ik later van platform wil overstappen?

00:03:20.460 --> 00:03:21.300
Zit ik vast aan Microsoft?

00:03:22.020 --> 00:03:22.380
Aanhalingsteken.

00:03:22.560 --> 00:03:23.440
Het antwoord is nee.

00:03:23.440 --> 00:03:29.080
One Lake slaat data op in open formaten zoals Delta Parquet, een industriestandaard gebruikt door Databricks en Apache Spark.

00:03:29.240 --> 00:03:30.620
Je zit nooit vast aan Microsoft.

00:03:31.000 --> 00:03:33.740
Als je je data ergens anders naartoe wilt verplaatsen, dan kan dat.

00:03:33.880 --> 00:03:34.720
Het is jouw data.

00:03:35.000 --> 00:03:36.840
Maar hier wordt One Lake pas echt interessant.

00:03:37.040 --> 00:03:37.480
Shortcuts.

00:03:37.680 --> 00:03:40.880
Een shortcut is een virtuele verwijzing naar data die ergens anders staat.

00:03:41.080 --> 00:03:47.860
Je kunt een shortcut maken naar data in AWS S3, Google Cloud of zelfs on-premises opslag en het verschijnt in One Lake alsof het daar staat.

00:03:48.100 --> 00:03:50.800
Geen verplaatsing van data nodig, geen duplicatie.

00:03:50.960 --> 00:03:52.860
Je wijst er alleen naar en het verschijnt.

00:03:52.860 --> 00:04:00.800
One Lake is gebouwd op Azure Data Lake Storage, Microsoft's cloud-opslag van bedrijfsniveau, maar je beheert die infrastructuur niet omdat het als een SaaS-service wordt afgehandeld.

00:04:00.940 --> 00:04:04.420
Je hoeft geen servers in te richten of netwerken te configureren, je gebruikt het gewoon.

00:04:04.620 --> 00:04:05.740
Wat betekent dit voor jou?

00:04:05.920 --> 00:04:13.340
Het betekent dat je gegevens uit meerdere bronnen, cloud-opslag, lokale databases en externe platforms op één plek kunt samenbrengen zonder dubbele bestanden.

00:04:13.560 --> 00:04:14.720
En wat is de echte kracht?

00:04:14.900 --> 00:04:18.940
Alle gegevens die naar One Lake worden geschreven, kunnen direct door elke Fabric workload worden gebruikt.

00:04:19.100 --> 00:04:21.440
Je schrijft het één keer en elke tool in Fabric kan het zien.

00:04:21.440 --> 00:04:23.000
Dat is de magie van One Lake.

00:04:23.300 --> 00:04:25.120
Lakehouses, het centrum voor data engineering.

00:04:25.360 --> 00:04:27.000
Dus, je hebt je gegevens in One Lake staan.

00:04:27.200 --> 00:04:28.300
Nu moet je ermee aan de slag.

00:04:28.480 --> 00:04:30.000
Dat is waar de lakehouse om de hoek komt kijken.

00:04:30.200 --> 00:04:31.580
Hier is de simpelste definitie.

00:04:31.740 --> 00:04:36.060
Een lakehouse is een dataopslag die de flexibiliteit van een data lake combineert met de structuur van een database.

00:04:36.380 --> 00:04:45.300
In een traditioneel data lake kun je alles opslaan, van ruwe CSV-bestanden en JSON-documenten tot afbeeldingen en video's, maar het is rommelig zonder structuur of schema, waardoor je het niet gemakkelijk kunt bevragen.

00:04:45.300 --> 00:04:50.340
In een traditionele database is alles gestructureerd en doorzoekbaar, maar kun je alleen bepaalde soorten gegevens opslaan.

00:04:50.500 --> 00:04:51.620
Een lakehouse biedt je beide.

00:04:51.860 --> 00:04:56.080
Je kunt ruwe bestanden zoals CSV, JSON of zelfs afbeeldingen in een lakehouse bewaren.

00:04:56.180 --> 00:04:59.440
En je kunt ook gestructureerde tabellen opslaan die je met SQL kunt doorzoeken.

00:04:59.680 --> 00:05:01.160
Beiden bevinden zich op dezelfde plek.

00:05:01.340 --> 00:05:08.020
Die tabellen gebruiken het Delta Parquet-formaat, hetzelfde snelle open formaat dat door Databricks en andere grote platforms wordt gebruikt, ontworpen om enorme hoeveelheden data te verwerken.

00:05:08.220 --> 00:05:09.920
Lakehouses ondersteunen meerdere tools.

00:05:10.160 --> 00:05:12.580
Je kunt Spark gebruiken voor grootschalige gegevensverwerking.

00:05:12.580 --> 00:05:14.420
Je kunt Python gebruiken voor machine learning.

00:05:14.640 --> 00:05:16.620
Je kunt SQL gebruiken voor eenvoudige queries.

00:05:16.880 --> 00:05:19.320
Welke tool je ook verkiest, de lakehouse kan ermee werken.

00:05:19.520 --> 00:05:22.420
Zie een lakehouse als je werkruimte voor het bouwen van datapijplijnen.

00:05:22.600 --> 00:05:26.340
Je voert ruwe data in, transformeert deze, schoont ze op en bereidt ze voor op analyse.

00:05:26.600 --> 00:05:28.420
Je kunt er machine learning modellen op draaien.

00:05:28.600 --> 00:05:31.060
Je kunt trainingsdatasets creëren, alles op één plek.

00:05:31.180 --> 00:05:35.060
Voor data engineers die de voorkeur geven aan een codevriendelijke omgeving, ondersteunen lakehouses notebooks.

00:05:35.380 --> 00:05:40.340
Dit zijn interactieve documenten waarin je code schrijft, resultaten ziet en je werk documenteert als een laapschrift voor data.

00:05:40.340 --> 00:05:45.440
Je kunt Spark code in één cel schrijven, de output in de volgende zien en in de cel daarna uitleggen wat je hebt gedaan.

00:05:45.640 --> 00:05:49.180
De lakehouse is het startpunt voor de meeste data engineers die in Fabric werken.

00:05:49.360 --> 00:05:53.000
Het is de plek waar het zware werk gebeurt en omdat alles in één lake wordt opgeslagen,

00:05:53.300 --> 00:05:59.380
zijn alle gegevens in een lakehouse direct beschikbaar voor elke andere Fabric workload in de warehouses, de SQL-analyse engine.

00:05:59.580 --> 00:06:05.640
Als de lakehouse het centrum voor data engineering is, beschouw het warehouse dan als de SQL-analyse engine gebouwd voor een ander type gebruiker.

00:06:05.840 --> 00:06:09.340
Een warehouse in Fabric is een volledig beheerde SQL-analyse database.

00:06:09.340 --> 00:06:13.560
Als je databasebeheerder of SQL-ontwikkelaar bent, voel je je hier direct thuis.

00:06:13.740 --> 00:06:18.360
Je kunt t-SQL queries schrijven, views, opgeslagen procedures en beveiligingsbeleid aanmaken.

00:06:18.500 --> 00:06:21.900
Het ziet eruit en voelt aan als een traditioneel data warehouse, maar dit maakt het anders.

00:06:22.100 --> 00:06:26.100
In tegenstelling tot een traditioneel data warehouse slaat het Fabric warehouse data direct op in OneLake.

00:06:26.240 --> 00:06:29.520
Er is geen aparte opslaglaag, geen extra infrastructuur om te beheren.

00:06:29.660 --> 00:06:33.620
De data staat in OneLake en het warehouse is slechts de interface die je gebruikt om het te bevragen.

00:06:33.880 --> 00:06:38.320
Dit is belangrijk omdat het warehouse en de lakehouse dezelfde data delen, dus je dupliceert niets.

00:06:38.320 --> 00:06:43.320
Als een data engineer data in een lakehouse laat, kan een SQL-ontwikkelaar dit direct bevragen vanuit een warehouse.

00:06:43.560 --> 00:06:45.220
Geen kopiëren, geen verplaatsen.

00:06:45.360 --> 00:06:48.060
Het is dezelfde data die via verschillende tools toegankelijk is.

00:06:48.240 --> 00:06:50.580
Het warehouse is gebouwd voor grootschalige analyses.

00:06:50.960 --> 00:06:54.760
Onder de motorkap gebruikt het Massive Parallel Processing om enorme datasets te verwerken.

00:06:54.940 --> 00:06:57.260
En Microsoft investeert fors in prestaties.

00:06:57.480 --> 00:07:01.260
Alleen al in de afgelopen zes maanden zijn de prestaties met 36% verbeterd.

00:07:01.420 --> 00:07:03.340
Dat is een flinke verbetering in een korte tijd.

00:07:03.340 --> 00:07:08.580
Als je migreert vanaf een ander platform, heeft Fabric een migratieassistent om je te helpen bij de overstap van Snowflake of Synapse.

00:07:08.800 --> 00:07:11.480
Deze analyseert je huidige setup en begeleidt je door het proces.

00:07:11.700 --> 00:07:13.900
Het doel is om migratie zo pijnloos mogelijk te maken.

00:07:14.120 --> 00:07:16.080
Dus, wat is het verschil tussen een lakehouse en een warehouse?

00:07:16.400 --> 00:07:17.700
Het komt neer op de interface.

00:07:17.980 --> 00:07:19.720
Warehouses zijn SQL-georiënteerd.

00:07:19.920 --> 00:07:23.160
Ze zijn gebouwd voor mensen die denken in termen van tabellen, queries en opgeslagen procedures.

00:07:23.500 --> 00:07:25.340
Lakehouses zijn ontwikkelaars georiënteerd.

00:07:25.540 --> 00:07:28.400
Ze zijn gebouwd voor mensen die Spark, Python en Notebooks willen gebruiken.

00:07:28.560 --> 00:07:30.720
Maar daaronder slaan ze beide data op in OneLake.

00:07:30.720 --> 00:07:33.220
Het zijn twee manieren om met dezelfde data te werken.

00:07:33.420 --> 00:07:36.400
Data importeren, DataFactory, Mirroring en Shortcuts.

00:07:36.620 --> 00:07:40.920
Dus, je hebt OneLake voor opslag, Lakehouses voor transformatie en Warehouses voor queries.

00:07:41.160 --> 00:07:42.420
Maar hoe komt de data erin?

00:07:42.620 --> 00:07:44.240
Daarvoor is DataFactory bedoeld.

00:07:44.640 --> 00:07:51.700
DataFactory is de ingebouwde data-integratieservice van Fabric met meer dan 200 connectoren om data op te halen uit databases, cloudopslag, SaaS-apps en meer.

00:07:51.840 --> 00:07:55.420
Het is de meest gebruikte data-integratie-toll ter wereld en met goede reden.

00:07:55.420 --> 00:08:00.820
Binnen DataFactory vind je DataFlows gen 2, waarmee je data zonder code kunt transformeren met PowerQuery.

00:08:01.040 --> 00:08:04.640
Als je ooit PowerQuery in Excel of PowerBee hebt gebruikt, weet je hoe het werkt.

00:08:04.800 --> 00:08:08.280
Je klikt door een visuele interface om data op te schonen, te hervormen en te combineren.

00:08:08.440 --> 00:08:11.980
Geen code nodig en het is enterprise-grade schaalbaar voor enorme datasets.

00:08:12.240 --> 00:08:19.000
Elke maand worden er meer dan 22 miljard orkestraties uitgevoerd in DataFactory, wat betekent dat er automatisch miljarden gegevensbewegingen plaatsvinden.

00:08:19.140 --> 00:08:20.520
Een serieuze infrastructuur dus.

00:08:20.520 --> 00:08:24.220
Maar er is een nog eenvoudigere manier om data in OneLake te krijgen, mirroring.

00:08:24.380 --> 00:08:31.860
Mirroring kopieert gegevens van externe databases zoals Azure SQL, Oracle of Google BigQuery bijna real-time naar OneLake en dit is het beste deel.

00:08:32.040 --> 00:08:35.000
Het is gratis, inbegrepen in de service zonder extra kosten.

00:08:35.220 --> 00:08:38.260
Je wijst simpelweg naar je brondatabase en Fabric regelt de rest.

00:08:38.480 --> 00:08:41.820
Dan zijn er nog shortcuts waar we het eerder over hadden, maar die verdienen meer aandacht.

00:08:42.040 --> 00:08:46.520
Shortcuts zijn virtuele verwijzingen naar data die ergens anders is opgeslagen, zonder dat er data verplaatst hoeft te worden.

00:08:46.520 --> 00:08:52.700
Je maakt een shortcut naar een AWS S3 bucket en deze verschijnt in OneLake alsof hij daar is opgeslagen, terwijl de data blijft waar hij staat.

00:08:52.860 --> 00:08:54.200
Je verwijst er alleen maar naar.

00:08:54.400 --> 00:08:56.580
En shortcuts kunnen nu meer dan alleen verwijzen.

00:08:56.780 --> 00:09:00.500
Met shortcut transformaties kun je AI gestuurde transformaties direct toepassen.

00:09:00.680 --> 00:09:06.140
Je kunt sentimentanalyse uitvoeren op tekst data, content vertalen of persoonlijk identificeerbare informatie detecteren,

00:09:06.360 --> 00:09:08.740
allemaal zonder de data te verplaatsen of een pipeline te bouwen.

00:09:08.880 --> 00:09:11.660
De transformatie vindt plaats op het moment dat je de data benadert.

00:09:11.660 --> 00:09:16.900
Het doel van al deze tools is simpel, al je data in OneLake krijgen zonder complexe pipelines te hoeven bouwen.

00:09:17.040 --> 00:09:24.640
Of je nu DataFactory gebruikt voor traditionele ETL, mirroring voor bijna real-time replicatie, of shortcuts voor virtuele toegang, het resultaat is hetzelfde.

00:09:24.800 --> 00:09:28.340
Je data komt terecht in OneLake, klaar voor elke fabric workload.

00:09:28.640 --> 00:09:31.020
Real-time intelligentie, databases en AI.

00:09:31.220 --> 00:09:35.680
Tot nu toe hebben we gesproken over het verplaatsen en opslaan van data, maar hoe zit het met data die nooit stopt met stromen?

00:09:35.880 --> 00:09:39.920
Streaming data van IoT-sensoren, website-clickstreams, telemetrie van apparaten.

00:09:39.920 --> 00:09:42.520
Dat is waar real-time intelligentie om de hoek komt kijken.

00:09:42.760 --> 00:09:50.320
Fabric verwerkt streaming data via een zogenoemd eventhouse, dat grote hoeveelheden tijdreeksdata opslaat en doorzoekt met KQL, de Kusto Query Language.

00:09:50.520 --> 00:09:57.220
Het is dezelfde engine die Azure Data Explorer aanstuurt, gebouwd voor snelheid, zodat je miljoenen events per seconde kunt opnemen en in milliseconde kunt bevragen.

00:09:57.460 --> 00:09:58.960
Dit is belangrijk en dit is waarom.

00:09:59.200 --> 00:10:01.920
46% van de Fabric-klanten gebruikt al real-time intelligentie.

00:10:02.620 --> 00:10:03.680
Dat is bijna de helft.

00:10:03.840 --> 00:10:05.320
De use cases zijn overal.

00:10:05.480 --> 00:10:07.520
Een logistiek bedrijf dat vrachtwagens volgt.

00:10:07.520 --> 00:10:13.640
Een retailer die winkelbezoekers monitort, een fabrikant die sensordata van fabrieksapparatuur bekijkt, allemaal in real-time.

00:10:13.820 --> 00:10:15.640
Maar Fabric gaat niet alleen over analytics.

00:10:15.980 --> 00:10:21.180
Het bevat ook operationele databases zoals een SQL-database voor relationele data en Cosmos DB voor NOSQL workloads.

00:10:21.440 --> 00:10:24.520
Dit zijn dezelfde databases die je zou gebruiken om je applicaties op te draaien.

00:10:24.660 --> 00:10:28.460
En omdat ze zijn ingebouwd in Fabric, slaan ze hun data automatisch op in OneLake.

00:10:28.600 --> 00:10:30.900
Geen extra pipelines, geen handmatig kopiëren.

00:10:30.900 --> 00:10:34.140
Je transactionele en analytische data bevinden zich op dezelfde plek.

00:10:34.260 --> 00:10:37.660
Laten we het nu over AI hebben, want dat is waar Fabric pas echt interessant wordt.

00:10:37.800 --> 00:10:42.900
AI-integratie is diep ingebed in het platform met kant-en-klare modellen voor tekstanalyse, vertaling en sentimentanalyse.

00:10:43.760 --> 00:10:46.740
Je kunt ze direct gebruiken in je datastromen zonder code te schrijven.

00:10:46.960 --> 00:10:49.600
Wijs simpelweg je data aan, selecteer het model en het draait.

00:10:49.760 --> 00:10:52.260
En dan is er nog Copilot dat in heel Fabric is geïntegreerd.

00:10:52.440 --> 00:10:55.520
Het helpt je bij het schrijven van queries, het bouwen van rapporten en het maken van pipelines.

00:10:55.740 --> 00:10:58.940
Je beschrijft gewoon in begrijpelijke taal wat je wilt en Copilot genereert de code.

00:10:58.940 --> 00:11:02.820
Het is alsof er een junior data engineer naast je zit die op elk moment klaar staat om te helpen.

00:11:02.940 --> 00:11:04.000
De visie hier is simpel.

00:11:04.200 --> 00:11:06.760
AI werkt op je data zonder deze naar ergens anders te verplaatsen.

00:11:06.900 --> 00:11:09.760
Je data blijft in OneLake en de AI-modellen komen naar de data toe.

00:11:09.960 --> 00:11:13.060
Geen kopiëren, geen exporteren, geen beveiligingsrisico's.

00:11:13.200 --> 00:11:15.360
De data verlaat nooit je beheerde omgeving.

00:11:16.400 --> 00:11:18.580
PowerB, governance en de zakelijke waarden.

00:11:18.800 --> 00:11:23.020
Nu komen we bij het onderdeel dat de meeste mensen echt zien, de voordeur tot inzichten, PowerB.

00:11:23.200 --> 00:11:28.420
Het wordt maandelijks gebruikt door 550.000 organisaties en 34 miljoen gebruikers,

00:11:28.420 --> 00:11:31.640
waardoor het de meest gebruikte business intelligence tool ter wereld is.

00:11:31.920 --> 00:11:33.820
En in Fabric wordt het nog krachtiger.

00:11:34.080 --> 00:11:34.780
Dit is de kern.

00:11:35.000 --> 00:11:39.720
In Fabric maakt PowerB direct verbinding met OneLake via de zogenaamde DirectLake-modus.

00:11:39.900 --> 00:11:44.480
Dit is anders dan de traditionele import-modus waarbij je data kopieert naar de interne opslag van PowerB.

00:11:44.660 --> 00:11:47.660
In plaats daarvan bevraagt DirectLake de data waar deze in OneLake staat,

00:11:47.840 --> 00:11:51.780
zonder ververse, zonder duplicatie en de data is altijd actueel en razendsnel.

00:11:51.780 --> 00:11:57.180
Onder elk PowerB rapport ligt een semantisch model, het brein van je rapport waar je bedrijfslogica,

00:11:57.420 --> 00:11:59.080
measures en relaties definieert.

00:11:59.240 --> 00:12:02.200
En nu kun je deze modellen volledig in een webbrowser bouwen.

00:12:02.420 --> 00:12:05.700
Webmodeling is algemeen beschikbaar, dus je kunt een semantisch model maken,

00:12:05.900 --> 00:12:09.280
relaties bouwen en DAX measures schrijven vanuit je browser, zelfs op een Mac.

00:12:09.440 --> 00:12:10.740
Geen desktop-app vereist.

00:12:10.940 --> 00:12:15.700
Maar al deze datakracht betekent niet zonder governance en Fabric heeft governance vanaf het begin ingebouwd.

00:12:15.900 --> 00:12:19.500
Microsoft Purview biedt vertrouwelijkheidslabels die je data overal volgen.

00:12:19.500 --> 00:12:23.980
Als een rapport gevoelige informatie bevat, blijft dat label behouden, zelfs bij export.

00:12:24.240 --> 00:12:29.580
Data loss prevention beleid detecteert automatisch gevoelige data en blokkeert ongeautoriseerd delen.

00:12:29.720 --> 00:12:33.540
En toegangscontroles zorgen ervoor dat alleen de juiste mensen de juiste data zien.

00:12:33.780 --> 00:12:37.520
Domeinen helpen je data te organiseren per bedrijfsgebied met aparte governance regels,

00:12:37.760 --> 00:12:40.820
zodat je financiële data strengere controles kan hebben dan je marketingdata.

00:12:41.000 --> 00:12:45.440
Elk domein kan door een eigen team worden beheerd, wat zorgt voor governance die meegroeit met uw organisatie.

00:12:45.640 --> 00:12:47.500
Laten we het nu over echte resultaten hebben.

00:12:47.500 --> 00:12:53.360
Dit is niet zomaar theorie. Eastman Chemical gebruikte Fabric om de voorbereidingstijd voor verkoop met 83% te verminderen.

00:12:53.560 --> 00:12:56.280
Wat voorheen 4 uur duurde, kost nu ongeveer 40 minuten.

00:12:56.440 --> 00:13:02.460
Eaton Solutions verminderde de handmatige inspanning met 75%, waarbij processen van 10 tot 15 stappen nu nog maar 2 stappen vereisen.

00:13:02.640 --> 00:13:06.420
En Sonata Software bespaarde elk jaar 30.000 uur aan handmatige reconciliatie,

00:13:06.660 --> 00:13:09.060
waardoor die menselijke inzet naar waardevoller werk kon worden verlegd.

00:13:09.180 --> 00:13:14.160
Het kostenmodel is eenvoudig. U betaalt voor capaciteit, de rekenkracht die uw workloads uitvoert.

00:13:14.160 --> 00:13:17.560
Microsoft heeft ingebouwde smoothing en piekbeveiliging om pieken op te vangen.

00:13:17.760 --> 00:13:22.720
Smooothing spreidt de kosten van achtergrondprocessen over 24 uur, zodat u niet wordt verrast door plotselinge uitschieters.

00:13:22.940 --> 00:13:27.340
En piekbeveiliging beperkt achtergrondtaken tijdens drukke periodes om interactieve prestaties stabiel te houden.

00:13:27.460 --> 00:13:30.280
U betaalt voor wat u gebruikt en komt niet voor verrassingen te staan.

00:13:30.540 --> 00:13:32.000
Laten we dit alles samenvoegen.

00:13:32.220 --> 00:13:34.300
Fabric is niet zomaar een ander Microsoft product.

00:13:34.560 --> 00:13:37.580
Het is een complete heroverweging van hoe data platforms zouden moeten werken.

00:13:37.740 --> 00:13:40.920
1 platform, 1 leek, 1 kopie van gegevens en oneindige mogelijkheden.

00:13:40.920 --> 00:13:43.740
En met ingebouwde AI en Copilot is het toegankelijk voor iedereen.

00:13:43.920 --> 00:13:48.760
Niet alleen voor data professionals, maar ook voor bedrijfsanalisten, sales teams, operationeel managers, iedereen die antwoorden uit data nodig heeft.

00:13:48.920 --> 00:13:49.840
Hier is uw huiswerk.

00:13:50.060 --> 00:13:54.280
Ga naar fabric.microsoft.com, start een gratis proefversie en maak uw eerste workspace aan.

00:13:54.480 --> 00:13:55.260
Probeer het gewoon.

00:13:55.460 --> 00:13:59.220
U zult zien hoe de onderdelen in elkaar passen op een manier die niet te vervangen is door alleen maar te lezen.

00:13:59.420 --> 00:14:05.340
Als deze aflevering u heeft geholpen Fabric beter te begrijpen, abonneer u dan op uw favoriete podcast platform en deel het met iemand die aan zijn datareis begint.

00:14:05.520 --> 00:14:06.700
Ze zullen u dankbaar zijn.

00:14:06.700 --> 00:14:10.200
Volgende keer leggen we One Lake snelkoppelingen in gewone taal uit.

00:14:10.380 --> 00:14:14.460
Hoe ze werken, waarom ze belangrijk zijn en hoe u ze gebruikt zonder gegevens te verplaatsen.

00:14:14.660 --> 00:14:16.100
Dat is er een die u niet wilt missen.

00:14:16.300 --> 00:14:17.420
Blijf tot die tijd leren.
