WEBVTT

00:00:00.160 --> 00:00:01.660
Вітаємо в черговому епізоді.

00:00:01.900 --> 00:00:06.220
Сьогоднішня тема – це те, про що ви, мабуть, чули на нарадах або в технічних статтях Microsoft Fabric.

00:00:06.320 --> 00:00:09.680
Але якщо ви, як і більшість людей, не зовсім впевнені, що це таке насправді?

00:00:09.800 --> 00:00:13.940
Чи це просто черговий продукт Microsoft, ребрендинг чогось старого, чи щось зовсім інше?

00:00:14.140 --> 00:00:15.740
Дозвольте дати коротку відповідь.

00:00:15.920 --> 00:00:18.180
Microsoft Fabric – це не просто ще один продукт.

00:00:18.260 --> 00:00:21.740
Це цілісна платформа даних, одне місце, де можна виконувати всю роботу з даними,

00:00:21.740 --> 00:00:25.180
Зберігання, трансформацію, аналітику та звітність – усе в одному місці.

00:00:25.340 --> 00:00:29.200
Наприкінці цього епізоду ви зрозумієте, що таке Fabric, чому Microsoft її створила

00:00:29.200 --> 00:00:31.360
і як основні компоненти поєднуються між собою.

00:00:31.520 --> 00:00:33.000
Беріть каву і почнемо.

00:00:33.120 --> 00:00:36.080
Старий підхід – чому робота з даними була неефективною.

00:00:36.260 --> 00:00:40.480
Щоб зрозуміти, чому існує Fabric, потрібно усвідомити проблему, яку вона вирішує.

00:00:40.660 --> 00:00:44.960
20 років тому, якби ви керували компанією, ви б купували сервер для зберігання даних,

00:00:44.960 --> 00:00:48.660
окремий інструмент для звітів і ще один продукт для аналізу в реальному часі.

00:00:48.780 --> 00:00:51.580
Ви й озернутися не встигли б, як у вас з'явилося 5 різних систем,

00:00:51.720 --> 00:00:54.820
кожна зі своїм логіном, способом роботи та окремою командою для підтримки.

00:00:54.940 --> 00:00:57.640
Тривалий час дані зберігалися в ізольованих сховищах, силосах.

00:00:57.820 --> 00:01:00.760
Дані про продажі лежали в одній системі, дані клієнтів – в іншій,

00:01:00.840 --> 00:01:02.480
а фінансові дані – взагалі де інде.

00:01:02.620 --> 00:01:05.240
Якщо ви хотіли поставити запитання, що охоплювало ці системи,

00:01:05.240 --> 00:01:07.520
наприклад, як і клієнти купують найбільш прибуткові товари,

00:01:14.960 --> 00:01:17.220
системами витрачалося більше часу, ніж на їх аналіз.

00:01:17.460 --> 00:01:20.240
Інтеграція даних стала роботою на повний день для цілих команд.

00:01:20.440 --> 00:01:23.140
Найгірше те, що кожного разу, коли ви переміщували дані,

00:01:23.240 --> 00:01:25.500
ви створювали нову копію, нову версію істини,

00:01:25.620 --> 00:01:28.040
і незабаром ніхто не знав, яка з копій є правильною.

00:01:28.180 --> 00:01:31.640
Компанія Microsoft проаналізувала цю фрагментацію і поставила просте запитання.

00:01:31.820 --> 00:01:33.660
Що якби всі ці сервіси працювали разом?

00:01:33.660 --> 00:01:35.760
Що якби замість того, щоб вшивати окремі продукти,

00:01:35.840 --> 00:01:37.400
ви мали одну платформу, яка робить усе?

00:01:37.400 --> 00:01:40.020
Це запитання і призвело до створення Microsoft Fabric.

00:01:40.160 --> 00:01:42.400
Що насправді являє собою Microsoft Fabric?

00:01:42.520 --> 00:01:43.740
Отже, що таке Fabric?

00:01:43.860 --> 00:01:45.180
Ось найпростіше визначення.

00:01:45.320 --> 00:01:48.220
Microsoft Fabric – це уніфікована платформа для роботи з даними та аналітики.

00:01:48.420 --> 00:01:50.240
Єдине місце для всієї вашої роботи з даними.

00:01:50.400 --> 00:01:52.140
Уявіть, це як сучасний офісний будинок.

00:01:52.320 --> 00:01:54.360
Кожен інструмент, як от Pava BI або Azure Synapse –

00:01:54.360 --> 00:01:55.560
це кімната всередині цього будинку.

00:01:55.560 --> 00:01:57.440
Вони мають власне призначення, меблі та інструменти,

00:01:57.500 --> 00:01:58.900
але всі вони є частиною однієї структури.

00:01:58.900 --> 00:02:01.500
Вам не потрібно виходити на вулицю, щоб потрапити з однієї кімнати в іншу.

00:02:01.620 --> 00:02:02.800
Вони з'єднані між собою.

00:02:02.960 --> 00:02:03.980
Ось що робить Fabric.

00:02:04.140 --> 00:02:06.420
Він об'єднує інженерію даних, їх інтеграцію,

00:02:06.540 --> 00:02:08.200
сховища, аналітику в реальному часі

00:02:08.200 --> 00:02:10.020
та бізнес-аналітику на одній платформі.

00:02:10.160 --> 00:02:12.200
Усе працює як єдина SaaS-платформа,

00:02:12.260 --> 00:02:14.420
тому вам не потрібно керувати інфраструктурою,

00:02:14.560 --> 00:02:16.240
налаштовувати сервери чи мережі.

00:02:16.480 --> 00:02:18.280
Microsoft бере на себе все це за вас.

00:02:18.440 --> 00:02:21.640
З моменту запуску у 2023 році Fabric став продуктом для роботи з даними,

00:02:21.640 --> 00:02:23.140
що зростає найшвидше в історії Microsoft.

00:02:23.320 --> 00:02:25.380
Сьогодні ним користуються понад 25 тисяч клієнтів,

00:02:25.460 --> 00:02:27.540
зокрема 80% компаній зі списку Focion 500.

00:02:27.740 --> 00:02:29.760
Це значне впровадження за дуже короткий час.

00:02:29.920 --> 00:02:32.680
Ключова відмінність ось у чому раніше ви купували окремі продукти

00:02:32.680 --> 00:02:34.480
і намагалися змусити їх працювати разом.

00:02:34.620 --> 00:02:37.360
З Fabric вам більше не потрібно поєднувати різні сервіси.

00:02:37.520 --> 00:02:41.300
Це один інтерфейс, один логін, один стиль роботи, і це змінює все.

00:02:41.520 --> 00:02:42.780
OnLake – це основа.

00:02:42.880 --> 00:02:45.980
Тепер поговоримо про фундамент, завдяки якому все це працює.

00:02:45.980 --> 00:02:48.700
У центрі Fabric – те, що називається OnLake.

00:02:49.000 --> 00:02:52.000
Найпростіше уявити OnLake як OnEDrive для ваших даних.

00:02:52.080 --> 00:02:55.580
Ви знаєте, як OnEDrive надає єдине місце для зберігання особистих файлів,

00:02:55.680 --> 00:02:57.920
до яких має доступ будь-який додаток на комп'ютері.

00:02:58.040 --> 00:03:00.920
OnLake робить те саме, але для даних вашої організації.

00:03:01.100 --> 00:03:02.780
Ось що робить його таким потужним.

00:03:02.980 --> 00:03:04.480
Будь-яке робоче навантаження Fabric,

00:03:04.600 --> 00:03:07.020
чи то Lakehouse, сховище або аналітика в реальному часі,

00:03:07.140 --> 00:03:08.600
автоматично зберігає дані OnLake.

00:03:08.600 --> 00:03:11.800
Вам не потрібно нічого копіювати вручну або налаштовувати з'єднання.

00:03:11.940 --> 00:03:13.380
Це відбувається автоматично.

00:03:13.560 --> 00:03:15.020
Існує лише один OnLake на орендаря,

00:03:15.140 --> 00:03:17.720
Tenant – єдине джерело істини для всієї вашої організації.

00:03:17.880 --> 00:03:20.720
Можливо, ви думаєте, а що, якщо я захочу змінити платформу пізніше?

00:03:20.860 --> 00:03:22.240
Чи буду я прив'язаний до неї?

00:03:22.500 --> 00:03:23.140
Відповідь – ні.

00:03:23.320 --> 00:03:25.020
OnLake зберігає дані у відкритих форматах,

00:03:25.140 --> 00:03:26.880
таких як DeltaPak, промисловий стандарт,

00:03:27.000 --> 00:03:28.820
що використовується Databricks та Apache Spark.

00:03:28.980 --> 00:03:30.800
Ви ніколи не будете обмежені лише Microsoft.

00:03:30.800 --> 00:03:32.840
Якщо ви захочете перенести свої дані кудись інде,

00:03:32.920 --> 00:03:33.720
ви зможете це зробити.

00:03:33.860 --> 00:03:34.720
Це ваші дані.

00:03:34.840 --> 00:03:36.720
Але ось де OnLake стає справді цікавим –

00:03:36.720 --> 00:03:37.740
ярлики, шоткатс.

00:03:37.860 --> 00:03:39.540
Ярлик – це віртуальний показчик на дані,

00:03:39.640 --> 00:03:40.940
що зберігаються в іншому місці.

00:03:41.100 --> 00:03:43.460
Ви можете створити ярлик до даних в AWSS3,

00:03:43.600 --> 00:03:45.580
Google Cloud або навіть у локальному сховищі,

00:03:45.640 --> 00:03:47.840
і вони відобразяться в OnLake, ніби зберігалися там.

00:03:48.040 --> 00:03:50.480
Жодного переміщення даних, жодного дублювання.

00:03:50.700 --> 00:03:53.060
Ви просто вказуєте шлях, і вони з'являються.

00:03:53.060 --> 00:03:55.660
OnLake побудовано на основі Azure Data Lake Storage,

00:03:55.800 --> 00:03:57.540
хмарного сховища корпоративного рівня,

00:03:57.640 --> 00:03:59.060
але вам не потрібно керувати інфраструктурою,

00:03:59.680 --> 00:04:00.780
оскільки це SaaS-сервіс.

00:04:00.920 --> 00:04:02.980
Вам не потрібно налаштовувати сервери чи мережі,

00:04:03.080 --> 00:04:04.300
ви просто користуєтесь ними.

00:04:04.540 --> 00:04:05.940
Що це означає для вас?

00:04:06.080 --> 00:04:08.220
Це означає, що дані з багатьох джерел,

00:04:08.340 --> 00:04:11.080
хмарних сховищ, локальних баз та сторонніх платформ

00:04:11.080 --> 00:04:13.220
з'являються в одному місці без дублювання.

00:04:13.400 --> 00:04:14.620
А в чому справжня сила?

00:04:14.840 --> 00:04:16.140
Будь-які дані, записані в OnLake,

00:04:16.140 --> 00:04:18.820
негайно стають доступними для будь-якого робочого навантаження фебрік.

00:04:18.960 --> 00:04:21.720
Ви записуєте один раз, і кожен інструмент у фебрік їх бачить.

00:04:21.840 --> 00:04:23.180
Це і є магія OneLake.

00:04:23.380 --> 00:04:25.140
LakeHouse – центр обробки даних.

00:04:25.280 --> 00:04:26.740
Отже, ваші дані вже в OneLake.

00:04:26.880 --> 00:04:28.240
Тепер потрібно з ними працювати.

00:04:28.460 --> 00:04:30.080
Саме тут на допомогу приходить LakeHouse.

00:04:30.220 --> 00:04:31.560
Ось найпростіше визначення.

00:04:31.740 --> 00:04:33.160
LakeHouse – це сховище даних,

00:04:33.280 --> 00:04:36.240
що поєднує гнучкість озера даних зі структурою бази даних.

00:04:36.240 --> 00:04:39.600
У традиційному озері даних можна зберігати все CSV-файли,

00:04:39.600 --> 00:04:42.100
JSON-документи, зображення, відео,

00:04:42.200 --> 00:04:45.160
але там немає структури чи схеми, тому запити робити складно.

00:04:45.320 --> 00:04:48.120
У традиційній базі даних усе структуровано і доступно для запитів,

00:04:48.200 --> 00:04:50.060
але можна зберігати лише певні типи даних.

00:04:50.220 --> 00:04:51.800
LakeHouse дає вам і те, і інше.

00:04:51.960 --> 00:04:53.760
У LakeHouse можна зберігати необроблені файли,

00:04:53.900 --> 00:04:56.100
як от CSV, JSON, або навіть зображення.

00:04:56.220 --> 00:04:59.340
А також структуровані таблиці, до яких можна робити запити через SQL.

00:04:59.340 --> 00:05:01.200
Обидва типи живуть в одному місці.

00:05:01.340 --> 00:05:03.020
Ці таблиці використовують формат DeltaPak,

00:05:03.020 --> 00:05:04.440
той самий швидкий відкритий формат,

00:05:04.560 --> 00:05:06.440
що застосовується в Databricks та інших платформах

00:05:06.440 --> 00:05:07.960
для обробки величезних обсягів даних.

00:05:08.080 --> 00:05:09.900
LakeHouse підтримує різні інструменти.

00:05:10.060 --> 00:05:12.500
Ви можете використовувати SPAC для масштабної обробки даних.

00:05:12.620 --> 00:05:14.560
Ви можете використовувати Python для машинного навчання.

00:05:14.740 --> 00:05:16.780
Ви можете використовувати SQL для простих запитів.

00:05:16.940 --> 00:05:19.240
Який би інструмент ви не обрали, LakeHouse впорається.

00:05:19.400 --> 00:05:22.440
Уявляйте LakeHouse як робочий простір для побудови конвейерів даних.

00:05:22.440 --> 00:05:23.880
Ви завантажуєте необроблені дані,

00:05:23.880 --> 00:05:26.340
трансформуєте, очищаєте та готуєте їх до аналізу.

00:05:26.460 --> 00:05:28.580
Ви можете запускати на них моделі машинного навчання.

00:05:28.760 --> 00:05:31.260
Ви можете створювати навчальні набори даних усе в одному місці.

00:05:31.460 --> 00:05:33.560
Для дата інженерів, які віддають перевагу коду,

00:05:33.720 --> 00:05:34.980
LakeHouse підтримує блокноти.

00:05:35.140 --> 00:05:37.000
Це інтерактивні документи, де ви пишете код,

00:05:37.120 --> 00:05:38.760
бачите результати та документуєте роботу

00:05:38.760 --> 00:05:40.300
як лабораторний журнал для даних.

00:05:40.420 --> 00:05:42.180
Ви можете написати код SPAC в одній комірці,

00:05:42.180 --> 00:05:43.840
побачити вивід у наступній і пояснити,

00:05:44.000 --> 00:05:45.420
що ви зробили у комірці після цього.

00:05:45.420 --> 00:05:48.180
LakeHouse – це точка входу для більшості дата інженерів,

00:05:48.300 --> 00:05:49.300
що працюють у Fabric.

00:05:49.400 --> 00:05:51.640
Це місце, де відбувається основна важка робота,

00:05:51.740 --> 00:05:53.640
і оскільки все зберігається в одному місці,

00:05:53.760 --> 00:05:55.580
будь-які дані в LakeHouse миттєво доступні

00:05:55.580 --> 00:05:57.560
для інших процесів Fabric у сховищах,

00:05:57.640 --> 00:05:59.420
тобто SQL-аналітичному рушію.

00:05:59.560 --> 00:06:01.700
Отже, якщо LakeHouse – це центр обробки даних,

00:06:01.760 --> 00:06:03.720
то склад – це SQL-аналітичний рушій,

00:06:03.720 --> 00:06:05.580
створений для іншого типу користувачів.

00:06:05.720 --> 00:06:09.480
Сховище у Fabric – це повністю керована SQL-база даних для аналітики.

00:06:09.620 --> 00:06:12.200
Якщо ви адміністратор баз даних або SQL-розробник,

00:06:12.280 --> 00:06:13.680
тут ви почуватиметеся, як вдома.

00:06:13.800 --> 00:06:16.480
Ви можете писати ті SQL-запити, створювати представлення,

00:06:16.600 --> 00:06:18.280
збережені процедури та політики безпеки.

00:06:18.420 --> 00:06:20.680
Це виглядає та відчувається як традиційне сховище даних,

00:06:20.780 --> 00:06:21.980
але ось у чому його відмінність.

00:06:22.120 --> 00:06:23.500
На відміну від традиційного сховища,

00:06:23.580 --> 00:06:26.000
сховище Fabric зберігає дані безпосередньо в одному озері.

00:06:26.000 --> 00:06:27.600
Тут немає окремого рівня зберігання

00:06:27.600 --> 00:06:29.420
чи додаткової інфраструктури для керування.

00:06:29.420 --> 00:06:32.160
Дані живуть в одному озері, а сховище – це лише інтерфейс,

00:06:32.240 --> 00:06:33.700
який ви використовуєте для запитів.

00:06:33.820 --> 00:06:36.300
Це важливо, оскільки сховище та Lakehouse використовують

00:06:36.300 --> 00:06:38.420
одні й ті самі дані, тому ви нічого не дублюєте.

00:06:38.600 --> 00:06:41.000
Якщо Data Engineer завантажує дані в Lakehouse SQL,

00:06:41.140 --> 00:06:43.300
розробник може одразу запитувати їх зі сховища.

00:06:43.440 --> 00:06:45.100
Жодного копіювання чи переміщення.

00:06:45.100 --> 00:06:48.240
Це ті самі дані, до яких можна отримати доступ через різні інструменти.

00:06:48.380 --> 00:06:50.600
Сховище створене для масштабної аналітики.

00:06:50.760 --> 00:06:53.100
Під капотом воно використовує масово паралельну обробку

00:06:53.100 --> 00:06:54.840
для роботи з величезними наборами даних.

00:06:54.940 --> 00:06:57.360
І Microsoft активно інвестує в продуктивність.

00:06:57.540 --> 00:07:01.140
Лише за останні шість місяців продуктивність зросла на 36%.

00:07:01.140 --> 00:07:03.220
Це значне покращення за короткий час.

00:07:03.400 --> 00:07:06.280
Якщо ви переходите з іншої платформи, у Fabric є помічник з міграції,

00:07:06.440 --> 00:07:08.520
який допоможе переїхати зі Snowflake або Synapse.

00:07:08.520 --> 00:07:11.540
Він аналізує вашу поточну систему та веде вас через увесь процес.

00:07:11.660 --> 00:07:13.980
Мета – зробити міграцію максимально безболісною.

00:07:14.100 --> 00:07:16.220
Отже, у чому різниця між Lakehouse та сховищем?

00:07:16.380 --> 00:07:17.840
Все зводиться до інтерфейсу.

00:07:17.840 --> 00:07:19.600
Сховища орієнтовані на SQL.

00:07:19.900 --> 00:07:23.240
Вони створені для тих, хто мислить таблицями, запитами та збереженими процедурами.

00:07:23.420 --> 00:07:25.180
Lakehouse орієнтовані на розробників.

00:07:25.360 --> 00:07:28.380
Вони створені для тих, хто хоче використовувати SPAC, Python та блокноти.

00:07:28.520 --> 00:07:30.900
Але в основі обидва зберігають дані в одному озері.

00:07:31.020 --> 00:07:33.080
Це два способи роботи з тими самими даними.

00:07:33.220 --> 00:07:36.240
Отримання даних, Data Factory, дзеркалювання та ярлики.

00:07:36.380 --> 00:07:38.240
Отже, у вас є одне озеро для зберігання,

00:07:38.380 --> 00:07:40.640
Lakehouse для трансформації та сховища для запитів,

00:07:40.640 --> 00:07:42.200
але як дані потрапляють всередину.

00:07:42.380 --> 00:07:44.380
Саме тут на допомогу приходить Data Factory.

00:07:44.600 --> 00:07:47.140
Data Factory – це вбудована служба інтеграції даних Fabric,

00:07:47.280 --> 00:07:49.980
яка пропонує понад 200 коннекторів для отримання даних з баз даних,

00:07:50.060 --> 00:07:51.680
хмарних сховищ, SAS додатків тощо.

00:07:51.840 --> 00:07:55.280
Це найбільш використовуваний інструмент інтеграції даних у світі і не дарма.

00:07:55.440 --> 00:07:57.740
У складі Data Factory ви отримуєте Data Flows Gen 2,

00:07:57.920 --> 00:08:00.820
які забезпечують нову код спосіб трансформації даних через Pava Query.

00:08:01.000 --> 00:08:03.480
Якщо ви коли-небудь користувалися Pava Query в Excel або Pava BI,

00:08:03.600 --> 00:08:04.700
ви вже знаєте, як це працює.

00:08:10.640 --> 00:08:12.280
Це працюється для роботи з величезними наборами даних.

00:08:12.380 --> 00:08:15.340
Понад 22 мільярди оркестрацій запускаються в Data Factory щомісяця,

00:08:15.420 --> 00:08:18.620
а це означає, що мільярди операцій переміщення даних відбуваються автоматично,

00:08:18.760 --> 00:08:20.420
що робить її серйозною інфраструктурою.

00:08:20.580 --> 00:08:23.140
Але є ще простіший спосіб переміщення даних у OnLake –

00:08:23.140 --> 00:08:24.200
дзеркалювання Mirroring.

00:08:24.440 --> 00:08:26.320
Дзеркалювання копіює дані із зовнішніх баз,

00:08:26.440 --> 00:08:28.700
як от Azure SQL, Oracle або Google Big Query,

00:08:28.840 --> 00:08:31.680
у OnLake майже в режимі реального часу, і ось найкраща частина.

00:08:31.680 --> 00:08:35.040
Це безкоштовно, включено у вартість сервісу без жодних додаткових витрат.

00:08:35.180 --> 00:08:38.260
Ви просто вказуєте свою вихідну базу даних, а Fabric бере на себе решту.

00:08:38.440 --> 00:08:40.380
Далі йдуть ярлики, про які ми згадували раніше,

00:08:40.500 --> 00:08:42.020
але вони заслуговують на більше уваги.

00:08:42.140 --> 00:08:44.840
Ярлики – це віртуальні посилання на дані, що зберігаються в іншому місці,

00:08:44.960 --> 00:08:46.460
які не потребують переміщення самих даних.

00:08:46.580 --> 00:08:49.840
Ви створюєте ярлик до кошика AWSS3, і він з'являється в OnLake так,

00:08:49.840 --> 00:08:52.480
ніби він там зберігався, тоді як дані залишаються на своєму місці.

00:08:52.640 --> 00:08:54.000
Ви просто вказуєте на них.

00:08:54.140 --> 00:08:56.740
А тепер ярлики можуть робити більше, ніж просто посилатися.

00:08:56.940 --> 00:08:59.280
Трансформації ярликів дозволяють застосовувати перетворення

00:08:59.280 --> 00:09:00.920
на основі штучного інтелекту на люту.

00:09:01.100 --> 00:09:03.780
Ви можете виконувати аналіз тональності текстових даних,

00:09:03.860 --> 00:09:06.200
перекладати вміст або виявляти персональні дані,

00:09:06.300 --> 00:09:08.560
не переміщуючи дані і не створюючи конвейери.

00:09:08.940 --> 00:09:11.700
Трансформація відбувається в момент вашого доступу до даних.

00:09:11.700 --> 00:09:13.560
Мета всіх цих інструментів проста –

00:09:13.560 --> 00:09:16.740
об'єднати всі ваші дані в OnLake без створення складних конвейерів.

00:09:16.860 --> 00:09:20.000
Незалежно від того, чи використовуєте видейта-фектори для традиційного ETL,

00:09:20.100 --> 00:09:21.960
дзеркалювання для реплікації майже в реальному часі

00:09:21.960 --> 00:09:24.540
чи ярлики для віртуального доступу, результат один і той самий.

00:09:24.620 --> 00:09:28.400
Ваші дані опиняються в OnLake, готові до будь-якого робочого навантаження фебрик.

00:09:28.720 --> 00:09:31.300
Інтелектуальний аналіз у реальному часі, бази даних та щі.

00:09:31.440 --> 00:09:33.540
Досі ми говорили про переміщення та зберігання даних,

00:09:33.540 --> 00:09:35.820
але що робити з даними, які ніколи не припиняють рух.

00:09:35.960 --> 00:09:39.580
Потокові дані Z-датчиків, клікстріми веб-сайтів, телеметрія з пристрою.

00:09:39.720 --> 00:09:42.600
Ось тут на допомогу приходить інтелектуальний аналіз у реальному часі.

00:09:42.740 --> 00:09:45.580
Фебрик обробляє потокові дані за допомогою так званого AventHouse,

00:09:45.740 --> 00:09:48.180
який зберігає та запитує великі обсяги часових рядів даних,

00:09:48.300 --> 00:09:50.380
використовуючи KQL, мову запитів Касто.

00:09:50.520 --> 00:09:53.040
Це той самий рушій, що забезпечує роботу Azure Data Explorer,

00:09:53.200 --> 00:09:55.980
створений для швидкості, тож ви можете отримувати мільйони подій за секунду

00:09:55.980 --> 00:09:57.320
і опитувати їх за мілі секунди.

00:09:57.440 --> 00:09:58.680
Це важливо і ось чому.

00:09:58.860 --> 00:10:02.460
46% клієнтів Фебрик уже використовують інтелектуальний аналіз у реальному часі.

00:10:02.600 --> 00:10:03.640
Це майже половина.

00:10:03.840 --> 00:10:05.420
Варіантів використання безліч.

00:10:05.640 --> 00:10:07.560
Логістична компанія відстежує вантажівки,

00:10:07.680 --> 00:10:09.720
ритейлер контролює потік покупців у магазині,

00:10:09.820 --> 00:10:12.000
виробник спостерігає за даними датчиків обладнання,

00:10:12.140 --> 00:10:13.820
усе це відбувається в реальному часі.

00:10:13.920 --> 00:10:15.720
Але Фебрик – це не лише аналітика.

00:10:15.720 --> 00:10:17.580
Вона також включає операційні бази даних,

00:10:17.580 --> 00:10:19.080
як от SQL для реляційних даних

00:10:19.080 --> 00:10:21.080
і Cosmos DB для робочих навантажень на SQL.

00:10:21.300 --> 00:10:24.520
Це ті самі бази даних, які ви використовуєте для роботи своїх застосунків.

00:10:24.640 --> 00:10:26.180
І оскільки вони вбудовані у Фебрик,

00:10:26.280 --> 00:10:28.320
вони автоматично зберігають свої дані вонлий.

00:10:28.440 --> 00:10:30.980
Жодних додаткових конвейерів, жодного ручного копіювання.

00:10:31.200 --> 00:10:34.140
Ваші транзакційні та аналітичні дані знаходяться в одному місці.

00:10:34.300 --> 00:10:35.460
Тепер поговоримо про ЩІ,

00:10:35.460 --> 00:10:37.540
бо саме тут Фебрик стає дійсно цікавим.

00:10:37.700 --> 00:10:39.760
Інтеграція ЩІ глибоко впроваджена в платформу,

00:10:39.760 --> 00:10:41.880
і ви отримуєте готові моделі для аналізу тексту,

00:10:41.960 --> 00:10:43.420
перекладу та аналізу тональності.

00:10:43.560 --> 00:10:46.060
Ви можете використовувати їх безпосередньо у своїх потоках даних

00:10:46.060 --> 00:10:46.820
без написання коду.

00:10:46.980 --> 00:10:49.600
Просто вкажіть на свої дані, виберіть модель, і вона запрацює.

00:10:49.720 --> 00:10:52.380
А ще є Coopilot, який інтегрований у всю систему Фебрик.

00:10:52.480 --> 00:10:53.780
Він допомагає вам писати запити,

00:10:53.900 --> 00:10:55.440
створювати звіти та розробляти конвейери.

00:10:55.440 --> 00:10:57.860
Ви просто описуєте те, що хочете звичайною мовою,

00:10:57.960 --> 00:10:59.060
а Coopilot генерує код.

00:10:59.180 --> 00:11:01.220
Це ніби молодший інженер даних сидить поруч із вами,

00:11:01.220 --> 00:11:02.800
готовий допомогти будь-якої миті.

00:11:02.940 --> 00:11:04.000
Бачення тут просте.

00:11:04.200 --> 00:11:06.740
Щі працює з вашими даними, нікуди їх не переміщуючи.

00:11:06.900 --> 00:11:09.800
Ваші дані залишаються в онлейк, а моделі Щі приходять до даних.

00:11:09.920 --> 00:11:12.740
Жодного копіювання, експорту чи ризиків для безпеки.

00:11:12.960 --> 00:11:15.640
Дані ніколи не залишають ваше кероване середовище.

00:11:16.160 --> 00:11:18.520
PAWA BI – управління та бізнес-цінність

00:11:18.520 --> 00:11:21.100
Тепер ми переходимо до частини, яку бачить більшість людей

00:11:21.100 --> 00:11:23.020
вхідних дверей до аналітики – PAWA BI.

00:11:23.260 --> 00:11:25.860
Його використовують 550 тисяч організацій

00:11:25.860 --> 00:11:28.120
та 34 мільйони користувачів щомісяця,

00:11:28.220 --> 00:11:30.080
що робить його найпопулярнішим інструментом

00:11:30.080 --> 00:11:31.300
бізнес-аналітики у світі.

00:11:31.420 --> 00:11:33.900
І у Fabric він стає чимось значно потужнішим.

00:11:34.060 --> 00:11:35.160
Ось у чому головне.

00:11:35.300 --> 00:11:38.060
У Fabric PAWA BI підключається безпосередньо до ONLake

00:11:38.060 --> 00:11:39.800
за допомогою режиму DirectLake.

00:11:39.920 --> 00:11:42.020
Це відрізняється від традиційного режиму імпорту,

00:11:42.120 --> 00:11:44.500
де ви копіюєте дані у внутрішнє сховище PAWA BI.

00:11:44.660 --> 00:11:46.620
Натомість DirectLake запитує дані там,

00:11:46.620 --> 00:11:48.960
де вони лежать у ONLake, без потреби воновленні,

00:11:48.960 --> 00:11:51.680
без дублювання, а дані завжди актуальні та надшвидкі.

00:11:51.840 --> 00:11:54.620
Під кожним звітом PAWA BI лежить семантична модель

00:11:54.620 --> 00:11:57.780
мозок вашого звіту, де ви визначаєте бізнес-логіку,

00:11:57.940 --> 00:11:58.960
метрики та зв'язки.

00:11:59.100 --> 00:12:02.280
І тепер ви можете будувати ці моделі повністю у веб-браузері.

00:12:02.440 --> 00:12:04.740
Веб-моделювання вже доступне, тому ви можете створювати

00:12:04.740 --> 00:12:06.900
семантичні моделі, будувати зв'язки та писати

00:12:06.900 --> 00:12:09.060
DX-метрики прямо в браузері, навіть на мат.

00:12:09.060 --> 00:12:10.980
Жодного настільного додатка не потрібно.

00:12:11.120 --> 00:12:13.540
Але вся ця потужність даних нічого не варта без управління,

00:12:13.540 --> 00:12:15.520
і в Fabric воно вбудуване від самого початку.

00:12:15.680 --> 00:12:17.820
Microsoft Perview надає мітки конфіденційності,

00:12:17.980 --> 00:12:19.500
які слідують за вашими даними всюди.

00:12:19.660 --> 00:12:21.800
Якщо звіт містить конфіденційну інформацію,

00:12:21.880 --> 00:12:24.040
ця мітка залишається з ним навіть після експорту.

00:12:24.200 --> 00:12:26.800
Політики запобігання втраті даних автоматично виявляють

00:12:26.800 --> 00:12:29.460
конфіденційні дані та блокують несанкціонований доступ.

00:12:29.700 --> 00:12:31.500
А засоби контролю доступу гарантують,

00:12:31.600 --> 00:12:33.540
що лише потрібні люди бачать потрібні дані.

00:12:33.540 --> 00:12:36.220
Домени допомагають організувати дані за напрямками бізнесу

00:12:36.220 --> 00:12:37.600
з окремими правилами управління,

00:12:37.680 --> 00:12:39.780
тому фінансові дані можуть мати суворіший контроль,

00:12:39.900 --> 00:12:40.580
ніж маркетингові.

00:12:40.700 --> 00:12:42.400
Кожен домен може керуватися власною командою,

00:12:42.520 --> 00:12:44.380
що забезпечує управління, яке масштабується разом

00:12:44.380 --> 00:12:45.440
із вашою організацією.

00:12:45.560 --> 00:12:47.560
Тепер давайте поговоримо про реальні результати.

00:12:47.740 --> 00:12:48.880
Це не просто теорія.

00:12:49.040 --> 00:12:50.780
Компанія Eastman Chemical використала Fabric,

00:12:50.880 --> 00:12:53.240
щоб скоротити час підготовки продажів на 83%.

00:12:53.240 --> 00:12:54.900
Те, що раніше займало 4 години,

00:12:54.900 --> 00:12:56.460
тепер триває близько 40 хвилин.

00:12:56.540 --> 00:12:59.080
Ітан Салушен скоротили ручну працю на 75%,

00:12:59.080 --> 00:13:01.620
і процеси, що потребували від 10 до 15 кроків,

00:13:01.700 --> 00:13:02.720
тепер потребують лише двох.

00:13:02.840 --> 00:13:05.340
А Саната Софтвер заощадила 30 тисяч годин

00:13:05.340 --> 00:13:07.880
ручної звірки щороку, спрямувавши ці зусилля

00:13:07.880 --> 00:13:08.960
на більш цінну роботу.

00:13:09.140 --> 00:13:10.300
Модель витрат проста.

00:13:10.500 --> 00:13:12.380
Ви платите заємність обчислювальну потужність,

00:13:12.500 --> 00:13:14.040
яка запускає ваші робочі навантаження.

00:13:14.200 --> 00:13:15.760
Microsoft має вбудовані функції згладжування

00:13:15.760 --> 00:13:17.820
та захисту від сплесків для керування піковими навантаженнями.

00:13:17.940 --> 00:13:20.040
Згладжування розподіляє витрати на фонові операції

00:13:20.040 --> 00:13:22.560
на 24 години, щоб ви не отримували раптових стрибків,

00:13:22.640 --> 00:13:24.440
а захист від сплесків обмежує фонові завдання

00:13:24.440 --> 00:13:27.160
в періоди високої активності для стабільної інтерактивної роботи.

00:13:27.300 --> 00:13:29.220
Ви платите за те, що ви користовуєте,

00:13:29.320 --> 00:13:30.280
і жодних сюрпризів.

00:13:30.400 --> 00:13:32.080
Давайте підсумуємо все сказане.

00:13:32.240 --> 00:13:34.400
Fabric – це не просто ще один продукт Microsoft.

00:13:34.660 --> 00:13:35.860
Це повне переосмислення того,

00:13:36.040 --> 00:13:37.540
як мають працювати платформи даних.

00:13:37.660 --> 00:13:38.980
Одна платформа, одне сховище,

00:13:38.980 --> 00:13:40.920
одна копія даних і нескінченні можливості.

00:13:41.040 --> 00:13:42.720
А завдяки вбудованим AI та Coopilot

00:13:42.720 --> 00:13:43.760
вона доступна кожному.

00:13:50.040 --> 00:13:51.720
Перейдіть на fabric.microsoft.com,

00:13:51.820 --> 00:13:52.960
почніть безкоштовну пробну версію

00:13:52.960 --> 00:13:54.300
та створіть свій перший робочий простір.

00:13:54.420 --> 00:13:55.280
Просто спробуйте.

00:13:55.500 --> 00:13:57.040
Ви побачите, як усе поєднується,

00:13:57.140 --> 00:13:59.240
і це не замінить жодна кількість прочитаних текстів.

00:13:59.380 --> 00:14:01.300
Якщо цей епізод допоміг вам краще зрозуміти Fabric,

00:14:01.400 --> 00:14:03.120
підпишіться на своїй улюбленій подкаст-платформі

00:14:03.120 --> 00:14:03.960
та поділіться ним із тими,

00:14:04.080 --> 00:14:05.460
хто починає свій шлях у світі даних.

00:14:05.560 --> 00:14:06.660
Вони вам подякують.

00:14:06.840 --> 00:14:09.840
Наступного разу ми простою мовою розберемо ярлики онлей.

00:14:09.840 --> 00:14:11.720
Як вони працюють, чому вони важливі

00:14:11.720 --> 00:14:13.920
та як ними користуватися, не переміщуючи дані.

00:14:14.040 --> 00:14:15.920
Цей випуск ви точно не захочете пропустити.

00:14:16.080 --> 00:14:17.440
А доти продовжуйте вчитися.
