In der heutigen datengesteuerten Welt setzen Unternehmen zunehmend auf Business-Intelligence-L\u00f6sungen (BI), um fundierte Erkenntnisse aus ihren Daten zu generieren. BI-L\u00f6sungen helfen Unternehmen dabei, ihre Entscheidungsfindung zu verbessern, ihre Abl\u00e4ufe zu optimieren und sich einen nachhaltigen Wettbewerbsvorteil zu verschaffen.[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“ el_class=“webinar-box“]\n
Microsoft Fabric ist eine neue, innovative Datenanalyseplattform, welche die Art und Weise, wie Unternehmen Entscheidungen treffen, revolutionieren kann. Mit Fabric k\u00f6nnen Organisationen all ihre Daten an einem einzigen Ort erfassen, speichern, verarbeiten und analysieren, indem sie ein einheitliches Portfolio an Tools und Diensten nutzen. Dies erm\u00f6glicht es, schneller und einfacher als je zuvor Erkenntnisse aus Daten zu gewinnen. In diesem Beitrag untersuchen wir das Potenzial von Microsoft Fabric f\u00fcr Business-Intelligence-L\u00f6sungen. Wir er\u00f6rtern, wie Fabric genutzt werden kann, um die Datenqualit\u00e4t zu verbessern, Analyse-Workflows zu optimieren und Anwendern passgenaue Erkenntnisse bereitzustellen. Dieses Webinar ist f\u00fcr alle interessant, die mehr dar\u00fcber erfahren m\u00f6chten, wie sie mit Microsoft Fabric einen maximalen Mehrwert aus ihren Daten ziehen k\u00f6nnen. Besonders wertvoll ist es f\u00fcr Data Engineers, Analysten, Business-Intelligence-Experten sowie IT-Entscheidungstr\u00e4ger. Registrieren Sie sich jetzt f\u00fcr dieses kostenlose Webinar und erfahren Sie, wie Microsoft Fabric Ihnen helfen kann, Ihre Business-Intelligence-L\u00f6sungen auf ein neues Niveau zu heben! In this article:<\/p> Um noch tiefer in das Thema einzusteigen, k\u00f6nnen Sie sich die Webinar-Aufzeichnung kostenlos ansehen. Klicken Sie hier<\/a>, um sich zu registrieren. Microsoft Fabric bietet Tools f\u00fcr Anwender aller Erfahrungsstufen im Datenbereich und l\u00e4sst sich nahtlos mit den Tools verbinden, die Unternehmen f\u00fcr ihre Entscheidungsfindung nutzen. Die oben genannten Komponenten wurden innerhalb von Microsoft Fabric vollst\u00e4ndig \u00fcberarbeitet und auf ein neues Niveau gehoben.[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\n Das Fundament dieser Experiences in Fabric ist der Data Lake<\/a>, der als OneLake bezeichnet wird. Die folgende Abbildung veranschaulicht das Konzept von Microsoft Fabric.[\/vc_column_text][divider line_type=“No Line“][image_with_animation image_url=“35787″ image_size=“full“ animation_type=“entrance“ animation=“None“ animation_movement_type=“transform_y“ hover_animation=“none“ alignment=“center“ img_link_target=“_blank“ border_radius=“none“ box_shadow=“none“ image_loading=“lazy-load“ max_width=“custom“ max_width_custom=“70%“ max_width_custom_tablet=“90%“ max_width_custom_phone=“100%“][divider line_type=“No Line“][vc_column_text]Betrachten wir die einzelnen Komponenten von Fabric im Detail.<\/span>[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\n Microsoft Fabric bietet verschiedene Data-Engineering-Funktionen, um sicherzustellen, dass Ihre Daten leicht zug\u00e4nglich, gut organisiert und von hoher Qualit\u00e4t sind. Auf der Data-Engineering-Startseite haben Sie die folgenden Optionen: <\/p>\n
[\/vc_column_text][divider line_type=“No Line“][nectar_btn size=“jumbo“ open_new_tab=“true“ button_style=“regular“ button_color_2=“Accent-Color“ icon_family=“none“ el_class=“ctaBtn“ text=“Watch webinar recording“ url=“https:\/\/us02web.zoom.us\/webinar\/register\/WN_wKlFo6NER6ipOCg5EqvBLA#\/registration“][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]Was Sie erwartet<\/h2>\n[\/vc_column_text][vc_column_text text_direction=“default“]Dieser Newsletter zeigt Ihnen die transformative Kraft von Microsoft Fabric f\u00fcr Business-Intelligence-L\u00f6sungen. Sie lernen die verschiedenen Workloads und Experiences kennen, die Microsoft Fabric bietet, und erlangen ein umfassendes Verst\u00e4ndnis seiner Funktionen. Zudem entdecken Sie die Vorteile, die Microsoft Fabric f\u00fcr die datengesteuerte Entscheidungsfindung bietet, um fundierte Entscheidungen zu treffen, die Ihr Unternehmen voranbringen. Schlie\u00dflich tauchen Sie tief in das Potenzial ein, das Microsoft Fabric f\u00fcr die Verbesserung von Business-Intelligence-L\u00f6sungen bereith\u00e4lt, und erfahren, wie Sie neue Dimensionen von Erkenntnissen und Entscheidungsprozessen erschlie\u00dfen k\u00f6nnen. <\/p>\n
[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\nWas ist Microsoft Fabric?<\/h2>\n[\/vc_column_text][vc_column_text text_direction=“default“]Microsoft Fabric ist eine cloudbasierte All-in-One-Analyseplattform, die eine einheitliche Umgebung f\u00fcr Datenexperten und Gesch\u00e4ftsanwender bietet, um gemeinsam an Datenl\u00f6sungen zu arbeiten. Fabric bietet eine Suite integrierter Dienste, mit denen Sie Daten auf einer einzigen Plattform erfassen, speichern, verarbeiten und analysieren k\u00f6nnen, die auf Software-as-a-Service (SaaS) basiert. <\/p>\n
\nFabric selbst fungiert als Dach f\u00fcr die folgenden cloudbasierten Microsoft-Dienste, die das Microsoft-Analytics-Portfolio bilden:<\/p>\n\n
Workloads of Microsoft Fabric<\/h2>\n[\/vc_column_text][vc_column_text css=““ text_direction=“default“]Fabric umfasst die folgenden Workloads und Experiences:<\/p>\n
\n
Datenintegration<\/h3>\n[\/vc_column_text][vc_column_text]Die Workload f\u00fcr Datenintegration in Microsoft Fabric, genannt Data Factory<\/strong>, bringt Datenbewegungsfunktionen sowohl in Dataflows<\/strong> als auch in Data Pipelines.<\/strong><\/p>\n
\n
Data Engineering<\/h3>\n[\/vc_column_text][vc_column_text css=““ text_direction=“default“]Die Data-Engineering-Experience oder Synapse Data Engineering<\/strong> bietet eine erstklassige Spark-Plattform mit umfassenden Entwicklungsumgebungen. Dies erm\u00f6glicht es Data Engineers, umfangreiche Datentransformationen durchzuf\u00fchren, und erleichtert den breiten Zugriff auf Daten \u00fcber das Lakehouse. <\/p>\n
\n
\nErstellen und Verwalten von Lakehouses. Ein Lakehouse ist ein logischer Speicherort in OneLake, an dem Sie strukturierte und unstrukturierte Daten mithilfe verschiedener Tools und Frameworks speichern und verwalten. Mit der Shortcut-Funktion k\u00f6nnen Sie sogar ein externes Speicherkonto in Ihr Lakehouse einbinden. Sie k\u00f6nnen den SQL-Endpunkt verwenden, um Lakehouse-Tabellen abzufragen, wobei dieser jedoch nur schreibgesch\u00fctzte Abfragen unterst\u00fctzt. <\/li>\n
\nSchreiben und Ausf\u00fchren von Code in g\u00e4ngigen Programmiersprachen wie Python, R und Scala. Nutzen Sie Notebooks f\u00fcr die Datenerfassung, -transformation, -analyse und andere Datenverarbeitungsaufgaben. <\/li>\n
\nInnerhalb eines Environments haben Sie die Flexibilit\u00e4t, aus einer Vielzahl von Spark-Runtimes zu w\u00e4hlen, Ihre Rechenressourcen zu konfigurieren und Bibliotheken zu integrieren, entweder aus \u00f6ffentlichen Repositories oder durch das Hochladen lokal erstellter, benutzerdefinierter Bibliotheken. Die Zuweisung dieser Umgebungen (Environments) zu Ihren Notebooks und Spark-Jobdefinitionen ist ein nahtloser Prozess. <\/li>\n
\nDefinieren, planen und verwalten Sie Spark-Jobs, um Big Data in Ihrem Lakehouse zu verarbeiten, Transformationslogik auf die Daten anzuwenden und vieles mehr.<\/li>\n
\nEntwerfen und orchestrieren Sie Pipelines, um Daten in Ihr Lakehouse zu kopieren, Spark-Jobs und Notebooks zur Verarbeitung gro\u00dfer Datenmengen zu planen und Daten-Workflows durch die Integration mit Data Factory zu automatisieren.<\/li>\n<\/ul>\n[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\nData Warehousing<\/h3>\n[\/vc_column_text][vc_column_text]Das Data Warehouse oder<\/span> Synapse Data Warehouse<\/b> ist ein Lake-zentriertes Repository zur Speicherung und Analyse strukturierter Daten, das auf einer verteilten Verarbeitungs-Engine basiert. Die Data-Warehousing-Workload profitiert von den umfassenden Funktionen der SQL-Engine \u00fcber ein offenes Delta-Lake-Format. Dabei handelt es sich um Parquet-Dateien, die als Delta-Lake-Logs ver\u00f6ffentlicht und in OneLake gespeichert werden. Delta-Lake-Logs erm\u00f6glichen ACID-Transaktionen. Ein Warehouse kann nur strukturierte Daten enthalten. Hier k\u00f6nnen Sie Daten mit SQL nicht nur lesen, sondern auch Schreib- und Aktualisierungsvorg\u00e4nge (Inserts und Updates) ausf\u00fchren.<\/span>[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\n
Data Science<\/h3>\n[\/vc_column_text][vc_column_text css=““ text_direction=“default“]Die Data-Science-Experience oder Synapse Data Science<\/strong> erm\u00f6glicht die Erstellung, Bereitstellung und Operationalisierung von Machine-Learning-Modellen. Data Scientists werden in die Lage versetzt, Unternehmensdaten mit Vorhersagen anzureichern, und Business-Analysten k\u00f6nnen diese Vorhersagen direkt in ihre BI-Berichte integrieren. Data Science in Fabric bietet Ihnen die folgenden Optionen: <\/p>\n
\n
\nNutzen Sie Machine-Learning-Modelle, um Ergebnisse vorherzusagen und Unregelm\u00e4\u00dfigkeiten in Datens\u00e4tzen zu identifizieren.<\/li>\n
\nSteigen Sie in die Experimentierphase ein, indem Sie verschiedene Modelle erstellen, ausf\u00fchren und deren Entwicklung \u00fcberwachen, um Hypothesen zu validieren.<\/li>\n
\nNutzen Sie die Notebook-Funktion, um in die Datenexploration einzutauchen und Machine-Learning-L\u00f6sungen \u00fcber Apache-Spark-Anwendungen zu erstellen.<\/li>\n
\nDiese Option dient demselben Zweck wie in der Data-Engineering-Experience.<\/li>\n<\/ul>\n[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\nReal-Time Analytics<\/h3>\n[\/vc_column_text][vc_column_text css=““ text_direction=“default“]Real-Time Analytics in Fabric oder Synapse Real-Time Analytics<\/strong> ist eine vollst\u00e4ndig verwaltete Big-Data-Analyse<\/a>plattform, die f\u00fcr Streaming- und Zeitreihendaten optimiert ist. Sie nutzt die Kusto Query Language (KQL), eine Engine mit au\u00dfergew\u00f6hnlicher Performance f\u00fcr die Suche in strukturierten, semistrukturierten und unstrukturierten Daten. Real-Time Analytics ist vollst\u00e4ndig in die gesamte Palette der Fabric-Produkte f\u00fcr Datenlade-, Datentransformations- und erweiterte Visualisierungsszenarien integriert. Es gibt drei Komponenten von Real-Time<\/a> Analytics in Fabric: <\/p>\n
\n
Der Ort zum Speichern von Streaming-Daten. Sie nutzt OneLake als zugrunde liegendes Speichersystem. <\/li>\n
F\u00fchren Sie Abfragen auf Ihren Daten aus, um teilbare Tabellen und Visualisierungen zu erstellen. Speichern, verwalten, exportieren und teilen Sie KQL-Abfragen. Ein KQL-Queryset ist das Pendant zu SSMS f\u00fcr eine SQL-Datenbank. <\/li>\n
Erfassen, transformieren und leiten Sie Echtzeit-Event-Streams im gew\u00fcnschten Format an verschiedene Ziele weiter, ganz ohne Programmieraufwand (No-Code). Es ist eine zentrale Drehscheibe f\u00fcr Streaming-Daten, an der mehrere Quellen (einschlie\u00dflich Event Hub) und verschiedene Ziele (einschlie\u00dflich KQL-Datenbank) eingerichtet werden k\u00f6nnen. <\/li>\n<\/ul>\n[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\nBusiness Intelligence<\/h3>\n[\/vc_column_text][vc_column_text css=““ text_direction=“default“]Auf der BI-Seite bietet Fabric mit Power BI<\/strong> eine der weltweit f\u00fchrenden Business-Intelligence-Plattformen. Power BI vereint eine Reihe von Diensten, Tools und Konnektoren, die Ihre Daten in interaktive visuelle Berichte und Dashboards verwandeln. In Fabric gibt es einige neue Funktionen und Erweiterungen f\u00fcr die Arbeit mit Fabric-Objekten und -Experiences. Dazu geh\u00f6ren: <\/p>\n
\n
Insight to Action<\/h3>\n[\/vc_column_text][vc_column_text css=““ text_direction=“default“]Insight to Action in Fabric bietet den Data Activator<\/strong>, eine Experience zur automatischen Ausl\u00f6sung von Aktionen, sobald bestimmte Bedingungen in den eingehenden Daten erf\u00fcllt sind. Der Data Activator arbeitet mit Eventstreams f\u00fcr Echtzeitdaten und mit Power BI f\u00fcr Batch-Daten. Es gibt drei m\u00f6gliche Aktionen, die nach dem Erkennen der Bedingungen konfiguriert werden k\u00f6nnen: <\/p>\n