Introducción
Las organizaciones almacenan grandes volúmenes de datos en almacenes y lagos de datos, pero los datos sin procesar rara vez llegan en el formato que necesitan los analistas y los sistemas posteriores. T-SQL es el lenguaje estándar para consultar y transformar datos relacionales. En Microsoft Fabric, puede ejecutar T-SQL tanto en almacenes como en almacenes de lagos de datos. Un almacén ofrece capacidades completas de lectura y escritura de T-SQL, mientras que un almacén de lago de datos expone sus tablas Delta a través de un punto de conexión de análisis SQL de solo lectura para consultas y análisis. Este módulo se centra en transformar los datos dentro de un almacén de Fabric, donde la compatibilidad con lectura y escritura le permite conservar los resultados de la transformación.
Imagine que su organización ha migrado recientemente sus datos a un almacén de Fabric. Las tablas de preparación contienen datos sin procesar de ventas, clientes y productos procedentes de múltiples sistemas de origen. El equipo de análisis necesita datos limpios y bien estructurados para los informes. El equipo de aprendizaje automático necesita conjuntos de datos agregados y coherentes. En este momento, todos los analistas escriben sus propias consultas ad hoc, lo que conduce a una lógica duplicada, resultados incoherentes y ningún proceso repetible para actualizar los datos.
En este módulo, explorará cómo usar T-SQL para transformar datos en un almacén de Fabric. Comience con transformaciones basadas en consultas, como el filtrado, la combinación y la agregación de datos. A continuación, cree vistas que encapsulan la lógica reutilizable y cree procedimientos almacenados que automaticen las tareas de procesamiento de datos repetibles. Por último, se implementan tablas dimensionales (tablas de hechos y dimensiones) que sirven como base para los modelos y análisis semánticos.
Al final de este módulo, podrá transformar los datos de almacenamiento mediante consultas T-SQL, crear vistas y procedimientos almacenados para lógica reutilizable e implementar tablas dimensionales para el análisis.