Introduzione
Questo modulo illustra le procedure consigliate per la modellazione dei dati e le funzionalità di Microsoft Fabric per la progettazione di modelli semantici scalabili. L'espressione dati su larga scala o su scala aziendale si riferisce a tabelle di dimensioni comprese tra migliaia e milioni di righe.
Il termine scalabilità si riferisce alla capacità di un sistema, di una rete o di un processo di gestire una quantità crescente di lavoro o alla possibilità di gestire l'aumento del volume e della complessità dei dati senza compromettere prestazioni o efficienza. Per progettare i modelli in modo che gestiscano questo aumento, tenere in considerazione quanto segue:
- Flessibilità: adattamento alle variazioni del volume dei dati garantendo al contempo prestazioni accettabili dei report.
- Riduzione della complessità: adozione di misure per garantire che i modelli siano meno complessi e gestibili.
I modelli semantici scalabili consentono alle organizzazioni di analizzare e creare facilmente report su origini dati complesse di grandi dimensioni. Microsoft Fabric consente di utilizzare volumi elevati di dati su larga scala predisponendo condizioni di base adeguate. Un modello semantico scalabile consente un'esperienza utente ottimale nei report di Power BI.
Si supponga di far parte del team di analisi di una grande azienda di e-commerce e di doversi preparare per il più grande evento di vendita annuale. Le soluzioni precedenti per la creazione di report erano manuali e non scalabili. È stato ora richiesto di migliorare le prestazioni usando i modelli semantici in Microsoft Fabric per l'analisi downstream e i report di Power BI.
Entro la fine del modulo, si sarà in grado di scegliere un framework del modello, progettare uno schema star e applicare le procedure consigliate per creare un modello semantico ottimizzato per l'analisi dei dati su larga scala con Power BI.