Resumen práctico de Microsoft Fabric y componentes clave para arquitectos de datos y analistas. Este texto describe de forma clara y aplicable conceptos como Dataflows Gen2, Lakehouse, Warehouse, tablas Delta, KQL, Eventstream, seguridad a nivel de fila, Direct Lake, vistas materializadas y patrones de modelado como Medallion, además de buenas prácticas para ingesta y gobernanza de datos.
Dataflows Gen2: herramienta de integración y transformación low code no code dentro de Fabric que utiliza Power Query para operaciones ETL. Ideal cuando hay que ingerir datos desde múltiples orígenes como CSV, bases de datos o APIs y transformarlos antes de cargar en Lakehouse o Warehouse. Usa el lenguaje M de Power Query, conecta con mas de 100 fuentes, aplica transformaciones comunes como filtrar, combinar y agregar, y puede aterrizar datos en tablas Lakehouse o en archivos. Soporta staging para transformaciones complejas y refresco incremental. Ejemplo práctico: ingestión diaria de archivos CSV de 50 tiendas, limpieza de valores faltantes y normalización de fechas para cargar la capa Bronze.
Lakehouse: arquitectura unificada que combina la flexibilidad de un data lake con las capacidades estructuradas de un data warehouse. Construido sobre OneLake en formato Delta, almacena archivos Parquet, CSV, JSON y tablas Delta con soporte para procesamiento Spark y consultas SQL desde el endpoint analítico. Adecuado para almacenar datos crudos, semi estructurados y curados y para implementar la arquitectura Medallion.
Warehouse: almacén de datos totalmente gestionado, optimizado para cargas SQL y análisis relacional. Guarda datos en formato columnar, soporta T SQL, procedimientos, vistas y se integra con Power BI para DirectQuery. Es la opción recomendada cuando los usuarios de negocio requieren acceso estructurado y rendimiento en agregaciones y joins complejos.
Tablas Delta: formato de almacenamiento open source que añade transacciones ACID, time travel y capacidad de update y delete sobre Parquet. Mantiene un log de transacciones que permite versionado, operaciones atómicas, limpieza con VACUUM y compactación con OPTIMIZE. Útil cuando se necesitan actualizaciones confiables o auditoría histórica de datos.
KQL Kusto Query Language: lenguaje optimizado para analítica interactiva y de series temporales sobre datos de streaming y telemetría. Se usa en bases KQL dentro de Eventhouse, lee desde Event Hub o IoT Hub y es ideal para detección de anomalías y análisis en tiempo real con latencias sub segundo.
Eventstream: servicio visual de ingestión en tiempo real para capturar, transformar y enrutar streams de datos. Conecta con Event Hub e IoT Hub, aplica transformaciones en vuelo y enruta a destinos como KQL Database, Lakehouse o sistemas de alertas. Perfecto para telemetría de sensores o clickstreams.
Row Level Security RLS: mecanismo de seguridad que filtra filas dinámicamente según identidad o rol del usuario. Se define en el modelo semántico de Power BI con expresiones DAX y asegura que diferentes usuarios vean subconjuntos distintos del mismo conjunto de datos sin necesidad de duplicarlo.
Direct Lake Mode: modo de conexión de Power BI que consulta tablas Delta en Lakehouse o Warehouse directamente desde OneLake sin importar datos a Power BI. Ofrece dashboards casi en tiempo real sin duplicar almacenamiento y aprovecha el motor optimizado de Fabric.
Vistas materializadas: resultados de consultas precomputados y almacenados físicamente para acelerar consultas repetidas y agregaciones pesadas. Se crean en Warehouse con T SQL y se refrescan en horario o manualmente; reducen considerablemente el tiempo de respuesta en cargas analíticas recurrentes.
Tablas de hechos: núcleo del modelo dimensional, almacenan métricas cuantitativas como ventas o ingresos y se relacionan con tablas de dimensión. Diseñadas para optimizar agregaciones y formar la columna vertebral de esquemas en estrella.
Cardinalidad relacional: define el tipo de relación entre tablas 1 a 1, 1 a muchos o muchos a muchos. En modelos semánticos de Power BI la cardinalidad 1 a muchos es la más eficiente para propagar filtros; las relaciones muchos a muchos deben evitarse o modelarse con tablas puente.
Planeación de capacidad: proceso para dimensionar la capacidad de Fabric (por ejemplo F2 a F2048) en función de la intensidad del workload y presupuesto. Determina CU asignados y afecta tiempos de ejecución de Spark, consultas y concurrencia; se monitoriza con la app de métricas de capacidad.
Ingesta de datos: movimiento de datos hacia Fabric mediante diferentes métodos según origen: shortcuts para cloud storage sin copia, mirroring para bases replicadas, pipelines con gateway para on premise, Eventstream para streaming y Dataflows Gen2 o notebooks Spark para cargas por lotes o transformaciones complejas.
Gateways: conectores que permiten acceder de forma segura a datos on premise o en redes privadas sin exponerlos a internet. Existen gateways instalados en la máquina local y versiones basadas en VNet con endpoints privados en Azure.
Arquitectura Medallion: patrón Bronze Silver Gold que organiza datos por etapas de madurez. Bronze almacena datos crudos, Silver contiene datos validados y deduplicados en Delta, y Gold contiene modelos agregados y listos para consumo por BI.
Guía rápida de uso: para ingestión low code usar Dataflows Gen2; para raw y procesado con Spark usar Lakehouse; para SQL relacional estructurado usar Warehouse; para histórico y updates usar tablas Delta; para streaming y análisis en tiempo real usar KQL y Eventstream; para seguridad por usuario usar RLS; para dashboards en vivo sin duplicar datos usar Direct Lake; para acelerar agregaciones usar vistas materializadas.
Ejemplos de examen o decision points prácticos: si se necesita ingestión diaria automática de CSV elegir Dataflows Gen2; si se requiere almacenar raw y curated con Spark elegir Lakehouse; si la necesidad es SQL puro para usuarios de negocio elegir Warehouse; si se necesita ACID y time travel elegir tablas Delta; para detección de fraude en tiempo real escoger KQL y Eventstream; para controlar acceso por usuario activar RLS.
Acerca de Q2BSTUDIO Somos Q2BSTUDIO, empresa de desarrollo de software y aplicaciones a medida especializada en soluciones a medida que integran inteligencia artificial, ciberseguridad y servicios cloud aws y azure. Ofrecemos servicios de inteligencia de negocio y desarrollamos proyectos con Power BI para convertir datos en valor. Si busca potenciar operaciones con IA para empresas o agentes IA podemos ayudarle con arquitecturas escalables y seguras. Conozca nuestros servicios de inteligencia artificial en servicios de inteligencia artificial y descubra cómo optimizar análisis y visualización de datos con Power BI y servicios de inteligencia de negocio. Nuestras palabras clave de enfoque incluyen aplicaciones a medida software a medida inteligencia artificial ciberseguridad servicios cloud aws y azure servicios inteligencia de negocio ia para empresas agentes IA y power bi para mejorar posicionamiento y relevancia en búsquedas.
Si desea, puedo generar una hoja de referencia de una pagina que mapee escenarios de negocio a la característica de Fabric adecuada o crear preguntas de práctica enfocadas en sus áreas débiles para preparar certificaciones.
