Interroger les données, puis générer des rapports les concernant dans votre lakehouse Fabric
Maintenant que votre architecture de médaillon est en place, les équipes de données et l’entreprise peuvent commencer à l’utiliser pour interroger les données, puis créer des rapports les concernant. Fabric dispose de plusieurs outils et technologies qui vous permettent d’interroger les données, puis de créer des rapports les concernant dans votre lakehouse, notamment les points de terminaison d’analytique SQL et le mode Direct Lake dans les modèles sémantiques Power BI.
Interroger des données dans votre lakehouse
Teams peut utiliser SQL pour explorer, puis interroger des données dans la couche or. Vous pouvez analyser des données dans des tables delta à n’importe quelle couche de l’architecture de médaillon à l’aide du langage T-SQL, enregistrer des fonctions, générer des vues, puis appliquer la sécurité SQL. Vous pouvez également utiliser le point de terminaison d’analytique SQL pour vous connecter à votre lakehouse à partir d’applications et d’outils tiers.
Le point de terminaison d’analytique SQL dans Fabric vous permet d’écrire des requêtes, de gérer le modèle sémantique, puis d’interroger des données en utilisant l’expérience de requête visuelle.
Remarque
Le point de terminaison d’analytique SQL fonctionne en mode lecture seule sur les tables delta lakehouse. Pour modifier des données dans votre lakehouse, vous pouvez utiliser des flux de données, des notebooks ou des pipelines.
En plus d’utiliser le point de terminaison d’analytique SQL pour l’exploration des données, vous pouvez également créer un modèle sémantique Power BI en mode Direct Lake pour interroger des données dans votre lakehouse. Lorsque vous créez un lakehouse, le système crée également un modèle sémantique par défaut associé. Le modèle sémantique par défaut est un modèle sémantique avec des métriques par-dessus des données de lakehouse.
Les analystes de données se connectent au modèle sémantique à l’aide du mode Direct Lake, dans lequel le modèle sémantique accède aux données à partir d’un lakehouse. Le mode Direct Lake met en cache les données souvent utilisées et les actualise en fonction des besoins, en combinant la vitesse d’un modèle sémantique avec les données à jour d’un lakehouse.
Adapter vos couches de médaillons à différents besoins
L’adaptation des couches de médaillons à différents besoins vous permet d’optimiser le traitement des données et l’accès aux données pour des cas d’usage spécifiques. En personnalisant ces couches, vous pouvez garantir que la structure et l’organisation de chaque couche s’alignent sur les exigences des différents groupes d’utilisateurs, ce qui améliore le niveau de performance, la facilité d’utilisation et la pertinence des données pour diverses parties prenantes.
La création de plusieurs couches or adaptées à plusieurs audiences ou domaines met en évidence la flexibilité de l’architecture de médaillon. Finances, ventes, science des données : chacun de ces secteurs peut avoir sa couche or optimisée, répondant à des exigences analytiques spécifiques.
Certaines applications, certains outils tiers ou certains systèmes nécessitent des formats de données spécifiques. Vous pouvez utiliser votre architecture de médaillon pour générer des données nettoyées et correctement mises en forme.