数据团队和 Microsoft Fabric
Microsoft Fabric 的统一数据分析平台使数据专业人员能够更轻松地协作处理数据项目。 Fabric 消除了数据孤岛和访问多个系统的需求，增强了数据专业人员之间的协作。
传统角色和挑战
在传统的分析开发过程中，数据工程师和数据分析师面临一些挑战。 数据工程师执行复杂的数据处理，然后精心挑选和提供数据源，以便数据分析师可以有效地为业务显示数据。 此过程需要这两个角色之间的广泛沟通和协调，这通常会导致潜在的延迟和误解。
在创建 Power BI 报表之前，数据分析师需要执行广泛的下游数据转换。 这种耗时的过程通常缺乏上下文，使得分析师难以直接连接到数据。
数据科学家还难以将本机数据科学技术与现有的数据系统集成，这些系统通常复杂又繁琐。 因此，数据科学家发现，高效提供基于数据的见解具有挑战性。
协作工作流的演变
Microsoft Fabric 通过将工具统一到 SaaS 平台来转换分析开发过程，使不同的角色能够灵活地执行必要的技能，而无需重复工作。
数据工程师现在可以将大量数据引入、转换和加载到 OneLake 中，并将其呈现在最合理的数据存储中。 可以使用管道和体系结构（如奖牌）简化数据加载模式，可以使用工作区轻松配置数据加载模式。
数据分析师获得更多上下文和简化流程，使用数据工厂在上游转换数据，并使用 DirectLake 模式更直接地连接数据。
数据科学家可以更轻松地集成本机数据科学技术，然后使用 Power BI 的交互式报告提供基于数据的见解。
分析工程师通过精心挑选数据存储资产、确保数据质量以及启用自助服务分析来弥合数据工程与数据分析之间的差距。
低到无代码用户和公民开发者现在可以通过 OneLake 中心发现精选数据，并进一步处理和分析数据以满足其需求，而无需依赖于数据工程师或复制数据。