Avant-propos

Introduction

Introduction à Microsoft Fabric

Qu'est-ce que Microsoft Fabric ?
1. 1. Un changement de paradigme dans les équipesdata
2. 2. Un produit jeune mais basé sur l’expérience
3. 3. Les principes de Microsoft Fabric
L'architecture de Fabric
1. 1. Une solution Software as a Service - SaaS
2. 2. Architecture de Fabric
3. 3. Les expériences Fabric
4. 4. Les expériences partenaires
Les scénarios d'utilisation de Microsoft Fabric
1. 1. Quels sont les métiers/rôlesqui utilisent Fabric ?
2. 2. Fabric pour les utilisateurs de Power BI

Démarrer avec Fabric

Accéder à Microsoft Fabric
1. 1. Tenant professionnel
2. 2. Premier accès à Microsoft Fabric
3. 3. Les expériences dans Fabric
4. 4. Activer Fabric sur votre Tenant
5. 5. Collaboration entre Tenants
S'organiser dans Microsoft Fabric
1. 1. Espaces de travail
2. 2. Mon espace de travail
3. 3. Dossiers et domaines
4. 4. Bonnes pratiques d’organisation
Naviguer dans Microsoft Fabric
1. 1. Le Portail Microsoft Fabric
2. 2. Recherche et navigation
3. 3. Autres éléments du portail
  1. a. Panneau central
  2. b. Bandeau supérieur
  3. c. Barre latérale
Créer ses premiers éléments Fabric
1. 1. Mon premier rapport avec Microsoft Fabric
2. 2. Analyser un fichier de données en 3 clics
3. 3. Option : utiliser le modèle sémantiquepar défaut
L'essentiel de vos premiers pas avec Microsoft Fabric

Du Lakehouse à la première analyse

Évolution des architectures de données
1. 1. Entrepôt de données
2. 2. Lac de données
3. 3. Data Lakehouse
Le stockage des données dans Fabric
1. 1. OneLake
2. 2. Delta Lake
3. 3. Unifier les données
Le Lakehouse dans Microsoft Fabric
1. 1. Exploiter Spark
2. 2. Point de terminaison analytique SQL
3. 3. Modèle sémantique
4. 4. Gérer la sécurité et lepartage
Cas d’usages
1. 1. Première analyse
  1. a. Création d’un espace de travail
  2. b. Création d’un Lakehouse
  3. c. Récupération des données
  4. d. Chargement des données dans une table
  5. e. Première analyse visuelle
  6. f. Première analyse en SQL
  7. g. Création manuelle d’un rapport
  8. h. Création automatique d’un rapport
  9. i. Création avec Copilot
2. 2. Architecture Médaillon
  1. a. Ingestion
  2. b. Transformation
  3. c. Chargement incrémentiel
  4. d. Création de tables d’agrégat
  5. e. Analyse
  6. f. Orchestration
  7. g. Maintenance
3. 3. Hub and Spokes

Unifier des données dans OneLake

Introduction
Organisation et gouvernance autour de OneLake
1. 1. OneLake, le OneDrive des données
2. 2. Les stratégies d’organisation d’unData Lake
Implémenter une approche Data Mesh au travers de Microsoft Fabric
1. 1. Le Data Mesh
2. 2. L’organisation des données par domainesfonctionnels dans Fabric
Structuration de la donnée au sein de OneLake
1. 1. La Data virtualisation au travers des raccourcis (Shortcuts)
2. 2. Le fonctionnement des raccourcis
3. 3. La structuration des données dans OneLake
Gouvernance et sécurité des fichiers dans Fabric
1. 1. Accéder aux données de OneLake
2. 2. La gouvernance des données dans OneLake
  1. a. Promotion des items grâce aux labels Promu,Certifié et Master data
  2. b. Labélisation des items au travers des étiquettesde confidentialité (sensitivity labels)
  3. c. Gouvernance des données via le MicrosoftPurview Hub

Ingérer des données dans Fabric

Introduction
Les différents types d'ingestion de données
Ingestion en mode ETL vs ELT
Les méthodes d'ingestion de données dans Fabric
Ingérer de la donnée manuellement dans OneLake
Les passerelles (data gateway)
1. 1. L’On-premises data gateway
2. 2. La Virtual Network (VNet) data gateway
Ingérer des données avec les flux de données Gen2 - Dataflows Gen2
1. 1. Utilisation des flux de données Gen2 (DataflowGen2) pour l’import de données dans Fabric
2. 2. Dataflow Gen1 vs Dataflow Gen2
Ingérer des données avec des Pipelines de données (Data Pipelines)
1. 1. Utilisation des Pipelines pour intégrer desdonnées dans Fabric
2. 2. Fabric Data Pipelines, les Pipelines Azure Data Factoryet les Synapse Pipelines
Intégrer des données en direct vers un Warehouse Fabric
Ingérer des données via des Notebooks Spark
Ingérer des données temps réel
Utilisation de Copilot pour ingérer et transformer des données
Ingestion de données avec Apache Airflow
1. 1. Qu’est-ce que Apache AirFlow ?
2. 2. Intégrer des données avec un fluxde travail de données (Data workflow) (Preview)
Quelle fonctionnalité choisir pour ingérer mes données ?
Ingérer des données dans Fabric depuis un outil externe

Transformation avancée des données

Les transformations de données dans le cycle de vie de la donnée
1. 1. La création de valeur de l’étapede transformation
  1. a. Un travail nécessaire pour exploiter lesdonnées
  2. b. La place de la transformation de données
  3. c. Les rôles et responsabilités
2. 2. Les différents moments de la transformationde données
  1. a. Transformer des données brutes en nettoyées
  2. b. Transformer des données nettoyéesen curées
  3. c. Transformer des données curées enexploitables
3. 3. Choisir le bon outil pour la transformation de données
Transformations low-code avec Dataflow Gen2
1. 1. Création d’un dataflow
  1. a. Créer et gérer ses sources de données
  2. b. Conception d’un dataflow
  3. c. Sauvegarder et publier
  4. d. Programmer l’exécution
2. 2. Manipuler les données
3. 3. Stocker les données transformées
  1. a. Enregistrer dans un lakehouse ou un warehouse
  2. b. Reverse ETL vers Azure SQL
  3. c. Azure Data Explorer
Transformations avec SQL
1. 1. Introduction aux transformations SQL
  1. a. Avantages des transformations SQL
  2. b. Les transformations avec T-SQL
  3. c. Les transformations avec Spark SQL
2. 2. Techniques de transformations SQL
  1. a. Manipulation des données avec les fonctionsconditionnelles
  2. b. Classement et numérotation des lignes
  3. c. Fonctions de fenêtrage pour l’analyse avancée
  4. d. Sauvegarder les résultats de la transformation
3. 3. Planification des transformations T-SQL
  1. a. Création de requêtes paramétriséeset de procédures stockées
  2. b. Planification avec les Data Pipelines
4. 4. Utiliser T-SQL avec des Notebooks
Transformations avec Spark
1. 1. Introduction à Apache Spark
  1. a. Les déclinaisons du moteur dans MicrosoftFabric
  2. b. Approche cluster « à lademande »
  3. c. Approche cluster dédié
  4. d. Comportement du moteur Spark, concurrence et filed’attente
  5. e. La notion d’environnement
  6. f. Native Execution Engine
2. 2. Notebooks Spark
  1. a. Création et utilisation
  2. b. Utilisation de PySpark
  3. c. Transformations faciles avec Data Wrangler
  4. d. Utiliser les ressources de Notebooks
  5. e. Préparer les Notebooks pour la production
Orchestration des transformations
1. 1. Pipelines
2. 2. Notebooks
  1. a. Exécuter un Notebook depuis un autre
  2. b. Orchestrer l’exécution de plusieurs Notebooks
  3. c. Interagir avec Fabric depuis un Notebook
3. 3. Apache Airflow Jobs
  1. a. Introduction aux Apache Airflow Jobs
  2. b. Création d’un Apache Airflow Job

Organiser ses données

Introduction
Un peu d'histoire : OLTP, OLAP et Big Data
1. 1. Deux univers inconciliables : OLTP et OLAP
2. 2. Naissance du concept de Data Lake
Le Data Warehouse : un entrepôt de données structurées et optimisées pour l'analytique
Le Data Lakehouse : un Data Lake structuré et optimisé pour l'analytique
Le Data Warehouse : les avantages de la maturité ?
1. 1. Instructions DDL
2. 2. Instructions DML
3. 3. Sécurité plus fine dans un DataWarehouse
Différences et convergences
1. 1. Faire du SQL sur un Lakehouse
2. 2. L’impact du stockage physique
3. 3. Interactions entre Lakehouse et Warehouse dans Fabric
4. 4. Accès concurrents
5. 5. Accès aux Lakehouse et Warehouse entre espacesde travail
Comment choisir ?
1. 1. Points forts de chacun des services
2. 2. Performances
3. 3. Critères non fonctionnels
  1. a. Historique et existant
  2. b. Compétences de vos équipes
  3. c. Impact du choix
4. 4. Notre point de vue
Exemple d’une chaîne complète Lakehouse et Warehouse
Bases de données en miroir
1. 1. Quel est l’usage des bases de donnéesen miroir ?
2. 2. Comment fonctionne une base en miroir ?
3. 3. Démonstration pas à pas
4. 4. Chaîne de connexion et sécurité
Synthèse

Traiter et analyser des données en temps réel

De multiples définitions du « temps réel » et leurs applications
Du temps réel à l’analytique
Qu’est-ce que le Complex Event Processing (CEP) ?
1. 1. Présentation
2. 2. Comprendre la notion de fenêtre temporelle
  1. a. Tumbling Windows (Fenêtre à bascule)
  2. b. Hopping Windows (Fenêtre récurrente)
  3. c. Session Windows (Fenêtre de session)
  4. d. Sliding Windows (Fenêtre glissante)
  5. e. Snapshot Windows (Fenêtre d’instantané)
Le temps réel dans Microsoft Fabric
1. 1. Création du workspace lié au tempsréel
2. 2. Les Hubs d’évènements ensource
  1. a. Source externe : Azure Event Hubs
  2. b. Source externe : Azure IoT Hub
  3. c. Point de terminaison personnalisé
  4. d. Exemples de données
3. 3. Les connecteurs partenaires
4. 4. Le moteur de CEP : Stream Processor et les destinations
5. 5. Le moteur de CEP : Stream Processor et les traitements
6. 6. Le moteur de CEP : Stream Processor et lemonitoring
Intégrer les données dans une base de données Time Series
1. 1. Comprendre les bases de données orientées évènements temporels
2. 2. Les bases de données Data Explorer (Eventhouse)dans Microsoft Fabric
  1. a. Qu’est-ce qu’une base de données KQL ?
  2. b. Création d’un Eventhouse et d’unebase de données KQL
  3. c. Le concept d’eventhouse
  4. d. Le concept de dossier OneLake et de copie unique
3. 3. Le KQL, ou comment interagir avec vos données
4. 4. Copilot pour l’intelligence temps-réel
5. 5. L’intégration dans les modèlessémantiques
  1. a. Interaction native KQL via les « jeuxde requêtes KQL » et Power BI
  2. b. Interaction via un « shortcut » detable
6. 6. Tableau de bord en temps réel
7. 7. Organisation et flux de tâches
Recevoir des alertes en temps réel sur vos données
1. 1. Qu’est-ce qu’une alerte et pourquoi ?
2. 2. Comprendre Data Activator dans Microsoft Fabric
3. 3. La définition des alertes sur les flux d’évènements

Concevoir des modèles sémantiques

Introduction
Donnée, Information et Connaissance
Modélisation
1. 1. Les différentes étapes
2. 2. Modélisations adaptées à laBI
3. 3. D’autres techniques de modélisation
Modèle sémantique
Architecture tabulaire
1. 1. VertiPaq
2. 2. DAX
Mode d’accès aux données
1. 1. Import
2. 2. Direct Query
3. 3. Live Connection
4. 4. Composite
5. 5. Direct Lake
Création d’un modèle
1. 1. Type de données
2. 2. Relations
3. 3. Table de date
4. 4. Propriétés
5. 5. Hiérarchie
6. 6. Perspective
7. 7. Table et colonne calculée
8. 8. Mesure
9. 9. Groupe de calcul
10. 10. Traduction
11. 11. Sécurité
Optimisations
1. 1. Intégrité référentielle
2. 2. Query Folding
3. 3. Direct Query
4. 4. Indice d’encodage
5. 5. Hiérarchies d’attributs
6. 6. Modèles sémantiques volumineux
7. 7. Date/heure automatique
8. 8. Partition
9. 9. Rafraîchissement incrémentiel
10. 10. Table hybride
11. 11. Scale-Out
12. 12. Agrégation
13. 13. Agrégation automatique
14. 14. Mise en cache des requêtes
15. 15. Comportement de secours
16. 16. Variables DAX
17. 17. DAX Pattern
18. 18. Gestion des erreurs
19. 19. Management
20. 20. Outils tiers
Copilot

Analyse et reporting d'entreprise

Appréhender un jeu de données
1. 1. Quick Insights
2. 2. L’Explorateur de données
Créer des rapports interactifs
1. 1. Introduction à Power BI
  1. a. Power BI Desktop
  2. b. Power BI Service
2. 2. Conception d’un rapport interactif
  1. a. Présentation de l’interface
  2. b. Ajouter une visualisation
  3. c. Personnaliser l’apparence d’unevisualisation
  4. d. Gérer les interactions
3. 3. Ajouter des filtres et segments
  1. a. Utiliser des filtres
  2. b. Utiliser des segments
4. 4. Publier un rapport
Générer des rapports automatiquement
1. 1. Copilot
  1. a. Générer un rapport
  2. b. Utiliser le visuel Narrative
2. 2. Rapports automatiques
3. 3. Modèles de rapports
  1. a. Créer des modèles de rapport personnalisés
  2. b. Utiliser les modèles
4. 4. Rapports paginés
  1. a. Des rapports à la mise en page précise
  2. b. Création de rapports paginés
5. 5. Métriques
  1. a. Définir et créer des KPI dans PowerBI
  2. b. Mesurer la performance
  3. c. Suivre l’évolution des métriques
6. 6. Tableaux de bord
  1. a. Avantages des tableaux de bord
  2. b. Création d’un tableau de bord
Vers un reporting proactive
1. 1. Souscriptions
2. 2. Alerte
Considérations pour un reporting d’entreprise
1. 1. L’accessibilité des rapports
2. 2. Bonnes pratiques de construction des rapports
3. 3. Storytelling
4. 4. Information sur les données

Utiliser l'IA dans Fabric

Une brève introduction à l'IA et les outils Microsoft associés
1. 1. Microsoft, du Data Mining à la générativeIA, un peu d’histoire
2. 2. L’impact de l’IA sur les plateformes de données
3. 3. Le langage Python
4. 4. Introduction aux outils Microsoft
  1. a. Microsoft Fabric Data Science persona
  2. b. Microsoft AI Studio
  3. c. Microsoft Azure Machine Learning
5. 5. La librairie Synapse Machine Learning (SynapseML)
Comprendre les services IA dans Microsoft Fabric
1. 1. Introduction aux Microsoft AI Services
2. 2. Les AI services dans Microsoft Fabric
  1. a. Text Analytics
  2. b. Azure AI translator
  3. c. Azure Open AI service
3. 3. Utilisation de la librairie Synapse Machine Learning(ML)
  1. a. Préparation de l’environnement d’analyse
  2. b. Analyse des données de commentaires à l’aidedes AI Services
  3. c. Création d’un rapport sur les commentairesenrichis
Microsoft Fabric et l'IA générative
1. 1. Comprendre les modèles LLM
2. 2. Comprendre les modèles SLM
3. 3. Utiliser un modèle LLM dans Microsoft Fabricen appel interne
4. 4. Utiliser un modèle LLM dans Microsoft Fabricen appel externe
  1. a. Mise en place de l’environnement Azure
  2. b. Catégorisation des commentaires à l’aidedu modèle gpt-35-turbo
  3. c. Création d’un rapport sur les commentairespar catégories
5. 5. Utiliser un modèle SLM dans Microsoft Fabric
6. 6. Introduction au RAG avec Microsoft Fabric et MicrosoftAI Studio
7. 7. Les AI Skills dans Microsoft Fabric
Créer vos expériences de Machine Learning
1. 1. Préparation des données
2. 2. Entraînement des modèles de MachineLearning
3. 3. Évaluation du modèle
4. 4. Exemple Customer churn prediction
Interaction entre les modèles sémantiques et l'expérience de Data Science
1. 1. Comprendre l’interaction entre les modèlessémantique et le persona de Data Science
2. 2. Introduction à la librairie de Semantic LinkLabs
3. 3. Exemple d’implémentation

Collaborer en équipe

Introduction
Collaborer pendant le développement
1. 1. Les fondamentaux : DevOps & DataOps
  1. a. DevOps à l’origine
  2. b. DataOps, une même philosophie mais des pratiquesdifférentes
2. 2. Contrôle de code source
  1. a. Le code dans Fabric
  2. b. Développer ensemble en même temps
  3. c. Configurer le contrôle de code source
3. 3. Environnements et gestion des branches
  1. a. Environnements
  2. b. Modèles Git
  3. c. Avantages et inconvénients
  4. d. En synthèse
4. 4. Déployer
  1. a. Environnements et Pipelines de déploiement
  2. b. Déployer des éléments
  3. c. Paramètres et règles de déploiement
  4. d. Pour aller plus loin
5. 5. Synthèse
Partager ses analyses et collaborer avec d'autres personnes
1. 1. Les fondamentaux du partage
  1. a. Qui, Quoi, Comment, Où, Pourquoi
  2. b. RBAC
  3. c. Comment partager ?
2. 2. Utilisateurs
  1. a. Utilisateurs externes à votre entreprise
  2. b. Groupes
  3. c. Applications
3. 3. Que partage-t-on ?
  1. a. Les espaces de travail
  2. b. Les données
  3. c. Les rapports
  4. d. Une application
4. 4. Autres façons de collaborer
  1. a. API GraphQL
  2. b. S’abonner aux données
  3. c. Teams
  4. d. Power Point
  5. e. Power BI Mobile App
5. 5. Synthèse

Architecture

Les tendances des architectures analytiques
Le concept d'architecture autour de Microsoft Fabric
1. 1. Les différents modèles d’architectures
  1. a. Monolithique
  2. b. Plusieurs groupes de travail avec une capacité unique
  3. c. Plusieurs groupes de travail et différentescapacités
  4. d. Plusieurs tenants
2. 2. Le Hub de données autour du OneLake
3. 3. Les architectures logiques des flux de tâches
Fabric et le Data Mesh
1. 1. Qu’est-ce que le concept d’architecture de Data Mesh ?
  1. a. Les produits (Data Products)
  2. b. Les domaines (Domains)
  3. c. La plateforme de données (Self-serve datainfrastructure as a platform)
  4. d. La gouvernance fédérée(Federated governance)
  5. e. Une architecture logique et unifiée
2. 2. Le positionnement de Microsoft Fabric
Fabric et l'approche verticalisée par métier
1. 1. Well architected framework for Industry
2. 2. Les verticaux par industries
3. 3. Déploiement du modèle industrieRetail
Architectures et comportement en charge de la plateforme
1. 1. Les questions avant la mise en production
2. 2. Une démarche standardisée
3. 3. Les scénarios à envisager pour vosprojets
4. 4. Que sont TPC et TPC-H 3.0.1 ?
5. 5. Génération de données avecTPCH et Spark
6. 6. Génération de données avecTPCH et DBgen
  1. a. Compilation de l’outil DBgen
  2. b. Génération de données avecDBgen

Sécuriser sa plateforme de données

Introduction
Software as a Service
Microsoft Fabric
Authentification
Sécurité du réseau
1. 1. Sécurité des réseaux entrants
2. 2. Sécurité des réseaux sortants
Sécurité multicouches
1. 1. Rôles d’administration
2. 2. OneLake
3. 3. Capacité
4. 4. Domaines
5. 5. Espace de travail
6. 6. Objet
7. 7. Recommandation et approbation
Sécurité par expériences
1. 1. Power BI
2. 2. GraphQL
3. 3. Warehouse
4. 4. Eventhouse
5. 5. Sécurité des développements
Partage et gestion des autorisations
Supervision
1. 1. Statut du service
2. 2. Log d’activités
3. 3. Espace de travail Monitoring de l’administrateur
4. 4. Microsoft Purview

Administrer Fabric

Introduction à l'administration Fabric
1. 1. Vue d’ensemble de l’administration
  1. a. Activer Fabric pour votre organisation
  2. b. Gérer les utilisateurs
2. 2. Les interfaces d’administration
  1. a. Console d’administration Microsoft 365
  2. b. La console d’administration Fabric
  3. c. Le portail Azure
  4. d. Les autres outils et consoles d’administration
3. 3. Planifier les rôles et responsabilités
  1. a. Qui crée et administre les capacitésFabric ?
  2. b. Qui a le droit de créer des espaces de travail ?
  3. c. Qui va associer les espaces de travail aux capacités ?
Administrateur de la plateforme
1. 1. Gérer les fonctionnalités au niveaudu tenant
2. 2. Déléguer des droits d’administration
3. 3. Supporter les espaces de travail
  1. a. Restaurer un espace de travail supprimé
  2. b. Accéder à un espace de travail personnel
Administrateur de capacité
1. 1. Créer une capacité
2. 2. Associer une capacité à un espacede travail
  1. a. Associer en tant qu’administrateur de la plateforme
  2. b. Associer en tant que propriétaire d’espacede travail
Administrateur d'espace de travail
1. 1. Gérer les connexions à Azure
2. 2. Utiliser une identité d’espace de travail
3. 3. Gérer les paramètres Spark

Maîtriser et optimiser les coûts de la plateforme

Comprendre l'utilisation des ressources de la plateforme Fabric
1. 1. Je suis un utilisateur
2. 2. Je suis un développeur ou data engineer
3. 3. Je suis un administrateur ou un architecte
Comprendre le business model de Fabric
1. 1. La notion de CU/s et la mesure de la consommation
2. 2. Qu’est-ce que le Bursting ?
3. 3. Qu’est-ce que le Smoothing ?
4. 4. Qu’est-ce que le Throttling ?
5. 5. Qu’est-ce que le Queueing ?
6. 6. Comprendre la scalabilité d’une capacité Fabric
7. 7. Le OneLake
8. 8. Le réseau
9. 9. La réplication de données
10. 10. Résumé des vecteurs de coûtsMicrosoft Fabric
L'application métriques de capacité
1. 1. Installation de l’application Microsoft Fabric CapacityMetrics
2. 2. Compréhension de l’application MicrosoftFabric Capacity Metrics
  1. a. Section Compute
  2. b. Section Storage
L'optimisation d'utilisation de la plateforme
1. 1. Profil développeur
2. 2. Profil architecte
3. 3. Profil administrateur
4. 4. Optimisation des achats
5. 5. Calculette Microsoft Fabric