Unificación de Power BI Datamarts con Microsoft Fabric Data Warehouse: La Evolución que Necesitas para Optimizar tus Operaciones de Datos
En mayo de 2022, anunciamos la vista previa de los datamarts en Power BI, una capacidad de autoservicio dentro de Power BI Premium que permite a usuarios de todos los niveles descubrir información valiosa de sus propios datos en una base de datos relacional, sin necesidad de asistencia del equipo de TI. Desde entonces, hemos estado recopilando comentarios para mejorar esta herramienta y, en respuesta a tus sugerencias, estamos anunciando la unificación de los datamarts de Power BI con los almacenes de datos de Microsoft Fabric.
¿Por qué la unificación de Datamarts con Fabric Data Warehouse?
Aunque los datamarts ofrecen una experiencia más sencilla para análisis SQL, algunos usuarios expresaron preocupaciones sobre la escalabilidad y el rendimiento. Con el lanzamiento de Microsoft Fabric, ahora no tienes que elegir entre un datamart de Power BI y un almacén de datos completo. El Fabric Data Warehouse es la evolución natural de los datamarts de Power BI, construido sobre tecnología de análisis de última generación, con potentes capacidades de AI que mejoran tanto la experiencia como los resultados de tus análisis.
Principales Ventajas de Fabric Data Warehouse:
· Soporte DDL/DML: Crea y gestiona objetos SQL con soporte para DML/DDL y garantías de transacciones de múltiples tablas.
· Escalabilidad Mejorada: Los datamarts de Power BI estaban limitados a 100GB, mientras que Fabric Data Warehouse puede manejar cualquier tamaño de datos con ejecución de consultas rápidas y optimizadas.
· Formato de Datos Abierto: Archivos almacenados en formatos Delta/Parquet para mejorar la interoperabilidad entre motores y facilitar la colaboración entre analistas y científicos de datos.
· Integración con AI: El motor SQL de Fabric está potenciado por AI para ofrecer el mejor rendimiento en consultas sin necesidad de ajustes manuales.
· Seguridad Avanzada: Acceso granular a nivel de objeto, fila y columna, lo que asegura que solo los usuarios adecuados tengan acceso a los datos sensibles.
· Consultas entre Bases de Datos: Realiza consultas sobre múltiples bases de datos dentro de los mismos espacios de trabajo de Fabric.
· Desarrollo Eficiente: Con herramientas como Git, integración de pipelines de datos y una experiencia mejorada de T-SQL, el proceso de desarrollo se vuelve mucho más ágil y colaborativo.
Migración y Futuro de los Datamarts
A partir del 1 de junio de 2025, la creación de nuevos datamarts en Power BI ya no estará disponible. Desde el 1 de octubre de 2025, los datamarts existentes dejarán de ser compatibles y serán eliminados de los espacios de trabajo. Para evitar perder tus datos y afectar los informes relacionados, se recomienda migrar tus datamarts a Fabric Data Warehouse lo antes posible.
¿Cómo migrar datamarts a Fabric Data Warehouse?
Existen diferentes opciones para migrar tus datamarts, desde el uso de scripts de aceleración hasta pasos manuales para exportar tu esquema y datos y crear un nuevo almacén de datos en Fabric.
Migración a Fabric Data Warehouse
La migración de datamarts a Fabric Data Warehouse no solo mejora la escalabilidad y el rendimiento, sino que también te permite aprovechar funcionalidades como la recuperación de datos, el modelo directo de lago y la seguridad avanzada. Además, con la integración de AI y las capacidades de Machine Learning de Microsoft Fabric, tus datos estarán preparados para los desafíos de análisis del futuro.
¿Por qué migrar a Microsoft Fabric Data Warehouse?
Esta unificación te permite aprovechar todas las ventajas de un almacén de datos empresarial con la flexibilidad de Power BI. La integración fluida con otros servicios de Microsoft Fabric como Power BI, Data Science y AI garantiza que puedas extraer el máximo valor de tus datos sin complicaciones adicionales.
Para más detalles sobre cómo realizar la migración de tus datamarts a Fabric Data Warehouse y conocer todos los beneficios de esta evolución, consulta la documentación oficial de migración.
