Schulung Microsoft Fabric – Praktischer Einstieg (3 Tage)

Dieser dreitägige Workshop ist auf die praktische Einführung in Microsoft Fabric ausgelegt. Über die Vermittlung von Konzepten hinaus liegt der Fokus auf der eigenständigen Entwicklung und Umsetzung von Daten- und Analyselösungen. Unter Anleitung unserer Experten werden aktiv praxisnahe Aufgaben bearbeitet, um die verschiedenen Fabric Experiences zu erlernen und anwenden zu können.

Dieser Workshop richtet sich an Data Engineers, Datenarchitekten, fortgeschrittene Datenanalysten, BI-Entwickler und IT-Experten, die sich in ihrem Unternehmen für die Einführung von Microsoft Fabric entschieden haben und es aktiv implementieren wollen. Vorausgesetzt werden erste Erfahrungen im Umgang mit Datenprodukten oder Vorkenntnisse durch unseren "Microsoft Fabric – Überblick (1 Tag)" Workshop.

• Intensive Hands-On Praxis: Implementieren Sie selbst Datenpipelines, transformieren Sie Daten mit Spark und erstellen Sie umfassende Reports in Power BI.
• Zielorientierte Vertiefung: Tiefer Einblick in die Funktionsweise und Best Practices der zentralen Fabric Experiences.
• Umsetzungsstrategien: Erlernen Sie Strategien zur Umsetzung typischer Use-Cases in der Fabric-Umgebung.
• Individuelle Unterstützung: Unsere Experten begleiten Sie bei Ihren praktischen Übungen und beantworten spezifische Fragen.

Tag 1: OneLake, Lakehouse & Datenaufnahme

• Tiefer Einstieg in Microsoft Fabric & Umgebungseinrichtung
  • Kurze Wiederholung der Fabric-Architektur und Navigation.
  • Einrichtung der persönlichen Fabric-Entwicklungsumgebung für den Workshop.
  • Hands-On Lab: Anlegen von Workspaces und Zuweisung von Kapazitäten.
• OneLake als zentraler Speicher
  • Kennenlernen der Datenspeicherkonzepte: Delta Lake, Dateiformate, Shortcuts.
  • Best Practices für die Organisation von Daten im OneLake.
  • Hands-On Lab: Erstellen und Verwalten von OneLake-Shortcuts zu externen Quellen (z.B. AWS S3 oder Azure Blob Storage).
• Das Fabric Lakehouse: Entwicklung & Management
  • Erstellung und Konfiguration von Lakehouse-Instanzen.
  • Hands-On Lab: Datenaufnahme in das Lakehouse über verschiedene Methoden:
    • Manuelles Hochladen von Dateien (CSV, Parquet).
    • Nutzung von Data Pipelines zur automatisierten Ingestion aus externen Quellen (z.B. Blob Storage, SQL-Datenbank).
    • Erstellung von Tabellen aus hochgeladenen Dateien (Managed und Unmanaged Tables).
  • Abfragen von Lakehouse-Daten über den SQL Endpoint.
  • Datenqualität und grundlegende Governance-Konzepte im Lakehouse.

Tag 2: Data Engineering & Data Warehousing

• Fortgeschrittene Datenverarbeitung mit Data Pipelines & Dataflows Gen2
  • Hands-On Lab: Erstellung komplexer Data Pipelines:
    • Transformationen innerhalb der Pipeline (Filter, Aggregationen, Lookups).
    • Implementierung von If-Bedingungen und Schleifen.
    • Fehlerbehandlung und Monitoring von Pipeline-Läufen.
  • Hands-On Lab: Einsatz von Dataflows Gen2 für Self-Service-Datenvorbereitung und -transformation.
    • Verbinden mit Datenquellen, Datenbereinigung und Transformation.
    • Laden der Ergebnisse in das Lakehouse oder Data Warehouse.
• Spark Notebooks für Daten-Transformation & -Analyse
  • Einführung in PySpark-Grundlagen für Data Engineering.
  • Hands-On Lab: Nutzung von Notebooks zur:
    • Detaillierten Datentransformation und -bereinigung.
    • Datenanalyse und Feature Engineering.
    • Schreiben von Daten in Delta-Tabellen im Lakehouse.
  • Integration von Notebooks in Data Pipelines.
• Das Fabric Data Warehouse: Design & Implementierung
  • Designprinzipien für ein modernes Data Warehouse in Fabric.
  • Hands-On Lab: Erstellung eines Fabric Data Warehouses.
  • Laden von Daten aus dem Lakehouse in das Data Warehouse.
  • Abfragen mit T-SQL, Optimierung von Abfragen.

Tag 3: Data Science, Real-Time Analytics & Power BI Integration

• Grundlagen der Data Science Experience
  • Überblick über die Data Science Tools in Fabric (z.B. Spark Notebooks für ML).
  • Einführung in Machine Learning-Modellentwicklung und -Management (MLflow).
  • Hands-On Lab (Einführung): Kurzes Beispiel zur Datenexploration und grundlegenden Modellerstellung in einem Notebook.
• Real-Time Analytics mit Eventstream & KQL-Datenbanken
  • Eventstream: Erfassung und Verarbeitung von Echtzeitdatenströmen.
  • KQL (Kusto Query Language) Datenbanken: Speicherung und Analyse von Streaming-Daten.
  • Hands-On Lab: Aufbau eines einfachen Eventstreams und Speicherung von Daten in einer KQL-Datenbank. Erste Abfragen mit KQL.
• Power BI: Datenvisualisierung & Reporting
  • Hands-On Lab: Erstellung komplexer Power BI Semantic Models auf Fabric-Daten (Lakehouse, Data Warehouse).
  • Grundlagen von DAX für Kennzahlen und berechnete Spalten.
  • Erstellung interaktiver Power BI Reports und Dashboards.
  • Performance-Optimierung von Power BI Berichten und Datasets.
• Data Activator & End-to-End-Lösungen
  • Kurzvorstellung von Data Activator zur automatisierten Reaktion auf Datenereignissen.
  • Zusammenführung aller Fabric-Komponenten in einem End-to-End-Szenario.
  • Einführung in Best Practices für Sicherheit, Governance und Bereitstellung (Deployment Pipelines) in Fabric.
• Fragen und Antworten, Ausblick.

Optional: Nutzung kundenindividueller Datensätze:
Nach vorheriger Absprache und Klärung der technischen sowie datenschutzrechtlichen Anforderungen bieten wir die Möglichkeit, eigene, anonymisierte oder Test-Datensätze deines Unternehmens für die Hands-On-Labs zu verwenden. Dies ermöglicht eine noch höhere Praxisrelevanz und einen direkten Bezug zu deinen spezifischen Herausforderungen. Bitte kontaktiere uns rechtzeitig vor dem Workshop, um diese Option zu prüfen.

• Fundiertes Basiswissen: Verstehen Sie die Kernkomponenten und Konzepte von Microsoft Fabric.
• Praxisnahe Einblicke: Erleben Sie die Leistungsfähigkeit von Fabric anhand von Live-Demos und Anwendungsbeispielen.
• Strategische Weichenstellung: Erkennen Sie, wie Fabric Ihre Datenstrategie transformieren kann.
• Unterstützung bei der Entscheidungsfindung: Bewerten Sie die Relevanz von Fabric für Ihre spezifischen Unternehmensanforderungen.
• Erste Schritte zur Implementierung: Erhalten Sie Ansätze für die nächsten Schritte in Richtung einer Fabric-basierten Datenlandschaft.