Dieses Modul befasst sich mit den Unterschieden und Überschneidungen zwischen Data Warehouses, Data Lakehouses und verwandten Technologien innerhalb der Microsoft Fabric-Plattform. Die Teilnehmer erhalten Einblicke in Speicherarchitekturen, das Parallelitätsmanagement und die Kriterien für die Auswahl der richtigen Lösung für verschiedene geschäftliche Anforderungen. Das Modul behandelt außerdem neue Trends wie Spiegel-Datenbanken und die Integration von OLTP-Funktionen.

Dieses Modul befasst sich mit dem gesamten Prozess der Erfassung, Verarbeitung und Analyse von Echtzeit-Datenströmen mithilfe moderner Tools und Plattformen wie Microsoft Fabric. Die Teilnehmer lernen, wie sie EventStream-Pipelines, Change Data Capture, KQL-Abfragen und KI-gestützte Assistenten nutzen können, um umsetzbare Erkenntnisse zu gewinnen und Reaktionen zu automatisieren. Das Modul behandelt außerdem die Überwachung, Alarmierung und Interpretation von Echtzeitanalysen für eine datengestützte Entscheidungsfindung.

Dieses Modul führt die Teilnehmer durch den Prozess der Strukturierung, Kontextualisierung und Optimierung von Daten mithilfe semantischer Modelle in Power BI. Sie werden sich mit Schlüsselkonzepten wie DAX, zusammengesetzten Modellen, Hierarchien, Übersetzungen und Leistungsverbesserungen befassen, um eine effektive Datenanalyse und Berichterstellung zu ermöglichen. Am Ende sind Sie in der Lage, robuste semantische Modelle zu entwerfen, die fortgeschrittene Analysen und mehrsprachige Berichterstellung unterstützen.

Dieses Modul führt die Teilnehmer durch den Prozess der Umwandlung von Rohdaten in verwertbare Erkenntnisse mithilfe der Analyse- und Berichtstools von Microsoft Fabric. Die Teilnehmer befassen sich mit interaktiver Berichterstellung, KI-gestützter Datenexploration, der Erstellung von Dashboards sowie Best Practices für eine effektive Geschäftsanalyse. Das Modul behandelt zudem fortgeschrittene Funktionen wie translytische Aufgabenabläufe und paginierte Berichte für eine umfassende datengestützte Entscheidungsfindung.