Introducción
Los modelos semánticos son la base del análisis en Microsoft Fabric. Definen cómo se estructuran, calculan y consumen los datos en informes, paneles y experiencias de inteligencia artificial. Un modelo que funciona para un equipo pequeño en Power BI Desktop no sirve automáticamente a cientos de usuarios en varios almacenes de datos. Cuando los volúmenes de datos crecen, los equipos se expanden y los patrones de consumo cambian, las decisiones de diseño detrás del modelo necesitan cambiar.
Supongamos que una organización escala su plataforma de análisis en Microsoft Fabric. Sus datos se encuentran repartidos entre almacenes de lagos de datos y almacenes de datos, y sus modelos semánticos actuales se crearon en Power BI Desktop para equipos pequeños. Ahora esos modelos necesitan controlar conjuntos de datos más grandes, usuarios más simultáneos y patrones de consumo más amplios. Los modelos funcionan con su tamaño actual, pero no se diseñaron para la escala.
En este módulo, se toman las decisiones de diseño que preparan un modelo semántico para la escala. Para empezar, elija el modo de almacenamiento adecuado para cómo fluyen los datos en el modelo. A continuación, diseñe relaciones de esquema de estrella para mayor claridad y rendimiento. A continuación, diseñará cálculos que permanezcan eficaces y fáciles de mantener a medida que crezcan los volúmenes de datos y el tamaño del equipo. Por último, configure las opciones que controlan cómo el modelo controla grandes conjuntos de datos, consultas simultáneas y acceso a herramientas externas.
Al final de este módulo, podrá diseñar modelos semánticos que usen el modo de almacenamiento correcto, seguir los procedimientos recomendados de esquema de estrella, incluir patrones de cálculo escalables y configurarse para aumentar los volúmenes de datos y las demandas de consumo. Los modelos diseñados para la escala también benefician al consumo de inteligencia artificial, ya que la inteligencia artificial exige las mismas cosas de un modelo: datos actuales, relaciones claras, estructuras descriptivas y capacidad para controlar la carga de consultas adicional.