Introdução

Os modelos semânticos são a base da análise de dados no Microsoft Fabric. Definem como os dados são estruturados, calculados e consumidos em relatórios, dashboards e experiências de IA. Um modelo que funciona para uma pequena equipa no Power BI Desktop não serve automaticamente centenas de utilizadores em múltiplos repositórios de dados. Quando os volumes de dados aumentam, as equipas expandem-se e os padrões de consumo mudam, as decisões de design por detrás do modelo precisam de mudar.

Suponha que uma organização está a escalar a sua plataforma de análise no Microsoft Fabric. Os seus dados vivem em lagos e armazéns, e os seus modelos semânticos existentes foram construídos no Power BI Desktop para pequenas equipas. Agora esses modelos precisam de lidar com conjuntos de dados maiores, mais utilizadores concorrentes e padrões de consumo mais amplos. Os modelos funcionam no tamanho atual, mas não foram desenhados para escala.

Neste módulo, toma as decisões de design que preparam um modelo semântico para escala. Começa por escolher o modo de armazenamento certo para como os dados fluem para o modelo. Depois desenhas relações de esquema estrela para maior clareza e desempenho. De seguida, desenha cálculos que se mantêm com bom desempenho e são fáceis de manter, à medida que os volumes de dados e o tamanho da equipa aumentam. Por fim, configuras definições que controlam como o modelo lida com grandes conjuntos de dados, consultas concorrentes e acesso a ferramentas externas.

No final deste módulo, é capaz de desenhar modelos semânticos que utilizam o modo de armazenamento certo, seguem as melhores práticas do esquema estrela, incluem padrões de cálculo escaláveis e são configurados para volumes crescentes de dados e necessidades de consumo. Modelos concebidos para escala também beneficiam o consumo de IA, porque a IA exige as mesmas coisas de um modelo: dados atuais, relações claras, estruturas descritivas e capacidade para lidar com carga adicional de consultas.