MS-FB-101

Microsoft Fabric Essential for Business

ระยะเวลา
2
วัน (
12
ชม.) |ช่วงเวลา 9:00 - 16:00 น.
ประเภทการอบรม
Public
Inhouse
12,900
บาท
*ราคาดังกล่าวยังไม่รวมภาษีมูลค่าเพิ่ม
ขอใบเสนอราคา Public
ขอใบเสนอราคา Inhouse
หลักสูตร Microsoft Fabric for Business
สำรองที่นั่ง ติดต่อ 02-219-4304
Power Platform
Data
รูปแบบการอบรม
  • Classroom
  • Hybrid
?
Classroom : อบรมแบบ Class Room ณ ห้องอบรม 9EXPERT
Hybrid : (เลือกอบรมแบบ Class Room หรือ Ms Teams)

รอบการอบรม

26-27
Oct
รับสมัคร

Microsoft Fabric for Business เป็นหลักสูตรที่เน้นการอบรมเกี่ยวกับโซลูชัน Data ครบวงจร Microsoft Fabric เป็นแพลตฟอร์มที่มีความสามารถในการจัดเก็บ วิเคราะห์ข้อมูล และนำเสนอข้อมูลที่ทรงพลัง เข้ามาแก้ปัญหาการเกิด Data Silos ที่กระจัดกระจายไปตาม Business Units ในองค์กร โดยเสนอพื้นที่ส่วนกลางที่เรียกว่า OneLake แต่ละ Business Unit ยังคงสามารถจัดกลุ่ม และกำหนดกฎและข้อจำกัดบนข้อมูลผ่าน Data Domains ได้ แนวทางนี้ช่วยลดการลงทุนในเครื่องมือที่ซ้ำซ้อนในแต่ละ Business Unit ลดชุดข้อมูลที่ซ้ำซ้อนและขัดแย้งกันลงได้ หลักสูตรนี้ นำเสนอเพียงหนึ่งแนวทางจากหลายแนวทาง เพื่อให้เห็นการทำงานตั้งแต่ต้นจนสิ้นสุดกระบวนการเพียงพอให้มองเห็นภาพรวมที่จำเป็นต่อการใช้งานได้อย่างชัดเจน

วัตถุประสงค์

  1. สามารถบอกส่วนประกอบ และประโยชน์ Microsoft Fabric ได้
  2. สามารถจัดเตรียม Data จากแหล่งข้อมูลต่างๆ ด้วย Data Flow Gen 2 ได้
  3. สามารถสร้าง Semantic Model เพื่อใช้ในองค์กรได้
  4. สามารถสร้าง Data Insights จาก Power BI และเครื่องมือต่างๆ ได้

หลักสูตรนี้เหมาะสำหรับ

  1. องค์กรที่ต้องการนํา Microsoft Fabric ไปลดปัญหา Data Silos ลดต้นทุนในระยะยาว
  2. องค์กรที่สนใจด้าน Data Governance
  3. ผู้ใช้งาน Power BI
  4. ผู้ใช้งาน Traditional BI เช่น Microsoft SSIS, Microsoft SSAS เป็นต้น
  5. Citizen Developer

พื้นฐานของผู้เข้าอบรม

  1. เข้าใจแนวทางด้าน Business Intelligence
  2. มีพื้นฐาน Power BI มาบ้างจะเป็นประโยชน์
  3. เคยเขียนภาษา SQL มาบ้างจะเป็นประโยชน์
  4. เคยเขียนภาษา Python มาบ้างจะเป็นประโยชน์

ความต้องการของระบบ

  1. Microsoft Fabric License
  2. Web Browsers (แนะนํา Version ล่าสุด)

หัวข้อการฝึกอบรม

  • รู้จักกับ Microsoft Fabric
  • แนวคิด One Lake จากปัญหา Data Silos
  • แนวคิด Data Mesh Architecture
  • สาธิต Data Domains
  • การเปิดใช้งาน Microsoft Fabric (Preview)
  • แบบฝึกหัด: การสร้าง Workspace ขึ้นใหม่

  • แนวทางการจัดเก็บข้อมูล
    • Warehouse
    • Lakehouse
    • Datamart
    • KQL Database
  • แนวทางการนำเข้าข้อมูล
    • Pipeline copy activity
    • Dataflows (Gen2)
    • Spark
    • COPY statement เฉพาะ Warehouse
    • CREATE TABLE AS SELECT (CTAS) ภายใน One Lake

  • ข้อดีของ Warehouse
  • นําเข้าข้อมูลด้วย Dataflows (Gen2)
  • แบบฝึกหัด: นําเข้าข้อมูลด้วย Dataflows (Gen2)
  • กรณีศึกษา: นําเข้าข้อมูลไฟล์ CSV จาก Azure blob storage และ ตารางบนฐานข้อมูลจาก Azure SQL Database เพื่อเป็น Fact Table (Internet Sales) และ Dimension Table (Customers, Products) ทั้งนี้ผู้อบรมสามารถประยุกต์กับแหล่งข้อมูลที่แตกต่างไปจากนี้ โดยได้รับคําแนะนําจากวิทยากร

  • รู้จัก Data Pipelines
  • รู้จัก Copy Data Activity
  • แบบฝึกหัด: นําเข้าข้อมูลผ่าน Copy Data Activity
  • กรณีศึกษา: นําเข้าข้อมูลจากตารางบนฐานข้อมูล จาก Azure SQL Database เพื่อเป็นDimension Table (Date)
  • รู้จัก Activities อื่น เช่น Stored Procedure, Office365 Outlook
  • แบบฝึกหัด: การสร้าง Work Flow
  • กรณีศึกษา: นํา Copy Data Activity เดิมมากําหนด Precedent Constraintไปยัง Activities อื่นๆ
  • รันและติดตามการทํางานของ Pipelines
  • แบบฝึกหัด: รันและติดตามการทํางานของ Pipelines

  • รู้จักกับ Default Semantic Model
  • องค์ประกอบสําคัญของ Semantic Model
    • ความสัมพันธ์
    • Dimension Attributes
      • Attributes Hierarchies
    • สร้าง Measures
      • ผ่าน Data Analysis Expressions (DAX)
  • แบบฝึกหัด: การปรับปรุง Default Semantic Model
  • กรณีศึกษา: สร้างความสัมพันธ์, สร้าง Attributes Hierarchies, ซ่อน Attributes และจัดเรียง Attributesใน Semantic Model
  • แบบฝึกหัด: การสร้าง User-Defined Semantic Model
  • กรณีศึกษา: กําหนดตาราง Date ใช้เอง, สร้าง Measures  ผ่าน DAX ใน Semantic Model
  • แบบฝึกหัด: การสร้าง Power BI Report
  • กรณีศึกษา: สร้าง Power BI Report เกี่ยวกับงานขายผ่านช่องทาง Internet
  • เข้าใจโหมดการเชื่อมต่อแบบ Direct Lake

  • Apache Spark กับ Microsoft Fabric
    • รู้จัก Environment
  • แบบฝึกหัด: การสร้าง Environment และการนําไปใช้
  • รู้จักกับ Spark Job Definition
  • รู้จักกับ Notebook
  • รู้จักกับ Semantic Link
    • ข้อจํากัดของ Semantic Link
    • การนํา Semantic Model ไปใช้ใน Notebook (SemPy Python library)
    • แบบฝึกหัด: Semantic Link และ Notebook
    • กรณีศึกษา: เป็นการนําไฟล์ Human Resources Sample PBIX.pbix ซึ่งเป็น ตัวอย่าง Power BI Report จากทาง Microsoft มาเข้าถึงข้อมูลผ่านทาง Notebook

  • ความแตกต่างจาก Warehouse
  • รู้จัก Delta Lake
  • รู้จัก Delta tables
    • ชนิด Managed Tables
    • ชนิด External Source
  • สาธิต: สร้าง Delta Tables ชนิด External Source
  • แบบฝึกหัด: การเตรียมข้อมูลผ่าน Spark
  • กรณีศึกษา: นําเข้าไฟล์ CSV และ ETL ข้อมูลผ่าน Spark Data frame เพื่อให้ได้ Delta tables ชนิด Managed Tables สําหรับ Dimension Table (Resellers)
  • การสร้าง Shortcuts บน Lakehouse
  • แบบฝึกหัด: การสร้าง Shortcuts บน Lakehouse
  • กรณีศึกษา: สร้าง Shortcut ไปยัง Dimension Tables (Date, Products) ที่อยู่บน Warehouse
  • แบบฝึกหัด: นําเข้าไฟล์ Excel ด้วย Dataflows (Gen2)
  • กรณีศึกษา: นําเข้าไฟล์ Excel เพื่อเป็น Fact Table (ResellerSales)
  • รู้จัก SQL Endpoint
    • Semantic Model บน SQL Endpoint
  • แบบฝึกหัด: สร้าง Power BI Report จาก Lakehouse
  • กรณีศึกษา: สร้าง Power BI Report สําหรับ Reseller Sales โดยนําความรู้ก่อนหน้าที่ทําบน Warehouse มาใช้เพื่อ
    • ปรับปรุง Default Semantic Model บน Lakehouse
    • สร้าง User Defined Semantic Model บน Lakehouse
    • สร้าง Measure ตามคําขอ
    • สร้าง Power BI Report ให้ใช้งานได้

  • ข้อดีของ Columnar Storage
  • รู้จักกับ On-Demand Loading
  • สาธิต: ทดสอบการสืบค้นข้อมูลขนาดใหญ่ จํานวนครั้งของการสืบค้นสารมากกว่า 170 ล้าน ครั้ง แสดงให้เห็นถึงความสามารถของ On-Demand Loading

  • บรรยายพร้อมสาธิต: ความปลอดภัยบน Workspace
  • บรรยายพร้อมสาธิต: ความปลอดภัยแต่ละ Fabric items

  • เปิดใช้งาน Tenant ต้องเป็นแบบองค์กร
  • เปิดใช้งาน Capacity
    • Fabric Capacity
    • Power BI Premium Capacity
    • เปรียบเทียบ Fabric Capacity และ Power BI Premium Capacity
  • Copilot สําหรับ Microsoft Fabric