Microsoft Fabric Essential for Business

จำนวนวัน
2
จำนวนชั่วโมง
12
ประเภทหลักสูตร
Public
Inhouse
ราคา
12,900
สำรองที่นั่ง ติดต่อ 02-219-4304
รหัสหลักสูตร
MS-FB-101
คำโปรย

Microsoft Fabric for Business เป็นหลักสูตรที่เน้นการอบรมเกี่ยวกับโซลูชัน Data ครบวงจร
Microsoft Fabric เป็นแพลตฟอร์มที่มีความสามารถในการจัดเก็บ วิเคราะห์ข้อมูล และนำเสนอข้อมูลที่ทรงพลัง เข้ามาแก้ปัญหาการเกิด Data Silos กระจัดกระจายไปตาม Business Units ในองค์กร โดยเสนอพื้นที่ส่วนกลางที่เรียกว่า One Lake แต่ Business Unit ยังคงจัดกลุ่มและกำหนดกฎและข้อจำกัดบนข้อมูลผ่าน Data Domains แนวทางนี้จะเป็นการลดการลงทุนในเครื่องไม้เครื่องมือที่ซ้ำซ้อนในแต่ละ Business Units ลดชุดข้อมูลที่ซ้ำซ้อน และขัดแย้งกัน ลงได้ หลักสูตรนี้นำเสนอเพียงแนวทางเดียวจากหลายแนวทาง เพื่อเห็นการทำงานตั้งแต่ต้นจนสิ้นสุดกระบวนการ เพียงพอให้มองเห็นภาพรวมที่จำเป็นต่อการใช้งานอย่างชัดเจน

ระดับความยาก
Advanced
วัตถุประสงค์
  1. สามารถบอกส่วนประกอบ และ ประโยชน์ Microsoft Fabric ได้
  2. สามารถจัดเตรียม Data จากแหล่งข้อมูลต่าง ๆ ด้วย Data Flow Gen 2 ได้
  3. สามารถสร้าง Semantic Model เพื่อใช้ในองค์กรได้
  4. สามารถสร้าง Data Insights จาก Power BI และเครื่องมือต่าง ๆ ได้
หลักสูตรนี้เหมาะสำหรับ
  • องค์กรที่ต้องการนำ Microsoft Fabric ไปลดปัญหา Data Silos ลดต้นทุนในระยะยาว
  • องค์กรที่สนใจด้าน Data Governance
  • ผู้ใช้งาน Power BI
  • ผู้ใช้งาน Traditional BI เช่น Microsoft SSIS, Microsoft SSAS เป็นต้น
  • 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 และตารางบนฐานข้อมูล จาก 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 เพื่อเป็น Dimension Table (Date)
  • รู้จัก activities อื่น เช่น Stored Procedure, Office365 Outlook
  • แบบฝึกหัด : การสร้าง Work Flow
  • กรณีศึกษา :  นำ Copy Data Activity เดิมมากำหนด Precedent Constraint ไปยัง Activities อื่นๆ
  • รัน และติดตามการทำงานของ Pipelines
  • แบบฝึกหัด : รัน และติดตามการทำงานของ 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 ซึ่งเป็นตัวอย่าง 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 Shortcutไปยัง 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 จำนวนครั้งการโดยสารมากกว่า 170 ล้านครั้ง 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 
Course Outline
microsoft-fabric-essential-for-business-course-outline_1.pdf
มี Workshop หรือไม่
On
หลักสูตรใหม่หรือไม่
Off
มีโปรโมชั่นหรือไม่
Off
หลักสูตรแนะนำหรือไม่
Off
มีวุฒิบัตรหรือไม่
On
หลักสูตรที่เกี่ยวข้อง
Data Model for Power BI
Roadmap fabric Microsoft Fabric Essential for Business Data Model for Power BI Power BI Advanced Visualization and AI
Tags