Introducción a Fabric IQ

En un vistazo

Fabric IQ le permite definir vocabulario empresarial en una ontología y enlazarlo a orígenes de datos en OneLake. En esta ruta de aprendizaje, empezará con los aspectos básicos de Fabric IQ y, a continuación, creará una ontología mediante la creación de tipos de entidad y relaciones, visualizará los datos a través de gráficos interactivos y conectará una ontología a un agente de datos para que los usuarios empresariales puedan formular preguntas en lenguaje natural.

Requisitos previos

  • Familiaridad con las áreas de trabajo y la navegación de Microsoft Fabric
  • Conocimientos básicos de conceptos de datos, como tablas, relaciones y consultas

Módulos en esta ruta de aprendizaje

Microsoft Fabric IQ proporciona una manera de definir el vocabulario empresarial en una ontología y enlazar la ontología a los orígenes de datos. Obtenga información sobre elementos de ontología, agentes de datos, Graph en Microsoft Fabric y modelos semánticos de Power BI. Descubra cómo el modelado de ontología difiere del modelado analítico tradicional empezando por conceptos empresariales en lugar de casos de uso específicos.

Las ontologías de Fabric IQ transforman los datos en un vocabulario empresarial que todos los usuarios pueden entender. En este módulo, aprenderá dos maneras de crear ontologías: crear manualmente para comprender los componentes principales o generar automáticamente a partir de Power BI modelos semánticos para acelerar el desarrollo. Practicará ambos enfoques y aprenderá a conectar su ontología a los orígenes de datos de OneLake, incluyendo tablas de lakehouse y flujos de eventhouse.

Explore las instancias de entidad, visualice las conexiones de concepto empresarial en el gráfico de relaciones y filtre por varios orígenes de datos mediante el generador de consultas en Microsoft Fabric IQ, sin escribir combinaciones SQL.

Cree un agente de datos Fabric que use una ontología de MICROSOFT FABRIC IQ como origen de datos. Configure las instrucciones del agente para mejorar la precisión de las consultas, probar preguntas de lenguaje natural y publicar el agente para que los usuarios empresariales puedan obtener respuestas de datos reguladas sin escribir código.