Microsoft Fabric Essentials

Section 1: รู้จัก Microsoft Fabric และ OneLake

• ปัญหาของระบบข้อมูลแบบแยกส่วน และแนวคิดของแพลตฟอร์มข้อมูลแบบรวมศูนย์

• Workload ใน Fabric: Data Factory, Data Engineering, Warehouse, Real-Time Intelligence และ Power BI

• OneLake ที่เก็บข้อมูลกลาง และรูปแบบ Delta Parquet

• Item ต่าง ๆ ใน Fabric และความสัมพันธ์กับ Power BI ที่ใช้อยู่เดิม

• Lab: สำรวจหน้าจอ Fabric และ OneLake Catalog

Section 2: Workspace, Capacity และการจัดระเบียบงาน

• Tenant, Capacity และ Workspace ต่างกันอย่างไร

• Fabric Capacity แบบ F SKU, Trial และการดูการใช้ทรัพยากรเบื้องต้น

• บทบาทใน Workspace: Admin, Member, Contributor และ Viewer

• แนวทางแยก Workspace ตามทีม ตามโดเมน หรือตามสภาพแวดล้อม Dev และ Prod

• Lab: สร้าง Workspace ของโปรเจกต์และกำหนดบทบาทผู้ใช้

Section 3: Lab: Lakehouse และ Shortcut

• โครงสร้างของ Lakehouse: Files และ Tables

• อัปโหลดไฟล์ CSV และแปลงเป็น Delta Table

• Shortcut ไปยังข้อมูลใน OneLake หรือ Storage ภายนอกโดยไม่ต้องคัดลอก

• ภาพรวม Mirroring สำหรับนำข้อมูลจากฐานข้อมูลเข้า OneLake

• Lab: สร้าง Lakehouse ของบริษัทจำลองและโหลดข้อมูลชุดแรก

Section 4: Lab: นำข้อมูลเข้าด้วย Pipeline และ Copy Job

• Pipeline, Copy Job และ Dataflow Gen2 เหมาะกับงานแบบไหน

• Copy Activity และการเชื่อมต่อแหล่งข้อมูลผ่าน Connection

• Copy Job สำหรับคัดลอกข้อมูลแบบเต็มและแบบเฉพาะส่วนที่เปลี่ยน

• Parameter และ Activity ควบคุมลำดับการทำงานเบื้องต้น

• Lab: Pipeline ดึงข้อมูลยอดขายจากฐานข้อมูลเข้า Lakehouse

Section 5: Lab: Dataflow Gen2

• Power Query Online ใน Dataflow Gen2 สำหรับผู้ที่คุ้นเคย Power BI

• ทำความสะอาดข้อมูล รวมตาราง และเปลี่ยนชนิดข้อมูล

• กำหนดปลายทางข้อมูลไปยัง Lakehouse หรือ Warehouse

• เลือกระหว่าง Dataflow Gen2 กับ Notebook ตามขนาดและความซับซ้อนของงาน

• Lab: แปลงข้อมูลลูกค้าและสินค้าแล้วเขียนลง Lakehouse

Section 6: Lab: Notebook และ PySpark เบื้องต้น

• Notebook ใน Fabric และ Spark Session

• อ่านและเขียน Delta Table ด้วย PySpark DataFrame

• Select, Filter, Join และ Group By ด้วย PySpark และ Spark SQL

• ใช้ Copilot ใน Notebook ช่วยเขียนและอธิบายโค้ด

• Lab: ทำความสะอาดข้อมูลธุรกรรมและบันทึกเป็นตารางใหม่

Section 7: สถาปัตยกรรม Medallion

• ชั้น Bronze, Silver และ Gold มีหน้าที่อะไร

• ออกแบบ Lakehouse และ Workspace ให้รองรับแต่ละชั้น

• Delta Lake: MERGE, Time Travel และการดูแลตารางด้วย OPTIMIZE และ VACUUM

• ออกแบบตาราง Gold แบบ Star Schema สำหรับงานรายงาน

• Lab: ย้ายข้อมูลจาก Bronze ไป Silver และ Gold

Section 8: Lab: Warehouse และ T-SQL

• Warehouse ใน Fabric ต่างจาก Lakehouse อย่างไร และเลือกใช้เมื่อไร

• สร้างตาราง โหลดข้อมูล และเขียน T-SQL ใน Warehouse

• View และ Stored Procedure สำหรับเตรียมข้อมูลรายงาน

• Query ข้ามข้อมูลใน Lakehouse และ Warehouse

• Lab: สร้างตาราง Fact และ Dimension ใน Warehouse

Section 9: SQL Analytics Endpoint

• SQL Analytics Endpoint ของ Lakehouse ทำงานอย่างไร

• Query ข้อมูลใน Lakehouse ด้วย T-SQL แบบอ่านอย่างเดียว

• สร้าง View และเชื่อมต่อจาก SQL Server Management Studio หรือ VS Code

• Lab: เขียน Query วิเคราะห์ยอดขายจากตาราง Gold

Section 10: Lab: Orchestration และการตั้งเวลา

• รวม Dataflow Gen2, Notebook และ Stored Procedure ไว้ใน Pipeline เดียว

• ตั้งเวลาทำงาน และจัดการเงื่อนไขเมื่อ Activity ล้มเหลว

• แจ้งเตือนผลการทำงานผ่านอีเมลหรือ Teams

• ติดตามการทำงานด้วย Monitoring Hub

• Lab: Pipeline ที่รันทั้งกระบวนการจาก Bronze ถึง Gold อัตโนมัติ

Section 11: Lab: Semantic Model แบบ Direct Lake

• Import, DirectQuery และ Direct Lake ต่างกันอย่างไร

• สร้าง Semantic Model แบบ Direct Lake จากตาราง Gold

• Relationship และ Measure ด้วย DAX เบื้องต้น

• Direct Lake on OneLake กับ Direct Lake on SQL และกรณี Fallback ไป DirectQuery

• Lab: สร้าง Semantic Model ยอดขายพร้อม Measure หลัก

Section 12: Lab: รายงาน Power BI บน Fabric

• สร้างรายงานบน Power BI Service และ Power BI Desktop

• ใช้ Copilot ใน Power BI ช่วยสร้างหน้ารายงานและสรุปข้อมูล

• แชร์รายงานผ่าน Workspace App และกำหนดสิทธิ์ผู้ดู

• Lab: Dashboard ยอดขายที่อัปเดตตามข้อมูลใน OneLake

Section 13: Real-Time Intelligence และ Copilot ใน Fabric

• ภาพรวม Real-Time Hub, Eventstream และ Eventhouse

• Query ข้อมูลแบบ Real-time ด้วย KQL เบื้องต้น

• Activator สำหรับแจ้งเตือนเมื่อข้อมูลเข้าเงื่อนไข

• Copilot และ Data Agent ใน Fabric สำหรับถามข้อมูลด้วยภาษาธรรมชาติ

• Lab: ติดตามข้อมูลแบบ Real-time และตั้งการแจ้งเตือน

Section 14: Security, Governance และ Microsoft Purview

• สิทธิ์ระดับ Workspace, Item และ OneLake Security

• Row-Level และ Column-Level Security ใน Warehouse และ Semantic Model

• Sensitivity Label, Lineage และ Endorsement ของข้อมูล

• เชื่อม Fabric กับ Microsoft Purview เพื่อดูแลข้อมูลทั้งองค์กร

• ภาพรวม Git Integration และ Deployment Pipeline สำหรับแยก Dev และ Prod

Section 15: Workshop: Capstone End-to-End

• โจทย์: สร้าง Data Solution ยอดขายของบริษัทจำลองตั้งแต่ต้นจนจบ

• นำข้อมูลเข้า แปลงข้อมูลตามชั้น Medallion และตั้งเวลาด้วย Pipeline

• สร้าง Semantic Model แบบ Direct Lake และรายงานพร้อมกำหนดสิทธิ์

• นำเสนอผลงาน รีวิวร่วมกัน และสรุป Checklist ก่อนใช้ Fabric ในองค์กร