【 Microsoft Fabric 】是什麼？從 0 到 1 的入門整理
這幾年，如果你常聽到 Azure、Synapse、Dataflow、OneLake、Delta Table 這些名詞，但又覺得彼此之間的關係好像永遠搞不懂，那你一定要認識 Microsoft Fabric。
Fabric 是微軟推出的一個資料平台，簡單說，就是把過去分散在不同工具的功能「整合成一套可共用的資料環境」，讓資料工程師、分析師、商業使用者都能在同一個平台上工作，省去資料來回搬運與重複建模的麻煩。
Microsoft Fabric 的整體定位與願景
Microsoft Fabric 是一個為所有資料角色打造的一站式資料分析平台。目的是要整合原本分散的資料服務，如 Power BI、Azure Synapse 和 Data Factory，讓資料工程師、分析師、資料科學家和業務主管等不同角色能在同一平台上使用各自的工具，並共享同一份資料。
核心目標包括：
• 打破資料孤島 (OneLake)。
• 讓各部門角色共用平台。
• 支援多種語言，如 SQL、DAX、Python、R、Spark。
• 雲端原生且安全整合 (透過 Azure AD)
Fabric 七大模組一次搞懂：角色、順序與常見應用
Fabric 其實它們就像是一個專案中不同的職務分工，只要按照正確的順序使用，就能把資料處理流程從混亂變成有條理。
下面我用一個常見的例子：訂單報表專案，來拆解這七個模組在實務上的位置與作用。
| 實務順序（範例） | Fabric 模組 | 對應角色 | 備註 | 類似工具 |
|---|---|---|---|---|
| 1️⃣ 搬資料： 每天自動搬 SharePoint 的 Excel，匯入 OneLake | Data Factory (資料工廠) | 資料工程師 | 負責 ETL (萃取、轉換、載入)、資料搬運與轉換流程 | Google Dataflow |
| 2️⃣ 清理資料： 拆欄位、清空值、分類商品 | Data Engineering (資料工程) | 資料工程師 | 使用 Spark notebook 和 Delta table 處理大數據 | Colab |
| 3️⃣ 建模型： 建立「訂單、客戶、商品」關聯表、設主外鍵 | Data Warehouse (資料倉儲) | 資料工程師 / 分析師 | 使用 T-SQL 建立高效能的資料倉儲 | BigQuery |
| 4️⃣ 製作報表： 建 KPI 圖表與部門儀表板 | Power BI (商業智慧) | 商業分析師 / 決策者 | 建立報表、視覺化和 DAX 計算 | Looker Studio、Tableau |
| 5️⃣ 模型預測： 用模型預測下月熱門商品 | Data Science (資料科學) | 資料科學家 | 進行建模、預測和 ML (機器學習) pipeline | JupyterLab、Vertex AI |
| 6️⃣ 即時查詢： 即時顯示庫存或網站流量變化 | Real-Time Analytics (即時分析) | 即時分析人員 | 使用 KQL 查詢即時資料流 | Kafka + BigQuery |
| 7️⃣ 自動通知： 若存量低於 10，自動寄信通知採購員 | Data Activator（預覽功能） | 無 | 搭配 Power Automate 建立通知流程 | Google Cloud Storage + BigLake |
*資料來源:Microsoft官方網站
Power BI 和 Microsoft Fabric 有什麼不同？從實務操作談兩者的角色定位
當我第一次接觸 Microsoft Fabric 的時候，心裡其實冒出一個大問號：
「Power BI 不就已經可以連資料、清理資料、建模、畫圖表、還可以自動排程刷新報表，那我還需要 Fabric 做什麼？」
這個問題，說真的很多 Power BI 使用者（特別是用得還不錯的那種）都會有。畢竟在 Power BI Desktop 裡，我們幾乎已經能完成一條龍的資料處理和分析工作——從資料清理（Power Query）、模型設計（關聯與 DAX）、報表視覺化、甚至還能設定排程更新。
但真的深入 Fabric 之後，我發現它其實不是要「取代」 Power BI，而是幫 Power BI 把整個資料流程變得更清晰、更自動化、也更適合團隊協作。
那什麼情況下你應該選 Power BI？什麼時候該上 Fabric？
這裡我舉幾個實際場景，幫你快速對照：
✅ 適合用 Power BI 的情況：
- 你只是處理 Excel 或簡單 SQL 的資料，資料量不大
- 一人負責報表，資料變動不頻繁
- 不需要與其他人共用資料處理流程
- 報表更新靠手動或每日簡單排程就足夠
✅ 適合用 Microsoft Fabric 的情況：
- 你們有來自多個系統（ERP、CRM、Excel、API）的資料來源
- 資料每天或每小時都會更新，要能排程處理
- 同一份資料需要不同部門共用或分析
- 要在報表中觸發動作（例如點按鈕更新狀態）
- 想把資料處理過程模組化，便於維護與擴充
Power BI 就像是你自己手上的分析小工坊，靈活又快速。
Fabric 則像是一間大型的資料處理工廠，把資料搬運、清理、建模、預測全部模組化自動化，最後再交由 Power BI 呈現分析結果。
所以，如果你現在用 Power BI 已經覺得「資料越來越多、更新越來越麻煩、模型越來越難整理」，這時候就是 Fabric 可以切入的最好時機。
我自己在教學時，會先讓學生從 Power BI 開始學分析、建模；等他們遇到「欄位太亂」、「檔案太多」、「需要共用」、「需要自動更新」這些問題，我再引導他們認識 Fabric。這樣不僅容易理解，也更能體會兩者的差異與協作方式。
