• Comprendre l’architecture “SaaS” et l’unification des workloads.

• Le concept de OneLake : “Le OneDrive de la donnée”.

• Gestion des Workspaces, des capacités (F-SKUs) et de la sécurité.

• Mise en place de raccourcis (Shortcuts) vers Azure ADLS ou AWS S3.

• Data Factory : Création de Pipelines de données et Dataflows Gen2.

• Utilisation de Lakehouses vs Data Warehouses.

• Introduction au format Delta Parquet et son importance.

• Utilisation des Notebooks pour le nettoyage de données complexe.

• Introduction à PySpark pour le traitement distribué.

• Gestion des bibliothèques et des environnements Spark.

• Création de tables, de vues et de procédures stockées en T-SQL.

• Différences entre le SQL Endpoint du Lakehouse et le Synapse Data Warehouse.

• Stratégies d’indexation et optimisation des requêtes.

• Connexion de Power BI à Fabric : Le mode DirectLake (la performance de l’Import sans le rafraîchissement).

• Création de modèles sémantiques optimisés.

• Utilisation de DAX pour répondre aux besoins métiers complexes.

• Déploiement via les Deployment Pipelines.

• Intégration avec Git pour le contrôle de version.

• Surveillance des capacités et gestion des coûts.

• Lineage des données et conformité avec Microsoft Purview.

• Gérer une solution d’analytique des données (25 à 30%)

• Préparer des données (45 à 50%)

• Implémenter et gérer des modèles sémantiques (25 à 30%)

• Implémenter la sécurité et la gouvernance

  • Implémenter des contrôles d’accès au niveau de l’espace de travail

  • Implémenter des contrôles d’accès au niveau de l’élément

  • Implémenter le contrôle d’accès au niveau des lignes, au niveau des colonnes, au niveau de l’objet et au niveau du fichier

  • Appliquer des étiquettes de confidentialité aux éléments

  • Approuver les éléments

  Maintenir le cycle de vie de développement des analyses

  • Configurer le contrôle de version pour un espace de travail

  • Créer et gérer un projet Power BI Desktop (.pbip)

  • Créer et configurer des pipelines de déploiement

  • Effectuer une analyse d’impact des dépendances en aval à partir de lakehouses, d’entrepôts, de dataflows et de modèles sémantiques

  • Déployer et gérer des modèles sémantiques à l’aide du point de terminaison XMLA

  • Créer et mettre à jour des ressources réutilisables, y compris des fichiers de modèles Power BI (.pbit), des fichiers de source de données Power BI (.pbids) et des modèles sémantiques partagés

• Obtenir des données

  • Créer une connexion de données

  • Découvrir des données à l’aide du catalogue OneLake et du hub Real-Time

  • Ingérer ou accéder aux données selon les besoins

  • Choisir entre un lac, un entrepôt ou un entrepôt d’événements

  • Implémenter l’intégration de OneLake pour les modèles eventhouse et sémantique

  Transformer les données

  • Créer des vues, des fonctions et des procédures stockées

  • Enrichir des données en ajoutant de nouvelles colonnes ou tables

  • Implémenter un schéma en étoile pour un lakehouse ou un entrepôt

  • Dénormaliser les données

  • Données agrégées

  • Fusionner ou joindre des données

  • Identifier et résoudre les données en double, les données manquantes ou les valeurs Null

  • Convertir des types de données de colonne

  • Filtrer les données

  Interroger et analyser des données

  • Sélectionner, filtrer et agréger des données à l’aide de l’Éditeur de requête visuelle

  • Sélectionner, filtrer et agréger des données à l’aide de SQL

  • Sélectionner, filtrer et agréger des données à l’aide de KQL

  • Sélectionner, filtrer et agréger des données à l’aide de DAX

• Concevoir et générer des modèles sémantiques

  • Choisir un mode de stockage

  • Implémenter un schéma en étoile pour un modèle sémantique

  • Implémenter des relations, telles que des tables de pont et des relations plusieurs-à-plusieurs

  • Écrire des calculs qui utilisent des variables et des fonctions DAX, telles que des itérateurs, un filtrage de table, un fenêtrage et des fonctions d’informations

  • Implémenter des groupes de calcul, des chaînes de format dynamique et des paramètres de champ

  • Identifier les cas d’usage pour et configurer un format de stockage de modèle sémantique volumineux

  • Concevoir et créer des modèles composites

  Optimiser les modèles sémantiques à l’échelle de l’entreprise

  • Implémenter des améliorations des performances dans les requêtes et les visuels de rapport

  • Améliorer les performances de DAX

  • Configurer Direct Lake, y compris le comportement de secours et d’actualisation par défaut

  • Choisir entre Direct Lake sur OneLake et Direct Lake sur les points de terminaison SQL

  • Implémenter l’actualisation incrémentielle pour les modèles sémantiques

Construction complète d’une plateforme analytics, de l’ingestion de données brutes jusqu’au dashboard de pilotage.

• 20% Théorie / 80% Pratique : Chaque module se termine par un atelier pratique dans un environnement Fabric réel.

• Quiz de préparation : Questions blanches types pour la certification DP-600.