Microsoft Fabric som dataplatform

En dataplatform spiller flere roller i en moderne virksomhed på én gang: den leverer de rapporter, ledelsen styrer efter, driver beslutninger i forretningens kerneprocesser og er samtidig eksperimentlaboratorium for AI og nye datadrevne services. De tre roller har vidt forskellige krav i tempo, formål og forretningskritisk betydning.

Vi arbejder med 3 områder i den moderne dataplatform:

Det stabile fundament. Her ligger klassisk BI og rapportering: finans, salg, HR - de dashboards og rapporter, ledelsen og forretningen styrer efter i hverdagen. Kravene til pålidelighed og datakvalitet er høje, og forandringer sker kontrolleret.

Her bruges data ikke blot til at forstå fortiden, de driver aktive beslutninger i realtid eller tæt derpå. Lagerstyring, prissætning, kundeservice, logistik. Dataplatformen er ikke længere et analyseredskab, den er forretningskritisk infrastruktur. Det stiller skærpede krav til SLA'er, overvågning, hændelseshåndtering og versionering af pipelines, nedetid eller dårlig datakvalitet rammer forretningen direkte.

Her eksperimenteres der hurtigt. Nye modeller, nye datakilder, nye ideer i et kontrolleret miljø der tillader fejl og læring uden at gå på kompromis med den øvrige drift. Det er her, machine learning og AI-løsninger typisk tager form, inden de modnes og flyttes tættere på kernen.

Én platform, flere takter

En dataplatform spiller forskellige roller i forretningen, og de roller kan ikke styres ens. Det stiller konkrete krav til arkitekturen, til måden løsninger implementeres på, og til de processer der lever omkring platformen.

Business Analytics kræver høj stabilitet og stram kontrol. Operational Analytics kræver høj tilgængelighed og robusthed. Innovational Analytics kræver frihed og agilitet.

En velfungerende dataplatform understøtter alle tre roller - men adskiller dem arkitektonisk og procesmæssigt, så de ikke bremser hinanden.

Microsoft Fabric som dataplatform

Microsoft Fabric er Microsofts samlede SaaS-dataplatform, ikke blot “BI-værktøjet fra Microsoft”, men en end-to-end platform der dækker hele kæden fra dataindsamling og transformation over data warehouse og streaming til machine learning, AI og Power BI. Det hele leveres som én samlet SaaS-oplevelse, bygget oven på ét fælles datalager, OneLake, og tæt integreret med resten af Microsoft 365- og Azure-økosystemet.

For organisationer der allerede har investeret tungt i Microsoft-stakken, giver Fabric en sammenhængende platform, hvor data, analyse og AI møder brugerne dér, hvor de arbejder i forvejen.

Én samlet SaaS-platform. Fabric leverer hele dataværdikæden som SaaS. Ingen clusters at provisionere, ingen infrastruktur at vedligeholde. Én licens- og kapacitetsmodel (F-SKU) dækker alle workloads på tværs af platformen, hvilket gør drift og økonomi gennemsigtigt og forudsigeligt.

OneLake – “OneDrive for data”. Fabric er bygget op omkring ét fælles, logisk datalager: OneLake. Al data gemmes i åbent Delta Parquet-format, og via Shortcuts kan data refereres på tværs af domæner og kilder uden at blive kopieret. Det eliminerer datasiloer uden at tvinge organisationen ind i én central dataejer.

Direct Lake og Power BI-integration. Power BI læser Delta-filer direkte fra OneLake via Direct Lake – uden import og uden DirectQuery. Det giver realtidsnær BI på store datamængder uden at skulle bygge og vedligeholde ekstra kopier af data.

Workloads til hver opgave. Fabric samler dedikerede workloads til hvert formål: Data Engineering med Spark-notebooks, Data Warehouse med T-SQL, Real-Time Intelligence med KQL og Eventstream, Data Science, Data Factory og Power BI – alle på samme data i OneLake. Det reducerer friktion mellem teams og teknologier.

Governance gennem Microsoft Purview. Lineage, følsomhedsklassifikation, adgangsstyring og compliance håndteres via Purview – ikke kun inden for Fabric, men på tværs af Microsoft 365, Azure og SharePoint. Det giver et samlet governance-lag for organisationens data, uanset hvor de lever.

Copilot og AI indbygget. Generativ AI er indbygget i hver workload – fra pipeline-transformationer og kodegenerering til naturligsprogsforespørgsler mod semantiske modeller. AI er ikke en ekstra platform, men en integreret del af udviklings- og brugeroplevelsen.

Tæt integration med Microsoft 365 og Azure. Fabric integrerer naturligt med Teams, SharePoint, Dynamics 365 og Azure AI Foundry. For organisationer der allerede har investeret i Microsoft-stakken, giver det en kort vej fra data til beslutning og fra eksperiment til produktion.

Udfordringer

At blive datadrevet er ikke primært et teknologiproblem. Det er et organisations-, governance- og arkitekturproblem. Vi ser en række tilbagevendende udfordringer for virksomheder i en datadrevet agenda:

Microsoft Fabric adresserer disse udfordringer, men kun når platformen er designet og implementeret rigtigt fra starten.

Fragmenterede datasiloer

Data lever i ERP, CRM, IoT-systemer, filservere og SaaS-platforme - og ingen har overblikket.
Mangel på datakvalitet og tillid

Rapporter fra forskellige systemer modsiger hinanden. Ingen tager ejerskab.
Skalering af analysekapacitet

Det analytiske arbejde er personbåret og lever i Excel. Skalering kræver arkitektur, ikke blot flere mennesker.
Compliance og adgangsstyring

GDPR, NIS2, sektorspecifikke krav og interne politikker gør det svært at åbne data op uden at miste kontrol.
Fra eksperiment til produktion

Machine learning-projekter der lever i notebooks og aldrig når til at skabe reel forretningsværdi.

Muligheder

En velfungerende Fabric-platform åbner for konkrete forretningsmuligheder:

Ét samlet datagrundlag

Data fra ERP, CRM, IoT og SaaS bringes sammen på tværs af systemer og domæner.
Realtidsindsigt i forretningen

Real-Time Intelligence gør det muligt at handle på data i kritiske processer, mens de sker, ikke dagen efter.
Skalerbar machine learning

Modeller flyttes fra notebooks og enkeltpersoner til produktion, hvor de skaber reel forretningsværdi i daglig drift.
AI bygget på egne data

Copilot og Azure AI Foundry kobles direkte på virksomhedens data og leverer AI-løsninger med forretningsmæssig kontekst.
Governance og sporbarhed

Microsoft Purview giver kontrol over adgang, klassifikation og dokumentation, så GDPR, NIS2 og interne politikker kan overholdes uden at lukke data inde.

Vores tekniske tilgang

Fabric er en SaaS-platform, der leveres via Microsoft Azure og er tæt integreret med det øvrige Microsoft-økosystem. Hos Immeo arbejder vi med hele Fabric-stakken:

OneLake som fælles datalager på tværs af domæner - åbent Delta Parquet-format med Shortcuts til kopifri datadeling
Microsoft Fabric Data Factory til ingestion og orkestrering via pipelines, Dataflows Gen2 og database mirroring
Lakehouse og Warehouse som to komplementære compute-modeller på samme data - Spark-baseret lakehouse og T-SQL-baseret warehouse
Fabric Notebooks (Spark) til transformation, data engineering og eksplorativ analyse i PySpark, Scala eller SQL
Real-Time Intelligence med Eventstream og Eventhouse/KQL til streaming og event-drevet analyse
Data Science i Fabric med MLflow, model registry og integrerede notebooks
Power BI med Direct Lake til semantiske modeller og BI på store datamængder uden ekstra datakopier
Microsoft Purview til datakatalog, lineage, klassificering og compliance på tværs af Fabric og Microsoft 365
Copilot i Fabric til AI-assisteret udvikling og naturligsprogsforespørgsler mod data

Platformsarkitektur

En Fabric-platform er ikke én stor klump - den er et sæt af lag med veldefinerede ansvarsområder. En typisk arkitektur hos vores kunder ser således ud:

Data hentes fra kildesystemer - ERP, CRM, IoT, filservere, SaaS-APIs - og lander i en bronze-zone i OneLake. Her gemmes data i sin råform som Delta Parquet, med minimal transformation og fuld historik.

Ingestion-laget bygges typisk med Fabric Data Factory pipelines, Dataflows Gen2 eller via database mirroring fra systemer som SQL Server, Cosmos DB og Snowflake. Til streaming og event-drevne kildesystemer anvendes Eventstream som del af Real-Time Intelligence.

Fabric arbejder naturligt med en Medallion-arkitektur i tre lag:
1. Bronze: Rådata fra kildesystemer. Upåvirket, historik bevares.
2. Silver: Renset, valideret og standardiseret data. Kernedomæner og relationer er etablerede.
3. Gold: Forretningsklare data. Aggregeringer, metrikker og datamodeller klar til rapportering, API-forbrug og ML-træning.

Transformationerne skrives typisk i Fabric Notebooks (PySpark) eller i Warehouse (T-SQL) – afhængigt af workload og kompetencer i teamet – og orkestreres via Data Factory pipelines.

Fra Gold-laget eksponeres data til rapportering og analyse via Power BI semantiske modeller, der kører i Direct Lake mode direkte mod Delta-filerne i OneLake. Det giver BI-brugerne realtidsnær performance uden ekstra datakopier. Microsoft Purview sikrer, at adgangsrettigheder og datadefinitioner er konsistente på tværs.

Eksperimenter, modeltræning og deployment sker i Fabric Data Science, med MLflow til experiment tracking og model registry. For LLM-baserede løsninger og AI-agenter integrerer vi mod Azure AI Foundry, så AI-løsningerne bygger direkte på virksomhedens egne data i OneLake.

Microsoft Purview håndterer datakatalog, lineage, klassificering og adgangsstyring på tværs af hele platformen – og strækker sig ud over Fabric til resten af Microsoft 365- og Azure-økosystemet. Dataplatformens sundhed overvåges via Fabric Monitoring Hub og integration til Azure Monitor.

Vores ekspertise

Vi bygger Fabric-platforme. Vi rådgiver ikke blot om arkitektur – vi designer, implementerer og drifter løsningerne i tæt samarbejde med vores kunder.

Data Engineering

Fundamentet for enhver datadrevet organisation er pålidelige datapipelines. Vi designer og bygger robuste ingestion- og transformationslag, der håndterer store datamængder, komplekse kildeintegrationer og varierende datakvalitet.
Vi arbejder med Medallion-arkitektur, Data Factory pipelines, Dataflows Gen2, database mirroring og Fabric Notebooks i PySpark og SQL.
Business Intelligence

Vi forbinder Fabric-platformen med de analytiske frontends, der skaber daglig værdi: Power BI med Direct Lake, semantiske modeller og paginerede rapporter.
Vi designer datamodeller, der giver forretningen præcise og pålidelige svar – og vi sikrer, at governance og performance er i orden fra Gold-laget og ud til brugerne.
Analytics & Machine Learning

Fra eksplorativ analyse til produktionsklare ML-modeller. Vi arbejder med hele livscyklussen: datapreparation, feature engineering, modeltræning, evaluering og deployment.
Vi bruger MLflow i Fabric Data Science til experiment tracking og model registry og bringer modellerne i produktion, hvor de skaber reel forretningseffekt.
AI & Agentic Applications

Generativ AI og AI-agenter er ikke separate projekter – de er naturlige overbygninger på en velfungerende dataplatform. Vi bygger RAG-baserede løsninger, AI-agenter og LLM-integrationer med Copilot i Fabric og Azure AI Foundry, der bruger virksomhedens egne data som fundament.
Platformen sikrer, at AI-løsningerne er forankrede i troværdige og aktuelle data.