DP-700: cómo gestionar catálogos de datos en Fabric
Voy a enseñar la competencia de gestionar catálogos de datos en Microsoft Fabric, una habilidad relevante para el examen DP-700 y crítica en la práctica para organizar, descubrir y gobernar activos de datos en una solución de analytics.
Lo que necesitas saber
El catálogo de datos (data catalog) en Fabric centraliza metadatos y descripciones de los activos: tablas, views, datasets, dataflows y pipelines. Un catálogo bien gestionado permite descubrimiento rápido, comprensión del linaje (data lineage), clasificaciones de sensibilidad y políticas de acceso. En el contexto del DP-700, se espera que entiendas cómo publicar activos en el catálogo, mantener descriptores (tags, descripciones, business glossary) y usar el linaje para soportar auditoría y análisis de impacto.
Ejemplo simple: tienes una tabla de ventas creada por un notebook o pipeline. Publicar esa tabla en el catálogo incluye añadir una descripción, indicar el propietario, aplicar una etiqueta de sensibilidad (ej.: "Confidencial") y asegurar que el linaje apunta a la fuente original (Dataflow X) y a los consumidores (Power BI dataset Y). Esto mejora la confianza y facilita reacciones ante cambios.
Cómo funciona en la práctica
La gestión del catálogo en Fabric implica tres áreas prácticas: registrar y describir activos, gestionar el business glossary y usar el linaje para análisis de impacto. Sigue un paso a paso conciso para una tabla creada en Warehouse/OneLake:
- Publicar el activo: al crear una tabla en Warehouse o al registrar un dataset en Power BI/Fabric, elige la opción para publicarlo en el catálogo. Esto añade metadatos básicos (nombre, tipo, ubicación).
- Editar metadatos: abre el elemento en Data Catalog y añade una descripción clara, el propietario (contacto), contactos técnicos y una fecha de validez si procede. Ej.: "Tabla vendas_diarias: ventas por tienda; propiet.: ana.silva@acme.local".
- Clasificar con etiquetas y sensibilidad: aplica etiquetas de negocio y clasificaciones (PII, Confidencial, Público). Estas etiquetas se integran con políticas de acceso y encriptación.
- Vincular al business glossary: asocia columnas o el propio activo a términos del diccionario de negocio (ej.: "TotalVendas" -> "Receita Bruta"). Esto promueve consistencia semántica entre equipos.
- Verificar y publicar linaje: confirma los pasos de procesamiento que produjeron el activo — elecciones de ingestión, transformaciones y consumos. El linaje automático se genera generalmente, pero valídalo manualmente para garantizar precisión.
Ejemplo de acción rápida (pseudo-steps en el portal Fabric):
// No portal Fabric
1. Navega hasta Data > Data catalogue
2. Selecciona la tabla 'vendas_diarias'
3. Edit metadata -> Description: "Vendas por loja (agregado diário)"
4. Add tag -> Sensitivity: "Confidencial"
5. Link to glossary term -> "Receita Bruta"
6. Review lineage -> confirmar origem: Dataflow_X, transform: Spark_Notebook_Y
Errores comunes
1) No actualizar metadatos después de cambios: muchos usuarios publican el activo pero no actualizan descripción, columnas eliminadas o transformación, llevando a un linaje obsoleto y decisiones equivocadas.
2) Etiquetado inconsistente: usar etiquetas libres sin un estándar del business glossary hace que diferentes equipos interpreten términos de forma distinta — perjudica la gobernanza y las políticas de acceso automáticas.
3) Confiar solo en la detección automática de linaje: el linaje automático no siempre captura transformaciones complejas (scripts personalizados). Es importante validar y, si es necesario, documentar manualmente los pasos críticos.
Cómo practicar
Practica creando y gestionando activos en un entorno Fabric: crea una tabla simple a partir de un CSV en OneLake, publícala en el catálogo, crea términos en el business glossary y vincúlalos. Usa el panel de linaje para trazar dependencias entre la fuente (Dataflow) y los consumidores (Power BI). Para la preparación del examen, utiliza el Practice Assessment OFICIAL y gratuito de Microsoft y la study guide oficial — ambos gratuitos y actualizados por Microsoft. Estos recursos ayudan a alinear tu práctica con las skills measured sin reproducir preguntas del examen.
En resumen
- El catálogo en Fabric centraliza metadatos, etiquetas y linaje para mejorar descubrimiento y gobernanza.
- Publicar, describir y vincular activos al business glossary son pasos prácticos esenciales.
- Valida siempre el linaje automático y mantiene los metadatos actualizados para evitar decisiones erróneas.
- Practica en el portal Fabric y consulta el Practice Assessment oficial y la study guide de Microsoft (gratuitos) para preparar el DP-700.