Diccionario de datos en Copilot de Fabric: paso a paso

João Barros 18 de July de 2026 4 min de lectura

El objetivo es crear un Diccionario de Datos en Copilot de Fabric para una tabla del Lakehouse: una descripción clara de las columnas, ejemplos de valores y sugerencias de limpieza. Tener un Diccionario de Datos mejora la comprensión de los datos, acelera los análisis y facilita la gobernanza.

Requisitos previos

Cuenta con acceso a Microsoft Fabric y permisos para ver el Lakehouse donde se encuentra la tabla.
Tabla o archivo (CSV/Parquet) ya cargado en OneLake/Lakehouse.
Copilot activo en su organización y acceso al panel de Copilot en el workspace.
Un Notebook o espacio para guardar el resultado (por ejemplo, un Notebook en Fabric o un archivo Markdown en OneLake).

Paso 1: Identificar la tabla y recopilar contexto

Abra el workspace de Fabric y localice la tabla en el Lakehouse. Anote el nombre de la tabla y, si es posible, un pequeño conjunto de muestra (5–20 filas) para que Copilot pueda inferir ejemplos de valores. Si lo prefiere, exporte 10 filas a un archivo CSV pequeño.

Paso 2: Abrir Copilot en el contexto de la tabla

Con la tabla seleccionada, abra Copilot (icono de chat/Copilot en Fabric). Lo ideal es iniciar Copilot con el contexto de la tabla (cuando Copilot tiene acceso a los datos de su workspace, el modelo usa esa información). Si no hay contexto automático, pegue un pequeño esquema o muestra en el chat.

Paso 3: Pedir a Copilot que genere el Diccionario de Datos

Envíe un prompt claro a Copilot, solicitando un Diccionario de Datos con las columnas y campos que desea. Use este ejemplo de prompt adaptado a su caso:

Cria um Data Dictionary para a tabela 'sales_orders'. Para cada coluna, fornece: tipo provável, descrição concisa, exemplo de valor, percentagem de nulos (estimada), e 1-2 sugestões de limpeza. Mostra o resultado em formato de tabela Markdown.

Ejemplo de prompt con muestra de datos (cuando no hay acceso directo a la tabla):

Aqui estão 5 linhas de 'sales_orders':
OrderID,CustomerID,OrderDate,Amount
1001,C123,2024-01-10,250.00
1002,C456,2024-01-12,
1003,C123,2024-01-15,75.50
1004,,2024-01-20,300
1005,C789,2024-01-20,120.25
Com base nisto, cria o Data Dictionary como pedido acima.

Paso 4: Revisar y refinar el resultado

Copilot devolverá una tabla Markdown con columnas como Nombre de columna, Tipo probable, Descripción, Ejemplo, % Nulos, Sugerencias. Verifique valores inesperados y solicite refinamientos: por ejemplo, pedir que se separen tipos numéricos enteros/decimales, o que se sugieran reglas ETL concretas.

Exemplo de saída (resumo):
| Coluna | Tipo provável | Descrição | Exemplo | % Nulos (estim.) | Sugestões |
|---|---|---|---:|---:|---|
| OrderID | inteiro | Identificador único do pedido | 1001 | 0% | Verificar duplicados, chave primária |
| CustomerID | string | Identificador do cliente | C123 | 10% | Substituir vazios por 'Unknown', validar formato |
| OrderDate | date | Data do pedido | 2024-01-10 | 0% | Normalizar formato ISO; validar intervalos |
| Amount | decimal | Valor total do pedido | 250.00 | 20% | Tratar nulos, converter para decimal com 2 casas |

Si Copilot se equivoca en los tipos o ejemplos, detalle por qué cree que está mal y pida una nueva versión. Por ejemplo: «OrderDate parece contener timestamps — ajusta el tipo para datetime».

Paso 5: Guardar e integrar el Diccionario de Datos

Una vez satisfecho, copie la tabla Markdown a un Notebook en Fabric (cree un bloque Markdown) o guárdela como archivo .md en OneLake. Para integrar con la gobernanza, pegue descripciones más cortas en las propiedades de columna de la tabla (campo de descripción) en el catálogo de datos de Fabric o en el gestor de metadatos que utilice su organización.

# Passos rápidos para guardar:
1. Novo Notebook → Novo bloco Markdown → Colar tabela Markdown
2. Guardar Notebook no workspace/OneLake
3. (Opcional) Actualizar descrições de coluna manualmente no catálogo do Fabric

Verificar el resultado

Confirme que el Diccionario de Datos está completo: cada columna tiene una descripción, un ejemplo y al menos una sugerencia de limpieza. Abra el Notebook o archivo .md y revise la tabla. Pruebe 1–2 sugerencias de limpieza (por ejemplo reemplazar nulos) en una muestra para validar las recomendaciones. Si Copilot generó porcentajes de nulos estimados, calcúlelos con una query o muestra para confirmar.

Conclusión

Tener un Diccionario de Datos generado con Copilot en Fabric acelera la exploración y la documentación de sus datos. Próximos pasos: automatizar la generación del Diccionario de Datos para nuevas tablas (workflow manual con prompts estándar) e integrar metadatos en el catálogo. Consejo: cree un prompt estandarizado para su equipo para garantizar coherencia — ¿ya tiene un prompt preferido para generar descripciones?