Data Dictionary no Copilot do Fabric: passo a passo

João Barros 18 de July de 2026 4 min de leitura

O objetivo é criar um Data Dictionary no Copilot do Fabric para uma tabela do Lakehouse: uma descrição clara das colunas, exemplos de valores e sugestões de limpeza. Ter um Data Dictionary melhora a compreensão dos dados, acelera análises e facilita a governação.

Pré-requisitos

Conta com acesso ao Microsoft Fabric e permissão para ver o Lakehouse onde se encontra a tabela.
Tabela ou ficheiro (CSV/Parquet) já carregado em OneLake/Lakehouse.
Copilot activo na sua organização e acesso ao painel do Copilot no workspace.
Um Notebook ou área para guardar o resultado (por exemplo, um Notebook no Fabric ou um ficheiro Markdown em OneLake).

Passo 1: Identificar a tabela e recolher contexto

Abra o workspace do Fabric e localize a tabela no Lakehouse. Anote o nome da tabela e, se possível, um pequeno conjunto de amostra (5–20 linhas) para o Copilot poder inferir exemplos de valores. Se preferir, exporte 10 linhas para um ficheiro CSV pequeno.

Passo 2: Abrir o Copilot no contexto da tabela

Com a tabela seleccionada, abra o Copilot (ícone de chat/Copilot no Fabric). O ideal é iniciar o Copilot com o contexto da tabela (quando o Copilot tem acesso aos dados do seu workspace, o modelo usa essa informação). Se não houver contexto automático, cole um pequeno esquema ou amostra no chat.

Passo 3: Pedir ao Copilot para gerar o Data Dictionary

Envie um prompt claro ao Copilot, pedindo um Data Dictionary com as colunas e campos que pretende. Use este exemplo de prompt adaptado ao seu 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.

Exemplo de prompt com amostra de dados (quando não há acesso directo à tabela):

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.

Passo 4: Rever e refinar o resultado

O Copilot irá devolver uma tabela Markdown com colunas como Nome da coluna, Tipo provável, Descrição, Exemplo, % Nulos, Sugestões. Verifique valores inesperados e peça refinamentos: por exemplo, pedir para separar tipos numéricos inteiros/decimais, ou para sugerir regras 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 |

Se o Copilot errar nos tipos ou exemplos, detalhe porque acha que está errado e peça uma nova versão. Por exemplo: "OrderDate parece conter timestamps — ajusta o tipo para datetime".

Passo 5: Guardar e integrar o Data Dictionary

Uma vez satisfeito, copie a tabela Markdown para um Notebook no Fabric (crie um bloco Markdown) ou guarde como ficheiro .md em OneLake. Para integrar com a governação, cole descrições mais curtas nas propriedades de coluna da tabela (campo de descrição) no catálogo de dados do Fabric ou no gestor de metadados que utilizam na organização.

# 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 o resultado

Confirme que o Data Dictionary está completo: cada coluna tem uma descrição, um exemplo e pelo menos uma sugestão de limpeza. Abra o Notebook ou ficheiro .md e reveja a tabela. Teste 1–2 sugestões de limpeza (por exemplo substituir nulos) numa amostra para validar as recomendações. Se o Copilot gerou percentagens de nulos estimadas, calcule-as com uma query ou amostra para confirmar.

Conclusão

Ter um Data Dictionary gerado com o Copilot no Fabric acelera a exploração e a documentação dos seus dados. Próximos passos: automatizar a geração do Data Dictionary para novas tabelas (workflow manual com prompts padrão) e integrar metadados no catálogo. Dica: crie um prompt standardizado para a sua equipa para garantir consistência — já tem um prompt preferido para gerar descrições?