Microsoft Fabric
La plataforma SaaS unificada de analítica de Microsoft. Un único producto que reúne ingeniería de datos, data warehousing, data science, tiempo real y Power BI sobre un lago de datos común: OneLake. 🌸
🗓️ Última revisión: septiembre de 2026
¿Qué es Microsoft Fabric?
Microsoft Fabric es una plataforma de analítica todo-en-uno entregada como SaaS (Software as a Service). Antes, cuando querías montar una solución moderna de datos en Azure, necesitabas pegar con cinta adhesiva varios servicios independientes: Azure Data Factory para ingesta, Synapse para warehousing, Databricks o Synapse Spark para ingeniería, Azure ML para ciencia de datos, Event Hubs y Stream Analytics para tiempo real, y Power BI para consumir todo. Cada pieza con su propio almacenamiento, su propia facturación, sus propios permisos y sus propios dolores de cabeza.
Fabric lo fusiona todo en un único producto, con una experiencia web unificada (la misma donde vive Power BI), una sola capa de almacenamiento (OneLake), un solo modelo de capacidad, una sola gobernanza y un solo portal. No compras piezas: activas una capacidad y tienes acceso a todas las cargas de trabajo analíticas de Microsoft.
La arquitectura de Fabric, por capas
Visualmente es útil pensar en Fabric como 3 capas horizontales que se apoyan una en otra, más 2 bandas verticales, Copilot y la gobernanza y seguridad, que las cruzan de arriba a abajo porque no son un piso más, sino algo transversal a toda la plataforma:
De abajo hacia arriba: compras una capacidad (cómputo), que da servicio a un OneLake (almacenamiento), sobre el cual corren las experiencias (las herramientas de trabajo). Y cruzando las tres capas, como bandas verticales, están Copilot (la IA generativa) y la gobernanza y seguridad (Purview, permisos, RLS): no son un piso más, sino que atraviesan toda la plataforma de arriba a abajo.
MERGE. Todo eso
lo aporta Delta Lake, la capa de tabla con log de transacciones
(_delta_log) que vive encima del Parquet y es lo que convierte a
OneLake en un verdadero lakehouse, y lo que hace posible Direct Lake.
Dato kawaii 🌸: Delta lo creó Databricks (open source, bajo la
Linux Foundation), no Microsoft. Y hoy OneLake también interopera con
Apache Iceberg, otro formato abierto de tabla.
Los 3 pilares de Fabric
Si sólo te quedas con tres conceptos de Fabric, que sean estos. Todo lo demás se apoya en ellos:
1. OneLake
Un único lago de datos por organización, en formato abierto Delta Lake, accesible desde todas las herramientas. El "OneDrive de los datos": una sola copia, muchos consumidores. Sin silos, sin duplicación, sin export/import entre servicios.
2. Experiencias
Seis cargas de trabajo analíticas especializadas que comparten el mismo portal, los mismos permisos y el mismo lago. Elige la que encaje con tu problema: ETL, warehousing, ML, streaming… y todas hablan el mismo idioma.
3. Copilot
IA generativa integrada de forma transversal: genera DAX y medidas, escribe código Spark, traduce preguntas en SQL, resume informes y crea flujos de datos con lenguaje natural. Un único asistente a lo largo de toda la plataforma.
Las 6 experiencias analíticas
Una experiencia (o workload) es un conjunto de herramientas centradas en un tipo de tarea analítica. En el portal de Fabric verás un selector abajo a la izquierda para cambiar de experiencia. Cada una tiene su propio menú, sus propios artefactos y su propia interfaz, pero todas comparten workspace, permisos y OneLake.
Ingesta y orquestación. Pipelines y Dataflows Gen2 para mover datos desde cualquier origen al lago.
Spark, Notebooks PySpark y Lakehouse. Para transformar, limpiar y modelar grandes volúmenes en formato Delta.
Warehouse con T-SQL puro, transacciones multi-tabla y semántica relacional. Para quien ama el SQL tradicional.
Notebooks, experimentos MLflow, modelos ML, AutoML y despliegue integrado sobre los mismos datos del lago.
Streams, KQL Database, Eventhouse y dashboards en tiempo real para datos que no pueden esperar.
El que ya conoces: modelos semánticos, informes, dashboards y Direct Lake sobre OneLake sin ETL adicional.
Capacidades: el cómputo unificado
En Fabric no compras por servicio: compras una capacidad, que es una cantidad de cómputo medida en Capacity Units (CUs). Una misma capacidad sirve a todas las experiencias. Los SKUs se llaman F2, F4, F8… F2048, donde el número es el total de CUs (2, 4, 8, 16, 32, 64, 128, 256, 512, 1024, 2048).
- Pago por uso (PAYG): facturación por segundo, puedes pausar la capacidad cuando no la uses y dejas de pagar cómputo.
- Reservada: compromiso de 1 año a cambio de descuento (≈ 40%).
- Trial: 60 días gratis con una capacidad equivalente a F64, perfecta para aprender y prototipar.
- P SKUs (Power BI Premium), legacy en retiro: los antiguos P1/P2/P3 no se fusionaron: están en proceso de retirada. Sin Enterprise Agreement, su fin de vida fue el 1 de enero de 2026, y la recomendación oficial es migrar a SKUs F.
Explora Fabric en profundidad
Esta guía se divide en dos grandes bloques. Empieza por OneLake para entender dónde viven los datos, y luego pasa a los artefactos para conocer con qué herramientas vas a trabajarlos:
El lago de datos único de Fabric. Aprende la jerarquía tenant → workspace → item, el concepto OneCopy, el formato abierto Delta Lake, los shortcuts para conectar con ADLS, S3 y GCS sin mover datos, y el explorador de archivos integrado en Windows.
📌 Jerarquía · OneCopy · Delta Lake · Shortcuts · File Explorer · Dominios · Admin
Todos los items de Fabric organizados por experiencia. Lakehouse vs Warehouse, Notebook, Pipeline, Dataflow Gen2, Eventstream, KQL Database, Semantic Model, Activator… qué hace cada uno, cuándo usarlo y cómo se relacionan entre sí.
📌 Lakehouse · Warehouse · Notebook · Pipeline · Dataflow Gen2 · Eventstream · KQL · Semantic Model
Aprende Fabric en vídeo
🎬 Apréndelo en vídeo
VSCode para Fabric | Setup con Claude Code y GitHub Copilot + Fabric Skills
Ver en mi canal ↗
🎬 Apréndelo en vídeo
Qué es un MCP y cómo usarlo con Power BI | El idioma universal de la IA
Ver en mi canal ↗
🎬 Apréndelo en vídeo
Cómo funciona la Inteligencia Artificial por dentro | Explicado fácil
Ver en mi canal ↗