FabCon-2026 в Атланті: стратегічний та технічний розбір того що Microsoft робить правильно, а де досі відстає

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Мене звати Юрій Юрченко. Я Senior Data Engineer у американській компанії, що займається превентивною ідентифікацією небезпечних хвороб. Паралельно розвиваю власну консалтингову практику з фокусом на дата-інжиніринг в AI та Microsoft Fabric. Цього року мав нагоду бути одночасно учасником і спікером на FabCon-2026 — найбільшій у світі конференції, присвяченій флагманській дата-платформі Microsoft. Конференція пройшла 16–20 березня 2026 року в Атланті, штат Джорджія. Це був потужний мікс нових анонсів, живого нетворкінгу, і відвертих розмов про те, куди рухається індустрія даних.

У цій статті я хочу поділитися головними анонсами, технічним глибоким аналізом ключових функцій у флагманському продукті Microsoft у сфері даних — Microsoft Fabric, порівнянням Fabric із Databricks та Snowflake і чесною думкою про те, що в Fabric уже працює, а що — поки ні. В кінці я хочу поділитися власним досвідом, як вдосконалюватися в області даних, розуміти поточні тренди і не просто бути в темі, а й передбачати розвиток ситуації в даних та рухатися на випередження. Ця стаття може бути корисною інженерам, консультантам у сфері даних та людям, які сприяють розвитку ДАТА-складової в продуктових чи сервісних компаніях. Моєю метою було виокремити ключові моменти з конференції, структурувати їх і підготувати практичну підсумкову рекомендацію з подальшими діями.

TL;DR: 5 головних висновків з FabCon-2026

Якщо у вас немає 15 хвилин на прочитання цієї статті — ось суть, коротко та по ділу:

— Fabric отримує вбудоване планування й бюджетування — тепер не потрібен окремий інструмент для FP&A-сценаріїв.

— AI-агенти входять у Fabric як first-class жителі — Microsoft робить ставку на автоматизацію аналітичних задач через агентський підхід.

— Новий портал для підключення баз даних спрощує інтеграцію — Microsoft хоче, щоб Fabric став єдиною точкою входу для будь-яких джерел даних.

— OneLake закріплюється в центрі всієї архітектури — концепція «одне озеро даних для всього» нарешті набуває конкретної форми.

— Microsoft Fabric стає дедалі зрілішою, хоча люди все ж скаржаться, що деякі фічі все ще сирі — чесний розбір на детальному рівні нижче.

Чим є Fabric у 2026 році і чому конференція FabCon важлива

Для контексту: Microsoft Fabric — це SaaS-продукт, який вийшов на ринок відносно нещодавно. 23 травня 2023 року відбувся public preview, і вже 15 листопада того ж року продукт став загальнодоступним. І хоча Microsoft не новачок на ринку даних, цей ринок уже був щільно зайнятий нішевими гравцями. Серед них був Databricks (компанія, чиї інженери свого часу створили Apache Spark і яка активно інвестує мільярди доларів в AI). Також у цій грі брав участь Snowflake, який задавав ритми у сфері великих даних, починаючи з 2014 року. Говорячи про задачі та цілі продукту, Microsoft Fabric, як SaaS-платформа, закриває питання побудови централізованої хмарної дата-аналітики, комбінуючи більшість раніше доступних та нових сервісів Microsoft: звітність у Power BI, дата-пайплайни, сховища та озера даних, і, звісно ж, AI. З цієї точки зору конференція FabCon — це щорічна подія, яка за традицією презентує новинки та перспективи розвитку продукту — Fabric, а також виконує інші важливі завдання — збирає технологічну спільноту, показує успішні кейси і окреслює roadmap продукту на наступні квартали та роки. Для дата-спільноти це головний сигнал того, куди Microsoft спрямовує індустрію даних — і просто ігнорувати його ризиковано, оскільки гравці ринку, хоч і грають окремо, але все ж домінують у загальних підходах, і конкуренція змушує переймати все найкраще у суперника. Цьогоріч конференція зібрала близько 8000 людей з усього світу.

Головні анонси: куди Microsoft веде ринок дата-аналітики

Тут давайте поговоримо про основні анонси. Анонсів було багато. Насправді, Keynote-сесії зайняли майже пів дня та зібрали великий зал розміром зі стадіон. Далі я наводжу те бачення головного, яке в мене сформувалося на основі почутого та коментарів під час дискусій з моїми колегами з різних куточків світу. Поїхали.

Система бюджетування та планування

Microsoft Fabric офіційно виходить на ринок FP&A (Financial Planning and Analysis). Таким чином, як частина Фабрики (Fabric IQ), була представлена підсистема для ведення бюджетування та планування. Хоча це й логічний розвиток подій, це суттєво змінює позиції Майкрософт, виводячи Microsoft Fabric на зовсім інші горизонти — і не лише. Я матиму більш детальні дискусії на цю тему далі.

Database Hub

Майкрософт додає Database Hub у Фабрику — інструмент для одночасного керування всіма підтримуваними базами даних у межах і поза нею. Це підвищує її вагу на ринку Enterprise-систем і стабілізує управління. Таким чином, крок за кроком, Microsoft Fabric переходить від рішення для управління невеликою чи середньою компанією до рівня корпорації. Ця стратегія чітко простежується й наразі за іншими сигналами, такими, як Real-Time Intelligence та іншими.

Data Agents

Дата агенти офіційно представлені як одна з функціональних одиниць у Microsoft Fabric IQ — тієї самої підсистеми, де й був анонсований модуль Planning. Це означає, що починають зʼявлятись нові тренди, які, у свою чергу, зʼявилися як наслідок експансії простої LLM до рівня агентів. Тепер агенти отримують контекст, і ми маємо Data Agents. Тепер можна не лише переглядати дані в ріпортах, а й спілкуватися з ними. Цей новий альтернативний спосіб ще на етапі тестування на ринку. Але мені здається, що шляху назад уже немає.

Партнерство з NVidia

Нове партнерство з Nvidia в області моделювання тривимірної реальності додає ваги старанням Майкрософт не лише побудувати цілісну дата-платформу, а й інтегрувати її в бізнес, з використанням саме даних в реальному часі — RTI (Real-Time Intelligence) — та емулюючи реальність. Таким чином, пропонований Майкрософт підхід до RTI в разі довгострокового успіху може призвести до кардинальної експансії Microsoft Fabric в абсолютно інші ринки, такі як авіація та логістика, де 3D-моделювання є ключовим для оптимізації роботи та виявлення потенційних ризиків в реальному часі.

Mirroring

Mirroring дозволяє здійснювати завантаження даних (data ingestion) майже в реальному часі та з мінімальними зусиллями й ресурсами. Також ця технологія може бути частиною ширшого паттерна — на кшталт концепції декларативних пайплайнів даних. І хоча Data Mirroring була анонсована ще раніше, саме на Фабконі були представлені нові джерела, які підтримуються цією технологією. Таким чином, Майкрософт спрощує потенційну інтеграцію уже існуючих систем даних, з мінімальними затримками та навантаженням/ Це може в разі успіху вилитись в більш легкому порозі для імплементації цієї системи в наявне середовище більшості компаній, що може призвести до збільшення попиту на заміни старих систем на нові.

Deep dive: що реально нового під капотом

Тепер давайте поговоримо конкретно — що нового, що старого, що великого, що маленького сталося в різних закутках Фабрики як платформи з управління даними.

OneLake і архітектурні зміни

Почну з того, що за задумом Майкрософт, OneLake — це ядро всієї системи з організаційної точки зору. Все або майже все крутиться навколо OneLake як основи для зберігання даних. Усі дельта-таблиці, ноутбуки, семантичні моделі та решта обʼєктів знаходяться в Fabric OneLake. Одна з стратегій Майкрософт щодо OneLake наразі зосереджена на підвищенні сумісності OneLake з іншими хмарами. Наприклад, нещодавно була анонсована кросс-сумісність OneLake з SnowFlake, що перейшла в статус General Availability. Така сама ситуація з Azure Databricks Unity Catalog — наразі він стає доступним в One Lake.

Трохи раніше був випущений OneLake Explorer — аналог Windows Explorer з можливістю легко взаємодіяти з OneLake, а також легко інтегрується в Windows. Персонально можу сказати, що в цілому OneLake Explorer зручний, але ще треба трохи попрацювати над косметикою — сама організація даних у ньому часто плутає, дані виглядають змішаними, наприклад, з ноутбуками, але решта речей працює добре.

Підсумовуючи, One Lake — це ядро. Про це повторили на конференції багато разів, і це довгострокова стратегія Майкрософт.

Ріпортинг, Power BI та Дата Агенти

Основні зміни на цьому фронті стосуються кількох питань. Щодо стратегічних парадигм — Майкрософт дедалі більше фокусується на семантичних моделях як на основі для роботи АІ-агентів. Це важливо знати, тому що, закладаючи фундамент дата-аналітики, дуже бажано вже зараз це враховувати: будувати гарні семантичні моделі, створювати інтуїтивні назви полів та додавати бізнес-опис.

Інша новина в тому, що Direct Lake на базі One Lake переходить в стабільний статус (General Availability). Ця технологія дозволяє безпосередньо поєднувати дані з різних LakeHouse та Warehouse у звітах, ухиляючись від необхідності оновлювати моделі.

І ще одна ключова новина — у Фабриці зʼявляються дата-агенти як частина Fabric IQ. На що тут важливо звернути увагу, — це інтерфейс дата-агента, який стає новою альтернативою поточним репортам. Або доповнення до них — сприймайте, як хочете.

Що це значить? Раніше були дата-пайплайни. Наприклад, дата пайплайна для транзакцій за замовленнями. На базі цього пайплайну було сформовано семантичну модель. На базі семантичної моделі побудовано звіт. Що зараз працює по-іншому, то це те, що до класичного звіту додається альтернатива — дата-агент. Тепер ви можете вибрати одну або кілька моделей даних як джерело даних і на базі них створити агента. І тепер користувач може не просто дивитися ріпорт і клацати його, а говорити з даними в дата-агенті. З моєї точки зору, це звучить перспективно, але справа, як завжди, в тому, як це використовувати. Генеративний АІ завжди приносить елемент невизначеності: які дані будуть вибрані, з якої таблиці, і тому подібне. Чи можна це назвати критичним обмеженням? Ні, якщо правильно це обробляти. Але це треба щонайменше брати до уваги на етапі дизайну. Ми нещодавно хостили експерта з Майкрософт, який про це розповідав в нашій юзер-групі в деталях та на конкретних прикладах.

Дата-агенти наразі активно розвиваються, і наразі стратегічно вигідно це брати до уваги, і, що саме головне, розбиратися, як ця технологія працює, для того, щоб створювати готові для цього моделі даних та впроваджувати нові можливості для бізнесу.

AI та Fabric Copilot

Загалом, функція Copilot — це бути помічником користувача в Фабриці, маючи доступ до контекстної інформації. Іншими словами, якщо я працюю над створенням Spark Notebook для трансформації даних, я хочу мати помічника, який прямо в ноутбуці допоможе мені писати код, знаходити потрібні таблиці тощо. Якщо я працюю над дизайном звіту чи дашборду — та сама історія.

Чіткий тренд, який можна простежити — і FabCon була тому живим доказом — полягає в тому, що Microsoft інвестує чимало сил у Copilot. Що я можу додати від себе, це те, що все ж таки поки цей Copilot часто помітно програє в точності відповідей таким інструментам, як, наприклад, Claude. З іншого боку, Copilot має значну перевагу в контексті. Він все краще та глибше починає розуміти навколишні дані, і як результат, його можна запитувати специфічні питання, як-от які таблиці, метрики, і тому подібне вибрати — і він буде давати точні відповіді.

Тепер давайте пройдемося по основних зонах у Фабриці, де є Copilot, і подивимося, як він там працює. Для дата-інженера Copilot досить добре інтегрований у Spark-ноутбук. Враховуючи той факт, що програмування в Python та Spark може бути значно полегшеним із використанням AI, це досить розумний хід з боку Майкрософт. Також цей помічник досить добре розуміє, які джерела даних підʼєднані, які таблиці в них є. І тому він може автоматизувати деякі питання, як-от видати список таблиць чи щось таке.

Почати виробляти звичку використовувати також роду помічників може стати гарним початком, оскільки замість того, щоб думати про код, можна переключати увагу більше на розробку бізнес-рішень, а АІ зробить технічну роботу. Причому для дата-інженера цей помічник доступний і на рівні Spark Notebook і на рівні комірки з кодом (cell). Перший може бути використаний для запитів на зразок: як покращити весь ноутбук, чи додати Data Cleaning, чи додати логування. Рівень специфічної комірки може допомогти на більш точковому рівні, щоб підправити, оптимізувати окремі ділянки коду.

Цей помічник від Майкрософт зараз присутній майже в кожному підпродукті Фабрики. До прикладу, я знайшов його в Data Pipelines (колишньому Data Factory). Але коли я спробував щось зробити з ним, результат був не вау, на рівні всієї пайплайни. Але краще, коли треба писати елементи формул одразу там. Це свідчить про те, що в різних частинах фабрики одна й та сама технологія працює на різних етапах зрілості. Тому якщо ви спробували цю технологію в одному місці і отримали позитивний чи негативний результат, то в іншому місці результат може бути абсолютно інший. Тому не очікуйте і не розчаровуйтеся. У будь-якому разі, крім усього цього, Fabric Copilot еволюціонує й стає дедалі кращим. Ось ця картинка з конференції метафорично показує: я навіть жартував із друзями, як люди розподілилися за інтересами: АІ (зліва) та інші фундаментальні речі (справа).

Real-Time Intelligence

Почну з великих, хоча й трохи далеких, новин. Майкрософт почала обʼєднувати зусилля з Nvidia для емуляції фізичної реальності, де RTI (Real-Time Intelligence) є частиною цього процесу. Це переслідує мету, щоб емулювати роботу різних відділів аеропортів чи інших динамічних систем, з метою покращення їх операційної ефективності та безпечності. Це важливо, бо це показує фінальну мету RTI. До прикладу, одним із запрошених гостей на FabCon Key Notes був директор Delta Air Lines, однієї з найбільших авіакомпаній США, де він розповідав про поточну співпрацю з Microsoft у цьому напрямку.

На технічному рівні, Фабрика використовує RTI, який генерує дані в реальному часі, а далі Fabric IQ може їх перетворювати в бізнес-сигнали також в реальному часі. І вже NVIDIA Omniverse Libraries конвертують їх у 3D-зображення та симуляцію для прийняття оперативних рішень.

Тепер давайте спустимося на більш прикладний наразі рівень і поговоримо, а що ж, власне, нового додалося тут. Ми маємо попередні компоненти, такі як Real-TIme Hub, Event Stream, Event House для управління потоками даних та їх джерелами, а також Real-Time Dashboards для візуалізації в реальному часі. Але тепер ми маємо ще й Activator і Anomaly Detector для виявлення потрібних сигналів чи піків в даних та послідуючого інформування або запуску необхідних процесів, як проективна реакція в реальному часі.

Також були анонсовані більш високорівневі абстракції для використання — динамічні карти, бізнес-івенти (для виокремлення не просто сигналів, а бізнес-сигналів, як-от «Клієнт може бути втрачений», «Затримка відправлення»). Це важливо, тому що це показує зміну фокусу Майкрософт з технічного рівня на бізнес-рівень, а далі вже можуть додаватися AI-агенти й інші речі, щоб автоматизувати реакцію.

Підсумовуючи, можна сказати, що на конференції було видно, що Real Time Intelligence не просто залишається напрямком для розвитку продукту, а й Microsoft бачить її як стратегічний напрямок з дуже конкретними бізнес-кейсами для вирішення.

Fabric IQ та Бізнес Онтологія

Fabric IQ по своїй суті є гібридом бізнес-ядра, AI та, власне, джерел даних. Дата-агенти, структурно, хоч і були згадані раніше, також є частиною Fabric IQ. Також були анонсовані Operational Agents, які виконують роль спостерігачів. Вони стежать за даними в реальному часі та реагують на аномалії, запускаючи необхідні процеси.

Вперше Fabric IQ як підсистема була представлена наприкінці 2025 року, тож наразі це ще дуже молода технологія. І вже зараз ми маємо багато шуму навколо її компонентів — таких, як дата, операційні агенти та онтології.

Для загального контексту — мета Fabric IQ — апгрейдити Фабрику з технічної платформи даних до так званої розумної платформи. Це має на меті перемістити фокус продукту Фабрики з технічних впроваджень на вирішення бізнес-проблем за допомогою Фабрики. В підтвердження цього, на Fabcon-2026 ми мали кілька презентацій, присвячених власне її дата- та операційним агентам, business ontology та іншим її компонентам, як-от графам, плануванню. Ще одним елементом стало те, що ми бачимо, як Microsoft не просто заходить, а, можна сказати, вривається в цілий новий бізнес-напрямок — FP&A (Financial Planning and Analysis), не лише з технічною складовою, а й зі стратегічно підготовленою платформою. Це інтригує і залишає багато можливих цікавих поворотів — подивимося.

Також, говорячи про деталі, були згадані графи як компонент Fabric IQ — із підтримкою стандарту GraphQL. GraphQL, хоч поки що й мало зрозумілий для багатьох інженерів та практиків, тим не менш, абсолютно змінює парадигму обробки інформації, переміщуючи кут зору з «що робиться» на «як частини бізнес-систем взаємодіють одна з одною».

Це посилається на сигнал, що Microsoft і справді дивиться далеко вперед під час розробки свого продукту. Для нас же важливо зрозуміти, що це все за технології та для чого вони можуть бути використані в бізнесі.

Підсумовуючи, я можу додати, що фактично Fabric IQ — це така собі надбудова для налаштування бізнес-рівня над технологічним каркасом з попередніх технологій. Ця технологія обʼєднує весь бізнес в одну систему, живиться нижчими рівнями, як-от семантичними моделями, звʼязує планування з аналітикою, додає тригери для реагування на зміни, використовуючи Data Activator. Звісно ж, дата-агенти та операційні агенти забезпечують AI-фронт для всього цього та можливість інших видів взаємодії користувача з системою. Підсистему Fabric IQ потрібно сприймати наразі як молодого єдинорога. Вірогідність того, що ця технологія стане вирішальною для Фабрики, дуже висока. І таким чином Майкрософт також відкриває собі дорогу в великий ентерпрайз, де потрібні такі об’єднуючі парасольки.

Пайплайни даних, інтеграція даних, Data Factory та Spark ноутбуки

Як я згадував раніше, один із перспективних напрямків, над яким працює Майкрософт, — це Mirroring у Фабриці. Це коли, використовуючи CDC (Change Data Capture) та інші механізми, можна за цілком прийнятною ціною досягти синхронізації даних у режимі Near-Real-Time. У списку сумісності з’явилися Delta-таблиці, Snowflake views, а Oracle перейшов у стабільну фазу (General Availability). І це справді може бути геймченджером для компаній — так як вирішується проблема рівня Data Ingestion.

Ще одна фіча, яка додалася, — це Database Hub в Фабриці, наразі в early access статусі. Додам від себе — судячи з усього, Майкрософт будує мета-рівень над доступом до різних баз даних, за межами Фабрики. Додаючи сюди потенціал АІ-агентів, ми підсилюємо маневреність та операційний контроль над різними системами під однією парасолькою Фабрики. Як я казав раніше, це дуже цікавий стратегічний крок, який з однієї сторони дає швидкі плоди — кращий governance, з іншої — створює стратегічне вікно можливостей автоматизації управління базами даних на ентерпрайз-рівні уже зараз, і надаватиме опції додавати АІ пізніше.

Також в Public Preview з’явилася Fabric Runtime 2.0. Технічно це звучить гарно — Spark 4.0, Delta 4.0 і так далі. Але, по суті тут треба врахувати дві речі. Перше — ми маємо тип VARIANT у Spark — це важливо, оскільки semi-structured дані мали з цим проблему раніше. Друге — ризики, які потрібно враховувати, — це Public Preview. А це означає, що критичні помилки тут можуть бути прямо в самому серці критичних дати пайплайнів (і люди кажуть, що такі є). Тому придивляємося, але з обережністю.

Серед косметичних моментів, які додалися, — це гарний Copilot у Spark-ноутбуках, а також усіма довгоочікувана функція, щоб при Exception у Spark-ноутбуку помилка відображалася одразу зверху, а не захована по всіх рівнях класів в error log. Дрібниця, а приємніше працювати тепер, та й час економить.

Підсумовуючи, дата-інженерія розвивається. Не так швидко, як у Data Bricks, за деякими напрямками. Але прогрес є, прогрес гарний, з коментарями час від часу по специфіці.

Адміністрування, управління даними, Purview

Тут хочу прокоментувати — видна чітка логіка: Майкрософт починає дедалі більше вкладатись у зрілість платформи, доробляючи не лише функціональні елементи, а й стабілізуючі. OneLake-каталог отримує Public API. Це одразу дає змогу створювати спеціалізовані рішення для адміністрування. Також це сприяє легшій інтеграції Фабрики з AI.

Щодо управління потужностями (Capacity Management) — додається новий функціонал, який потенційно вирішує проблему з лімітами, повʼязаними з Reserved Capacity. До прикладу, організація купувала Capacity, скажімо, F32, а потім, коли це перевищувало їхні можливості, система починала автоматично блокувати активності в Фабриці, часто критичні, з метою повернення до запланованого рівня використання. І це створювало проблеми. Тепер, хоча це не безкоштовно, все ж таки це нововведення дає додаткову гнучкість у використанні цього Capacity, коли я можу без додаткових доналаштувань дозволити системі списувати більше грошей, але дозволяти обробляти оці пікові ситуації.

Говорячи мовою трендів та закономірностей, простежується те, що управління Capacity в Фабриці стає більш функціональним і потужним. Чи це добре? В цілому так, оскільки це додає можливості вирішити проблеми використання ресурсу постфактум, якщо щось було не враховано спочатку. Хоча фінансовий відділ компаній-замовників, що виділяє ресурси на такі проєкти, може дивитися на це і по-іншому.

Інфраструктура

Значно покращилися можливості спеціалізованих середовищ (Environments) для Spark Notebooks. Наприклад, коли ми створюємо таке середовище та підключаємо потрібні нам бібліотеки. Раніше це спричиняло додаткову затримку під час запуску ноутбуків, оскільки кластер був холодним і потребував часу на запуск. Тепер вони стартують, як обіцяє Майкрософт, за кілька секунд, якщо кластер правильно налаштований, завдяки розігріву.

В напрямку CICD додалася можливість вибирати окрему гілку, коли потрібно працювати з одиничними об’єктами, замість того, щоб кожен раз перестворювати всі об’єкти при перемиканні на гілку, пов’язану з невеличкою фічею. Також додана можливість бачити, що додається перед тим, як перемикатися на іншу гілку. Раніше цього не було.

Підсумовуючи цей підрозділ, можна зробити висновок, що інфраструктурна частина Фабрики стає зрілішою та стабільнішою.

Fabric vs Databricks vs Snowflake: що змінилося після FabCon 2026

Тепер давайте подивимося на ситуацію з ринком дата-аналітики ширше і розглянемо основні моменти з FabCon-2026 в трохи ширшій проекції. Для цього я хочу порівняти досягнення Microsoft у Фабриці з іншими аналогічними продуктами. Серед них я б виділив Databricks і Snowflake.

Databricks за останній час в 2026 році інвестував багато грошей та сил в АІ-функціонал, серед якого Agent Bricks — цей інструмент обєднує одразу кілька інструментів, і дозволяє виконувати складні, багатокрокові ітерації по генерації коду, вичитці логів, з контекстом, і по відгуках, з високою якістю. Genie Code, який виконує роль асистента з кодингу в ноутбуці, допомагає програмувати дата-пайплайни прямо в ноутбуці. Ну і памʼятаємо, які витоки в Databricks — Apache Spark був створений тими ж людьми, які зараз керують Databricks.

Якщо ми візьмемо той самий Snowflake, то тут ми маємо подібні тенденції — Cortex Code виконує роль асистента в програмуванні. Snowflake інвестує в підтримку відкритих стандартів, таких як Iceberg. Історично, Snowflake робив революцію в даних без необхідності налаштовувати інфраструктуру в хмарі, з майже безмежним масштабуванням.

Fabric же почала свою еволюцію з Power BI, з подальшим додаванням Microsoft Azure Cloud, потім Spark, а потім і інших компонентів. Ця історична тенденція й визначає, як Fabric рухається до цього часу.

На мою субʼєктивну думку, якщо порівнювати Fabric, Databricks, та Snowflake, можна виділити наступні закономірності:

— Databricks може бути гарним плацдармом для любителів гарної інженерії, Machine Learning і технологічності. Інженери люблять цю систему.

— Snowflake може працювати гарно для тих, хто орієнтується на SQL, та хто вже інвестував багато в цю платформу. Також Snowflake має сильне ком’юніті. Мені ця система нагадує Databricks, але з фокусом на SQL.

— Fabric може бути гарним плацдармом для компаній з гарною інтеграцією в Microsoft-інфраструктуру, сильним інтегрованим ріпортингом та необхідністю інтеграції з іншими системами.

Загалом, всі три продукти впроваджують свою версію АІ-філософії, все більше відкриваються до інших систем як до джерел даних, та мають своє вузьке ком’юніті аматорів.

Мої hot-takes: що я думаю насправді про Microsoft Fabric

Тепер, давайте я поділюся своєю думкою, що мене вразило, розчарувало та що я відчуваю трохи перегрітим в поточній версії Фабрики, як післясмак відвідування конференції. Я буду тут відкритим настільки, наскільки я можу бути.

Що мене вразило

Загалом мені сподобалися три речі в стратегії Майкрософт та в результативному продукті.

По-перше, Майкрософт закладає міцний фундамент для використання AI.

По-друге, фабрика стає все більш зрілою з точки зору адміністрування та управління, що проявляється в додаванні інструментів для управління Capacity, додаванні розширених можливостей для менеджменту One Lake, стає більш зрілим інфраструктура, підтримка версійності, як от можливість використовувати окремі фіча-бранчі без повного перестворення ресурсів.

По-третє, мені подобається, як Фабрика розвивається горизонтально, коли вона додає підтримку інших технологій і таким чином зменшує витрати на інтеграцію з іншими системами. Тут я можу згадати такі речі, як Database Hub, який дозволяє централізовано моніторити бази даних, включаючи ті, які не з Фабрики, і відкриває можливості для використання агентів АІ на рівні всієї інфраструктури. Також можу згадати про ширшу підтримку синхронізації майже в реальному часі з Oracle та іншими базами даних, використовуючи mirroring та Change Data Feed.

Окремим пунктом я хочу згадати додавання функціональності бюджетування до Фабрики. За цим кроком, насправді, стоїть набагато більше, ніж просто нова функціональність. Таким чином, Майкрософт встромляє ногу в двері абсолютно нового ринку і з точки зору даних додає не лише аналіз пост-фактум, а й прогнозування майбутнього. Комбінуючи це з АІ, Майкрософт може покрити одразу 3 потреби — аналітику з аналізом минулого, проактивні дії в реальному часі (NRT-рипортинг, ML-моделі з короткостроковими прогнозами) та стратегічне планування й подальший його аналіз. Це може бути сильним стратегічним кроком.

Що мене розчарувало

Одна із проблем, з якими стикається Фабрика, — це те, що користувачі час від часу скаржаться на технічну незрілість окремих компонентів продукту, особливо в контексті притертості різних функціональних блоків між собою. Я памʼятаю перший реліз Фабрики, і там не було папок. Або наразі, якщо ми візьмемо поточний OneLake Explorer, дуже складно зрозуміти його структуру папок та віднайти, не помилившись, що і де. Те ж саме щодо Capacity. І загалом самі критичні речі зазвичай вирішуються швидко, але деякі менш критичні потребують додаткових workaroundів, щоб досягти прогресу. Хочеться сподіватися, що Майкрософт це коли-небудь вирішить. Але мені більше здається, що це частина філософії швидкої експансії на ринок: продукт активно розвивається вглиб і вшир, але залишається ось цей шлейф недовирішених питань, які потім накопичуються, пріоритизуються і вирішуються у міру можливості.

Що поки маркетинг, а не продукт

З мого особистого досвіду, АІ у фабриці — це все ж таки ще більш стратегічний крок, ніж інструмент з сильною користю, який може надати перевагу в швидкості розробки або по-іншому впливати на продуктивність. Коли я тестував поточний Copilot, наприклад, у ноутбуках, де він один із найзріліших, він показував результати як добрі, але не зразкові. Платні вендори, як-от Claude чи ChatGPT, часто давали набагато кращі результати, коли потрібно було вирішити якесь комплексне питання, наприклад, написати API-функцію для якоїсь служби чи щось складніше. Коли я спробував використати Copilot, щоб допомогти мені транслювати результати з Capacity Metrics App, я також витратив набагато більше часу. І нових питань було більше, ніж відповідей, якби я просто відкрив додаток і перевірив те, що мене цікавить. Тож якщо припустити, що АІ дуже перегрітий у Фабриці, то краще було б відкласти його впровадження? Я так не вважаю. На мою думку, це про те, як Майкрософт привчає своїх користувачів до думки про АІ, напрацьовує нові сценарії та кейси його використання й крок за кроком його вдосконалює. На даний момент все ж таки потрібно дивитися на речі реально і не мати ілюзій щодо сьогоднішнього дня. Сьогодні ще АІ не змінить життя компанії, пайплайни не побудуються самі, дані самі не організуються, а звіти в Power BI не створять себе і не почнуть приносити дохід. Ще час для цього моменту не настав. Особисто я вкладаю багато часу в розуміння того, що і як робить Майкрософт. Але я стараюсь бути чесним із собою — я більше роблю це як бізнес-інвестицію, ніж як одномоментне очікування результатів.

Мій виступ на FabCon і які питання ставили в залі

Тепер я розкажу свою історію про те, як я потрапив на FabCon. Історія розпочалася ще кілька років тому, коли я почав брати участь у ролі спікера на SQL Saturday-івентах. Якщо бути ще точнішим, спочатку я почав брати участь в ораторському кружку ToastMasters, і потім вирішив бути спікером на SQL Saturday. Після двох років такої участі, поєднаної з роботою в консалтингу, де я з самого першого дня впроваджував рішення на базі Microsoft Fabric, я відчув, що готовий до рівня FabCon. Проблема була в темі презентації. Врешті, за 10 днів до крайнього терміну, я таки засабмітив презентацію до FabCon. Тема зʼявилась майже спонтанно. Якраз перед цим, ми боролися з нестачею ресурсів та їх оптимізації в компанії, де я працюю, і якраз це мене і спонукало поділитись з людьми з усього світу, як ми вирішували цю проблематику. Я був приємно вражений, коли за кілька тижнів я отримав підтвердження, що я спікер. На додачі до позитивних емоцій додалося сильне відчуття відповідальності. Квиток на Фабкон коштує кілька тисяч доларів, і люди, які туди приїжджають, іноді витрачають по 15–20 годин на переліт. У залі переді мною було близько 200 людей з усього світу. І я був дійсно вдячним цим людям, які присвятили свій час обговоренню теми, яку я розкривав.

Моя ціль була — пояснити, як працює в Фабриці Capacity Management, які стратегії можна застосувати для більш планомірного використання ресурсів та для того, щоб мати більш стабільну з точки зору безперебійності роботу Фабрики, збалансовану за купленими та використовуваними ресурсами. Тому що ключова річ, яка використовується в Фабриці, — це механізми стримування перевантажень (bursting, smoothing and throttling), і водночас, якщо перевантаження ресурсу відбувається, система не зупиняється одномоментно — вона розмиває це перевантаження. Але якщо перевантаження накопичується, то врешті-решт система починає запускати механізм Throttling, а потім і Rejection. І якщо тема звучить просто, то іноді дуже складно зорієнтуватися в моменті: що робити, як відновити систему, щоб вона працювала стабільно, і як управляти перевантаженнями.

Що мені подобається в таких презентаціях рівня FabCon: люди приходять з питаннями, люди позитивні, і саме головне — люди відкриті до нової інформації. Це значно спрощує обговорення складних інженерних питань і підвищує ймовірність знайти хороші рішення. Після презентації я мав цілу чергу людей з питаннями як от вирішити те чи це, а в кінці до мене підійшла одна одна з відповідальних за розробку даного компоненту в Фабриці, і ми мали гарну хоч і лаконічну дискусію на тему що далі планується з Fabric Capacity Management.

Практичні висновки за ролями

Давайте тепер підсумуємо практичні висновки, які можна зробити після відвідування FabCon. Давайте розкладемо їх по поличках і ролях. Головний принцип, який я буду використовувати, — якщо ми не можемо перемогти поточні тренди, то маємо використовувати їх на свою користь і на користь компанії, в якій ми працюємо.

Для дата-інженерів

Я почну з дата-інженерів, оскільки я сам дата-інженер. І на дата-інженерах, власне, і тримається вся дата-інфраструктура.

Для Дата інженерів, я думаю, точно варто спробувати кілька речей уже цього тижня:

1) Якщо ви використовуєте Version Control, то варто спробувати створити окрему бранчу під час розробки нового елемента. Зараз уже не буде перестворення всіх ресурсів, як раніше.

2) АІ в формі Copilot. Точно варто спробувати. Він є майже в кожному інструменті Фабрики. Чи допоможе він вам — з високою ймовірністю? Чи буде він ефективніший за платним ChatGPT чи Claude — по-різному може бути. Але саме в тому, в чому він може допомогти, — це в мінімумі контекстного перемикання. Також на що я звернув увагу: за теорією книжки Atomic Habits сама звичка відмічати й час від часу використовувати кнопки Copilot виробляє гарні звички на майбутнє. Сьогодні я розробляв пайплайн і звернув увагу, що зʼявилася кнопка біля редактора формул в Data Factory. Це класно. Я раніше не любив писати ці формули, а тут — ось такий мед, ще й у контексті.

3) Тип даних Variance у новій версії Runtime в Spark — також можна спробувати для тих, хто багато працює з завантаженням semi-structured даних.

4) У Spark Notebooks, читання Materialized View — корисне для тих, хто будує пайплайни в декларативному стилі.

5) Mirroring — класна фіча, і якщо є можливість позбавитися трудомісткого Data Ingestion, замінивши його цією технологією, то чому б і ні. Я б почав із Proof of Concept, щоб протестувати цю технологію на стабільність і те, скільки ресурсів вона споживає.

6) Ще є дві корисні речі, про які не всі знають. По-перше, було анонсовано Fabric Jump-Start. Можете загуглити це. Ідея проста — ви за 3 хвилини можете розгорнути у себе в тенанті міні-PoC-проєкт. Наприклад, ви можете обрати Real-Time Intelligence-проєкт з бібліотеки проєктів і мати його у вашій Фабриці для тестування та презентації. Це може зекономити багато сил, якщо треба швидко протестувати технологію, а часу обмаль. Саме в цей момент і можна скористатися цією бібліотекою, створеною колективними зусиллями. Друге — не всі знають про Git-репозиторій fabric-tools, розташований безпосередньо під основним репозиторієм Microsoft. Там можна знайти цікаві речі. Ось приклад: я наразі мерджу туди скрипт, який дає змогу мати доступ до всіх таблиць у всіх Lakehouses, що є просто незамінним, коли треба віднайти якісь дані, а документація була, як завжди.

Для BI-аналітиків і Power BI-девелоперів

В людей, які займаються побудовою аналітичних репортів та моделей, схоже, додається ще одна стежка — вивчати, як дата-агенти працюють в Фабриці та як робити дата-моделі, сумісні з АІ. Уже сьогодні спробуйте побудувати просту модель, на якій створити звіт і дата-агент. Протестуйте з точки зору бізнес-користувача, наскільки зручний дата-агент. Також спробуйте Copilot, щоб він побудував вам ріпорт і спростив вашу роботу або віднайшов щось цікаве для бізнесу в даних.

Говорячи про тренди, я фіксую, що все більше технічних аналітиків та ріпорт-девелоперів заглиблюються в зони бізнес-аналітиків або АІ-інженерів. Таким чином, потрібно додавати нові навички; одного знання ріпортингу уже недостатньо. І краще напрацьовувати ці навички уже зараз. Тому що потім, через 5 років, краще, замість того, щоб сидіти на лавці безробітних і казати, що АІ нас замінив, говорити: «Памʼятаєте, який незграбний АІ був 5 років тому назад, і як вправно я зараз його використовую». Якщо Фабрика і екосистема — ваші, починайте все більше дивитися в бік Fabric IQ. Це значно підсилить ваше розуміння того, як Фабрика може допомагати бізнесу вирішувати питання. А заодно й підсилить вашу професійну цінність.

Щодо трендових наразі дата-агентів. Дата агенти можуть доповнити поточний статичний ріпортинг. Розуміти, як це працює, уже зараз важливо. Тому якщо маєте Фабрику, спробуйте уже сьогодні створити простого дата-агента та поспілкуйтеся з ним, зрозумійте, як це працює, які бонуси та ризики тягне за собою. Якщо ви навчитеся вправно створювати дата-агентів на додачу до графічних репортів, а також будете вирішувати бізнес-проблеми — ви будете ще довго залишатися безцінним ресурсом для компаній та й на маркеті загалом. І тут ремарка: Python може бути новим викликом і новою нагодою для Вас, тому що гарні дата-агенти зазвичай виходять за рамки графічного інтерфейсу, і часто пишуться на Python. Із гарної новини: наразі Python може бути невеликою проблемою, враховуючи, що LLM досить добре його розуміє і може сильно допомогти з написанням коду на початку. Головне — розуміти ази і фундаментальні речі.

Для тім-лідів і дата-архітекторів

Ключовий посил для тімлідів та дата-архітекторів — фабрика стає більш керованою й зрілою. І це добре. Тепер найголовніше — знати про всі нововведення та використовувати їх. Зараз ми ще раз підсумуємо їх.

Наступний не менш важливий посил — АІ вже не хайп, а інструмент. І важливий момент: якщо Ваша організація чи замовник працює з чутливими даними, важливо, щоб ці дані були доступні лише для довірених АІ-асистентів. Фабрика з її вбудованим AI-асистентом виглядає так. Перевіряйте HIPAA-коплаєнс, коли, до прикладу, працюєте з Healthcare-даними з США; беріть до уваги інші обмеження, коли використовуєте АІ на персональних чи комерційних даних.

І крайній посил — якщо Ви продаєте рішення, Ви, напевне, звернули увагу, що префікс «АІ» часто автоматично підвищує ціну на 20 і більше відсотків. Тому використовуйте це, додаючи фразу під час неформальних розмов, що безпечний та ефективний АІ — це також важливо. Це додасть Вам професійності без втрати цього тренду «АІ всюди».

Тепер давайте вернемося до першої ідеї стосовно того, що можна спробувати уже зараз, щоб зробити Фабрику керованішою. Я поділюсь кількома ідеями:

1) Коли додаєте новий WorkSpace, ви, можливо, звернули увагу, що там є опція — бізнес-домен. Використовуйте це, оскільки, маючи десятки чи сотні робочих середовищ (Workspace), це додасть структури. А пізніше АІ-агент, можливо, зможе використати цю інформацію.

2) Fabric Jump-Start може бути швидкою утилітою для прототипування. Я її згадував в розділі для інженерів глибше.

3) One Lake Catalog, Capacity Management App та інші утиліти з цієї серії мають стати вашими друзями. Почитайте про них, протестуйте їх.

4) Спробуйте Database Hub для керування зовнішніми базами даних і поділіться своїми враженнями.

5) Якщо вам чогось не вистачає у Фабриці — знайте, що є Fabric API. Багато рутинних задач, на які інженери витрачають години чи навіть дні, — можна автоматизувати. До прикладу, потрібно зробити аудит 1000 таблиць по всіх Lakehouses — 2 години програмування, і ви матимете Python-скрипт для читання всіх таблиць (або скоро зможете скористатися моїм, який я мерджу в fabric-tools repo). Можна робити майже все — читати ноутбуки, пайплайни, ролі тощо. Єдиний нюанс — враховуйте: Fabric API має pagination. Це означає, що якщо хтось цього не врахував, то замість прочитаних 500 таблиць може виявитися лише 100 — лише з першої сторінки відповіді API.

6) Якщо Вам потрібно розуміти, до чого все йде — погугліть Fabric Roadmap. Цей ресурс покаже Вам найближчі перспективи на рік

7) Фабрика має окремий розділ «Known Issues». Якщо інженери довго не вирішують задачу через якусь незрозумілу помилку, — є сенс подивитись туди. Особливо це стосується нових релізів, таких як Runtime 2.0, чи продуктів у статусі In Preview.

8) Якщо потрібна ще ширша допомога, є окремий Microsoft Fabric форум. Зазвичай, перша відповідь на питання приходить за 2–4 години. Я сам чесно беру час від часу в цьому участь, в обох ролях — і задаючи питання, і відповідаючи. Використовуйте цей ресурс, але не забувайте говорити «Дякую».

9) Якщо потрібна свіжа інформація з перших рук, є багато user-груп, зазвичай в США. Одну з них ліджу я. Використовуйте цей ресурс. Він безкоштовний, а спікери часто дуже серйозні. Нещодавно ми мали спікера з Microsoft на тему AI-агентів. Щоб знайти ці групи, достатньо зареєструватися на Meetup і пошукати їх. Також є окремий розділ в Майкрософті, де всі ці групи зібрані за локаціями. Якщо у когось виникла ідея створити власне User Group — пишіть в дірект в Лінкедін, з радістю розповім організаційні деталі, бонуси, складнощі, та все інше, і допоможу чим зможу.

Про що думати зараз, щоб бути конкурентним через рік

Моя порада тут дуже проста.

Перше — які б тренди не виходили на перший план, один тренд лишається завжди майже беззмінним — відстежуйте, як ваша робота впливає на бізнес, де вона збільшує прибутковість, а де зменшує розтрати. В епоху АІ діє простий принцип — люди цінуються за користь, а не за інженерні знання.

Друге: якщо ви розробник і хочете мати серйозний успіх у Фабриці, подумайте про персональний тенант Фабрики для експериментів. Маючи персональний тенант, ви зможете набагато ширше бачити продукт і проводити ті експерименти, які складно виконати, використовуючи передналаштовану версію на роботі. Такий тенант, якщо працювати розумно, мені обходиться в 20–30 доларів на місяць. Якщо ж хочете пробувати взагалі безкоштовно, Databricks має безкоштовну альтернативу, щоб спробувати писати на Spark та інші речі. Маючи все це, спробуйте зосередитися на розв’язанні бізнес-завдань. До прикладу, замість тестування АІ-функцій в Spark, спробуйте налаштувати проєкт, який сканує обʼєкти на Гугл-карті, та надає різноманітні сентимент-оцінки по відгуках користувачів. Таким чином, ви вивчатимете продукт в реальних умовах, а не в теорії.

Третє. Балансуйте між глибиною та шириною знань. Фабрика наразі вже є цілою екосистемою. Ми часто жартуємо між собою, що вже нереально бути експертом у всій фабриці. Занадто багато всього. З іншого боку, в цьому і немає потреби, навіть архітекторам. Тому фокусуйтеся на вашій спеціалізації, копайте вглибину, а ширину освоюйте за допомогою таких публікацій, як ця, експериментів, user-груп, професійних обмінів думками з колегами. Залучайте AI і не соромтеся цього робити. Коли я допомагаю іншим вивчати Фабрику, я фокусую їх на навичці писати гарний prompt, більше ніж на те, як писати код. Це не означає, що треба ігнорувати фундамент. Фундамент завжди треба розуміти. До прикладу, в Spark, якщо людина не знає, що таке партиціонування або Z-order в таблиці, це проблема. Те саме, якщо людина не знає, що таке pagination в API. Але точно менш критичним є, якщо людина не памʼятає якусь специфічну команду, яка не належить до ключових у Python, Spark чи деінде.

Також, додаю цікаві ресурси, згадані раніше. Можете вивчати їх і використовувати для свого розвитку.

1. Fabric Roadmap: https://roadmap.fabric.microsoft.com/
2. Fabric — Known Issues: https://support.fabric.microsoft.com/known-issues/
3. Fabric Forum: https://community.fabric.microsoft.com/
4. Fabric User Group Utah: https://www.meetup.com/microsoft-fabric-and-data-engineering-group/
5. Fabric Jump Start: https://jumpstart.fabric.microsoft.com/
6. Fabric Tools: https://github.com/microsoft/fabric-toolbox/

Підсумки

Підсумовуючи FabCon-2026, можна сміливо сказати, що AI-агенти виходять на перший план. Також Фабрика здобуває інструмент планування на додаток до аналізу, що відкриває ще ширші можливості для її впровадження як цілісної бізнес-дата-платформи. Покращуються та згладжуються всі решта компонентів у Фабриці, що зменшує тертя між її активними користувачами та, власне, самим продуктом. Це те, що лунало різними словами на Фабконі, найбільшій конференції від Майкрософт, присвяченій даним. Наступний Фабкон-Європа відбудеться в Барселоні цього року, а американський — в тому ж місці, Атланті, в 2027 році, у березні. Усі ці конференції виконують роль майлстоунів у розвитку продукту. Всі продуктові команди готуються до них, і я підозрюю, що, можливо, навіть планують розвиток продукту з урахуванням цих дат.

Якщо подивитися ширше на ситуацію, не лише з позиції Майкрософт, а й у дата-індустрії, то ми впевнено можемо помітити такі тренди.

По-перше, уже ніхто не говорить про Big Data. Big Data — це вже опція за замовчуванням. Те саме відбувається з інтеграцією — всі платформи-лідери тим чи іншим способом мають вирішити проблему під’єднання до різних джерел даних, а не лише до своїх власних. Cloud-версія дата-платформ набирає все більшої ваги, хоча й сектор OnPrem даних залишається потужним. Зараз всі борються за лідерство в новому світопорядку в даних з АІ. Майкрософт це робить фокусуючись на бізнес-баченні та фабриці з різними компонентами, Датабрікс — на впровадженні ідеального середовища для інженерів, Snowflake — на розбавленні консервативного SQL-орієнтованого підходу іншими технологіями та впроваджуючи АІ куди тільки можна. Побачимо, до чого це все приведе. І якщо 2025 рік був роком генеративного АІ, а 2026 рік є роком агентського АІ, то цікаво, чим буде 2027 рік. Моя гіпотеза — що 2027 рік буде роком бізнес-прориву за допомогою агентського та інших видів АІ, де на перше місце ставитимуться вже не технології, а результати їх впровадження. І такі конференції, як FabCon, слугуватимуть лакмусовим папірцем, щоб продемонструвати досягнення та закласти фундамент для подальших дій.

А що думаєте Ви? Напишіть в коментарях, поділіться власним досвідом роботи з різними технологічними платформами, включаючи Фабрику. Які з поточних анонсів вам найбільше сподобалися, які розчарували, а які заінтригували?