Microsoft Fabricin heinä–syyskuun päivityksiä yhdistää selkeä teema: data-agentit ja Fabric IQ kypsyvät kokeiluista tuotantokäyttöön. Kvartaalin merkittävimmäksi kokonaisuudeksi nostaisin Fabric IQ:n.
Kesällä julkaistu Fabric IQ on Fabricin semanttinen kerros, joka kokoaa organisaation liiketoimintamääritelmät yhteen ja auttaa ihmisiä ja tekoälyagentteja tulkitsemaan dataa samalla tavalla. Kyse ei ole vain teknisestä yksityiskohdasta: jotta tekoäly voi toimia oikein yrityksen liiketoimintaympäristössä, sen on ymmärrettävä käsitteet, löydettävä tarvittava tieto ja tunnistettava luotettavat lähteet. Sen on myös tiedettävä, kuka saa käyttää tietoa ja mihin tarkoitukseen sekä miten yrityksessä toimitaan. Kollegani Henri Valjus avaa aihetta tarkemmin blogissaan, jota suosittelen kaikille, jotka haluavat tekoälyn ymmärtävän juuri oman yrityksensä liiketoimintaa.
Fabric IQ sisältää useita työkaluja: ontologian, graafin, data-agentit, operaatioagentit, Power BI:n semanttiset mallit ja Planningin. Näistä ensimmäisten joukossa yleisesti saataville tuli Planning, joka on yhdessä Lumelin kanssa kehitetty ratkaisu budjetointiin, ennustamiseen ja skenaariolaskentaan suoraan Fabricissa. Se tuo budjetit ja ennusteet samalle data-alustalle toteumaraportoinnin kanssa. Yhteiset määritelmät tekevät luvuista suoraan vertailukelpoisia ja vähentävät täsmäyttämistä. Samalla tekoäly saa toteumien rinnalle näkymän myös organisaation suunnitelmiin. Suunnittelu siirtyy siis sinne, missä data jo on. Myös Planningista Henri on koonnut hyvän katsauksen.
Fabric IQ on vahvasti esillä myös kvartaalin muissa päivityksissä. Data-agentteja voi nyt hyödyntää Copilot Studiossa, ja Fabric IQ MCP Server tuo tekoälysovellusten ulottuville samat hallitut Power BI -mallit ja mittarit, joita raportoinnissa jo käytetään.
Kvartaalin uudistukset eivät kuitenkaan rajoitu tekoälyyn, vaan myös alustan perusta vahvistuu. Fabric Runtime 2.0 ja Git-integraation kehitystyökalut ovat nyt yleisesti saatavilla, SQL Server -tietokantojen siirtoa tukee oma migraatioavustaja ja tietoturvan sekä käyttöoikeuksien hallinta tarkentuu.
Juuri tämä kokonaisuus tekee Fabricista kiinnostavan. Yksittäisiä ominaisuuksia olennaisempaa on, että alusta kehittyy samanaikaisesti monella rintamalla ja auttaa organisaatioita valmistamaan datansa tekoälyn aikakauteen.
Seuraavaksi käyn kuukausittain läpi heinä–syyskuun kiinnostavimmat uudistukset. Keskityn yleisesti saatavilla oleviin (General Availability, GA) eli tuotantokäyttöön valmiisiin ominaisuuksiin. Fabric IQ:hun ja Planningiin en tässä syvenny enempää, sillä kummastakin on oma kirjoituksensa.
Lisätietoa uudistuksista löydät Microsoftin virallisista Fabric Updates Blog ja Power BI Updates Blog -julkaisuista – tai vielä helpommin kysymällä meiltä efimalaisilta.
Microsoft Purviewn DLP-käytännöillä (data loss prevention) voidaan nyt rajoittaa automaattisesti pääsyä Fabric-kohteisiin, joissa havaitaan arkaluonteista tietoa. Rajoitus voidaan kohdistaa joko vierailijakäyttäjiin tai kaikkiin käyttäjiin. Työtilan pääkäyttäjät säilyttävät pääsyn, jotta havaittuun tilanteeseen voidaan puuttua.
Mitä tämä tarkoittaa käytännössä? Arkaluonteisen tiedon havaitseminen ei enää jää pelkäksi hälytykseksi, joka edellyttää jälkikäteen tehtäviä toimenpiteitä. Pääsy dataan voidaan rajoittaa heti. Muutos on erityisen olennainen esimerkiksi rahoitus- ja terveydenhuoltoalan kaltaisilla säännellyillä toimialoilla.
Tekoälyagentit voivat nyt käyttää Fabricia MCP-palvelimen (Model Context Protocol) kautta ilman paikallista asennusta. Palvelimen kautta agentti voi esimerkiksi tehdä hakuja OneLake-katalogista, hallita työtiloja ja käyttöoikeuksia, tutkia kansioita sekä tarkastella kapasiteettitietoja. Toiminnot noudattavat Fabricin roolipohjaisia käyttöoikeuksia ja kirjautuvat sen auditointilokeihin.
Mitä tämä tarkoittaa käytännössä? Fabricin ylläpito- ja hallintatehtäviä voidaan automatisoida tekoälyagenttien avulla siten, että olemassa olevat käyttöoikeudet ja toiminnan jäljitettävyys säilyvät.
Haarautetut työtilat (branch workspace), valikoiva haarautus sekä muutosten vertailu ja tallentaminen versionhallintaan ovat nyt yleisesti saatavilla. Myös kohteiden massavienti- ja -tuonti-API on poistunut beta-vaiheesta, ja sen varaan rakentuvan avoimen lähdekoodin fabric-cicd-työkalun bulk-toiminto on tuotantovalmis.
Mitä tämä tarkoittaa käytännössä? Fabric-kehitys lähestyy entisestään tavanomaisen ohjelmistokehityksen toimintamalleja. Kehittäjät voivat työskennellä eristetyissä työtiloissa, ja muutokset voidaan viedä hallitusti ja automatisoidusti versionhallinnan kautta eteenpäin.
Pääkäyttäjät voivat jakaa yhden työtilan SQL-laskentaresurssit useaan itsenäiseen pooliin ja määrittää kullekin oman prosenttiosuutensa. Kyselyt ohjataan oikeaan pooliin sovelluskontekstin perusteella, ja jako skaalautuu kapasiteetin mukana.
Mitä tämä tarkoittaa käytännössä? Laskentaresursseja voidaan kohdentaa aiempaa hallitummin eri käyttötarkoituksiin. Näin liiketoimintakriittiset raportit eivät hidastu, vaikka samaan aikaan ajetaan raskaita ad hoc -kyselyitä tai -latauksia.
Spark-klustereita voidaan pitää valmiiksi käynnissä haluttuina aikoina, omat kirjastot valmiiksi asennettuina. Microsoftin omissa testeissä notebook-istunto käynnistyi parhaimmillaan noin viidessä sekunnissa. Ominaisuus edellyttää maksullista Fabric-kapasiteettia.
Mitä tämä tarkoittaa käytännössä? Esimerkiksi aamun ajot ja interaktiivinen analyysi voidaan käynnistää nopeammin, kun klusterin käynnistymistä ei tarvitse ensin odottaa.
Copy Job voi nyt siirtää muutostiedon kaappauksen (change data capture, CDC) avulla vain lähteessä tapahtuneet lisäykset, päivitykset ja poistot. Lisäksi se tukee Slowly Changing Dimension Type 2 -dimensioiden historiatiedon tallentamista. Copy Job lisää kohteeseen Valid_From-, Valid_To- ja Is_Current-sarakkeet ja ylläpitää niitä automaattisesti.
Mitä tämä tarkoittaa käytännössä? Esimerkiksi kustannuspaikkahierarkian kaltaisten dimensioiden muutoshistorian tallentaminen tietovarastoon helpottuu. Aiemmin erillistä toteutuslogiikkaa vaatinut toiminnallisuus voidaan nyt ottaa käyttöön asetuksilla.
Google BigQueryn ja SharePoint-listojen peilaus (mirroring) OneLakeen on nyt yleisesti saatavilla.
Mitä tämä tarkoittaa käytännössä? SharePoint-listoihin tallennettua operatiivista dataa ja pienempiä rekistereitä voidaan tuoda raportoinnin käyttöön ilman erillistä integraatiota. Samoin BigQueryssa sijaitsevaa dataa voidaan tuoda OneLakeen muun datan rinnalle.
Fabric IQ MCP Server tarjoaa MCP-yhteensopiville tekoälysovelluksille ja -agenteille pääsyn Fabricissa hallittuun liiketoimintadataan. Ensimmäisessä vaiheessa tuettuina ovat Power BI -raportit ja semanttiset mallit. Sovellus voi löytää semanttisia malleja, tarkastella niiden metatietoja sekä suorittaa DAX-kyselyitä malleihin, joihin käyttäjällä on käyttöoikeus.
Semanttisen mallin rivi- ja objektitason tietoturva säilyy käytössä, joten käyttäjä pääsee käsiksi vain dataan, johon hänellä on oikeus. Microsoft kertoo laajentavansa tukea myöhemmin ontologioihin ja data-agentteihin.
Data-agentit voivat nyt myös esittää vastauksiaan visualisointeina, kuten viiva-, pylväs-, piirakka-, hajonta- ja aluekaavioina.
Mitä tämä tarkoittaa käytännössä? Tekoälysovellukset voivat hyödyntää samoja hallittuja Power BI -malleja ja liiketoiminnan mittareita, joita organisaation raportoinnissa jo käytetään. Näin tekoälyn hyödyntämistä voidaan rakentaa olemassa olevan, hallitun tietopohjan päälle.
Liiketoimintatapahtumia, kuten tehty tilaus, epäonnistunut maksu tai tietyn rajan alittava varastosaldo, voidaan nyt julkaista notebookista, User Data Functionista tai Activatorista yhteisellä, hallitulla skeemalla. Eventstream, Eventhouse ja Activator voivat hyödyntää samoja tapahtumia toisistaan riippumatta.
Mitä tämä tarkoittaa käytännössä? Sama liiketoimintatapahtuma voidaan tuoda useiden järjestelmien tai prosessien hyödynnettäväksi ilman, että jokaisen välille rakennetaan omaa räätälöityä integraatiota.
Fabricin datatyökuormien tekninen perusta päivittyi. Runtime 2.0 tuo mukanaan muun muassa Apache Sparkin version 4.1, Delta Laken version 4.2 ja Python 3.13:n. Heinäkuussa esikatseluun julkaistu Runtime 2.0 on nyt yleisesti saatavilla.
Mitä tämä tarkoittaa käytännössä? Fabricin datatyökuormissa voidaan hyödyntää uudempia avoimen lähdekoodin teknologioita ja niiden parannuksia osana alustan normaalia kehitystä.
Fabriciin sisäänrakennettu Migration Assistant ohjaa SQL Server -tietokannan siirtämisen Fabriciin vaihe vaiheelta. Se tuo tietokannan rakenteen DACPAC-tiedostosta, tarkistaa sen yhteensopivuuden ja opastaa tarvittavissa korjauksissa ennen rakenteen ja datan siirtämistä Fabric SQL -tietokantaan.
Rakenteen yhteensopivuuden voi tarkistaa myös erikseen ilman uuden tietokannan luomista tai kapasiteetin kuluttamista.
Mitä tämä tarkoittaa käytännössä? SQL Serveristä Fabriciin siirtymistä suunnitteleva organisaatio pystyy arvioimaan migraation vaatimuksia ja mahdollisia yhteensopivuushaasteita ennen varsinaisen siirron aloittamista.
MQTT-protokollaa käyttävä laite- ja IoT-data voidaan nyt tuoda Eventstreamiin yleisesti saatavilla olevalla liittimellä. Mukana on tuki TLS/mTLS-salaukselle ja yksityisverkkoyhteyksille.
Mitä tämä tarkoittaa käytännössä? Laitedata voidaan tuoda MQTT-brokerilta suoraan Fabriciin ilman erillistä integraatiokerrosta. Uudistus on relevantti erityisesti teollisuuden ja logistiikan IoT-ratkaisuissa.
Fabricin data-agenttien käyttö Copilot Studiossa on nyt yleisesti saatavilla. Data-agentin voi lisätä Copilot Studio -agentin työkaluksi Add a tool -toiminnolla.
Mitä tämä tarkoittaa käytännössä? Fabriciin rakennettua hallittua data-agenttia voidaan hyödyntää myös Copilot Studio -agenteissa ilman erillisen integraation rakentamista.
Sisäkkäiset Entra ID -ryhmät, sarakekohtainen tietoturva, shortcut-tauluihin perustuvat ratkaisut ja service principal -tuki toimivat nyt yhtenäisesti. Tietoturva määritellään lähde-lakehousessa, ja SQL-analytiikkaendpoint noudattaa samoja määrityksiä sekä tuottaja- että kuluttajatyötiloissa.
Mitä tämä tarkoittaa käytännössä? Erityisesti hub-and-spoke-mallia hyödyntävissä organisaatioissa käyttöoikeuksien hallinta yksinkertaistuu, kun samoja määrityksiä ei tarvitse ylläpitää erikseen eri työtiloissa.
Natiivi suoritusmoottori (native execution engine) nopeuttaa nyt myös Python- ja Scala-UDF:ien (user defined functions) sekä monimutkaisten tietotyyppien, kuten taulukoiden, mappien ja structien, käsittelyä. Olemassa oleviin notebookeihin tai ajoihin ei tarvita koodimuutoksia.
Mitä tämä tarkoittaa käytännössä? Olemassa olevat Spark-työkuormat voivat hyötyä suorituskykyparannuksesta ilman koodimuutoksia, kun natiivi suoritusmoottori on käytössä.
Lakehouseen rakennettu uusi kyselyeditori mahdollistaa Spark SQL -kyselyiden kirjoittamisen ja suorittamisen ilman erillistä SQL-endpointia tai notebookin avaamista.
Mitä tämä tarkoittaa käytännössä? Datan nopea tutkiminen ja validointi onnistuvat aiempaa suoraviivaisemmin. Ominaisuus helpottaa erityisesti tilanteita, joissa tarvitaan nopea tarkistus mutta notebookin koko työkalupakkia ei ole tarpeen avata.
Fabricin AI-funktiot, joilla voidaan esimerkiksi tiivistää ja luokitella tekstiä suoraan pandas-, PySpark-, Data Warehouse- ja Dataflow Gen2 -ympäristöissä, käyttävät nyt oletuksena gpt-5-mini-mallia. Vaativampiin muunnoksiin voidaan valita gpt-5.1.
Aiempi gpt-4.1-malli on poistunut käytöstä: siihen sidotut putket on siirretty gpt-5.1:een ja gpt-4.1-miniin sidotut putket gpt-5-miniin. Pandas-ympäristössä erillistä openai-python-pakettia ei enää tarvita.
Mitä tämä tarkoittaa käytännössä? AI-funktioiden käyttöönotto kevenee, ja käytettävä malli voidaan valita tehtävän vaativuuden mukaan.
Jos haluat keskustella, mitä tämän kvartaalin uudistukset tarkoittavat teidän organisaatiollenne, jätä yhteydenottopyyntö alla olevalla lomakkeella.