En este artículo
Hasta la salida de Microsoft Fabric en general availability en 2023, construir una plataforma de datos moderna en Azure requería ensamblar media docena de servicios: Azure Data Factory para mover datos, Azure Data Lake Storage para guardarlos, Azure Synapse para procesarlos, Power BI para visualizarlos, Purview para gobernanza y Azure Machine Learning para predicción.
Cada pieza tenía su propia facturación, su propia consola y sus propios límites de integración. Para una PYME era excesivo — y para un equipo técnico pequeño era difícil de mantener. Fabric es la respuesta de Microsoft a esa complejidad: integra todas esas capacidades en una única plataforma con un único modelo de capacidad y facturación.
La referencia técnica oficial vive en Microsoft Learn — What is Microsoft Fabric. Este post se centra en lo que más se pregunta al decidir si adoptarlo en una PYME española.
Fabric agrupa sus capacidades en lo que Microsoft llama experiencias, todas conectadas al mismo almacén común (OneLake):
Data Factory — mueve y transforma datos desde cualquier fuente (bases de datos, APIs, ficheros, SaaS). Es el ETL de la plataforma.
Data Engineering — notebooks con Python, Spark y SQL para transformaciones avanzadas sobre grandes volúmenes.
Data Warehouse — almacén relacional totalmente gestionado con SQL estándar.
Data Science — notebooks con Python/R, integración nativa con MLflow para seguimiento y despliegue de modelos.
Power BI — la capa de visualización. En Fabric, los informes leen directamente del almacén (Direct Lake) sin importar datos — un cambio material respecto al Power BI clásico. Si llegas a Fabric desde Power BI, conviene leer antes qué es Power BI: licencias, DAX y errores frecuentes.
Real-Time Intelligence — análisis de streaming para IoT, telemetría y eventos.
Purview — catálogo, linaje, clasificación y políticas de acceso. La gobernanza que suele faltar en proyectos de datos; los cuatro pilares que cubre los desarrollamos en gobernanza de datos para PYMEs.
OneLake es el almacén común de todos los servicios de Fabric. Su idea es simple: los datos se guardan una sola vez, en formato abierto (Delta Lake sobre Parquet), y todas las experiencias los leen desde ahí sin duplicar.
Las tres consecuencias prácticas:
Para un equipo acostumbrado a pelearse con copias de datos entre sistemas, el cambio es material. Para un equipo que ya trabaja limpiamente en un lakehouse bien diseñado, es una simplificación — no una revolución.
Fabric se factura por capacidad (Capacity Units, CU). Las capacidades se compran como SKUs F-algo: F2, F4, F8, F16, F32… donde el número indica la cantidad de CUs.
Orientación de precios (consultar la página oficial de precios de Microsoft para la tarifa vigente):
Clave del modelo: todas las cargas de trabajo (ingesta, transformación, almacenamiento, BI, ML) consumen del mismo pool. No hay facturas separadas por servicio. La consecuencia: al contrario que en el modelo clásico, un mes de uso alto no produce una sorpresa en la factura Azure al finalizar el mes — el coste máximo está fijado por la capacidad contratada.
Dato fino útil: los usuarios "viewers" de contenido Power BI dentro de una capacidad Fabric no necesitan licencia Pro individual. Para un workspace con muchos consumidores y pocos creadores, esa diferencia puede justificar la F2 por sí sola frente al coste equivalente en Power BI Pro por usuario.
Tiene sentido adoptar ya cuando:
Puedes esperar si:
La decisión rara vez es binaria. Muchas PYMEs empiezan con Power BI Pro puro, migran a Fabric F2 cuando crecen fuentes y volúmenes, y solo escalan a F4/F8 cuando hay carga real de data engineering.
Resumido:
| | Arquitectura clásica | Microsoft Fabric | |---|---|---| | Servicios | Data Factory + Synapse + Data Lake + Power BI + Purview | Una plataforma | | Facturación | Factura separada por servicio | Capacidad única (F-SKU) | | Copias de datos | Cada servicio mantiene su copia | OneLake, copia única | | Gobernanza | Replicada en cada servicio | Heredada de OneLake | | Consola | Cinco consolas | Una |
La arquitectura clásica sigue siendo razonable en escenarios muy específicos de gran empresa: requisitos regulatorios complejos, integraciones con infraestructura on-prem muy customizada, necesidad de personalización profunda en cada capa. Para una PYME española estándar, Fabric simplifica la vida a cambio de aceptar el modelo de capacidad.
Si vais a empezar un proyecto de datos nuevo desde cero, Fabric es el punto de partida razonable. Si ya tenéis Power BI funcionando con cierta madurez, el salto a Fabric se hace progresivamente: primero se mueven los semantic models a Direct Lake sobre OneLake, después se migran los pipelines que estaban fuera de Fabric, y al final se consolida todo en la plataforma única.
El trabajo previo a cualquier adopción de Fabric es el mismo que para cualquier proyecto BI: saber qué fuentes tienes, qué calidad y qué decisiones quieres tomar mejor con ellas. Ese diagnóstico es lo que hace el Data Discovery — sin él, Fabric es potencia sin plan.
¿Estás evaluando si Fabric encaja para tu empresa o si sigues con Power BI Pro un año más? Cuéntanos tu escenario y te damos una recomendación concreta en 30 minutos: cargas previstas, número de consumidores, estimación de coste mensual.
// escrito por
Director de 480 Analytics
En 480 Analytics, la unidad de datos de Cuatroochenta, ayuda a empresas a ordenar y explotar sus datos con Power BI, Microsoft Fabric e IA. Escribe sobre lo que aprende por el camino.
Un modelo semántico no es un dashboard: es el diccionario común de tu empresa —qué es 'ventas', cómo se calcula el margen— y la base de la IA sobre tus datos.
El cierre mensual manual tarda entre 3 y 7 días; con el ERP conectado a Power BI, menos de 24 horas. Cómo funciona la integración y qué necesita tu empresa.
La arquitectura Medallion (Bronze, Silver, Gold) es el estándar para organizar datos en plataformas modernas. Cómo funciona y cómo la aplicamos en proyectos.
Te lo cuantificamos. Empezamos por descubrir y ordenar tus datos, y los convertimos en decisiones — empezando por el reporting financiero (FP&A).