La Inteligencia Artificial está cambiando la forma en que las organizaciones interactúan con sus datos.
Pero los sistemas de IA solo pueden razonar sobre datos que estén estructurados, sean significativos y semánticamente consistentes.
Esto plantea una pregunta sorprendente:
¿Son los principios clásicos de diseño de data warehouse más relevantes que nunca?
En esta sesión exploramos cómo los principios de The Data Warehouse Toolkit —incluidos los esquemas en estrella, las dimensiones conformadas y el modelado orientado al negocio— constituyen la base de las plataformas modernas de IA impulsadas por ontologías.
Utilizando capacidades de Microsoft Fabric como Modelos Semánticos, Data Agents, relaciones de Grafos y Fabric IQ, veremos cómo los modelos dimensionales pueden evolucionar hacia capas de conocimiento semántico sobre las que los sistemas de IA pueden razonar.
Aprenderás cómo las arquitecturas modernas combinan:

Modelado dimensional
Ontologías de negocio
Capas semánticas
Agentes y copilotos de IA

para construir plataformas de datos preparadas para la IA.
El resultado es un patrón arquitectónico potente en el que los data warehouses se convierten en plataformas de conocimiento para sistemas inteligentes.
Mensajes clave
Los asistentes aprenderán:
• Por qué el modelado dimensional de Kimball es crítico para arquitecturas de datos preparadas para la IA
• Cómo las ontologías complementan los modelos dimensionales
• Cómo las capas semánticas permiten a los agentes de IA razonar sobre los datos de negocio
• Cómo Microsoft Fabric proporciona los componentes para implementar esta arquitectura
• Cómo diseñar plataformas de datos empresariales preparadas para la IA

Esta session es para Ingenieros de datos, Arquitectos de BI/Analitica y Directores de Tecnologia o Tomadores de Decisiones