現在、私はAIを積極的に活用することが求められる環境にいる。むしろ、AIを使わなければ仕事が成り立たないと感じる場面も増えてきた。 非常に恵まれた環境だと思う。AIの進化を日々体験し、これまで難しかったことが当たり前のように実現できる。そのたびに驚きと新しい発見があり、自分自身の学び方や働き方も大きく変わってきた。 一方で、ふと不安になることもある。
もし明日、突然AIが使えなくなったら、果たして自分は以前の働き方に戻れるのだろうか。
それほどまでに、AIは私の仕事に欠かせない存在になっている。 基礎知識の習得、AIへの仕事の委任、AIをフル活用したアウトプットをスケール化に使っていくこと。AIの活用にはさまざまな意見があるが、実際に使い続けることで見えてくるものもある。
今回は、そんな私自身の実体験をもとに、AIによって何が変わり、何が変わらないのか。そして、その先にどのような可能性と課題があるのかを考えてみたい。
続きを読むデータフローについては、以前このブログで基礎知識から Pro や Premium での運用まで、何回かに分けて紹介しました。今回は、Dataflow Gen2 にプレビューとして追加された Data Visuals（データビジュアル）を取り上げます。FabCon Europe 2026（バルセロナ）に合わせて公開された Fabric September 2026 Feature Summary で紹介された機能で、クエリの結果をテーブルだけでなく、KPI カードやグラフでも確認できるようになります。
本題に入る前に、Gen1 と Gen2 の関係だけ簡単に整理しておきます。以前の記事で「データフロー」と呼んでいたものは、今の名前でいうと主に Dataflow Gen1、つまり Power BI のデータフローです。一方の Gen2 は Fabric の Data Factory のアイテムで、変換したデータを Lakehouse や Warehouse などに書き込めます。Fabric のアイテムなので、使えるのは Fabric 容量（試用版を含む）や Power BI Premium 容量のワークスペースで、Pro や PPU*1 のワークスペースでは今のところ使えません。
また、Gen1 は2026年4月に Legacy という扱いになりました。既存のデータフローはこれまでどおり動き、サポートも続きますが、新しい機能は追加されず、修正も影響の大きい問題に限られます。今回の Data Visuals も、Gen2 側に追加された新機能のひとつです。Legacy の中身は、発表のブログや、日本語なら Japan CSS Support Power BI Blog の記事が詳しいです。
*1:Premium Per User の略
Microsoft Fabric に Ontology という概念が登場しました。Power BI が Business Intelligence である一方、Ontology は Operational Intelligence となります。 Microsoft Fabric では、Fabric IQ ワークロードの一部として Ontology アイテムが提供されています (2026年5月時点ではPreview)。Ontology は、企業内の業務用語、エンティティ、プロパティ、関係、ルールを定義し、OneLake 上のデータや Power BI セマンティックモデル、AI agent、Real-Time Intelligence と接続するための共有ビジネスコンテキスト層です。
ただ、正直なところ、最初にドキュメントを読むとかなり難しく感じます。
このような単語が一気に出てくるため、Power BI を中心に扱ってきた人にとっては、
「これは Power BI のセマンティックモデルと何が違うのか？」
「テーブルや列とどう関係するのか？」
「AI Agent と何が関係あるのか？」
が分かりにくいと思います。
この記事では、Ontology を Power BI ペルソナ向け に、できるだけ分かりやすく整理します。
続きを読む前回のブログでは、Azure Databricks を中心としたデータ基盤において、DirectQuery (DQ) on Databricks SQL と Direct Lake を比較した PoC の背景と、パフォーマンス結果の全体像をご紹介しました。
本稿ではその続編として、より技術的に踏み込み、Mirrored Unity Catalog（UC）から Direct Lake を構築した場合に直面する落とし穴を中心に解説していきます。
特に、ミラーリングはリアルタイム同期に優れる一方で、Direct Lake が求める分析向けデータレイアウトとは必ずしも相性が良くない点が、今回の PoC を通じて明確になりました。また、ADLS Gen2 ショートカットを用いた Direct Lake と、OneLake にデータを永続化した Direct Lake（Lakehouse における Fully Materialized Delta tables）では、パフォーマンス特性や運用上のメリット・デメリットが大きく異なります。
第2回では、これらの違いを整理しながら、なぜ Direct Lake の性能がアーキテクチャ次第で大きく変わるのか、そして Fabric を前提とした最適な設計とは何かについて、PoC で得られた学びをもとに考察していきます。
Power BI の Direct Lake と DQ on Databricks SQL（DirectQuery on Databricks SQL Warehouse）は、いずれもデータレイク上の大規模データを高速に分析できる一方で、前提とするアーキテクチャや最適化の考え方は大きく異なります。本ブログでは、顧客が実際に使用する数十億行規模の実データを用いた検証結果をもとに、Direct Lake と Databricks SQL それぞれが得意とするパターン、性能が頭打ちになる条件、データ構造・パーティション・ファイル配置の影響を整理します。加えて、Power BI Direct Lake と Databricks の連携を模索している方に向けて、ミラーリングされた Unity Catalog（UC）や外部テーブルショートカットを用いた構成も含めて検証し、どのような前提や制約のもとで有効に機能するのかを考察します。単なる性能比較に留まらず、「どのシナリオで、どの選択が合理的か」を判断するためのトレードオフを分かりやすく解説します。
なお、内容が膨大につき、2回に分けて紹介することにします。また、結果だけ知りたい方は、「パフォーマンス比較」を直接ご覧ください。
2025年の Power BI は、10歳の誕生日を迎えただけでなく、これまで以上に “変革の年” でした。新機能の登場、機能の廃止、AI 活用の急速な進展、そして Fabric 時代を見据えた大規模なアーキテクチャ転換等がありました。この1年を一言で表すなら、まさに 「Power BI が BI を超えて、Intelligence Platform へと歩み始めたターニングポイント」 と言えるでしょう。
本記事では、2025年に発表・提供された Power BI / Fabric の新機能、廃止されたサービス、Power BI の製品開発チームによる最新知見、日本企業の導入傾向、そして今後のロードマップを踏まえ、1年の動きを総整理していきたいと思います。
前回 は Fabric 容量、スケール Out/Up 等に関する基礎的な概念について紹介をしましたが、今回は以下の通りの内容について解説をしていきます。
Power BI Desktop や Power BI Pro / PPU をメインで活用するPower BI ペルソナは Fabric 容量を意識する必要はないですが、Fabric 機能を含む高度な機能を使用する必要がある場合、あるいは OneLake を中心にデータ活用をする必要がある場合、Fabric 容量に関してある程度しっかり把握しておくことが推奨されます。
続きを読む今回は、Microsoft Fabric を本気で使おうとすると必ずぶつかるテーマ、「Fabric 容量の仕組み」 について、少し腰を据えて整理してみます。まずは Fabric 容量とは何か？からスタートし、Fabric の PoC や本番導入をする際の下記の会話に深堀していきます。
これらの概念は混乱しやすいため、分かりやすく嚙み砕いて紹介していきたいと思います。
続きを読む
