変更要約: DP-600 第1章を深掘り（図ja化・比較表/シナリオ/FAQ/ひっかけ/深掘り段落を全節に追加）
1.1分析ソリューションの計画と Fabric の構成
アナリティクスエンジニア視点での Microsoft Fabric の全体像、ワークスペース・容量、分析ソリューションの計画（要件→ストア選択→提供方法）を理解します。DP-600 の出発点です。
アナリティクスエンジニアは、生データを分析しやすい形（セマンティックモデルやレポート向け）に整え提供します。Fabric はその全工程を 1 つの SaaS で支えます。
1.1.1Fabric と計画の要点
- 容量/ワークスペース：容量（F SKU）でコンピュートを確保し、ワークスペースで成果物とアクセスを管理する。
- ストアの選択：Spark/ファイル中心なら Lakehouse、T-SQL の DW なら Warehouse。
- 提供（Serve）：分析向けに セマンティックモデルを作り、Power BI で Direct Lake 参照する。
- 計画：要件（鮮度/規模/SQL or Spark）→ストア→提供方法、の順で設計する。
「Fabric は統合 SaaS（容量→ワークスペース→アイテム）」「Spark/ファイル＝Lakehouse、T-SQL DW＝Warehouse」「分析提供＝セマンティックモデル＋Direct Lake」「計画は要件→ストア→提供」 は DP-600 で頻出です。DP-600 は「準備と提供」が最大ドメインです。
DP-600 は DP-700（データエンジニア）と基盤（Fabric/OneLake）を共有しますが、セマンティックモデルや Power BI 提供に重きがあります。
アナリティクスエンジニアの中心成果物は セマンティックモデル（旧データセット）です。生データを Lakehouse／Warehouse に取り込み・整形（メダリオンのゴールド層）し、その上に分析向けの意味モデルを作って Power BI で消費します。計画は「要件（鮮度・規模・SQL か Spark か・同時実行・コスト）→ ストア選択（Spark/ファイル＝Lakehouse、T-SQL DW＝Warehouse）→ 提供方法（Direct Lake／インポート／DirectQuery）」の順。Fabric は 容量（F SKU・CU） の上に ワークスペース、その中に アイテム（Lakehouse/Warehouse/セマンティックモデル/レポート/ノートブック/パイプライン）が並ぶ統合 SaaS で、全アイテムが OneLake を共有します。要件に応じ、リアルタイム性が要れば Real-Time Intelligence、ノーコード整形なら Dataflow Gen2、大規模変換なら Spark を選びます。DP-600 は「データの準備と提供」が最大ドメインで、提供層（セマンティックモデル/Direct Lake）の設計品質がレポート性能を左右します。
| 計画ステップ | 決めること | 例 |
|---|---|---|
| 要件 | 鮮度・規模・SQL/Spark・コスト | 準リアルタイム / 大量バッチ |
| ストア選択 | Lakehouse か Warehouse か | Spark中心=Lakehouse、T-SQL=Warehouse |
| 提供方法 | Direct Lake / インポート / DirectQuery | 鮮度＋速度＝Direct Lake |
シナリオ： 大量データを Spark で整形し、最新データを高速に Power BI で見せたい。→ 要件（大規模・高鮮度・高速）から Lakehouse を選び、Spark でゴールド層の Delta テーブルを作成、セマンティックモデルを Direct Lake で構成して Power BI から高速参照します。T-SQL の DW 要件が強ければ Warehouse を選びます。
FAQ： Q. DP-600 と DP-700 の違いは？ → A. 基盤（Fabric/OneLake）は共通ですが、DP-700 はデータエンジニアリング（取り込み/変換/運用）寄り、DP-600 は分析提供（セマンティックモデル・DAX・Power BI）寄りです。Q. Lakehouse と Warehouse の選択基準は？ → A. Spark/ファイル/データサイエンスなら Lakehouse、T-SQL の読み書き DW なら Warehouse。
ひっかけ： 「提供方法を先に決めてからストアを選ぶ」は誤りです。計画は要件→ストア→提供の順。また「DP-600 はインフラ（VM/OS）を自分で構成する」も誤り（Fabric は SaaS で、容量を割り当ててアイテムを使う）。
1.1.2この節のまとめ
- Fabric＝容量→ワークスペース→アイテム（OneLake 共有）
- 計画＝要件→ストア（Lakehouse/Warehouse）→提供（セマンティックモデル/Direct Lake）
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. データ分析の全工程（準備・提供・モデル・レポート）を 1 つの SaaS で行える Microsoft の基盤はどれですか？
Q2. T-SQL 中心のデータウェアハウスを構築したい。Fabric のどのストアを選びますか？
Q3. 分析ソリューションの計画として正しい順序はどれですか？