Power BI 与主流 BI 技术文章

微软正在把 Power Query 连接器的底层驱动从 ODBC 迁到 ADBC，这次轮到 Databricks。适用于 Power BI 和 Microsoft Fabric 的 Databricks ADBC 连接器已正式 GA(Generally Available，正式发布)。

距离上一次九月更新才过去没多久，而且当时还赶上了欧洲 Microsoft Fabric + SQL 社区大会，更新量已经不小。

微软正在对 Amazon Redshift 连接器进行重要升级，底层驱动将从旧版切换至全新的 Amazon Redshift ODBC 2.x。

很多团队一提到 Microsoft Fabric，第一反应就是：F2 这种小容量能干嘛？ 跑个 Demo 都嫌卡，更别说承载一套完整的报表解决方案了。

做 DAX 性能优化的人，看到 `APPROXIMATEDISTINCTCOUNT` 这个新函数，第一反应多半是：终于有办法治 `DISTINCTCOUNT` 这个性能杀手了。 但最近一轮实测下来，结论有点打脸——在某些场景下，近似去重反而比精确去重更慢。

9 月 Power BI 更新后，Import 模式和 Direct Lake 模式的语义模型开始支持 `ApproximateDistinctCount()` 这个 DAX 函数。 我在一个 14 亿行的 Direct Lake 语义模型上做了测试，数据来自纽约出租车样本。

语义层正在成为 AI 驱动分析的关键基础设施，但一个老问题始终困扰着数据团队：同一套业务指标定义，往往要在不同平台之间反复重建。微软与 Snowflake 近期联合宣布对 Apache Ossie（孵化中）项目的承诺，正是冲着这个痛点去的。

九月的 Power BI 更新节奏明显加快，背景是欧洲 Microsoft Fabric + SQL 社区大会在巴塞罗那召开，整个数据与分析社区的目光都聚了过来。

十多年前，Power BI 刚刚出现时，它改变的是一群人做报表的方式。十多年过去，它已经从一个报表工具长成了每天被数百万人用来理解业务、支撑决策的平台。

最新版的 Power BI Report Builder 对 Power Query 集成做了几处实用改进。官方文档里有记录，但没有专门发博客宣传，我觉得值得单独拎出来讲一讲。 原来的 Get Data 按钮现在直接叫 Power Query。

做报表最耗时的环节是什么？不是建模，而是从空白画布开始，一页页搭视觉对象、调主题、配交互。模型建好了，报表还得手动做，这部分工作量往往比建模还大。

Power BI / Fabric 的容量事件（Capacity Operation Events）默认只保留很短时间，做容量治理的人几乎都踩过这个坑。

手动在 Power BI 里点来点去，复制工作区内容、批量切换环境、检查资源状态……这些重复劳动是不是让你特别烦？ 其实除了 MCP 服务器和 Fabric Skills，还有一条被很多人忽略的路子——Fabric CLI。

📢 Reza Rad（RADACAD）发布： PBIX isn’t going away, but the code behind it is finally becoming something you can version, script, and hand to an AI ag

📢 Chris Webb（Crossjoin）发布： A few weeks ago I wrote about how Semantic Link Labs now has tools with interactive UIs and showed how you could use this t

OneLake 的安全配置一直是 Fabric 管理员的隐形负担。工作区一多，哪个湖仓设了安全、哪个角色该给谁、权限有没有漏配，靠手工翻查几乎不可能。现在，Fabric Core MCP Server 把这件事交给了 AI——扫描、建角色、改分配，一句话搞定。

写 DAX 的人都有过这种体验：一个度量值嵌套了七八层，改一行要上下翻半天，复用到别处还得复制粘贴。 DAX UDF（用户自定义函数）已经正式 GA。简单说，就是你可以把表达式里反复出现的关键逻辑抽出来，打包成一个有名字的函数，然后在多个表达式中调用。

如果你以前在 Power BI 里配过行级安全（RLS），一定熟悉这套流程：打开语义模型 → 添加角色 → 写 DAX 过滤表达式。一个模型还好，但当你手上有多个报表、多个语义模型、还有 SQL 分析端点时，同一个安全规则要在不同地方反复配置，改一次就要全部重来一遍。

微软已经把 Power BI Q&A 的退役时间从原定的 2026 年 12 月推迟到 2027 年 2 月。如果你所在的组织仍在使用 Q&A，这多出来的两个月是缓冲，不是缓刑——真正需要做的，是在此之前完成依赖梳理和迁移验证。

用 Power BI 分析 Azure Databricks 里的数据，存储模式到底怎么选？Import、DirectQuery、Direct Lake、混合模式……每种都有适用场景，选错了性能可能差好几倍。 最近，微软发布了一份新白皮书，专门帮你做这个决策。

很多企业在用 Power BI 搭建企业级报表时，Azure Databricks 几乎是绕不开的数据源。但一个早期决策往往被低估了难度：该用哪种存储模式（Storage Mode）去连接这些 Delta 表？ 这个选择直接决定了后续的成本、安全边界、建模复杂度，以及最要命的——报表打开速度。

随着人工智能技术的不断发展，政府机构正从单纯的AI问答应用迈向智能化系统和智能代理，以实现更高效的管理和服务。然而，数据往往分散在云、数据库、应用程序和运营系统中，这限制了系统获取所需的企业背景和组织

每次重装 VS Code 或换新电脑，最头疼的是什么？不是代码，而是那些精心配置的 MCP 服务器和 Skills。重新添加、反复测试、核对配置……一上午就没了。今天分享一套完整的备份与恢复方案，让你告别重复劳动。

你有没有遇到过这种情况：让 AI 帮你建 Power BI 模型，它确实建出来了，但完全不是你的风格？ 比如，你习惯把度量值放在专门的度量表里，命名有自己的一套前缀规则，每个字段都写描述——但 AI 生成的模型，要么表名乱起，要么度量值散落在各处，描述更是别指望。

你有没有遇到过这种情况：在 Power BI 里跑一个 DAX 查询，数据量不大，存储引擎的事件看起来也一切正常，但查询就是慢——慢得莫名其妙。 打开 Server Timings 一看，第一个存储引擎查询迟迟不启动，查询开始和第一次取数之间有一段明显的空白。一旦数据开始读取，后面的过程又飞快。

在Power BI和Fabric的世界里，我们常常面临一个尴尬：构建一个数据应用，需要整合前端、后端、权限、部署，繁琐且耗时。微软在Build大会上发布的Fabric Apps（即Rayfin），正是为了解决这个痛点而生。

Power BI Dataflows Gen1（数据流 Gen1）上线多年，一直是不少企业在 Power Query（数据查询）逻辑复用上的主力。但微软的重心早已转向 Fabric Dataflows Gen2（CI/CD），Gen1 进入“遗留维护”状态，新功能基本不再追加。

Direct Lake 自发布以来，一直是 OneLake 语义模型（Semantic Model）里性能与实时性兼顾的明星方案。但有一个缺口始终让分析师们挠头：想在模型里加一列派生字段，要么得回头改上游数据管道，要么就得把表切成 Import 或 DirectQuery 模式，绕一圈再回来。

在 Power BI 的日常开发中，语义模型（Semantic Model）的维护往往依赖桌面端的图形化界面。一旦模型变得复杂——几十张表、数百个度量值、层层嵌套的计算组——鼠标点击式的操作就会显得笨重且难以追踪变更。

在 Power BI 的 Starburst 连接器中使用 DirectQuery 模式时，过去常见的做法是使用一个固定的服务账号连接 Starburst 数据源。这意味着所有报表查看者在查询语义模型（Semantic Model）时，后台都共享同一个数据库身份。

Power BI Projects（PBIP，Power BI 项目）把报告和语义模型（Semantic Model）从“数据库里的黑盒”变成了“磁盘上的文件”。这意味着你可以用 Git 做版本管理，用脚本批量修改，甚至让 AI 工具直接改你的报表定义。

Power BI 的月度更新又来了。这次 August 2026 的版本，从功能列表看，明显把重心放在了“让报表更精致、让权限更合理、让 Copilot 更懂你的报告”这三个方向上。

过去几年，数据民主化一直是企业数字化转型的核心命题。但一个尴尬的现实是：即便企业部署了 Power BI，大量业务人员依然停留在“打开报表 → 截图 → 发微信”的循环里。真正的数据驱动，不是让每个人都学会拖拽图表，而是让数据在用户原本的工作场景中“主动出现”。

如果你所在的组织正在使用 Power BI，那么有一件事你可能自己都没意识到：你手里已经握着一套很多追逐 AI 的公司梦寐以求的基础设施。它不是某个新采购的平台，也不是需要从零搭建的数据中台，而是你每天打开报表时，默默支撑着每一个数字的那层东西——语义模型（Semantic Model）。

对于长期使用 Power BI 的中国数据分析师来说，报告格式的一致性始终是个“隐形痛点”。过去，我们往往需要逐个视觉对象调整字体、颜色、边框，或者依赖第三方工具维护主题文件。一旦业务部门要求更换品牌色，就意味着要手动遍历几十个图表，不仅耗时，还容易遗漏。

你是不是也有这样的感觉：Fabric Notebook 功能强大，但每次都要写一堆代码才能完成一个简单的操作，尤其是查看血缘关系、检查报表错误这类任务，纯代码的方式既费时又容易出错？ 如果你习惯了传统 BI 工具的可视化界面，面对 Notebook 时可能会觉得有点“劝退”。

你是不是也有这样的困惑：报表越做越多，但每次新需求都要从头开始？业务部门问“收入到底怎么定义的”，你翻遍所有报表也找不到统一答案？更头疼的是，AI 工具来了，但连它都搞不清你的数据逻辑——因为你的模型本身就没个准谱。 这不是你一个人的问题。

作为数据分析师或 BI 开发者，你可能遇到过这样的场景： - 业务部门要求共享某个湖屋（Lakehouse）的数据，但又担心敏感字段（如客户手机号、薪资）被不该看的人看到。 - 你花了大量时间构建行级安全（RLS），但每次新增报表或数据源，都要重新配置，麻烦不说，还容易遗漏。

你有没有遇到过这种情况：Power BI 报表里一个简单的去重计数，数据量一大就卡成 PPT？ 明明只是数一下有多少笔交易、多少个客户，结果刷新要等半天，点个筛选还要转圈圈。 如果你正在为 DISTINCTCOUNT 的性能头疼，这篇文章能帮你省下不少时间和算力。

做数据分析的你，是不是经常遇到这种情况：Power BI 报告做得再好，业务同事还是喜欢把数据导出到 Excel 里再折腾一番？ 导出、清洗、重新做透视表……不仅费时费力，还容易出错。更麻烦的是，一旦 Power BI 里的数据更新了，Excel 里的那份又得重新导一遍。

“ETL是不是要死了？” 这是很多数据工程师最近都在问的问题。尤其当你看到微软在 Fabric 上大力推 AI、推低代码，甚至把 Data Factory 和 Airflow 都整合进去的时候，难免会焦虑：我们熟悉的 SSIS、ADF 开发，还有几年活路？

在 Power BI 里做敏感数据保护，你是不是也经历过这些： - 明明设了行级安全，导出到 Excel 就全裸奔了 - 报表发布到 Workspace，同事一复制数据就走漏了

微软近期在 Microsoft Fabric 官方博客发布了 Why data teams are emerging as leaders in AI agent adoption 一文，延续了 Fa

MCP 这个词最近刷屏了，但说实话，大部分人还是说不清它到底是什么——跟 API 有啥区别？跟已有的 Skill 有啥不同？为什么偏偏在 Fabric 里这么重要？ 这期 Fabric Insider 播客，

你是不是也遇到过这样的情况：业务部门用 Copilot 问数据，结果每个人问出来的数字都不一样？或者 Copilot 虽然跑出了结果，但查询慢得让人抓狂，消耗的 CU 成本还高得离谱？ 最近 Power BI Copilot 迎来了一次重大更新——现在它和 M365 Copilot 深度集成，

📢 Power BI 2026 年 7 月更新来了！本月更新覆盖报表、建模、移动端和嵌入式分析四大领域，亮点包括扩展的现代视觉对象默认设置、折线图和图例的条件格式改进、新的组织应用功能和 API 等。

微软Fabric社区大会（FabCon）即将在亚特兰大的乔治亚世界会议中心盛大开幕，时间定于3月16日至20日。这是继前两年成功举办后，FabCon再次回归，规模空前。来自世界各地的数千名数据专业人士

在微软的走廊里，每天都能听到产品团队在讨论智能代理的未来以及软件如何被永久改变。许多人在办公室的时间比以前多了，我也没有意识到自己多么怀念那些自然对话带来的活力——在会议途中分享咖啡和热辣观点，以及在

你是不是也遇到过这种情况： 想做一个带数据库、有前端界面、还能出报表分析的小应用，结果发现—— - 数据库在 Fabric 里

本周，我们与 FabCon 在亚特兰大共同开启了 SQLCon 2026 大会。将 SQL 和 Fabric 社区聚集在一起，为我们提供了一个独特的机会，让我们可以学习、交流，并分享 Microsof

微软 FabCon 和 SQLCon 2026 在美国亚特兰大成功举办，这是这两大活动的第三届和首届。此次盛会汇聚了近 300 场研讨会和讲座，重点展示了微软 SQL 和微软 Fabric 如何结合，

📢 Chris Webb（Crossjoin）发布： This week, in the announcement about support for Fabric Pipelines in Workspace Monitoring, I noticed that it came with an O

今年的 FabCon 携手 SQLCon 再次盛大开幕，这是继 SQLCon 首次加入 FabCon 之后，两个社区在亚特兰大共同度过的难忘一周。超过 8000 名参与者参加了近 300 场会议，共同

随着人工智能技术的飞速发展，工作方式和应用构建模式正经历着根本性的转变。正如2026年微软工作趋势指数报告所强调的，越来越多的工作者不再满足于提问，而是开始将整个任务委托出去，并协调多智能体系统。这种

📢 Reza Rad（RADACAD）发布： This episode of Fabric Insider is a little different from the others.

在当今这个数据爆炸的时代，数据与AI领域的专业人士面临着前所未有的挑战和机遇。随着人工智能技术的飞速发展，如何构建、分析和利用数据的方式正在发生深刻变革。对于数据专业人士来说，保持知识的更新已经不再是

做过 Power BI 开发的你一定遇到过这种场景： - 开发环境里写死的语义模型 ID，到了测试环境要手动改一遍 - 部署到生产环境时，忘了更新某个数据流的 Workspace ID，报表直接崩掉

数据爱好者们，一年一度的欧洲微软Fabric+SQL社区大会（FabCon和SQLCon Europe）将于2026年9月28日至10月1日在巴塞罗那国际会议中心举行。去年在维也纳举办的FabCon吸

你是不是也遇到过这种情况：每次刷新 Power BI 报表，都要等上十几分钟甚至更久，生怕它卡住或超时？更别提刷新时消耗的 CU（容量单位）蹭蹭往上涨，老板问起来还解释不清。 如果你一直在用 Import 模式，那今天这篇内容就是为你准备的。

做Power BI或Fabric数据分析的同学，应该都有过这种经历： - 要建一个Dataflow Gen 2，先连数据源，再写M代码做合并、清洗、建日期表…… - 光是写一个带多表合并+日期表的Dataflow，少说要半小时

📢 Gilbert Quevauvilliers（FourMoo）发布： 📖 原文链接： https://www.fourmoo.com/2026/07/09/using-python-notebooks-to-merge-data-into-a-microsoft-fabric-lakehouse

这是我在采访 Yitzhak Kesselman 时最想知道的问题。作为 Microsoft Fabric 实时智能业务的副总裁，Yitzhak 不仅负责 Fabric RTI 和 Fabric IQ，还管理着 Azure 内的微软可观测性产品组合。

📢 Chris Webb（Crossjoin）发布： A few months ago I wrote about a rare error – the “Maximum allowable memory allocation” error – tha

在日常工作中，你是否遇到过这样的情况？某个 Power BI 模型在几个月内运行得非常流畅，但突然有一天，性能出现了问题。尽管模型没有任何改动，安全规则也没有调整，只是某张表的数据量超过了某个阈值，导致查询效率大幅下降。

Power BI 2026 年 6 月更新来了，这次月更信息量很大——四个 Copilot/AI 相关更新齐发，Shape Map 正式发布，DAX UDF 终于 GA，还有 PBIR 默认开启的重磅消息。

在使用Microsoft Fabric进行数据工程和数据分析时，你是否曾遇到过以下挑战： - Spark作业性能不稳定：为何你的Spark任务有时执行速度缓慢？ - 资源管理混乱：如何高效管理和优化Spark计算资源？

在任何项目中，无论是软件开发还是知识工作，都有两个阶段：设计和执行。这两个阶段需要不同的技术模型来支持。 在这个阶段，我们需要进行深入的结构化思考、架构规划以及决策。例如，在撰写这篇文章之前，我经历了多次讨论，确定了文章的框架、顺序、标题以及语言风格等细节。

在处理大规模 Excel 文件时，如何实现更高效的并行加载？让我们通过实际测试来看看 Fabric Dataflows Gen2 的 Partitioned Compute 功能是如何帮助我们提升性能的。 背景：Excel 文件作为常见的数据来源，其加载效率往往较低。

微软 Build 2026 大会刚刚落幕，Power BI 这边一口气扔了四个重磅发布——核心关键词只有一个：Agentic（智能体驱动）。 过去一年，大家讨论的焦点还是"AI 能不能进 BI"。现在风向变了——问题已经变成"你的 BI 堆栈准备好迎接 AI 了吗？"

你有没有遇到过这种情况——接手一个老项目的 Power BI 报表，打开语义模型一看，表名全是英文缩写、列名毫无规律、关系图乱成一团麻，光是理清结构就要花半天？ 好消息来了：Power BI 服务中的 Copilot in Web Modeling 本周正式进入预览阶段。

在现代企业中，不同部门或系统之间经常需要共享和整合数据。然而，传统上，内部数据通常受限于公司网络环境，而外部数据则存储在公共云服务中。这种分离不仅增加了数据管理的复杂性，还可能带来安全风险。

写报表这件事，终于要变天了。 在刚刚结束的 Microsoft Build 2026 大会上，Power BI 团队扔出了两颗重磅炸弹： 🎯 Agent Skills for Power BI — 你告诉 AI 想要什么，它直接帮你建语义模型、画报表

📢 Gilbert（FourMoo）发布： 📖 原文链接： https://www.fourmoo.com/2026/06/04/accessing-data-between-private-link-and-public-fabric-workspace-using-the-private-end

📢 Phil Seamark（DAX.tips）发布： <p class=wp-block-paragraph>Earlier in the series I wrote about <a href=https://dax.tips/2026/05/25/custom-instructions

许多数据分析师和BI开发者在使用Power BI Copilot时，会发现生成的文本往往显得机械、缺乏个性。这不仅影响了文档的专业度，还可能让你的工作成果失去个人特色。 明确列出不可触碰的原则，确保AI不会违背这些原则。

📢 Chris Webb（Crossjoin）发布： <p class=wp-block-paragraph>In the first part of this series I showed how the Concurrency setting in a Fabric Dataflows G

在上一篇系列文章中，我展示了 Fabric Dataflows Gen2 中的并发设置如何影响包含多个查询的数据流的刷新性能。在这篇帖子中，我们将探讨启用分区计算（Partitioned Compute）后，该设置如何进一步影响单个查询的数据流性能。

📢 Reza Rad（RADACAD）发布： <figure class=wp-block-image size-large><a href=https://radacad.com/wp-content/uploads/2026/05/Claude-power-BI-modeling-MCP-

你是否厌倦了在Power BI Desktop中手动创建复杂的模型？有没有想过能否使用AI工具来帮助自动化这个过程呢？本文将带你了解如何利用Claude（Anthropic的人工智能助手）和Modeling MCP Server，无需打开Power BI Desktop就能构建完整的数据模型。

Reza Rad在与微软的Data Integration团队产品负责人Miguel Escobar进行深度对话后，分享了关于Power Query和Dataflows的最新动态。

📢 Reza Rad（RADACAD）发布： <figure class=wp-block-image size-large><a href=https://radacad.com/wp-content/uploads/2026/05/power-query-and-data-platform

数据分析师和BI开发者们，你们是否曾经遇到过这样的问题：在使用外部数据源时，担心数据安全性和隐私泄露？特别是在面对敏感数据时，公开访问的限制成为了一道难题。那么如何解决这个问题呢？ 今天要介绍的是在Microsoft Fabric中创建私有链接的方法。

📢 Gilbert（FourMoo）发布： 📖 原文链接： https://www.fourmoo.com/2026/05/28/creating-a-private-link-in-microsoft-fabric-no-public-access/

在日常工作中，数据分析师和BI开发者常常面临一个问题：如何确保自己的工作内容能够在不同设备上无缝同步？今天我们就来探讨一个简单但极其有效的解决方案——使用OneDrive作为统一的工作空间。 你是否遇到过这样的情况： - 在办公室完成的工作，回家后在手机上看不到更新的内容；

📢 Phil Seamark（DAX.tips）发布： <p class=wp-block-paragraph>My entire VS Code workspace is a single folder inside OneDrive. That is it.

在VS Code + GitHub Copilot作为个人助手的系列教程中，前一篇文章介绍了自定义指令：一个单一文件来描述你是谁、你的工作空间如何以及你遵循哪些规范。这处理了宽泛的背景信息。 接下来的一层是Skills（技能）。Skill是一种打包的工作流。

📢 Phil Seamark（DAX.tips）发布： <figure class=aligncenter size-large><img data-recalc-dims=1 decoding=async width=1000 height=560 data-attachmen

📢 Phil Seamark（DAX.tips）发布： <figure class=aligncenter size-large><img data-recalc-dims=1 loading=lazy decoding=async width=1000 height=560

📢 Phil Seamark（DAX.tips）发布： <figure class=aligncenter size-large><img data-recalc-dims=1 loading=lazy decoding=async width=1000 height=560

📢 Phil Seamark（DAX.tips）发布： <figure class=aligncenter size-large><img data-recalc-dims=1 loading=lazy decoding=async width=1000 height=560

📢 Phil Seamark（DAX.tips）发布： <figure class=aligncenter size-large><img data-recalc-dims=1 loading=lazy decoding=async width=1000 height=560

📢 Phil Seamark（DAX.tips）发布： <figure class=aligncenter size-large><img data-recalc-dims=1 decoding=async width=1000 height=560 data-attachmen

📢 Phil Seamark（DAX.tips）发布： <figure class=aligncenter size-large><img data-recalc-dims=1 fetchpriority=high decoding=async width=1000 height

📢 Chris Webb（Crossjoin）发布： <p class=wp-block-paragraph>Did you know that if your Fabric Dataflows Gen2 contains several queries then you can control

许多读者在阅读了关于如何使用 VS Code 和 GitHub Copilot 的文章后，都提出了同一个问题：“这听起来很有趣，但我要怎么从头开始实践呢？”今天就来详细介绍一套快速设置流程，帮助你仅用15分钟的时间，就能搭建出一个个人助理式的开发环境。

在日常工作和项目开发中，我们常常需要频繁地修改各种类型的文档，比如客户笔记、日记条目、演示文稿大纲等。然而，在进行这些操作时，我们经常会担心万一修改得不好怎么办？这时候，一个简单有效的解决方案就是利用Git来帮助我们。 在日常工作中，如果你经常遇到以下场景，这篇文章将带给你很大的帮助：