Sống sót và phát triển cùng Microsoft Fabric cho nhà phát triển Power BI

Trong 12 tháng qua, tôi đã trò chuyện với rất nhiều nhà phát triển Power BI thực sự lo lắng về Fabric. Sự thật là thông điệp từ Microsoft quá hào nhoáng, và cộng đồng thì chuyển động quá nhanh. Mỗi lần mở LinkedIn hay Reddit, lại có người công bố một tính năng Fabric mới mà bạn chưa từng nghe, với ảnh chụp màn hình Lakehouse mà bạn không hiểu, nói về MLV, Direct Lake trên OneLake hay Fabric IQ như thể ai cũng biết chúng là gì.

Tôi hiểu cảm giác đó — như thể mặt đất dưới chân mình đang dịch chuyển. Điều đầu tiên tôi muốn nói rõ: kỹ năng Power BI của bạn vẫn còn nguyên giá trị. Báo cáo của bạn vẫn hoạt động. DAX của bạn quan trọng hơn bao giờ hết. Bạn không cần phải học Spark vào cuối tuần này.

Điều bạn thực sự cần là một tấm bản đồ, chỉ ra điều gì thực sự thay đổi với một nhà phát triển Power BI, điều gì có thể tạm thời bỏ qua, và bắt đầu từ đâu khi đã sẵn sàng. Bài viết này sẽ là tấm bản đồ đó.

Hình minh họa về sự chuyển đổi của Microsoft Fabric

Những điều không thay đổi (đọc để bình tĩnh trước)

Trước khi nói về những điều mới, hãy xác nhận những gì vẫn giữ nguyên để bạn yên tâm:

• Trải nghiệm tạo báo cáo (authoring) vẫn y như cũ: dù dùng Power BI Desktop hay mô hình hóa trên trình duyệt, quy trình bạn biết vẫn là: nạp dữ liệu, xây mô hình, viết DAX, thiết kế báo cáo và xuất bản.
• DAX vẫn là “ngôn ngữ” cho các mô hình ngữ nghĩa và không hề đi đâu cả. Ngược lại, nó còn quan trọng hơn — Copilot tạo DAX, Direct Lake chạy bằng DAX, mọi tính năng AI của Fabric phụ thuộc vào các measure được viết tốt.
• Power Query (ngôn ngữ M) vẫn lo xử lý chuyển đổi dữ liệu trên Desktop, web modeling và Dataflows. Kiến thức về merge, append, conditional columns, parameters vẫn được áp dụng.
• Mô hình ngữ nghĩa vẫn vậy: cùng lưu trữ cột VertiPaq, cùng mối quan hệ, cột tính toán, measure và quy tắc Best Practice Analyzer.
• Dịch vụ Power BI giờ là một phần của Fabric portal, nhưng bạn vẫn thấy workspace, báo cáo, lịch làm mới và Apps quen thuộc. Ngay cả URL cũng không đổi.
• Import mode và DirectQuery hoạt động như trước. Bạn không bắt buộc phải dùng Direct Lake. Mô hình Import làm mới hàng ngày vẫn hoàn toàn hợp lệ trong năm 2026.
• Bảo mật cấp hàng (RLS), deployment pipelines, gateways, Apps — tất cả vẫn còn nguyên.

Nền tảng của bạn vững chắc. Nhưng một số thứ đã thay đổi, và một vài trong số đó thực sự quan trọng. Hãy cùng xem 5 thay đổi cốt lõi bạn cần nắm.

1. Giấy phép của bạn đã thay đổi (và điều đó không có gì đáng lo)

Tháng 1/2025, Microsoft khai tử các gói Power BI Premium P SKUs (P1, P2, P3). Môi trường của bạn đã được chuyển sang Fabric capacity (F SKUs) — P1 tương đương F64, P2 tương đương F128.

Điểm mấu chốt: quá trình chuyển đổi không làm hỏng gì. Báo cáo, mô hình ngữ nghĩa, paginated reports, lịch làm mới — tất cả vẫn hoạt động, khoản đầu tư trước đây được bảo toàn. Điều bạn được thêm là toàn bộ nền tảng Fabric: Lakehouse, Warehouse, pipelines, Real-Time Intelligence. Bạn không cần dùng, nhưng khi cần thì chúng luôn ở đó.

Lưu ý quan trọng: với capacity dưới F64, người xem báo cáo vẫn cần giấy phép Power BI Pro. Từ F64 trở lên, quyền xem đã bao gồm trong giấy phép capacity. Đây là lý do F64 là mốc thương mại mà hầu hết tổ chức có hơn 300 người xem nhắm tới.

2. OneLake ra đời — dữ liệu của bạn giờ sống ở đó

OneLake là tầng lưu trữ hợp nhất cho mọi thứ trong Fabric. Hãy nghĩ về nó như “OneDrive cho dữ liệu” — một hồ duy nhất, một vị trí lưu trữ, một bản sao dữ liệu. Khi bạn tạo Lakehouse hoặc Warehouse, dữ liệu được lưu trong OneLake theo định dạng Delta — chuẩn bảng mở đã trở thành tiêu chuẩn ngành cho phân tích.

Với một nhà phát triển Power BI, điều này quan trọng vì dẫn đến thay đổi tiếp theo.

3. Direct Lake — chế độ lưu trữ thứ ba

Bạn đã biết hai chế độ: Import (nạp vào mô hình, làm mới theo lịch — nhanh nhưng cũ) và DirectQuery (truy vấn live — tươi nhưng chậm).

Direct Lake là lựa chọn thứ ba: đọc trực tiếp bảng Delta từ OneLake vào bộ nhớ — không cần lên lịch làm mới, không có độ trễ của truy vấn live. Truy vấn nhanh VÀ dữ liệu luôn tươi. Đây là lựa chọn gần nhất với “có cả hai” mà Power BI từng mang lại.

Trải nghiệm tạo báo cáo không đổi — DAX vẫn viết như cũ, visual vẫn thiết kế như cũ. Chỉ cơ chế bên dưới thay đổi: mô hình đọc thẳng từ Delta trong OneLake thay vì giữ một bản sao riêng. Khi nào nên quan tâm? Nếu mô hình ngữ nghĩa của bạn lớn (hàng triệu dòng, nhiều GB) và thời gian làm mới đau đầu, hãy tìm hiểu Direct Lake. Nếu mô hình nhỏ, làm mới 30 giây, Import vẫn hoàn hảo. Không cần gấp gáp.

Hình ảnh minh họa cách Direct Lake và OneLake vận hành

4. Copilot xuất hiện ở khắp mọi nơi

Copilot trong Power BI đã mở rộng đáng kể: có trong Desktop, trong service (chat cấp báo cáo, tạo visual từ ngôn ngữ tự nhiên) và trên mobile. Đánh giá thẳng thắn: nó hữu ích chứ không thần kỳ. Copilot rất giỏi khi tạo DAX khởi đầu, tóm tắt nội dung một trang báo cáo, hỗ trợ đặt câu hỏi khám phá. Nhưng nó không giỏi viết measure phức tạp từ đầu, hiểu logic nghiệp vụ tinh tế, hay làm việc với mô hình thiết kế kém.

Quy luật nhất quán: mô hình ngữ nghĩa của bạn càng tốt, Copilot chạy càng tốt. Tên bảng rõ ràng, tên cột đúng chuẩn, measure được định nghĩa đúng, mối quan hệ minh bạch. Nếu đáp ứng các yếu tố này, Copilot là công cụ tăng năng suất thực sự. Ngược lại, nó sẽ tạo ra những câu văn nghe có vẻ đúng nhưng thực chất vô nghĩa.

Điều bạn có thể yên tâm bỏ qua (thật sự đấy)

Hệ sinh thái Fabric rộng lớn: Spark, KQL, Real-Time Intelligence, Data Activator, MLV, Fabric IQ, Data Agents… và áp lực từ mạng xã hội khiến bạn nghĩ phải học hết tất cả ngay lập tức là hoàn toàn sai lầm. Hãy chia nhỏ ra:

• Spark notebooks và PySpark: Nếu vai trò bạn không mở rộng sang data engineering, không cần. Kỹ năng Power Query vẫn là công cụ đúng cho bước chuẩn bị dữ liệu Power BI. Nếu đồng nghiệp data engineer xây notebook Spark tạo bảng Delta sạch — bạn chỉ việc dùng.
• KQL databases và Real-Time Intelligence: Chỉ cần nếu bạn làm việc với dữ liệu streaming, IoT telemetry hoặc log sự kiện khối lượng lớn. Đa số nhà phát triển PBI không thuộc nhóm này.
• Data Activator: Tự động hóa theo sự kiện — thú vị nhưng không liên quan trực tiếp đến phát triển báo cáo.
• Fabric IQ và Data Agents: Lớp AI/ngôn ngữ tự nhiên mới — đáng để theo dõi nhưng chưa cần kiến trúc cho nó.
• Materialized Lake Views (MLV): Tuyệt cho data engineer xây kiến trúc medallion. Không phải thứ developer Power BI tạo ra, dù bạn sẽ dùng MLV silver/gold do họ xây.

Hãy học những thứ này khi vai trò yêu cầu hoặc khi sự tò mò thực sự dẫn lối. Đừng học vì thuật toán khiến bạn sợ hãi.

Lộ trình “bắt đầu từ đây”

Khi bạn sẵn sàng, hãy thực hiện theo 4 bước tôi gợi ý cho các developer trong team — mỗi bước chỉ mất một buổi chiều:

Bước 1: Hiểu capacity của tổ chức bạn. Tìm xem bạn đang dùng Fabric capacity (F SKU), Power BI Pro hay Premium Per User. Yếu tố này quyết định những gì bạn có thể dùng.

Bước 2: Khám phá OneLake và Lakehouse. Tạo Lakehouse trong workspace, upload một file CSV, xem nó trở thành Delta table, truy vấn từ SQL analytics endpoint, rồi connect Power BI vào. Bài tập này sẽ giúp bạn hiểu 80% thuật ngữ Fabric đang lan truyền.

Bước 3: Thử Direct Lake với dữ liệu phi production. Tạo semantic model từ Lakehouse bằng chế độ Direct Lake, dựng báo cáo nhỏ. Lưu ý: không có nút refresh vì dữ liệu luôn mới. So sánh hiệu năng với mô hình Import hiện tại.

Bước 4: Dùng Copilot cho việc thật, nhưng phải kiểm chứng. Nhờ Copilot viết measure phù hợp mô hình của bạn, kiểm tra, sửa lỗi, lặp lại. Nhờ nó tóm tắt một báo cáo và đối chiếu xem có chuẩn không. Bạn sẽ tự đúc kết được khi nào Copilot đáng tin, khi nào không.

Câu hỏi nghề nghiệp không ai muốn hỏi

“Sự nghiệp Power BI của tôi có an toàn không?”

Câu trả lời ngắn: Có. Câu trả lời dài thì thú vị hơn. Nhà phát triển Power BI không bị thay thế bởi nhà phát triển Fabric — họ là hai vai trò khác nhau. Kỹ năng phát triển Power BI (semantic modeling, DAX, thiết kế báo cáo) là một bộ kỹ năng riêng biệt và có giá trị mà nền tảng này phụ thuộc hoàn toàn.

Điều đang thay đổi là ở năm 2026, nhà phát triển Power BI giỏi nhất sẽ là người hiểu dữ liệu đến từ đâu (OneLake, Lakehouse) và làm cách nào nó đến đó. Bạn không cần tự xây pipeline, nhưng hiểu kiến trúc bao quanh báo cáo sẽ giúp bạn làm việc hiệu quả hơn hẳn với data engineers và stakeholders.

Hình minh họa về lộ trình phát triển sự nghiệp trong hệ sinh thái Fabric

Về chứng chỉ: PL-300 (Power BI Data Analyst) vẫn là chứng chỉ nền tảng cốt lõi. Bước tiếp theo tự nhiên là DP-600 (Fabric Analytics Engineer Associate) — nối dài từ mô hình ngữ nghĩa và DAX sang nền tảng Fabric rộng lớn hơn. Nếu bạn đi hướng data engineering, DP-700 (Fabric Data Engineer Associate) mới là đường đó — nhưng đó là vai trò và bài thi khác.

Một điểm đáng nói rõ: kỹ năng DAX và mô hình hóa của bạn giá trị HƠN trong Fabric, chứ không phải kém đi. Hiệu năng Direct Lake phụ thuộc vào bảng Delta được thiết kế tốt. Copilot hoạt động tốt hơn với mô hình sạch. Data Agents và Fabric IQ sinh ra câu trả lời tốt hơn từ mô hình sạch. Mọi thứ phía sau đều phụ thuộc vào chất lượng tầng ngữ nghĩa — và tầng đó chính là lãnh địa của bạn.

Bước đi nghề nghiệp khôn ngoan nhất lúc này không phải là học Spark. Mà là giỏi hơn nữa về semantic modeling và DAX, học cách thiết kế mô hình tối ưu cho Direct Lake, và khi sẵn sàng thì trang bị thêm kiến thức bối cảnh Fabric xung quanh.

Minh họa các lựa chọn chứng chỉ cho nhà phát triển Power BI

Tổng kết

Fabric không thay thế Power BI. Fabric là nền tảng mà Power BI đang sống bên trong. Kỹ năng của bạn vẫn nguyên vẹn. Báo cáo bạn viết vẫn chạy. DAX bạn viết quan trọng hơn bao giờ hết. Bạn không cần học cả bộ kỹ năng Fabric để giỏi công việc của mình.

Hãy bắt đầu với bốn bước trong bài viết, đi theo tốc độ của riêng bạn, tạm thời bỏ qua những thứ chưa tác động tới vai trò của bạn. Bạn không hề lỡ chuyến xe buýt. Bạn đang ở trên xe — chỉ là điểm đến xa hơn bạn tưởng một chút mà thôi.