مشاركة عبر

Azure Cosmos DB: حالات استخدام تحليلات No-ETL

  • مقالة

ينطبق على: NoSQL MongoDB العفريت

يوفر Azure Cosmos DB خيارات تحليلات مختلفة للتحليلات بدون ETL، بالقرب من التحليلات في الوقت الحقيقي عبر البيانات التشغيلية. يمكنك تمكين التحليلات على بيانات Azure Cosmos DB باستخدام الخيارات التالية:

  • النسخ المتطابق ل Azure Cosmos DB في Microsoft Fabric
  • ارتباط Azure Synapse لـ Azure Cosmos DB

لمعرفة المزيد حول هذه الخيارات، راجع "التحليلات وBI على بيانات Azure Cosmos DB."

هام

النسخ المتطابق ل Azure Cosmos DB في Microsoft Fabric متاح الآن في المعاينة لواجهة برمجة تطبيقات NoSql. توفر هذه الميزة جميع إمكانيات Azure Synapse Link بأداء تحليلي أفضل، والقدرة على توحيد ملكية بياناتك باستخدام Fabric OneLake والوصول المفتوح إلى بياناتك في OneLake بتنسيق Delta Parquet. إذا كنت تفكر في Azure Synapse Link، نوصي بتجربة النسخ المتطابق لتقييم ملاءمة مؤسستك بشكل عام. للبدء في النسخ المتطابق، انقر هنا.

لا يمكن أن تفتح التحليلات القريبة من الوقت الحقيقي إمكانيات مختلفة للشركات الخاصة بك. فيما يلي ثلاثة نماذج من السيناريوهات:

  • تحليلات سلسلة التوريد والتنبؤ وإعداد التقارير
  • التخصيص في الوقت الحقيقي
  • الصيانة التنبؤية، واكتشاف الشذوذ في سيناريوهات IOT

تحليلات سلسلة التوريد والتنبؤ وإعداد التقارير

تظهر الدراسات البحثية أن تضمين تحليلات البيانات الكبيرة في عمليات سلسلة التوريد يؤدي إلى تحسينات في أوقات التسليم من أجل دورة وكفاءة سلسلة التوريد.

يجهِز المصنعون تقنيات السحابة الأصلية لكسر قيود أنظمة تخطيط موارد المؤسسات (ERP) وإدارة سلسلة التوريد (SCM) القديمة. مع توليد سلاسل التوريد كميات متزايدة من البيانات التشغيلية كل دقيقة (الطلب، الشحن، بيانات المعاملات)، يحتاج المصنعون إلى قاعدة بيانات تشغيلية. يجب أن تتسع قاعدة البيانات التشغيلية هذه للتعامل مع أحجام البيانات بالإضافة إلى النظام الأساسي التحليلي للوصول إلى مستوى الذكاء السياقي في الوقت الحقيقي للبقاء في الطليعة.

توضح البنية التالية قوة استخدام Azure Cosmos DB كقاعدة بيانات تشغيلية أصلية على السحابة في تحليلات سلسلة التوريد:

رسم تخطيطي لتحليلات الوقت الحقيقي ل Azure Cosmos DB في سلسلة التوريد.

استنادا إلى البنية السابقة، يمكنك تحقيق حالات الاستخدام التالية:

  • إعداد وتدريب خط تدفقات تنبؤي: توليد رؤى حول البيانات التشغيلية عبر سلسلة التوريد باستخدام التعلم الآلي يترجم. بهذه الطريقة يمكنك خفض المخزون وتكاليف العمليات، وتقليل أوقات الطلب حتى التسليم للعملاء.

يسمح لك النسخ المتطابق وSynapse Link بتحليل البيانات التشغيلية المتغيرة في Azure Cosmos DB دون أي عمليات ETL يدوية. توفر لك هذه العروض من التكلفة الإضافية وزمن الانتقال والتعقيد التشغيلي. وهي تمكن مهندسي البيانات وعلماء البيانات من بناء مسارات تنبؤية قوية:

  • الاستعلام عن البيانات التشغيلية من Azure Cosmos DB باستخدام التكامل الأصلي مع تجمعات Apache Spark في Microsoft Fabric أو Azure Synapse Analytics. يمكنك الاستعلام عن البيانات الموجودة في دفتر ملاحظات تفاعلي أو وظائف بعيدة مجدولة دون تصميم بيانات معقدة.

  • إنشاء نماذج التعلم الآلي (ML) باستخدام خوارزميات Spark ML وتكامل Azure التعلم الآلي (AML) في Microsoft Fabric أو Azure Synapse Analytics.

  • أعد كتابة النتائج بعد استدلال النموذج في Azure Cosmos DB لتسجيل النتائج في الوقت الحقيقي تقريباً.

  • التقارير التشغيلية: تحتاج فرق سلسلة التوريد إلى تقارير مخصصة ومرنة عبر بيانات تشغيلية دقيقة في الوقت الحقيقي. هذه التقارير مطلوبة للحصول على نظرة سريعة لفعالية سلسلة التوريد والربحية ومعدل النقل. يسمح لمحللي البيانات وأصحاب المصلحة الرئيسيين الآخرين بإعادة تقييم الأعمال باستمرار، وتحديد المجالات التي يجب تعديلها لتقليل التكاليف التشغيلية.

يتيح النسخ المتطابق وSynapse Link ل Azure Cosmos DB سيناريوهات المعلومات المهنية الغنية (BI)/إعداد التقارير:

  • الاستعلام عن البيانات التشغيلية من Azure Cosmos DB باستخدام التكامل الأصلي مع التعبير الكامل للغة T-SQL.

  • قم بنمذجة ونشر لوحات معلومات BI للتحديث التلقائي عبر Azure Cosmos DB من خلال Power BI المتكاملة في Microsoft Fabric أو Azure Synapse Analytics.

فيما يلي بعض الإرشادات لتكامل البيانات التدفقية والدفعية إلى Azure Cosmos DB:

  • تكامل البيانات المتدفقة والتزامن: ومع زيادة تعقيد سلاسل التوريد، تحتاج منصات بيانات سلسلة التوريد إلى الاندماج مع مجموعة متنوعة من مصادر البيانات وأشكالها. يأتي كل من Microsoft Fabric وAzure Synapse مضمنين بنفس محرك وتجارب تكامل البيانات مثل Azure Data Factory. يتيح هذا التكامل لمهندسي البيانات إنشاء خطوط تدفقات بيانات غنية دون محرك تزامن منفصل:

  • تدفق تكامل البيانات ومعالجة: مع نمو IoT الصناعية (أجهزة الاستشعار تتبع الأصول من "الأرض إلى المتجر"، والأساطيل اللوجستية المتصلة، وما إلى ذلك)، هناك انفجار بيانات في الوقت الحالي الذي يتم إنشاؤه بطريقة تدفق التي تحتاج إلى أن تكون متكاملة مع البيانات التقليدية بطيئة الحركة لتوليد رؤى. Azure Stream Analytics هي خدمة موصى بها لبث ETL ومعالجتها على Azure باستخدام مجموعة كبيرة من السيناريوهات. يدعم Azure Stream Analytics Azure Cosmos DB كمصدر بيانات أصلي.

التخصيص في الوقت الحقيقي

يجب على تجار التجزئة اليوم بناء حلول تجارة إلكترونية آمنة وقابلة للتطوير، تلبي متطلبات كل من العملاء والشركات. تحتاج حلول التجارة الإلكترونية هذه إلى إشراك العملاء من خلال المنتجات والعروض المخصصة، ومعالجة المعاملات بسرعة وأمان، والتركيز على الوفاء وخدمة العملاء. يتيح Azure Cosmos DB جنباً إلى جنب مع أحدث ارتباط Synapse لـ Azure Cosmos DB لتجار التجزئة إنشاء توصيات مخصصة للعملاء في الوقت الحقيقي. يستخدمون إعدادات تناسق منخفضة في وقت الوصول، وقابلة للضبط للحصول على رؤى فورية كما هو موضح في البنية التالية:

رسم تخطيطي ل Azure Cosmos DB في التخصيص في الوقت الحقيقي.

  • إعداد البنية الأساسية لبرنامج ربط العمليات التجارية التنبؤية وتدريبها: يمكنك إنشاء رؤى على البيانات التشغيلية عبر وحدات العمل أو شرائح العملاء باستخدام Fabric أو Synapse Spark ونماذج التعلم الآلي. وهذا يترجم إلى تسليم مخصص لشرائح العملاء المستهدفة، وتجارب المستخدم النهائي التنبؤية، والتسويق المستهدف لتناسب متطلبات المستخدم النهائي. )

صيانة إنترنت الأشياء التنبؤية

لقد أدت ابتكارات IOT الصناعية إلى تقليل فترات تعطل الآلات بشكل كبير وزيادة الكفاءة العامة في جميع مجالات الصناعة. واحدة من هذه الابتكارات هي تحليلات الصيانة التنبؤية للآلات على حافة السحابة.

فيما يلي بنية تستخدم قدرات HTAP الأصلية للسحابة في الصيانة التنبؤية ل IoT:

رسم تخطيطي ل Azure Cosmos DB في الصيانة التنبؤية ل IOT.

  • إعداد خط تدفقات والتدريب التنبؤي: ويمكن استخدام البيانات التشغيلية التاريخية المستمدة من أجهزة استشعار أجهزة الـ IoT لتدريب النماذج التنبؤية مثل أجهزة الكشف عن الشذوذ. ومن ثَم يتم نشر أجهزة كشف الأمور الخارجة عن المألوف هذه إلى الحافة للمراقبة في الوقت الحقيقي. تسمح هذه الحلقة الفاضلة بإعادة التدريب المستمر للنماذج التنبؤية.

  • التقارير التشغيلية: مع نمو المبادرات الرقمية المزدوجة، تجمع الشركات كميات هائلة من البيانات التشغيلية من عدد كبير من أجهزة الاستشعار لإنشاء نسخة رقمية من كل جهاز. تعمل هذه البيانات على فهم الاتجاهات عبر البيانات التاريخية بالإضافة إلى البيانات الساخنة الأخيرة.

المحتوى ذو الصلة