Sdílet prostřednictvím

Azure Cosmos DB: Případy použití analýz Bez ETL

PLATÍ PRO: NoSQL MongoDB Skřítek

Azure Cosmos DB poskytuje různé možnosti analýzy pro analýzy bez ETL téměř v reálném čase prostřednictvím provozních dat. Analýzu dat služby Azure Cosmos DB můžete povolit pomocí následujících možností:

  • Zrcadlení služby Azure Cosmos DB v Microsoft Fabric
  • Azure Synapse Link pro Azure Cosmos DB

Další informace o těchto možnostech viz "Analytics and BI on your Azure Cosmos DB data."

Důležité

Zrcadlení služby Azure Cosmos DB v Microsoft Fabric je nyní k dispozici ve verzi Preview pro rozhraní API NoSql. Tato funkce poskytuje všechny možnosti Azure Synapse Linku s lepším analytickým výkonem, schopnost sjednotit svá datová aktiva s Fabric OneLake a otevřít přístup k datům ve formátu Delta Parquet. Pokud uvažujete o Azure Synapse Linku, doporučujeme vyzkoušet zrcadlení, abyste posoudili celkové přizpůsobení vaší organizace. Pokud chcete začít se zrcadlováním, klikněte sem.

Analýzy bez ETL, téměř v reálném čase, můžou vašim podnikům otevřít různé možnosti. Tady jsou tři ukázkové scénáře:

  • Analýzy dodavatelského řetězce, predikce a reportování
  • Personalizace v reálném čase
  • Prediktivní údržba, detekce anomálií ve scénářích IOT

Analýzy dodavatelského řetězce, prognózy a reportování

Výzkumné studie ukazují, že začlenění analýz velkých objemů dat do operací dodavatelského řetězce vede k vylepšení doby dodání od objednání po realizaci a efektivity dodavatelského řetězce.

Výrobci se připojují k technologiím nativním pro cloud, aby se přerušily omezení starších systémů PLÁNOVÁNÍ zdrojů organizace (ERP) a SCM (Supply Chain Management). Díky dodavatelským řetězcům, které generují rostoucí objemy provozních dat každou minutu (objednávka, zásilka, transakční data), potřebují výrobci provozní databázi. Tato provozní databáze by měla být schopna škálování nejen pro manipulaci s objemy dat, ale také jako analytická platforma, která umožňuje dosažení úrovně kontextové inteligence v reálném čase, aby zajistila náskok před konkurencí.

Následující architektura ukazuje výkon používání služby Azure Cosmos DB jako provozní databáze nativní pro cloud v analýzách dodavatelského řetězce:

Diagram analýz v reálném čase pro Službu Azure Cosmos DB v dodavatelském řetězci

Na základě předchozí architektury můžete dosáhnout následujících případů použití:

  • Příprava a trénink prediktivní pipeline: Generování přehledů o provozních datech v dodavatelském řetězci pomocí strojového učení. Díky tomu můžete snížit náklady na inventář, provoz a snížit dobu doručení objednávek pro zákazníky.

Zrcadlení a Synapse Link umožňují analyzovat měnící se provozní data ve službě Azure Cosmos DB bez jakýchkoli ručních procesů ETL. Tyto nabídky vám ušetří další náklady, latenci a provozní složitost. Umožňují datovým inženýrům a datovým vědcům vytvářet robustní prediktivní kanály:

  • Dotazování provozních dat ze služby Azure Cosmos DB pomocí nativní integrace s fondy Apache Sparku v Microsoft Fabric nebo Azure Synapse Analytics Data můžete dotazovat v interaktivním poznámkovém bloku nebo naplánovaných vzdálených úlohách bez složité přípravy dat.

  • Vytváření modelů strojového učení (ML) s využitím algoritmů Spark ML a integrace Azure Machine Learning (AML) v Microsoft Fabric nebo Azure Synapse Analytics

  • Zapište výsledky po odvozování modelu do služby Azure Cosmos DB za účely vyhodnocování téměř v reálném čase.

  • Provozní generování sestav: Týmy dodavatelského řetězce potřebují flexibilní a vlastní sestavy v reálném čase a přesná provozní data. Tyto sestavy jsou potřeba k získání okamžitého přehledu o efektivitě dodavatelského řetězce, ziskovosti a produktivitě. Umožňuje datovým analytikům a dalším klíčovým zúčastněným stranám neustále znovu vyhodnotit firmu a identifikovat oblasti, které by se měly upravit, aby se snížily provozní náklady.

Zrcadlení dat a Synapse Link pro Azure Cosmos DB umožňují pokročilé scénáře business intelligence (BI)/generování sestav.

  • Dotazování provozních dat ze služby Azure Cosmos DB pomocí nativní integrace s plnou výrazností jazyka T-SQL

  • Modelujte a publikujte automatické aktualizace řídicích panelů BI přes Azure Cosmos DB prostřednictvím Power BI integrovaného v Microsoft Fabric nebo Azure Synapse Analytics.

Následuje několik doprovodných materiálů pro integraci dat pro dávkové a streamované data do služby Azure Cosmos DB:

  • Integrace a orchestrace dávkových dat: Jak se dodavatelské řetězce stávají složitějšími, je třeba platformy pro data dodavatelského řetězce integrovat s různými zdroji dat a formáty. Microsoft Fabric a Azure Synapse jsou integrované se stejným modulem pro integraci dat a prostředím jako Azure Data Factory. Tato integrace umožňuje datovým inženýrům vytvářet bohaté datové kanály bez samostatného orchestračního modulu:

    • Přesuňte data z více než 85 podporovaných zdrojů dat do služby Azure Cosmos DB pomocí služby Azure Data Factory.

    • Provedení ETL kanálů bez kódu do služby Azure Cosmos DB, včetně mapování z relačního na hierarchické a hierarchického na hierarchické pomocí toků mapování dat.

  • Integrace a zpracování streamovaných dat: S růstem průmyslového IoT (senzory sledující prostředky od "floor-to-store", propojené logistické flotily atd.) dochází k explozi dat generovaných průběžně, které je třeba integrovat s tradičními pomalu se pohybujícími daty, aby se získaly poznatky. Azure Stream Analytics je doporučená služba pro streamování ETL a zpracování v Azure s širokou škálou scénářů. Azure Stream Analytics podporuje Službu Azure Cosmos DB jako nativní jímku dat.

Personalizace v reálném čase

Maloobchodníci dnes musí vytvářet zabezpečená a škálovatelná řešení elektronického obchodování, která splňují požadavky zákazníků i firem. Tato řešení elektronického obchodování potřebují zapojit zákazníky prostřednictvím přizpůsobených produktů a nabídek, rychle a bezpečně zpracovávat transakce a zaměřit se na plnění a služby zákazníků. Azure Cosmos DB společně s nejnovější službou Synapse Link pro Azure Cosmos DB umožňuje prodejcům generovat přizpůsobená doporučení pro zákazníky v reálném čase. Pro okamžité přehledy, jak je znázorněno v následující architektuře, používají nastavení s nízkou latencí a nastavitelnou konzistencí:

Diagram služby Azure Cosmos DB pro personalizaci v reálném čase.

  • Příprava a trénování prediktivního kanálu: Pomocí modelů Fabric nebo Synapse Spark a strojového učení můžete vygenerovat přehledy o provozních datech napříč obchodními jednotkami nebo zákaznickými segmenty. To se překládá na přizpůsobené doručování pro cílové segmenty zákazníků, prediktivní prostředí pro koncové uživatele a cílený marketing tak, aby vyhovoval vašim požadavkům koncového uživatele. )

Prediktivní údržba IOT

Průmyslové inovace IOT výrazně snížily výpadky strojů a zvýšily celkovou efektivitu ve všech oborech průmyslu. Jednou z těchto inovací je prediktivní analýza údržby pro stroje na okraji cloudu.

Následuje architektura využívající funkce HTAP nativní pro cloud v prediktivní údržbě IoT:

Diagram služby Azure Cosmos DB v prediktivní údržbě IOT

  • Příprava a trénování prediktivního kanálu: Historická provozní data ze senzorů zařízení IoT se dají použít k trénování prediktivních modelů, jako jsou detektory anomálií. Tyto detektory anomálií se pak zpětně nasadí na hranici kvůli monitorování v reálném čase. Taková smyčka zlepšování umožňuje průběžné přetrénování prediktivních modelů.

  • Provozní hlášení: S růstem iniciativ digitálních dvojčat společnosti shromažďují obrovské objemy provozních dat z velkého počtu senzorů, aby vytvořily digitální kopii každého počítače. Tato data umožňují potřebám BI analyzovat trendy v historických datech kromě nejnovějších důležitých dat.

Související obsah

  • Last updated on