Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Wie der konzeptionelle Artikel zur Demokratisierung von Daten beschreibt, können Sie viele Datensammlungsinnovationen mit geringem technischen Aufwand bereitstellen. Wichtige Innovationen erfordern häufig Rohdaten. Bei der Demokratisierung von Daten geht es darum, die geringsten Ressourcen zu investieren, die für die Einbindung Ihrer Kunden erforderlich sind. Die Kunden nutzen dann die Daten, um ihr vorhandenes Wissen zu nutzen.
Beginnend mit der Datendemokratisierung ist eine schnelle Möglichkeit, eine Hypothese zu testen, bevor sie in breitere, teurere digitale Erfindungen erweitert wird. Wenn Sie mehr von der Hypothese verfeinern und mit der Einführung der Erfindungen im Maßstab beginnen, helfen Ihnen die folgenden Prozesse bei der Vorbereitung auf die operative Unterstützung der Innovation.
Ausrichtung auf die Methodik
Diese Art der digitalen Erfindung kann durch jede Phase der folgenden Prozesse beschleunigt werden, wie in der obigen Abbildung dargestellt. Technische Anleitungen zur Beschleunigung der digitalen Erfindung sind im Inhaltsverzeichnis auf der linken Seite dieser Seite aufgeführt. Diese Artikel werden nach Phase gruppiert, um leitlinien an die allgemeine Methodik auszurichten.
- Gesammelte Daten freigeben: Der erste Schritt der Demokratisierung von Daten besteht darin, offen zu teilen.
- Daten steuern: Stellen Sie sicher, dass vertrauliche Daten vor der Freigabe gesichert, nachverfolgt und gesteuert werden.
- Daten zentralisieren: Manchmal müssen Sie eine zentrale Plattform für Demokratisierung, Freigabe und Governance für Daten bereitstellen.
- Sammeln von Daten: Migration, Integration, Aufnahme und Virtualisierung können jeweils vorhandene Daten sammeln, die zentralisiert, geregelt und freigegeben werden sollen.
Bei jeder Iteration sollten Cloud-Einführungsteams nur so tief in den Technologie-Stack gehen, wie es erforderlich ist, um sich mehr auf Kundenanforderungen als auf die Architektur zu konzentrieren. Die Verzögerung technischer Spitzen zugunsten der Kundenanforderungen beschleunigt die Validierung Ihrer Hypothese.
Alle Anleitungen sind den vier vorherigen Prozessen zugeordnet. Die Leitlinie reicht vom höchsten Kundeneffekt bis zum höchsten technischen Effekt. In jedem Prozess sehen Sie Anleitungen dazu, wie Azure Ihre Fähigkeit zur Entwicklung mit Kundenempathie beschleunigen kann.
Toolkette
In Azure werden die folgenden Innovationstools häufig verwendet, um die digitale Erfindung in den vorherigen Phasen zu beschleunigen:
- Power BI
- Azure-Datenkatalog
- Azure Cosmos DB
- Azure-Datenbank für PostgreSQL
- Azure-Datenbank für MySQL
- Azure-Datenbank für PostgreSQL-Hyperskalen
- Azure Data Lake Storage
- Azure-Datenbankmigrationsdienst
- Azure SQL-Datenbank mit oder ohne azure SQL Managed Instance
- Azure Data Factory
- Azure Stream Analytics
- SQL Server-Integrationsdienste
- Azure Stack
- SQL Server Stretch-Datenbank
- Azure StorSimple
- Azure Files
- Azure-Dateisynchronisierung
- PolyBase
Da die Erfindung die Einführung im Maßstab anangeht, erfordern die Aspekte jeder Lösung Verfeinerung und technische Reife. In diesem Fall sind wahrscheinlich mehr dieser Dienste erforderlich. Verwenden Sie das Inhaltsverzeichnis auf der linken Seite dieser Seite für Azure-Tools, die für Ihren Hypothesentestprozess relevant sind.
Loslegen
Unten finden Sie Artikel, die Ihnen bei den ersten Schritten mit den einzelnen Tools in dieser Toolkette helfen.
Hinweis
Die folgenden Links verlassen das Cloud Adoption Framework, da sie auf unterstützende Inhalte verweisen, die außerhalb des Umfangs von CAF stehen.
Daten mit Experten teilen
- Schnelles Generieren von Datenerkenntnissen
- Freigeben von Daten mit Kollegen und Partnern
- Einbetten von Berichten in eine Website oder ein Portal
- Erstellen neuer Arbeitsbereiche in Power BI
Daten steuern
- Klassifizieren von Daten (CAF)
- Sichere Daten
- Kommentieren von Daten mit dem Azure-Datenkatalog
- Dokumentdatenquellen mit Azure-Datenkatalog
Daten zentralisieren
- Visualisieren von Lagerdaten mit Power BI
- Verwalten von Unternehmens-Big Data mit Azure Data Lake Storage
- Was ist ein Datensee?
Sammeln von Daten
- Integrieren von Daten – Azure Data Factory in OLAP
- Referenzarchitektur für aufnahme und Analyse neuer Feeds
Nächste Schritte
Erfahren Sie mehr über Tools zum Erstellen von Anwendungen, die Kunden über rohe Daten hinaus binden.