Innovationstools zum Demokratisieren von Daten in Azure
Wie im Konzeptartikel Demokratisieren von Daten beschrieben wird, können viele Innovationen bei der Datensammlung mit geringem technischem Aufwand realisiert werden. Bedeutende Innovationen erfordern häufig Rohdaten. Beim Demokratisieren von Daten geht es darum, nur die für die Kundenbindung unabdingbaren Ressourcen zu investieren. Die Kunden nutzen die Daten dann, um von ihrem vorhandenen Wissen zu profitieren.
Datendemokratisierung als Ausgangspunkt zu wählen, erlaubt es, eine Hypothese schnell zu testen, bevor eine Ausweitung auf umfassendere und kostspieligere digitale Erfindungen erfolgt. Wenn Sie die Hypothese weiter verfeinern und damit beginnen, die Erfindungen bedarfsorientiert zu übernehmen, werden Ihnen die folgenden Prozesse helfen, sich auf die operative Unterstützung der Innovation vorzubereiten.
Ausrichtung auf die Methodik
Diese Art der digitalen Erfindung kann durch jede Phase der folgenden Prozesse beschleunigt werden, wie in der vorangehenden Abbildung gezeigt. Technische Leitfäden zum Beschleunigen digitaler Erfindungen werden links im Inhaltsverzeichnis auf dieser Seite aufgeführt. Diese Artikel sind nach Phasen geordnet, um den Leitfaden an der Gesamtmethodik auszurichten.
- Freigeben gesammelter Daten: Der erste Schritt beim Demokratisieren von Daten besteht darin, Daten zugänglich zu machen.
- Steuern von Daten: Stellen Sie vor der Freigabe sicher, dass vertrauliche Daten geschützt, nachverfolgt und gesteuert werden können.
- Zentralisieren von Daten: Gelegentlich müssen Sie eine zentrale Plattform für Datendemokratisierung, -freigabe und -steuerung bereitstellen.
- Sammeln von Daten: Durch Migration, Integration, Erfassung und Virtualisierung können vorhandene Daten zentralisiert, gesteuert und freigegeben werden.
Bei jeder Iteration sollten Cloudeinführungsteams nur so viele Daten verwenden wie erforderlich, um den Schwerpunkt stärker auf die Kundenanforderungen als auf die Architektur zu legen. Die Zurückstellung technischer Herausforderungen zugunsten von Kundenanforderungen beschleunigt die Validierung Ihrer Hypothese.
Alle Leitfäden sind den vier vorangegangenen Prozessen zugeordnet. Die Anleitung reicht von der größten Auswirkung auf den Kunden bis zur größten technischen Auswirkung. In jedem Prozess finden Sie Anleitungen zu verschiedenen Möglichkeiten, wie Azure Ihre Fähigkeit zum Erstellen mit Blick auf die Kundenanforderungen beschleunigen kann.
Toolkette
In Azure werden häufig die folgenden Innovationstools genutzt, um digitale Erfindungen in den vorhergehenden Phasen zu beschleunigen:
- Power BI
- Azure Data Catalog
- Azure Synapse Analytics
- Azure Cosmos DB
- Azure-Datenbank für PostgreSQL
- Azure Database for MySQL
- Azure Database for MariaDB
- Azure Database for PostgreSQL-Hyperscale
- Azure Data Lake-Speicher
- Azure Database Migration Service
- Azure SQL-Datenbank mit oder ohne verwaltete Azure SQL-Instanz
- Azure Data Factory
- Azure Stream Analytics
- SQL Server Integration Services
- Azure Stack
- SQL Server Stretch Database
- Azure StorSimple
- Azure Files
- Azure-Dateisynchronisierung
- PolyBase
Wenn die Erfindung für eine Einführung in größerem Maßstab bereit ist, erfordern alle Aspekte jeder Lösung eine Verfeinerung und technische Reife. In diesem Fall werden wahrscheinlich weitere dieser Dienste erforderlich sein. Verwenden Sie das Inhaltsverzeichnis auf der linken Seite für die Anleitung zu den Azure-Tools, die für Ihren Prozess zum Testen der Hypothese relevant sind.
Erste Schritte
Nachfolgend finden Sie Artikel, die Ihnen bei den ersten Schritten mit den einzelnen Tools in dieser Toolkette helfen.
Hinweis
Über die folgenden Links verlassen Sie das Cloud Adoption Framework, da sie auf unterstützende Inhalte verweisen, die außerhalb des Umfangs von CAF liegen.
Freigeben von Daten für Experten
- Schnelles Erstellen von Datenerkenntnissen
- Freigeben von Daten für Kollegen und Partner
- Einbetten von Berichten in eine Website oder ein Portal
- Erstellen neuer Arbeitsbereiche in Power BI
Steuern von Daten
- Klassifizieren von Daten (CAF)
- Schützen von Daten
- Kommentieren von Daten mit Azure Data Catalog
- Dokumentieren von Datenquellen mit Azure Data Catalog
Zentralisieren von Daten
- Erstellen und Abfragen eines Azure Synapse Analytics-SQL-Pools
- Bewährte Methoden zum Laden von Daten für Data Warehousing
- Visualisieren von Warehouse-Daten mithilfe von Power BI
- Referenzarchitektur für Enterprise BI mit Azure Synapse Analytics
- Verwalten von Big Data von Unternehmen mit Azure Data Lake Storage
- Was ist ein Data Lake?
Sammeln von Daten
- Integrieren von Clouddatenquellen in ein SQL Analytics-Data Warehouse
- Laden von lokalen Daten in Azure Synapse Analytics
- Integrieren von Daten – Azure Data Factory in OLAP
- Verwenden von Azure Stream Analytics mit Azure Synapse Analytics
- Referenzarchitektur zum Erfassen und Analysieren neuer Feeds
- Laden von Daten in den SQL-Pool von Azure Synapse Analytics
Nächste Schritte
Informationen zu Tools zum Erstellen von Anwendungen, die Kunden über Rohdaten hinaus einbinden