Was ist Real-Time Analytics in Fabric?

  • Artikel

In den letzten Jahrzehnten haben wir einen Paradigmenwechsel in der Art und Weise erlebt, wie wir auf Informationen zugreifen und sie nutzen, da sich Benutzer an interaktive, bedarfsgesteuerte und für alle zugängliche Daten gewöhnt haben. Dieser Paradigmenwechsel wurde durch Big Data, Streamingdatenerfassung und indizierte, Schlüsselwort-basierte Suchen getrieben. All diese Lösungen sorgen zusammen für eine größere Benutzerfreundlichkeit und eine bessere Benutzererfahrung. Mit Real-Time Analytics in Microsoft Fabric ermöglichen wir es Organisationen, sich auf ihre Analyselösung zu konzentrieren, sie zu skalieren und gleichzeitig Daten für die Anforderungen vom Citizen Data Scientist bis zur erfahrenen technischen Fachkraft für Daten gleichermaßen zur Verfügung zu stellen. Echtzeitanalysen sind in vielen Szenarien in der Unternehmenswelt von entscheidender Bedeutung, z. B. Cybersicherheit, Assetnachverfolgung und -verwaltung, Predictive Maintenance, Optimierung der Lieferkette, Kundenerfahrung, Energiemanagement, Bestandsverwaltung, Qualitätskontrolle, Umweltüberwachung, Flottenmanagement sowie Gesundheit und Sicherheit.

Wie? Real-Time Analytics reduziert die Komplexität und vereinfacht die Datenintegration. Erhalten Sie schnellen Zugriff auf Dateneinblicke mit sekundenschneller Bereitstellung, automatischem Datenstreaming, Indizierung und Partitionierung für alle Datenquellen oder Formate sowie bedarfsgesteuerte Abfragegenerierung und -visualisierungen. Dieser Benutzerprozess ist einfach, behält dabei aber leistungsstarke Analysefunktionen bei. Mit Real-Time Analytics können Sie sich auf Ihre Analyselösungen konzentrieren, indem Sie den Dienst nahtlos skalieren, wenn Ihre Anforderungen im Bezug auf Daten und Abfragen steigen.

Screenshot of Real-Time Analytics product showing the database homepage with a quick query pane showing binned ingestion results.

Real-Time Analytics ist eine vollständig verwaltete Big Data-Analyseplattform, die für Streaming und Zeitreihendaten optimiert ist. Die Plattform verwendet eine Abfragesprache und eine Engine mit außergewöhnlicher Leistung, um strukturierte, teilstrukturierte und unstrukturierte Daten durchsuchen zu können. Real-Time Analytics ist vollständig in die gesamte Fabric-Produktsuite integriert, um das Laden und Transformieren von Daten sowie komplexe Visualisierungsszenarien realisieren zu können.

Was macht die Real-Time Analytics einzigartig?

  • Erfassen, Transformieren und Routen von Echtzeitereignissen an verschiedene Ziele, einschließlich benutzerdefinierter Anwendungen.
  • Einfaches Erfassen oder Laden von Daten aus jeder Quelle und jeden Formats.
  • Ausführen analytischer Abfragen direkt für Rohdaten, ohne dass Sie komplexe Datenmodelle erstellen oder Skripts erstellen müssen, um die Daten zu transformieren.
  • Importieren von Daten mit Standardstreaming, das eine leistungsstarke Datenanalyse mit geringer Latenzzeit und hoher Aktualität ermöglicht.
  • Importierte Daten werden standardmäßig partitioniert (sowohl zeit- als auch hashbasierte Partitionierung) und standardmäßig indiziert.
  • Arbeiten mit vielfältigen Datenstrukturen, einschließlich Abfragen von strukturiertem, halbstrukturiertem oder Freitext.
  • Abfragen von Rohdaten ohne Transformation, mit hoher Leistung und erstaunlich geringer Antwortzeit bei gleichzeitiger Verwendung einer Vielzahl verfügbarer Operatoren.
  • Verwalten einer unbegrenzten Datenmenge, von Gigabytes bis Petabytes, mit unbegrenzter Skalierung bei gleichzeitigen Abfragen und gleichzeitigen Benutzern.
  • Die integrierte Autoskalierung passt die Ressourcen an Arbeitslastfaktoren wie Cache, Speicher, CPU-Nutzung und Datenerfassung an, um die Leistung zu optimieren und die Kosten zu minimieren.
  • Nahtlose Integration in andere Benutzeroberlfächen und Elementen in Microsoft Fabric.

Wann sollte Real-Time Analytics eingesetzt werden?

Wenn eine dieser Fragen Ihre Datenanforderungen beschreibt, ist Real-Time Analytics die richtige Lösung für Sie:

  • Benötige ich eine hohe Aktualität von der Datenerfassung bis zur Abfrage?
  • Möchte ich Streamingdaten transformieren?
  • Habe ich einen Dienst, der mit geringer Abfragewartezeit (innerhalb weniger Sekunden) auf Daten zugreifen muss?
  • Muss ich Daten in verschiedenen Formaten durchsuchen oder auf sie zugreifen, z. B. strukturierte Daten, teilweise strukturierte Daten (einschließlich komplizierter Daten wie JSON oder andere Arrays) oder unstrukturierte Daten (z. B. Freitext)?
  • Möchte ich die Möglichkeit haben, große Datenmengen abzufragen?
  • Verfügen meine Daten über eine Zeitkomponente, die von einer zeitreihenoptimierten Datenbankstruktur profitieren kann?
  • Möchte ich die Möglichkeit haben, Ad-hoc-Abfragen für ein beliebiges Feld oder eine Zeile ohne vorherige Optimierung zu erstellen?

Die Branchen, die von der Datenanalyse mithilfe von Real-Time Analytics profitieren, sind unterschiedlich. Zu ihnen zählen zum Beispiel: Finanzen, Transport und Logistik, intelligente Städte, intelligente Gebäude, Fertigungsbetriebe, Automobilindustrie sowie Öl- und Gasindustrie.

Szenarien

Marketing

Als Marketingspezialist, der eine neue Kampagne implementiert, können Sie mit Real-Time Analytics die unmittelbaren Auswirkungen Ihrer Kampagne auf Vertrieb, Bestand und Logistik analysieren. Sie können große Datenmengen über Eventstream mit einer Wartezeit von nur wenigen Sekunden in Ihre KQL-Datenbank streamen und dann ein KQL-Abfrageset verwenden, um die Leistung Ihrer Kampagne zu analysieren und Ihre Ergebnisse in einem gemeinsam nutzbaren Power BI-Bericht zu visualisieren. Sie können diese Erkenntnisse verwenden, um die verschiedenen Aspekte Ihrer Kampagne sofort zu ändern und den Effekt mühelos in Echtzeit anzuzeigen. Sie können auch verschiedenen Teams in Ihrem Unternehmen Lesezugriff auf Ihre KQL-Datenbank gewähren, z. B. den Finanz- und Produktionsteams, um Ihre Streamingdaten zu analysieren und entsprechend Anpassungen an den Kosten und der Produktion des Produkts vorzunehmen.

Vertrieb

Als Business Analyst, der für eine globale Einzelhandelskette arbeitet, sind Sie dafür verantwortlich, die eingehenden Daten zu analysieren und Ihre Erkenntnisse an wichtige Projektbeteiligte in Ihrem Unternehmen zu kommunizieren. Sie können Daten aus einer Vielzahl verschiedener Quellen, z. B. Hersteller, Spediteure, Lieferante und in einer Vielzahl von Formaten, z. B. strukturiert, teilweise strukturiert und unstrukturiert sammeln und speichern. All diese verwertbaren Daten werden in einer KQL-Datenbank erfasst und bieten eine skalierbare Datenlösung für Ihren wachsenden Datenbestand, der Milliarden von Datensätzen umfassen kann, die jahrelang aufbewahrt werden können, sodass Sie die Streamingdaten abfragen und vergleichen können. Sie können nicht nur ein KQL-Abfrageset zum Durchführen von Zeitreihenanalysen verwenden, sondern auch Power BI-Berichte erstellen, die Geoanalysen von Land- und Seerouten visualisieren, Anomalien rasch erkennen und mit Projektmanagern an Dashboards zusammenarbeiten, um bessere geschäftliche Entscheidungen zu treffen.

Wie arbeite ich mit Real-Time Analytics?

Die in Real-Time Analytics verfügbaren Standardelemente umfassen:

  • Eventstream zum Erfassen, Transformieren und Weiterleiten von Echtzeitereignissen an verschiedene Ziele ohne die Notwendigkeit, Code zu verwenden.
  • Eine KQL-Datenbank für die Datenspeicherung und -verwaltung. Auf Daten, die in eine KQL-Datenbank geladen werden, kann in OneLake zugegriffen werden. Darüber hinaus werden sie für andere Fabric-Umgebungen verfügbar gemacht.
  • Ein KQL-Abfrageset, um Daten abzufragen, anzuzeigen und Abfrageergebnisse anzupassen. Das KQL-Abfrageset ermöglicht es Ihnen, Abfragen für die zukünftige Verwendung zu speichern, zu exportieren und mit anderen zu teilen. Es bietet außerdem die Option zum Generieren eines Power BI-Berichts.

Sehen Sie sich an, wie diese Elemente in einem End-to-End-Streamingdatennutzungs- und -analyseszenario zusammenspielen: Tutorial zur Real-Time Analytics – Einführung

Integration mit anderen Erfahrungen

Schematic image of architecture of Real-Time Analytics integration with other experiences.

Zugehöriger Inhalt