Diseño de arquitectura de análisis

Con el crecimiento exponencial de los datos, las organizaciones dependen de la capacidad analítica, almacenamiento y proceso ilimitado de Azure para escalar, transmitir, predecir y ver sus datos. Las soluciones de análisis convierten volúmenes de datos en inteligencia empresarial (BI) útil, como informes y visualizaciones, e inteligencia artificial (IA) ingeniosa, como previsiones basadas en el aprendizaje automático.

Tanto si su organización está empezando a evaluar las herramientas de análisis basadas en la nube como si está buscando expandir la implementación actual, Azure proporciona muchas opciones. El flujo de trabajo comienza con el aprendizaje sobre enfoques comunes y la alineación de procesos y roles en torno a una mentalidad en la nube.

Los datos se pueden procesar en lotes o en tiempo real, de forma local o en la nube, pero el objetivo de cualquier solución de análisis es hacer uso de los datos a gran escala. Cada vez más, las organizaciones quieren crear un único origen de verdad para todos los datos relacionales y no relacionales generados por personas, máquinas e Internet de las cosas (IoT). Es habitual usar una arquitectura de macrodatos o una arquitectura de IoT para transformar los datos sin procesar en un formato estructurado y, después, moverlos a un almacén de datos analíticos. Este almacén se convierte en la única fuente de verdad que puede impulsar una multitud de soluciones analíticas perspicaces.

Architecture

Diagrama que muestra el recorrido de la solución para el análisis en Azure. El recorrido comienza con el aprendizaje y la preparación de la organización y, a continuación, pasa a elegir soluciones de almacenamiento y tecnologías de inteligencia artificial o bi de Azure en función de los requisitos de la carga de trabajo.

Descargue un archivo de Visio de esta arquitectura.

En el diagrama anterior se muestra una implementación típica de análisis básico o de línea base. Consulte las arquitecturas que se proporcionan en esta sección para encontrar soluciones reales que puede crear en Azure.

Exploración de arquitecturas y guías de análisis

Los artículos de esta sección incluyen arquitecturas totalmente desarrolladas que puede implementar en Azure y ampliar a las soluciones y guías de nivel de producción. Estos pueden ayudarle a tomar decisiones importantes sobre cómo usar tecnologías de análisis en Azure. Las ideas de la solución muestran patrones de implementación y posibilidades que se deben tener en cuenta a medida que planee el desarrollo de prueba de concepto de análisis.

Guías de arquitectura de análisis

Opciones de tecnología : estos artículos le ayudan a evaluar y seleccionar las mejores tecnologías de análisis para sus requisitos de carga de trabajo:

• Análisis e informes : compare las opciones de análisis y visualización de datos en Azure.
• Procesamiento por lotes : evalúe las tecnologías de procesamiento por lotes para cargas de trabajo de macrodatos.
• Procesamiento de flujo de datos: compare las tecnologías de procesamiento de flujo de datos para el análisis en tiempo real.
• Elija un almacén de datos analíticos : guía para seleccionar el almacén de datos analíticos correcto.
• Elija un almacén de datos analíticos en Microsoft Fabric : guía para seleccionar almacenes de datos en Microsoft Fabric.

Recuperación ante desastres para la plataforma de datos de Azure : en estos artículos se proporcionan instrucciones completas para implementar estrategias de recuperación ante desastres:

• Overview - Visión general de las estrategias de recuperación ante desastres para plataformas de datos de Azure.
• Arquitectura : patrones de arquitectura para la recuperación ante desastres en plataformas de datos de Azure.
• Detalles del escenario: escenarios detallados para implementar la recuperación ante desastres.
• Recomendaciones : recomendaciones de procedimientos recomendados para la recuperación ante desastres.

Arquitecturas de análisis

Estas arquitecturas listas para producción muestran soluciones de análisis integrales que puede implementar y personalizar:

• Análisis de un extremo a otro con Microsoft Fabric: cree una plataforma de análisis moderna mediante las funcionalidades integradas de Microsoft Fabric.
• Almacenamiento y análisis de datos: integre grandes cantidades de datos de varios orígenes en una plataforma de análisis unificada.
• Usar Microsoft Fabric para diseñar una solución de BI empresarial : diseñe una solución de inteligencia empresarial empresarial mediante Microsoft Fabric.
• Procesamiento de datos de lakehouse en casi tiempo real: use Azure Synapse Analytics y Azure Data Lake Storage para el procesamiento de lakehouse en casi tiempo real.
• Sincronización en tiempo real de MongoDB Atlas con Azure Synapse Analytics: sincronice los datos de MongoDB Atlas con Azure Synapse Analytics en tiempo real.
• Procesamiento de flujos con Azure Databricks : cree una canalización de procesamiento de flujos de un extremo a otro mediante Azure Databricks.
• Procesamiento de flujos con Azure Stream Analytics: construya una canalización de procesamiento de flujos que ingiera datos, correlacione registros y calcule los promedios móviles.
• Almacenamiento de datos moderno para pequeñas y medianas empresas : cree una solución de almacenamiento de datos moderna diseñada para pequeñas y medianas empresas.

Ideas de la solución de análisis

Estas ideas de solución muestran patrones de implementación y posibilidades para explorar:

• Ingestión, ETL y canalizaciones de procesamiento de flujos con Azure Databricks: Crear canalizaciones ETL para datos por lotes y en streaming para simplificar la ingesta en el lago de datos.
• Arquitectura de análisis moderno con Azure Databricks : recopilación, procesamiento, análisis y visualización de datos mediante una arquitectura de datos moderna.
• Plataforma de datos moderna para pequeñas y medianas empresas: construya una arquitectura de plataforma de datos moderna para pequeñas y medianas empresas usando Microsoft Fabric y Azure Databricks.
• Análisis en tiempo real con Azure Data Explorer: análisis de datos en tiempo real mediante Azure Data Explorer y Azure Service Bus.

Más información sobre el análisis en Azure

Microsoft Learn proporciona recursos de aprendizaje en línea gratuitos para tecnologías de análisis de Azure. La plataforma ofrece vídeos, tutoriales y laboratorios prácticos para productos y servicios específicos, junto con rutas de aprendizaje organizadas por rol de trabajo.

Los siguientes recursos proporcionan conocimientos fundamentales para las implementaciones de análisis en Azure:

• Explorar temas de datos de Azure
• Introducción a los conceptos fundamentales de datos de Microsoft Azure
• Comienza con Microsoft Fabric

Rutas de aprendizaje por rol

• Analista de datos: Introducción al análisis de datos de Microsoft
• Ingeniero de datos: Implementación de una solución de análisis de datos con Azure Databricks
• Científico de datos: Creación de soluciones de aprendizaje automático mediante Azure Databricks

Preparación de la organización

Las organizaciones que inician su adopción de la nube pueden usar Cloud Adoption Framework para obtener instrucciones probadas diseñadas para acelerar la adopción de la nube. Para obtener instrucciones de análisis a escala en la nube, consulte Análisis a escala en la nube.

Para ayudar a garantizar la calidad de la solución de análisis en Azure, se recomienda seguir el Azure Well-Architected Framework. Proporciona instrucciones prescriptivas para las organizaciones que buscan excelencia arquitectónica y describe cómo diseñar, aprovisionar y supervisar soluciones de Azure optimizadas para costos.

Para obtener instrucciones sobre cargas de trabajo de datos alineadas con los pilares de Well-Architected Framework, consulte Azure Well-Architected Framework para cargas de trabajo de datos.

Ruta hacia la producción

Elegir un almacén de datos es una decisión fundamental al implementar análisis en Azure. Después de seleccionar el enfoque de almacenamiento, puede determinar la tecnología de análisis de datos adecuada para su escenario.

Entre los puntos de decisión clave se incluyen:

• Almacenamiento de datos: elija entre lagos de datos, almacenes de datos o almacenes de lago en función de la estructura de datos y los patrones de consulta. Para obtener instrucciones sobre cómo seleccionar y diseñar soluciones de base de datos que potencian las cargas de trabajo de análisis, consulte Diseño de arquitectura de bases de datos.

• Modelo de procesamiento: determine si el procesamiento por lotes, el procesamiento de flujos o una combinación se ajusta mejor a los requisitos de carga de trabajo.

• Herramientas de análisis: seleccione tecnologías de INTELIGENCIA EMPRESARIAL e inteligencia artificial que se alineen con las aptitudes y las necesidades empresariales de su equipo.

Para ver diferentes estilos de arquitectura para soluciones de análisis, consulte arquitecturas.

procedimientos recomendados

Los análisis de alta calidad comienzan con datos sólidos y de confianza. En el nivel más alto, las prácticas de seguridad de la información ayudan a garantizar que los datos están protegidos en tránsito y en reposo. El acceso a los datos también debe ser de confianza. Los datos de confianza implican un diseño que implementa:

• Directivas de gobernanza : defina directivas de propiedad, clasificación y acceso de datos claros.

• Administración de identidades y acceso : implemente el control de acceso basado en rol y los principios de privilegios mínimos.

• Controles de seguridad de red : proteja los flujos de datos entre los servicios y evite el acceso no autorizado.

• Protección de datos - Cifrar los datos en reposo y en tránsito.

En el nivel de plataforma, los siguientes procedimientos recomendados de datos big contribuyen a un análisis de confianza en Azure:

• Orquestar la ingesta de datos: utiliza un flujo de trabajo de datos o una solución de canalización como las que son compatibles con las canalizaciones de Azure Data Factory o Microsoft Fabric.

• Procesar datos in situ - Use un almacén de datos distribuido, un enfoque de big data que admita grandes volúmenes de datos y una gama más amplia de formatos.

• Eliminación temprana de datos confidenciales - elimine o enmascare los datos confidenciales como parte del flujo de trabajo de ingesta para evitar almacenarlos en el lago de datos.

• Considere el costo total: equilibre el costo por unidad de los nodos de proceso necesarios con el costo por minuto de usar esos nodos para completar un trabajo.

• Crear un lago de datos unificado : combine el almacenamiento de archivos en varios formatos, ya sea estructurado, semiestructurado o no estructurado. Utiliza Azure Data Lake Storage Gen2 como tu único punto de referencia fiable. Por ejemplo, consulte Arquitectura de la solución de BI en el centro de excelencia.

Mantenerse al día con el análisis

Los servicios de análisis de Azure evolucionan para abordar los desafíos de datos modernos. Manténgase informado sobre las últimas actualizaciones y características planeadas:

Obtenga las actualizaciones más recientes en los productos y características de Azure.

Manténgase al día con estos servicios de análisis clave:

• Novedades de Microsoft Fabric
• Notas de la versión de Azure Databricks
• Novedades de Azure Data Explorer
• Novedades de Power BI

Recursos adicionales

Análisis es una categoría amplia y abarca una amplia gama de soluciones. Los siguientes recursos pueden ayudarle a descubrir más sobre Azure.

Híbrido

La gran mayoría de las organizaciones necesitan un enfoque híbrido para el análisis porque sus datos se hospedan tanto en el entorno local como en la nube. Las organizaciones suelen ampliar las soluciones de datos locales a la nube. Para conectar entornos, las organizaciones deben elegir una arquitectura de red híbrida.

Escenarios clave de análisis híbrido:

• Modernización del sistema central: modernice los datos de sistema central y de rango medio : integre orígenes de datos heredados con plataformas de análisis modernas.
• Integración local: operaciones híbridas y multinube unificadas : conecte bases de datos locales a análisis en la nube.
• Analítica perimetral: procesar datos en el perímetro y agregar conocimientos en la nube.

Análisis en tiempo real

El análisis en tiempo real permite a las organizaciones actuar sobre los datos a medida que llegan. Estos son algunos recursos que le ayudarán a empezar a trabajar con análisis en tiempo real en Azure:

• Análisis en tiempo real de la arquitectura de macrodatos : procese y analice los datos de streaming a escala.
• Análisis de IoT con Azure Data Explorer : análisis de datos de telemetría de IoT en tiempo real.
• Procesamiento de flujos con Azure Stream Analytics : cree soluciones de streaming sin servidor.
• Crear una arquitectura de análisis moderna mediante Azure Databricks: análisis de nivel empresarial mediante Apache Spark.

Browse más ejemplos de análisis en el Centro de arquitectura de Azure

Profesionales de AWS o Google Cloud

Estos artículos pueden ayudarle a aumentar rápidamente comparando las opciones de análisis de Azure con otros servicios en la nube:

• Analytics y macrodatos en tecnologías de bases de datos en Azure y AWS

• Grandes datos y analítica en comparación de servicios de Google Cloud a Azure