Editar

Compartir a través de


Diseño de arquitectura de análisis

Azure Synapse Analytics
Power BI

Con el crecimiento exponencial de los datos, las organizaciones se basan en la potencia analítica, el almacenamiento y el proceso ilimitados 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 herramientas de análisis basadas en la nube como si quiere 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 confianza que puede crear una gran cantidad de soluciones de análisis detalladas.

El recorrido de la solución para el análisis en Azure comienza con el aprendizaje y la asignación de roles. A continuación, elija una solución de almacenamiento y una tecnología Azure BI o AI para la carga de trabajo.

Descargue un archivo Visio de esta arquitectura.

Más información sobre el análisis en Azure

Si es nuevo en el análisis en Azure, el mejor lugar para obtener más información es con Microsoft Learn, una plataforma gratuita de cursos en línea. Encontrará vídeos, tutoriales y aprendizaje práctico para productos y servicios específicos, además de rutas de aprendizaje basadas en su rol de trabajo, como desarrollador o analista de datos.

Preparación de la organización

Si su organización no está en la nube, Cloud Adoption Framework puede ayudarle a empezar. Esta colección de documentación y procedimientos recomendados ofrece una guía probada de Microsoft diseñada para acelerar el recorrido de adopción en la nube. También incluye herramientas de innovación para la democratización de los datos en Azure.

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

Ruta hacia la producción

Saber cómo almacenar los datos es una de las primeras decisiones que debe tomar en su recorrido para realizar análisis en Azure. A continuación, puede elegir la mejor tecnología de análisis de datos para su escenario.

Para empezar, considere las siguientes implementaciones de ejemplo:

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:

En el nivel de plataforma, los siguientes procedimientos recomendados sobre macrodatos contribuyen al análisis de confianza en Azure:

  • Organice la ingesta de datos mediante un flujo de trabajo de datos o una solución de canalización, como las admitidas por Oozie o Azure Data Factory.

  • Procese datos en su lugar mediante un almacén de datos distribuido, un enfoque de macrodatos que admite grandes volúmenes de datos y una mayor variedad de formatos.

  • Limpie los datos confidenciales al principio como parte del flujo de trabajo de ingesta para evitar almacenarlos en el lago de datos.

  • Tenga en cuenta el costo total de los recursos de Azure necesarios equilibrando el costo por unidad de los nodos de proceso necesarios con el costo por minuto de uso de esos nodos para completar un trabajo.

  • Cree un lago de datos que combine el almacenamiento de archivos en varios formatos, ya sea estructurados, semiestructurados o no estructurados. En Microsoft, usamos Azure Data Lake Storage Gen2 como única fuente de confianza. Por ejemplo, consulte Arquitectura de la solución de BI en el centro de excelencia.

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. A menudo, las organizaciones amplían las soluciones de datos locales a la nube. Para conectar entornos, las organizaciones deben elegir una arquitectura de red híbrida.

Un enfoque híbrido podría incluir sistemas centrales y de rango medio como origen de datos para soluciones de Azure. Por ejemplo, es posible que su organización quiera modernizar los datos del sistema central y de rango medio o proporcionar acceso del sistema central a las bases de datos de Azure.

Soluciones de ejemplo

Estas son algunas implementaciones de ejemplo de análisis en Azure que se deben tener en cuenta:

Profesionales de AWS o Google Cloud

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