Introducción
Muchas organizaciones trabajan con grandes cantidades de datos. A menudo, estos macrodatos pueden estar sin procesar, desorganizados y almacenados en una variedad de ubicaciones, como sistemas de almacenamiento relacionales, no relacionales y de otro tipo. Un desafío importante para estas organizaciones es dotar de orden a estos macrodatos y mejorarlos para convertirlos en conclusiones empresariales útiles.
Microsoft Azure Data Factory es un servicio en la nube administrado que puede usar para crear conclusiones empresariales útiles a partir de datos no organizados. Puede ayudarle a administrar proyectos complejos de extracción, transformación y carga (ETL) híbridas, de extracción, carga y transformación, y de integración de datos.
Escenario de ejemplo
Imagine que trabaja para una empresa de juegos, donde recopila los registros de datos que se generan durante las sesiones de juegos. Si pudiera analizar estos datos de registro, podría obtener conclusiones sobre las preferencias de los clientes, datos demográficos y el comportamiento del uso. Los miembros del equipo de ventas están expresado interés en oportunidades de venta directa y cruzada, y se preguntan si estos registros de datos podrían contener información útil. Los equipos técnico y de desarrollo están interesados en conocer los posibles problemas con la experiencia del juego y cómo las nuevas características podrían ayudar a resolverlos.
El problema es que para analizar correctamente los datos de los registros, también debe hacer referencia a los datos almacenados en ubicaciones locales. Estos datos incluyen información de los clientes, de los juegos y de las campañas de marketing. La empresa almacena los datos de registro de juegos en un almacén de datos en la nube y quiere que también use todos los datos del entorno local.
Para avanzar con el análisis de datos, un paso fundamental consiste en combinar los datos locales con los datos adicionales de los registros de juegos. El plan consiste en procesar los datos combinados mediante Azure Analysis Services. A continuación, publique los datos transformados en un almacenamiento de datos en la nube y visualícelos mediante Power BI y otras herramientas. Azure Data Factory puede ayudarle a lograr este objetivo.
¿Qué vamos a hacer?
En este módulo, descubrirá cómo Azure Data Factory organiza los macrodatos. Puede evaluar si Azure Data Factory puede ayudarle a integrar los orígenes de datos. También aprenderá cómo Azure Data Factory puede ingerir datos de orígenes de datos locales, de varias nubes y de software como servicio (SaaS).
¿Cuál es el objetivo principal?
Al final de este módulo, habrá obtenido más información sobre cómo Azure Data Factory puede ayudarle a crear y programar flujos de trabajo controlados por datos para ingerir datos de diferentes almacenes de datos. Puede evaluar si Azure Data Factory puede ayudarle a crear procesos ETL complejos para transformar estos datos visualmente con servicios de proceso o con flujos de datos.