Partekatu bidez

Egin datu-analisi iragarleak Dataverse, Fabric eta Azure AI zerbitzuak erabiliz

Gaur egungo datuetan oinarritutako munduan, analisi prediktiboa aplikatzeak erabakiak hartzeko prozesuak eta eragiketa-eraginkortasuna hobetzen ditu.

Eskupekoa

Artikulu honek eszenatoki baten adibidea eta arkitektura orokortuaren adibidea eskaintzen ditu Microsoft Dataverse, Microsoft Fabric eta Azure AI zerbitzuekin datuen analisi prediktiboa nola egin ilustratzeko. Arkitektura adibidea hainbat eszenatoki eta industriatarako alda daiteke.

Arkitektura diagrama

Arkitektura-diagrama, datuen analisi prediktiboa ilustratzen duena Dataverse, Fabric eta Azure AI zerbitzuekin.

Workflow

Hurrengo urratsek arkitektura-diagrama adibidean erakusten den lan-fluxua deskribatzen dute:

  1. Datuen ingesta: Erabili datu-fluxuak hainbat iturritatik datu gordinak biltzeko eta eraldatzeko. Gorde garbitu eta prestatutako datuak Dataverse.

  2. Datuen ingeniaritza eta modeloen entrenamendua: Sinkronizatu datuak Dataverse Fabric-etik Fabric-era Fabric lasterbidea erabiliz. Erabili Fabric-en OneLake eta Synapse ingurunea makina-ikaskuntzako ereduak entrenatzeko.

  3. Iragarpenen biltegiratzea: Gorde modeloen iragarpenak berriro Dataverse edo Delta Lake-n Fabric-en.

  4. Bistaratze: Eraiki denbora errealeko aginte-panelak Power BI -n iragarpenak eta ikuspegiak bistaratzeko.

  5. Ekintzarako informazioa: Garatu mihise edo ereduetan oinarritutako aplikazio bat lehen lerroko taldeei aurreikuspen-informazioa emateko. Power Apps

Osagaiak

AI Builder: Aurrez eraikitako edo pertsonalizatutako ereduak erabiliz, dokumentuetatik datu garrantzitsuak ateratzen ditu.

Microsoft Dataverse: Ateratako dokumentuen datuen biltegi zentral gisa balio du eta dokumentuen aurrerapena jarraitzen du negozio-prozesua aplikatzen den heinean.

Power PlatformLan-fluxu automatizatuek datu gordinak biltzen eta eraldatzen dituzte hainbat iturritatik.

Estekatu Dataverse Fabric-era: Fabric lasterbidea erabiliz sinkronizatzen ditu datuak Microsoft FabricFabric-etik. Dataverse

Azure Machine Learning: Makina-ikaskuntzako ereduak entrenatzen ditu.

Power Apps: Giza berrikuspena eta datuen zuzenketak errazten ditu.

Power BIDokumentuak prozesatzeko lan-fluxuari buruzko analisiak eta informazioa eskaintzen du.

Alternatibak

Azure Data Factory: Erabili Azure Data Factory datu-fluxuen ordez Power Platform hainbat iturritatik datu gordinak biltzeko eta eraldatzeko.

Eszenatokiaren xehetasunak

Egoera: Enpresa batek bezeroen abandonua aurreikusi nahi du erabiltzaileen atsekabea saihesteko.

Erabilera kasu potentziala: Bezeroen galera aurreikustea

Egoera honetan, urrats zehatzak hauek dira:

  • Datuen bilketa: Erabili datu-fluxuak bezeroen datuak, hala nola transakzioak, kexak eta konpromiso-puntuazioak Dataverse-n biltzeko.

  • Modeloaren garapena: Datuak Fabric-ekin sinkronizatu Dataverse . Erabili Fabric-en Spark multzoko datu historikoak bezeroen abandonuaren iragarpen-eredu bat entrenatzeko. Erabili Azure Machine Learning eredu prediktiboak entrenatzeko eta zabaltzeko.

  • Iragarpenen hedapena: Gorde iragarpenak, hala nola, bezeroen baja probabilitatea Dataverse.

  • Bistaratze: Eraiki Power BI eskualdearen edo produktu-kategoriaren araberako churn arriskuaren banaketa erakusten duten kontrol-panelak.

  • Erabiltzailearen ekintza: Sortu mihise edo ereduetan oinarritutako aplikazio bat arrisku handiko kontuak ikusteko eta haietan jarduteko.

Kontuan hartzekoak

Gogoeta hauek Well-Arkitekturaren zutabeak ezartzen dituzte, lan-karga baten kalitatea hobetzen duten gidalerro multzo bat. Power Platform Informazio gehiago Microsoft Power Platform Ongi Arkitektotua atalean.

Errendimendua

  • Datu-fluxuak datuak modu eraginkorrean irensteko: Optimizatu Power Platform ETL (Erauzi, Eraldatu, Kargatu) prozesuetarako datu-fluxuak, dagokionean freskatze inkrementala aplikatuz, datuak prozesatzeko denborak minimizatzeko.

  • Esteka Microsoft Fabric kalkulurako: Erabili Azure Synapse esteka Dataverse datuen kalkulu eta analisi lan astunak arintzeko, Microsoft Fabric eragiketa inguruneetan errendimenduaren eragin minimoa bermatzeko. Dataverse Erabili OneLake Fabric-en datu-multzo handiak kontsulta-gaitasun eraginkorrekin kudeatzeko.

Segurtasuna

  • Datu-iturburuaren segurtasun-integrazioa: Seguru sarbidea datu erdi-egituratuetarako, erlazionaletarako eta ez-erlazionaletarako Microsoft Entra IDa erabiliz autentifikaziorako eta roletan oinarritutako sarbide-kontroletarako.

  • Datuen gobernantza Fabric eta Dataverse-en: Datuen sailkapena, atsedenaldian enkriptatzea eta datuen politikak betearazi. Ezarri errenkada-mailako segurtasuna Power BI rol espezifikoen informazioa lortzeko, datuetarako sarbide segurua mantenduz.

Bikaintasun operatiboa

  • Integrazio jarraitua eta entrega jarraitua Power Platform irtenbideetarako: Erabili Azure DevOps edo GitHub Ekintzak Dataverse, Power BI eta AI Builder irtenbideen bizi-zikloa kudeatzeko.

  • Datu-ereduen bertsioak: Jarraitu eta dokumentatu makina-ikaskuntzako ereduen eta Fabric-en Dataverse eraldaketaren aldaketak. Erabili Purview datu-lerroaren eta metadatuen kudeaketa integrala egiteko, modeloaren azalpena eta trazabilitatea bermatzeko.

Kolaboratzaileak

Microsoftek artikulu hau mantentzen du. Artikulu hau honako kolaboratzaileek idatzi dute.

Egile nagusiak:

  • Last updated on