Notes
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Comme l’article conceptuel sur la démocratisation des données décrit, vous pouvez fournir de nombreuses innovations de collecte de données avec peu d’investissement technique. Les principales innovations nécessitent souvent des données brutes. La démocratisation des données consiste à investir les ressources les moins nécessaires pour impliquer vos clients. Les clients utilisent ensuite les données pour tirer parti de leurs connaissances existantes.
À compter de la démocratisation des données, il est rapide de tester une hypothèse avant de passer à des inventions numériques plus coûteuses et plus larges. À mesure que vous affinez davantage l’hypothèse et que vous commencez à adopter les inventions à grande échelle, les processus suivants vous aideront à vous préparer au soutien opérationnel de l’innovation.
Alignement à la méthodologie
Ce type d’invention numérique peut être accéléré par chaque phase des processus suivants, comme illustré dans l’image précédente. Des conseils techniques pour accélérer l’invention numérique sont répertoriés dans la table des matières sur le côté gauche de cette page. Ces articles sont regroupés par phase pour aligner les instructions sur la méthodologie globale.
- Partagez les données collectées : La première étape de démocratisation des données consiste à partager ouvertement.
- Régir les données : Vérifiez que les données sensibles sont sécurisées, suivies et régies avant le partage.
- Centraliser les données : Parfois, vous devez fournir une plateforme centralisée pour la démocratisation, le partage et la gouvernance des données.
- Collecter des données : La migration, l’intégration, l’ingestion et la virtualisation peuvent chacune collecter des données existantes pour être centralisées, régies et partagées.
Dans chaque itération, les équipes d’adoption du cloud doivent aller aussi loin que nécessaire dans les couches techniques, afin de privilégier les besoins des clients plutôt que l’architecture. Le retard des pics techniques en faveur des besoins des clients accélère la validation de votre hypothèse.
Tous les conseils correspondent aux quatre processus précédents. Les conseils vont de l’effet client le plus élevé à l’effet technique le plus élevé. Dans chaque processus, vous verrez des conseils sur les façons dont Azure peut accélérer votre capacité à créer avec empathie client.
Chaîne d’outils
Dans Azure, les outils d’innovation suivants sont couramment utilisés pour accélérer l’invention numérique dans les phases précédentes :
- Power BI
- Azure Data Catalog
- Azure Cosmos DB
- Base de données Azure pour PostgreSQL
- Base de données Azure pour MySQL
- Azure Database for PostgreSQL hyperscale
- Azure Data Lake Storage
- Azure Database Migration Service
- Azure SQL Database, avec ou sans Azure SQL Managed Instance
- Azure Data Factory.
- Azure Stream Analytics
- SQL Server Integration Services
- Azure Stack
- SQL Server Stretch Database
- Azure StorSimple
- Azure Files
- Azure File Sync
- PolyBase
À mesure que l’invention approche de l’adoption à grande échelle, les aspects de chaque solution nécessitent l’affinement et la maturité technique. Comme cela se produit, un plus grand nombre de ces services sont susceptibles d’être requis. Utilisez la table des matières sur le côté gauche de cette page pour obtenir des conseils sur les outils Azure pertinents pour votre processus de test d’hypothèses.
Commencez
Vous trouverez ci-dessous des articles pour vous aider à bien démarrer avec chacun des outils de cette chaîne d’outils.
Remarque
Les liens suivants quitteront le cadre d’adoption du cloud, car ils font référence à des contenus de support qui dépassent le cadre du CAF.
Partager des données avec des experts
- Générer rapidement des insights sur les données
- Partage de données avec des collègues et des partenaires
- Incorporer des rapports dans un site web ou un portail
- Créer des espaces de travail dans Power BI
Régir les données
- Classifier les données (CAF)
- Sécuriser les données
- Annoter des données avec Azure Data Catalog
- Documenter des sources de données avec Azure Data Catalog
Centraliser les données
- Visualiser les données de l’entrepôt avec Power BI
- Gérer le Big Data d’entreprise avec Azure Data Lake Storage
- Qu’est-ce qu’un lac de données ?
Collecter les données
- Intégrer des données - Azure Data Factory à OLAP
- Architecture de référence pour l’ingestion et l’analyse des nouveaux flux
Étapes suivantes
Découvrez les outils permettant de créer des applications qui impliquent des clients au-delà des données brutes.