Quelle est la différence entre Real-Time Intelligence et les solutions Azure comparables ?
À mesure que les organisations progressent dans leur parcours de transformation numérique, elles rencontrent un nombre croissant de sources de données. Ces sources génèrent des points de données, des événements et des signaux complexes et sensibles au temps. Ces données peuvent provenir de différentes sources telles que (a) des données de capteur provenant de ressources physiques telles que des plantes, des véhicules, des tours, des appareils IoT Edge, (b) des flux de capture des changements de données (CDC) provenant de bases de données qui alimentent les applications web et mobiles orientées client, et (c) des journaux d’activité provenant d’infrastructures locales et dans le cloud ainsi que d’applications, entre autres. Ces flux de données sont essentiels pour les organisations afin de fermer la boucle de commentaires numériques, de mieux comprendre les modèles d’utilisation des clients de leurs ressources physiques et numériques, et d’améliorer continuellement la valeur qu’ils fournissent pour maintenir la compétitivité du marché.
La réalisation de cette valeur nécessite la construction d’architectures de diffusion en continu de données en temps réel qui utilisent à la fois des services de données basés sur le cloud et locaux pour la capture de données, le transport, les transformations opérationnelles et les transformations analytiques. Ces architectures sont généralement créées à l’aide d’un mélange de produits tels qu’Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, IBM Message Queues et Google Pub/Sub. À mesure que les données arrivent dans le cloud, elles subissent différentes étapes de traitement et de transformation, souvent appelées chemins chauds, tièdes et froids, avant d’atterrir dans des magasins de données tels qu’Azure Data Explorer, Azure Synapse Analytics et Azure Data Lake Store Gen 2. Une fois traitées, ces données sont prêtes pour les applications d’analytique avancée et d’IA, et peuvent être visualisées à l’aide d’outils tels que Power BI, Grafana, Web ou Mobile Apps et des points de terminaison d’API.
L’introduction de Real-Time Intelligence dans Fabric offre aux organisations plusieurs approches et architectures d’implémentation pour leurs cas d’usage qui nécessitent une analytique avancée des données de diffusion en continu. Microsoft Azure fournit aux développeurs professionnels des fonctionnalités robustes pour concevoir et implémenter des architectures nécessitant une intégration approfondie avec d’autres services Azure, l’automatisation de bout en bout et le déploiement de l’ensemble de la solution sous forme de package unifié. Real-Time Intelligence dans Microsoft Fabric permet aux développeurs citoyens et aux utilisateurs professionnels de découvrir des flux de données au sein de leurs organisations et de créer leurs solutions analytiques et applications. Grâce à une intégration transparente avec Azure Event Hubs, Azure Event Grid et Azure Data Explorer, Real-Time Intelligence facilite l’extension des architectures basées sur Azure dans Microsoft Fabric et la création de nouvelles solutions à l’aide de sources de données existantes ou nouvelles. Le diagramme suivant illustre à la fois l’architecture de solution PaaS (Platform as a Service) Azure et l’architecture de solution Real-Time Intelligence pour les cas d’usage d’analytique de télémétrie dans les organisations de fabrication/automobile classiques.
Pour plus d’informations sur Real-Time Intelligence, consultez Qu’est-ce que Real-Time Intelligence dans Fabric ?.
Historiquement, les organisations ont alloué des budgets substantiels, de la main-d’œuvre et des ressources pour développer, intégrer, déployer, soutenir et gérer différents produits cloud ou locaux déconnectés et solutions isolées. Cela a donné lieu à des architectures complexes dont l’exploitation et la maintenance sont difficiles. Ainsi, les organisations ont hésité à poursuivre ces investissements en raison de la complexité, ou ont jugé les coûts trop prohibitifs pour justifier un retour sur investissement satisfaisant. Pourtant, la demande d’insights sur les opérations métier en temps réel, pilotées par des données de granularité immédiates et élevées, a été cohérente entre les utilisateurs finaux.
Real-Time Intelligence révolutionne ce paysage en tirant parti du plein potentiel des fonctionnalités en temps réel dans Fabric, ce qui vous permet de tirer instantanément des insights précieux et exploitables de vos données tierces et internes. Avec Real-Time Intelligence, vous bénéficiez des avantages suivants :
- Une offre SaaS complète : une solution globale qui facilite la découverte d’insights à partir de vos données sensibles au temps, vous permettant de les ingérer, les traiter, les interroger, les visualiser et d’agir en temps réel.
- Hub centralisé pour vos données dynamiques : un patrimoine de données unifié pour toutes vos données d’événement en mouvement, ce qui simplifie l’ingestion, le stockage et la curation des données affinées de l’ensemble de votre organisation via le hub Real-Time.
- Développement rapide de solutions : permettre aux membres de l’équipe, dont l’expertise est variable, d’extraire plus de valeur des données et de créer rapidement des solutions pour une croissance accrue de l’entreprise.
- Insights alimentés par l’IA en temps réel : mettre à l’échelle la supervision manuelle et lancer facilement des actions avec des fonctionnalités prêtes à l’emploi et automatisées qui mettent en évidence des modèles cachés et utilisent entièrement l’écosystème Microsoft pour faire avancer votre activité.
Cet article présente les principales considérations à prendre en compte pour déterminer l’architecture d’implémentation la plus appropriée adaptée à vos cas d’usage de diffusion en continu :
Global
| Fonctionnalité | Solution basée sur PaaS Azure | Solution Real-Time Intelligence |
|---|---|---|
| Intégration de services | Dépend de la compatibilité de l’intégration entre les services dans l’étendue de l’architecture. | Intégration en un clic à chaque étape de l’ingestion, du processus, de l’analyse, de la visualisation et de l’action des données. |
| Expérience de développement professionnel et citoyen | Plus adapté aux développeurs professionnels. | Les développeurs professionnels, les développeurs citoyens et les utilisateurs professionnels peuvent coexister. |
| Code faible/sans code | Disponible uniquement pour la transformation dans Azure Stream Analytics et pour la création d’alertes à l’aide de Logics Apps ou de Power Automate. Développement professionnel requis pour l’implémentation de bout en bout. | Une mise en œuvre de bout en bout, de l’ingestion à l’analyse, à la transformation, à la visualisation et à l’action, peut être réalisée. |
| Modèle de consommation | Estimation dépendante du service, consommation et modèle de facturation. | Modèle de consommation et de facturation de l’unité de capacité uniforme Fabric. |
Ingestion et traitement
| Fonctionnalité | Solution basée sur PaaS Azure | Solution Real-Time Intelligence |
|---|---|---|
| Connecteurs multicloud | Azure Stream Analytics se connecte à Confluent Kafka. Aucun connecteur pour lire des données à partir d’Amazon Kinesis ou Google Pub/Sub. | Intégration native pour Confluent Kafka, Amazon Kinesis, Google Pub/Sub. |
| Prise en charge des flux CDC | Nécessite le déploiement d’autres services tels que Debezium. | Intégration native pour Azure Cosmos DB, PostgreSQL, MySQL DB et Azure SQL. |
| Prise en charge des protocoles | Azure Event Hubs, AMQP, Kafka et MQTT. | Azure Event Hubs, AMQP, Kafka. |
Analyser et transformer
| Fonctionnalité | Solution basée sur PaaS Azure | Solution Real-Time Intelligence |
|---|---|---|
| Profilage des données | Non disponible | La vue de profilage des données de vos tableaux en temps réel fournit des histogrammes prêts à l’emploi et des plages minimales pour chaque colonne. |
| Exploration visuelle des données | Non disponible | Fonctionnalités de glisser-déplacer pour analyser visuellement vos données en temps réel. |
| Expérience Copilot | Le cluster Azure Data Explorer peut être ajouté en tant que source dans l’ensemble de requêtes Fabric KQL pour utiliser les fonctionnalités de Copilot. | Disponible en mode natif |
| Modèles ML prédéfinis | Modèles de détection des anomalies et de prévision disponibles. Développement professionnel requis pour déployer des modèles de détection et de prévision des anomalies. | Modèles de détection des anomalies et de prévision disponibles. Les utilisateurs professionnels peuvent également appliquer des modèles de détection d’anomalies sur les données de streaming entrantes. |
| Visualisation (Microsoft) | Tableaux de bord Power BI, Azure Data Explorer | Intégration native en un clic à Power BI et au tableau de bord en temps réel |
| Visualisation (tiers) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab peuvent également être intégrés à Eventhouse. |
Agir
| Fonctionnalité | Solution basée sur PaaS Azure | Solution Real-Time Intelligence |
|---|---|---|
| Conduite d’actions métier à partir d’insights | Nécessite Azure Logic Apps, Power Automate ou Azure Functions, des alertes Azure Monitor. | Disponible en mode natif dans Fabric en utilisant des éléments Reflex dans Data Activator avec une intégration prête à l’emploi grâce aux modèles sémantiques Power BI, au flux d’événements et aux requêtes KQL. |
| Événements système réactifs | Non disponible | Événements intégrés publiés via le hub Real-Time ; Utilisez des éléments réflexes pour automatiser les processus de données, tels que les pipelines et les notebooks. |
| Modèles sémantiques en temps réel | Non disponible ou solution code-first utilisant Logic Apps ou Azure Functions | Non disponible |
| IA intégrée | Non disponible | Non disponible |
| Destinations de notification | Dépend du portefeuille de connecteurs du service. | Connecteurs Microsoft Teams, Microsoft Outlook et Power Automate. |
Catalogue
| Fonctionnalité | Solution basée sur PaaS Azure | Solution Real-Time Intelligence |
|---|---|---|
| Catalogue unifié de flux de données | Non disponible | Hub en temps réel : 1. Flux de données créés par les utilisateurs 2. Flux existants provenant de sources Microsoft 3. Flux d’événements du système Fabric |
| Découverte de flux de données Microsoft | Non disponible | Le hub Real-Time Intelligence découvre des flux de données dans votre locataire Azure. |
| Capturer et agir sur des événements à partir de Stockage Azure | Nécessite le déploiement d’Azure Event Grid pour agir sur les événements qui se produisent dans Stockage Azure. | Déclencheurs basés sur les événements Stockage Blob Azure disponibles. |
| Capturer et agir sur des événements à partir de Fabric | Non applicable | Disponible en mode natif dans Fabric |