Partager via

Qu’est-ce que Real-Time Intelligence ?

Real-Time Intelligence est un service puissant qui permet à tous les membres de votre organisation d’extraire des insights et de visualiser leurs données en mouvement. Il offre une solution de bout en bout pour les scénarios où vous devez répondre aux événements au fur et à mesure qu’ils se produisent, traiter le flux continu de données ou analyser les journaux. Que l’on parle de gigaoctets ou de pétaoctets, toutes les données organisationnelles en mouvement convergent dans le hub en temps réel. Il connecte en toute transparence des données basées sur le temps à partir de différentes sources à l’aide de connecteurs sans code, permettant des insights visuels immédiats, une analyse géospatiale et des réactions basées sur des déclencheurs qui font toutes partie d’un catalogue de données à l’échelle de l’organisation.

Une fois que vous connectez en toute transparence n’importe quel flux de données, la solution cloud entière devient accessible. Real-Time Intelligence gère l’ingestion, la transformation, le stockage, la modélisation, l’analytique, la visualisation, le suivi, l’IA et les actions en temps réel. Vos données restent protégées, régies et intégrées au sein de votre organisation, en s’alignant en toute transparence avec toutes les offres de Fabric. Real-Time Intelligence transforme vos données en une ressource dynamique et exploitable qui génère de la valeur dans l’ensemble de l’organisation.

Real-Time Intelligence peut-il m’aider ?

Real-Time Intelligence peut être utilisée pour l’analyse des données, les insights visuels immédiats, la centralisation des données en mouvement pour une organisation, les actions sur les données, l’interrogation efficace, la transformation, la modélisation et le stockage de grands volumes de données structurées ou non structurées. Que vous deviez évaluer des données provenant de systèmes IoT, de journaux système, de texte libre, de données semi-structurées, ou contribuer à des données pour la consommation par d'autres dans votre organisation, l'intelligence en temps réel offre une solution polyvalente.

Même s’il est appelé « temps réel », vos données n’ont pas besoin de circuler à des vitesses et des volumes élevés. Real-Time Intelligence vous donne des solutions qui réagissent aux événements au fur et à mesure qu’ils se produisent, plutôt que des solutions qui s’exécutent selon une planification. Les composants Real-Time Intelligence reposent sur des Microsoft services de base fiables et ensemble, ils étendent les fonctionnalités de Fabric globales pour fournir des solutions qui répondent instantanément aux modifications de données.

Les applications Real-Time Intelligence s’étendent sur un large éventail de scénarios métier, tels que l’automobile, la fabrication, l’IoT, la détection des fraudes, la gestion des opérations commerciales et la détection d’anomalies. Vous pouvez également utiliser l'intelligence en temps réel pour les scénarios d'application IA et fondés sur les agents, tels que la surveillance de la sécurité du contenu en temps réel et la télémétrie des agents pour les applications génératives, où les signaux de sécurité et les événements de conversation sont diffusés en continu et analysés pour une action immédiate.

Comment utiliser Real-Time Intelligence ?

Real-Time Intelligence dans Microsoft Fabric offre des fonctionnalités qui, en combinaison, permettent la création de solutions Real-Time Intelligence pour prendre en charge les processus métier et d’ingénierie.

Diagram de l’architecture de Real-Time Intelligence dans Microsoft Fabric.

  • Le hub Real-Time sert de catalogue centralisé au sein de votre organisation. Il facilite la recherche, l’ajout, l’exploration et le partage de données de diffusion en continu. En vous connectant à de nombreuses sources de données différentes, vous pouvez obtenir des insights dans l’ensemble de votre organisation. Il est important de noter que ce hub garantit que les données, non seulement, soient disponibles, mais qu’elles soient également accessibles à tous, en favorisant une prise de décision rapide et une action éclairée. Le partage de données de diffusion en continu provenant de diverses sources débloque le potentiel de créer une intelligence décisionnelle complète au sein de votre organisation.

  • Une fois que vous avez sélectionné un flux provenant de votre organisation ou connecté à des sources externes ou internes, vous pouvez utiliser les outils de consommation de données de Real-Time Intelligence pour explorer vos données. Ces outils vous permettent d’explorer vos données visuellement et d’approfondir les détails spécifiques. Vous pouvez accéder aux données qui sont nouvelles pour vous et comprendre facilement la structure des données, les modèles, les anomalies, les prévisions de quantités, et les taux de données. En conséquence, vous pouvez agir ou prendre une décision intelligente en fonction des données. Tableaux de bord en temps réel sont équipés d’interactions prêtes à l’emploi qui simplifient le processus de compréhension des données, les rendant accessibles à toute personne qui souhaite prendre des décisions en fonction des données en mouvement à l’aide d’outils visuels, de langage naturel et de Copilot.

  • Ces insights peuvent être transformés en actions avec Fabric Activateur, lorsque vous configurez des alertes de différentes parties de Fabric pour réagir aux modèles de données ou aux conditions en temps réel.

Comment est-ce que j’interagis avec les composants de l’intelligence en temps réel ?

Découvrir les données de diffusion en continu

Le hub Real-Time est utilisé pour découvrir et gérer vos données de diffusion en continu. Les événements du hub Real-Time sont un catalogue de données en mouvement et contiennent :

  • Data streams : Tous les flux de données qui s’exécutent activement dans Fabric, auquel vous avez accès.

  • Microsoft sources : Découvrez facilement les sources de diffusion en continu que vous avez et configurez rapidement l’ingestion de ces sources dans Fabric. Les sources Change Data Capture (CDC) suivent et diffusent en temps réel les modifications apportées à vos bases de données, par exemple : Azure Event Hubs, Azure IoT Hub, Azure SQL DB CDC, Azure Cosmos DB CDC, PostgreSQL DB CDC.

  • Fabric événements : les fonctionnalités pilotées par les événements prennent en charge les notifications et le traitement des données en temps réel. Vous pouvez surveiller et réagir aux événements, y compris aux événements liés aux éléments de l'espace de travail Fabric et aux événements Azure Blob Storage. Ces événements peuvent être utilisés pour déclencher d’autres actions ou flux de travail, tels que l’appel d’un pipeline ou l’envoi d’une notification par e-mail. Vous pouvez également envoyer ces événements à d’autres destinations via des Eventstreams. Les événements Fabric et les événements Azure Blob Storage peuvent également déclencher des règles d’Activateur pour lancer des tâches Spark ou des flux de données, ce qui permet une orchestration entièrement pilotée par les événements sans programme.

Ces données sont toutes présentées dans un format facilement consommable et sont disponibles pour toutes les charges de travail Fabric.

Se connecter aux données en streaming

Les flux d’événements vous permettent de collecter, de transformer et d’envoyer de grandes quantités de données en temps réel à différentes destinations, sans écrire de code. Les flux d’événements prennent en charge plusieurs sources de données et destinations de données, y compris un large éventail de connecteurs à des sources externes, par exemple : clusters Apache Kafka, flux de capture des modifications de base de données, sources de streaming AWS (Kinesis), Google (Pub/Sub GCP), MQTT v3.1/v3.1.1 et le connecteur météo en temps réel. Les signaux de télémétrie d’application et de sécurité du contenu provenant des services IA ou LLM peuvent également être ingérés en tant que flux (par exemple, via des connecteurs Kafka ou Event Hubs) pour permettre la gouvernance et la surveillance des interactions de l’agent. La création d’alertes et la gestion des règles sont incorporées directement dans Les flux d’événements, ce qui permet aux utilisateurs de définir des alertes et des actions à partir de l’expérience Eventstreams sans changer de contexte.

Traitement des flux de données

En utilisant les fonctionnalités de traitement des événements dans Eventstreams, vous pouvez effectuer un filtrage, un nettoyage des données, une transformation, des agrégations fenêtrées et une détection des doublons, pour obtenir les données dans la forme souhaitée. Vous pouvez également utiliser les fonctionnalités de routage basées sur le contenu pour envoyer des données à différentes destinations en fonction des filtres. Une autre fonctionnalité, les eventstreams dérivés, vous permet de construire de nouveaux flux suite à des transformations et/ou des agrégations qui peuvent être partagées avec les consommateurs dans le hub en temps réel.

Stocker et analyser les données

Les Eventhouses sont le moteur d’analytique idéal pour traiter les données en mouvement. Ils sont spécifiquement adaptés aux événements de diffusion en continu basés sur le temps et comprenant des données structurées, semi-structurées et non structurées. Vos données sont automatiquement organisées en fonction de leur arrivée, ce qui vous permet d’exécuter des requêtes rapides et détaillées, même sur de grandes quantités de données. Les données stockées dans des eventhouses peuvent être mises à disposition dans OneLake pour être utilisées par d'autres expériences de Fabric.

Les données indexées et partitionnées stockées dans des eventhouses sont prêtes pour une requête ultrarapide avec des options de code, de low-code ou de no-code dans Fabric. Les données peuvent être interrogées dans KQL natif (Langage de requête Kusto) ou à l’aide de T-SQL dans l’ensemble de requêtes KQL. Le Copilot Kusto, ainsi que l’expérience d’exploration des requêtes sans code, simplifie le processus d’analyse de données, tant pour les utilisateurs expérimentés de KQL que pour les scientifiques des données amateurs. KQL est un langage simple, mais puissant qui permet d’interroger des données structurées, semi-structurées et non structurées. Ce langage est expressif, facilite la lecture et la compréhension de l’intention de la requête, et est optimisé pour les expériences de création.

Pour les scénarios d’application IA et agentique, les requêtes KQL à faible latence sur les événements de sécurité et de télémétrie permettent de détecter des anomalies et des tableaux de bord en quasi-temps réel dans les conversations de l’agent. L’organisation de série chronologique des données eventhouse convient parfaitement à la corrélation des signaux de sécurité du contenu avec les métadonnées de session, afin de pouvoir trier rapidement les problèmes et identifier les tendances dans vos charges de travail d’IA génératives.

Modéliser des données

Le générateur de jumeaux numériques (préversion) est une expérience de faible code/sans code pour modéliser vos données en tant qu’ontologie qui représente numériquement votre environnement physique. La modélisation de vos ressources et processus peut vous aider à optimiser les opérations physiques à l’aide de données, d’une manière accessible aux décideurs opérationnels.

Avec le générateur de jumeaux numériques, vous pouvez mapper des données à votre ontologie à partir d’un large éventail de systèmes sources, notamment Fabric OneLake, et définir des relations sémantiques à l’échelle du système ou à l’échelle du site pour contextualiser vos données. Le générateur de jumeaux numériques inclut des expériences de visualisation et de requête prêtes à l’emploi pour explorer vos données modélisées et utilise la puissance de Microsoft Fabric pour analyser des jeux de données volumineux tels que des données de série chronologique et des enregistrements de maintenance qui peuvent s’étendre sur des jours, des semaines ou des mois.

Les données du générateur de jumeaux numériques peuvent également être connectées à des tableaux de bord Power BI ou Real-Time pour obtenir des visualisations supplémentaires et des rapports personnalisés de vos données modélisées. Les règles peuvent également être définies sur les entités métier d’ontologie pour lancer des alertes et des actions automatisées (version préliminaire), en connectant des entités modélisées aux actions en temps réel en aval.

Visualiser les informations issues des données

Les insights de données peuvent être visualisés dans des ensembles de requêtes KQL, des tableaux de bord en temps réel, des rapports Power BI et des cartes, avec des insights disponibles en quelques secondes après l'ingestion de données. Les options de visualisation varient de sans code à des expériences entièrement spécialisées, ce qui permet aux novices comme aux experts en exploration d’insights de visualiser leurs données sous forme de graphiques et de tables. Vous pouvez utiliser des indications visuelles pour effectuer des opérations de filtrage et d’agrégation sur les résultats des requêtes et utiliser une liste complète de visualisations intégrées. Ces analyses peuvent être consultées dans les Rapports Power BI et les Tableaux de bord en temps réel, qui peuvent tous deux avoir des alertes basées sur les analyses des données.

Mapper dans Microsoft Fabric est un outil de visualisation géospatiale dynamique qui vous permet d’analyser des données spatiales statiques et en temps réel pour une intelligence plus approfondie. Il prend en charge plusieurs couches de données personnalisables, telles que des bulles, des cartes thermiques, des polygones et des extrusions 3D, ce qui vous permet de découvrir des modèles spatiaux et des tendances que les graphiques traditionnels manquent souvent. En intégrant Lakehouses et Eventhouses et en activant des requêtes KQL avec des intervalles d’actualisation, Map facilite l’analytique des données en temps réel, aidant les équipes à surveiller les modifications actives, détecter les anomalies et prendre des décisions en temps opportun. Avec des styles cartographiques intégrés et une prise en charge des formats tels que GeoJSON et PMTiles, il s’agit d’un atout puissant pour la sensibilisation opérationnelle et l’intelligence spatiale. Pour plus d’informations, consultez Créer une carte.

Actions de déclencheur

Les alertes surveillent la modification des données et prennent automatiquement des mesures lorsque des modèles ou des conditions sont détectés. Les données peuvent être transmises dans Real-Time hub, ou observées à partir d’une requête Kusto ou d’un rapport Power BI. Lorsque certaines conditions ou logiques sont remplies, une action est ensuite effectuée, comme alerter les utilisateurs, exécuter des éléments de travail Fabric tels qu'un pipeline, un travail Spark ou un dataflow, exécuter des fonctions de données utilisateur ou lancer des flux de travail Power Automate. La logique peut être un seuil simplement défini, un modèle tel que des événements se produisant à plusieurs reprises sur une période, ou les résultats d’une logique complexe définie par une requête KQL. Pour les applications d'IA générative, vous pouvez configurer des flux de travail de correction de sécurité du contenu à l’aide d’alertes pilotées par des conditions KQL (par exemple, un seuil de toxicité dépassé ou des violations répétées des règles) pour avertir les propriétaires d’applications, acheminer les événements vers des flux de quarantaine ou déclencher des pipelines et des flux de travail Power Automate pour limiter ou placer sur liste noire. Activator transforme vos insights basés sur des événements en avantages commerciaux exploitables. L’activateur s’intègre également à la Power BI service pour avertir les utilisateurs lorsque des conditions spécifiées se produisent dans des rapports publiés, par exemple lorsqu’une nouvelle ligne apparaît dans un visuel de tableau.

Intégrer à d’autres expériences de Fabric

Contenu connexe

  • Last updated on