Quand utiliser Azure Synapse Analytics

Effectué

Dans l’ensemble des organisations et des secteurs d’activité, les cas d’usage courants pour Azure Synapse Analytics sont identifiés par les besoins suivants :

Entreposage de données à grande échelle

L’entreposage de données demande d’intégrer toutes les données, notamment le Big Data, à des fins d’analytique et de création de rapports d’un point de vue de l’analytique descriptive, indépendamment de l’emplacement ou de la structure des données.

Analytique avancée

Permet aux organisations d’effectuer une analytique prédictive à l’aide des fonctionnalités natives d’Azure Synapse Analytics et de l’intégration à d’autres technologies telles qu’Azure Machine Learning.

Exploration et détection des données

La fonctionnalité de pool SQL serverless fournie par Azure Synapse Analytics permet aux analystes de données, aux ingénieurs de données et aux scientifiques de données d’explorer les données dans votre patrimoine de données. Cette fonctionnalité prend en charge la détection des données, l’analytique diagnostique et l’analyse exploratoire des données.

Analytique en temps réel

Azure Synapse Analytics peut capturer, stocker et analyser des données en temps réel ou en quasi-temps réel avec des fonctionnalités telles qu’Azure Synapse Link, ou par le biais de l’intégration de services tels qu’Azure Stream Analytics et Azure Data Explorer.

Intégration des données

Les pipelines Azure Synapse vous permettent d’ingérer, de préparer, de modéliser et de fournir les données devant être utilisées par les systèmes en aval. Ils peuvent être utilisés par les composants d’Azure Synapse Analytics de manière exclusive.

Analytique intégrée

Étant donné la variété de l’analytique qui peut être effectuée sur les données à votre disposition, la combinaison des services en une solution cohérente peut être une opération complexe. Azure Synapse Analytics élimine cette complexité en intégrant le paysage d’analytique dans un service. Vous pouvez ainsi consacrer davantage de temps à travailler avec les données et apporter de la valeur à votre entreprise, plutôt que de passer la majeure partie de votre temps au provisionnement et à la maintenance de plusieurs systèmes pour obtenir les mêmes résultats.