Innovációs eszközök az Adatok demokratizálásához az Azure-ban
Ahogy az adatok demokratizálásáról szóló elméleti cikk ismerteti, számos adatgyűjtési újítást hozhat létre kevés technikai befektetéssel. A fő innovációkhoz gyakran nyers adatokra van szükség. Az adatok demokratizálása az ügyfelek bevonásához szükséges legkevesebb erőforrás befektetéséről szól. Az ügyfelek ezután az adatok felhasználásával kihasználják a meglévő tudásukat.
Az adatdemokratizálással kezdve gyorsan tesztelheti a hipotézist, mielőtt szélesebb körű, költségesebb digitális találmányokká bővül. Ahogy részletesebben pontosítja a hipotézist, és elkezdi nagy léptékben alkalmazni a találmányokat, az alábbi folyamatok segítenek felkészülni az innováció működési támogatására.
Igazodás a módszertanhoz
Az ilyen típusú digitális találmány a következő folyamatok minden fázisában felgyorsítható, ahogy az előző képen is látható. A digitális találmány felgyorsítására vonatkozó műszaki útmutató az oldal bal oldalán található tartalomjegyzékben található. Ezek a cikkek fázisok szerint vannak csoportosítva, hogy igazodjanak az általános módszertanhoz.
- Összegyűjtött adatok megosztása: Az adatok demokratizálásának első lépése a nyílt megosztás.
- Adatok szabályozása: A megosztás előtt győződjön meg arról, hogy a bizalmas adatok biztonságban, nyomon követve és szabályozva lesznek.
- Adatok központosítása: Néha központosított platformot kell biztosítania az adatdemokratizáláshoz, a megosztáshoz és a szabályozáshoz.
- Adatgyűjtés: A migrálás, az integráció, a betöltés és a virtualizálás a meglévő adatokat központosíthatja, szabályozhatja és megoszthatja.
Minden iterációban a felhőbevezetési csapatoknak csak olyan mélyen kell belemenniük a verembe, amennyire szükségük van ahhoz, hogy az ügyfelek igényeire összpontosítsanak az architektúra terén. Az ügyfelek igényeinek megfelelő technikai csúcsok késleltetése felgyorsítja a hipotézis érvényesítését.
Az összes útmutató az előző négy folyamatra van leképezésre. Az útmutató a legmagasabb ügyféleffektustól a legmagasabb technikai hatásig terjed. Az egyes folyamatok során útmutatást talál arra vonatkozóan, hogyan gyorsíthatja fel az Azure a buildelési képességet az ügyfelek empátiával.
Eszközlánc
Az Azure-ban a következő innovációs eszközöket használják a digitális találmányok felgyorsítására az előző fázisokban:
- Power BI
- Azure Data Catalog
- Azure Synapse Analytics
- Azure Cosmos DB
- Azure Database for PostgreSQL
- Azure Database for MySQL
- Azure Database for MariaDB
- Azure Database for PostgreSQL rugalmas skálázás
- Azure Data Lake Storage
- Azure Database Migration Service
- Azure SQL Database felügyelt Azure SQL-példánysal vagy anélkül
- Azure Data Factory
- Azure Stream Analytics
- SQL Server Integration Services
- Azure Stack
- SQL Server Stretch Database
- Azure StorSimple
- Azure Files
- Azure File Sync
- PolyBase
Ahogy a találmány nagy léptékben közelít a bevezetéshez, az egyes megoldások szempontjai pontosítást és műszaki érettséget igényelnek. Ahogy ez történik, ezek közül a szolgáltatások közül valószínűleg többre lesz szükség. A lap bal oldalán található tartalomjegyzékben útmutatást talál az Azure-eszközökhöz a hipotézis-tesztelési folyamathoz.
Első lépések
Az alábbiakban olyan cikkeket talál, amelyek segítenek az eszközlánc egyes eszközeinek használatbavételében.
Megjegyzés:
Az alábbi hivatkozások elhagyják a felhőadaptálási keretrendszer, mivel olyan támogató tartalmakra hivatkoznak, amelyek nem tartoznak a CAF hatókörébe.
Adatok megosztása szakértőkkel
- Gyors adatelemzések létrehozása
- Adatok megosztása munkatársakkal és partnerekkel
- Jelentések beágyazása webhelyre vagy portálra
- Új munkaterületek létrehozása a Power BI-ban
Adatszabályozás
- Adatok osztályozása (CAF)
- Adatok védelme
- Adatok jegyzetelése az Azure Data Catalog használatával
- Adatforrások dokumentálása az Azure Data Catalog használatával
Adatok központosítása
- Azure Synapse Analytics SQL-készlet létrehozása és lekérdezése
- Ajánlott eljárások az adatok adattárházhoz való betöltéséhez
- Raktári adatok vizualizációja a Power BI-val
- Referenciaarchitektúra vállalati BI-hoz az Azure Synapse Analyticsszel
- Nagyvállalati big data-adatok kezelése az Azure Data Lake Storage használatával
- Mi az a data lake?
Adatgyűjtés
- Felhőbeli adatforrások integrálása SQL Analytics-adattárházzal
- Helyszíni adatok betöltése az Azure Synapse Analyticsbe
- Adatok integrálása – Azure Data Factory az OLAP-ba
- Az Azure Stream Analytics használata az Azure Synapse Analyticsszel
- Referenciaarchitektúra az új hírcsatornák betöltéséhez és elemzéséhez
- Adatok betöltése az Azure Synapse Analytics SQL-készletébe
Következő lépések
Ismerje meg azokat az eszközöket, amelyekkel olyan alkalmazásokat hozhat létre, amelyek a nyers adatokon túl is bevonják az ügyfeleket.