Strategi eksekutif untuk menyatukan data Anda

Tujuan data: Setiap organisasi ingin datanya mendorong keputusan bisnis yang percaya diri. Data harus tepercaya, mudah digunakan kembali untuk analitik dan AI, dan aman secara default. Tantangan data: Bagi sebagian besar organisasi, tujuan ini sulit dicapai. Data tersebar di seluruh sistem dan tim. Standar bervariasi. Tata kelola tidak konsisten. Masalah ini membuat analitik dan AI sulit digunakan dengan percaya diri.

Solusi data: Banyak organisasi mengatasi tantangan ini dengan menyatukan platform data mereka dengan Microsoft Fabric. Fabric memungkinkan tim membuat produk data tepercaya yang dapat diatur dan digunakan dengan aman untuk analitik dan AI di seluruh organisasi (lihat Gambar 1). Panduan ini menyediakan pembuat keputusan dengan kerangka kerja yang mereka butuhkan untuk melakukan pergeseran itu dan membangun fondasi data terpadu.

Gambar 1. Platform data terpadu untuk AI dan analitik.

Mengapa platform data terpadu dengan Fabric?

Sebagian besar pemimpin bisnis dan teknologi memahami biaya data yang terfragmentasi. Apa yang sering menahan mereka adalah keyakinan bahwa memperbaikinya membutuhkan migrasi yang besar dan berisiko. Microsoft Fabric mengambil pendekatan yang berbeda dan memberikan nilai tanpa gangguan. Keuntungan utamanya meliputi:

• Gangguan bisnis minimal: Fabric terintegrasi dengan sistem yang ada dengan menggunakan virtualisasi (pintasan) dan replikasi selektif (pencerminan). Teams dapat menyatukan akses ke data tanpa mengganggu operasi saat ini.

• Tata kelola bawaan: Fabric membawa rekayasa data, analitik, dan BI ke dalam satu platform. Kebijakan keamanan dan tata kelola didefinisikan sekali dan diterapkan secara konsisten, alih-alih dibuat ulang dan diberlakukan secara berbeda di beberapa alat.

• Fondasi untuk AI dan analitik: Fabric memungkinkan organisasi untuk menghasilkan produk data berkualitas tinggi yang dapat digunakan kembali. Produk tepercaya ini mempercepat analitik dan inisiatif AI. Fabric IQ membantu menyatukan dan menginteksualisasikan data. Foundry IQ memungkinkan agen Microsoft Foundry untuk beralasan atas data tepercaya yang diatur.

Tingkat investasi apa yang diperlukan?

Menyatukan platform data adalah investasi dalam kemampuan, bukan penggantian grosir dari setiap sistem. Tujuannya adalah untuk terus menggunakan sistem data yang ada dan membangun fondasi bersama yang dapat tumbuh dari waktu ke waktu. Faktor biaya utama meliputi:

• Faktor biaya Microsoft Fabric:Faktor biaya utama termasuk (lihat Gambar 2):

  • Menghitung: Kapasitas komputasi yang Anda buat (kapasitas Fabric).

  • Penyimpanan: Penyimpanan yang Anda gunakan di OneLake.

  • Replikasi: Replikasi data yang Anda lakukan (Pencerminan).

  • Power BI: Pastikan pengguna memiliki kapasitas Microsoft Fabric yang memadai yang menyertakan akses Power BI atau lisensi Power BI terpisah, seperti yang dirangkum dalam panduan lisensi.

    Gambar 2. Kemampuan Microsoft Fabric untuk membuat nilai bisnis dari data.

• Faktor biaya Microsoft Purview: Gunakan Microsoft Purview untuk tata kelola dan kepatuhan data terpadu. Purview menyediakan katalog data terpusat, klasifikasi data, dan penegakan kebijakan di seluruh data estate Anda. Data dapat berada di OneLake, Azure, lokal, SaaS pihak ketiga, atau platform cloud lainnya. Faktor biaya utama Purview termasuk lisensi berbasis langganan dan kapabilitas berbasis konsumsi. Anggarkan untuk lisensi yang berkelanjutan dan volume data serta layanan yang Anda kelola dengan Purview.

• Faktor biaya Azure: Anda menggunakan langganan Azure untuk menghosting komputasi Fabric (kapasitas) dan akun Microsoft Purview Anda. Tidak ada biaya tambahan untuk langganan Azure. Jika Anda mengintegrasikan layanan Azure lainnya, seperti Azure Databricks atau Azure Machine Learning, ke platform terpadu Anda, ingat layanan ini memiliki model harganya sendiri. Rencanakan biaya tersebut. Lihat faktor biaya untuk Azure Databricks dan Azure Machine Learning.

Berapa lama sampai Anda melihat nilai?

Microsoft Fabric dirancang untuk memberikan nilai dengan cepat. Waktu untuk mencapai nilai lebih singkat karena penyatuan sistem tidak bergantung pada migrasi secara penuh. Teams dapat memulai dengan sekumpulan kecil produk data bernilai tinggi. Setiap langkah menambahkan nilai sambil membatasi risiko. Dalam praktiknya, banyak organisasi melihat nilai dalam beberapa minggu untuk analitik awal atau skenario AI. Karena Fabric menjadi fondasi standar untuk produk data, analitik, dan AI, nilai tumbuh melalui penggunaan kembali dan standar yang konsisten di seluruh organisasi.

Bagaimana Anda menyatukan platform data Anda?

Cloud Adoption Framework Microsoft menguraikan kerangka kerja empat langkah untuk menyatukan platform data Anda. Proses ini mencakup perencanaan dan pengorganisasian strategi data Anda. Ini mencakup keputusan arsitektur. Ini juga membantu Anda menetapkan garis besar tata kelola dan keamanan dan menentukan standar operasional.

1. Kesiapan organisasi. Tentukan strategi data Anda dan buat kepemilikan dan domain data. Klarifikasi bagaimana data membuat nilai bisnis dan siapa yang bertanggung jawab atas data mana. Lihat Kesiapan organisasi.

2. Arsitektur: Berikan teknologi yang diperlukan untuk menyatukan platform data Anda. Siapkan Microsoft Fabric dan lingkungan yang diperlukan di Azure. Lihat Arsitektur.

3. Garis besar tata kelola dan keamanan: Gunakan Microsoft Purview untuk mendapatkan visibilitas dan tata kelola pusat di seluruh data estate Anda. Bangun garis besar keamanan dan kepatuhan ke dalam arsitektur Fabric Anda sejak awal. Lihat Garis besar tata kelola dan keamanan.

4. Standar operasional. Tentukan proses yang konsisten untuk menyerap data mentah, membuat produk data, dan mengelola siklus hidupnya. Tetapkan bagaimana produk data diterbitkan, diamankan, dan digunakan di seluruh organisasi. Lihat Standar operasional.

Dengan mengikuti langkah-langkah ini, Anda dapat menyatukan platform data Anda dengan cara terstruktur. Jika Anda tidak tahu harus memulai dari mana, gunakan pohon keputusan berikut untuk panduan.

Pohon keputusan untuk menyatukan platform data Anda

Alur mengajukan serangkaian pertanyaan ya-atau-tidak. Setiap "Ya" mengarah ke panduan tertentu. Pertanyaan pertama menanyakan apakah organisasi membutuhkan bantuan untuk memahami prioritas data atau membangun keterampilan untuk mendapatkan nilai lebih dari data. Jika ya, panduannya adalah mempersiapkan orang melalui kegiatan peran, pelatihan, dan kesiapan. Pertanyaan kedua menanyakan apakah organisasi memerlukan cara terpadu untuk mengakses data di seluruh cloud dan beban kerja untuk mendukung analitik dan AI. Jika ya, panduannya adalah menggunakan Microsoft Fabric sebagai platform data terpadu. Pertanyaan ketiga menanyakan apakah organisasi memerlukan bantuan untuk mengubah data operasional menjadi nilai bisnis atau memberi makan data dengan aman ke sistem AI, seperti Microsoft Foundry. Jika ya, panduannya adalah mengintegrasikan layanan Azure dengan Fabric. Pertanyaan keempat menanyakan apakah organisasi memerlukan bantuan untuk mengontrol akses ke data atau dengan mengamankan data secara konsisten. Jika ya, panduannya adalah mengatur garis besar tata kelola dan keamanan menggunakan Microsoft Purview dan kontrol terkait. Pertanyaan kelima menanyakan apakah organisasi memerlukan bantuan dalam menetapkan standar organisasi yang konsisten untuk memproses, mengamankan, dan mengonsumsi produk data untuk analitik dan AI. Jika ya, panduannya adalah menetapkan standar operasional untuk produk data, keamanan, dan manajemen siklus hidup. Alur berakhir dengan menunjuk untuk mengadopsi AI dan mengadopsi agen AI setelah platform dan standar data terpadu diberlakukan.

Gambar 3. Diagram keputusan Microsoft untuk menyatukan platform data Anda.

Langkah selanjutnya

Di bagian berikut, Anda akan menemukan panduan, daftar periksa, praktik terbaik, panduan keputusan, dan kompromi pada setiap langkah. Panduannya adalah untuk pemimpin dan pembuat keputusan yang mengawasi strategi dan tata kelola organisasi.

Kesiapan organisasi

Istilah kunci

Istilah kunci	Definisi
Analytics	Praktik menghasilkan wawasan dari data untuk mendukung pengambilan keputusan. Ini termasuk dasbor, laporan, dan visualisasi, misalnya, di Power BI.
AI	Sistem yang menggunakan data sebagai input ke dalam model yang mengotomatiskan fungsionalitas bisnis. Kategori ini mencakup model pembelajaran mesin tradisional (prediktif) dan model AI generatif.
Produk data	Data yang berada dalam bentuk yang bernilai untuk bisnis Anda, seperti himpunan data, tabel, set fitur, atau data pelatihan AI.
Domain data	Batas tanggung jawab dan kepemilikan untuk produk data, seperti unit bisnis (SDM, Pemasaran, Keuangan, Penjualan, Operasi) dan lini produk (Produk 1, Produk 2).
Zona pendaratan manajemen data	Lingkungan (terdiri dari satu atau beberapa langganan Azure) untuk sumber daya manajemen data, seperti akun Microsoft Purview dan kapasitas Fabric.
Zona pendaratan data	Lingkungan (terdiri dari satu atau beberapa langganan Azure) untuk data dan sumber daya AI/ML, seperti Azure Databricks, Azure Data Lake Storage, dan Azure Machine Learning.