Apa perbedaan antara Kecerdasan Real-Time dan solusi Azure yang sebanding?
Seiring kemajuan organisasi dalam perjalanan transformasi digital mereka, mereka mengalami peningkatan jumlah sumber data. Sumber-sumber ini menghasilkan titik data, peristiwa, dan sinyal yang sensitif terhadap waktu. Data ini dapat berasal dari berbagai sumber seperti (a) data sensor dari aset fisik seperti tanaman, kendaraan, menara, perangkat IoT Edge, (b) mengubah aliran penangkapan data (CDC) dari database yang mendukung aplikasi web dan seluler yang menghadap pelanggan, dan (c) log dari infrastruktur dan aplikasi lokal dan cloud, antara lain. Aliran data ini sangat penting bagi organisasi untuk menutup perulangan umpan balik digital, mendapatkan pemahaman yang lebih mendalam tentang pola penggunaan pelanggan dari aset fisik dan digital mereka, dan terus meningkatkan nilai yang mereka berikan untuk menjaga daya saing pasar.
Menyadari nilai ini memerlukan pembangunan arsitektur streaming data real-time yang menggunakan layanan data berbasis cloud dan lokal untuk penangkapan data, transportasi, transformasi operasional, dan transformasi analitis. Arsitektur ini biasanya dibangun menggunakan campuran produk seperti Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, IBM Message Queues, dan Google Pub/Sub. Saat data tiba di cloud, data mengalami berbagai tahap pemrosesan dan transformasi, sering disebut sebagai jalur panas, hangat, dan dingin, sebelum mendarat di penyimpanan data seperti Azure Data Explorer, Azure Synapse Analytics, dan Azure Data Lake Store Gen 2. Setelah diproses, data ini siap untuk analitik tingkat lanjut dan aplikasi AI dan dapat divisualisasikan menggunakan alat seperti Power BI, Grafana, Web atau Mobile Apps, dan titik akhir API.
Pengenalan Real-Time Intelligence in Fabric menawarkan kepada organisasi beberapa pendekatan implementasi dan arsitektur untuk kasus penggunaannya yang memerlukan analitik data streaming tingkat lanjut. Microsoft Azure membekali pengembang profesional dengan kemampuan yang kuat untuk merancang dan mengimplementasikan arsitektur yang membutuhkan integrasi mendalam dengan layanan Azure lainnya, otomatisasi end-to-end, dan penyebaran seluruh solusi sebagai paket terpadu. Kecerdasan Real Time di Microsoft Fabric memungkinkan pengembang warga dan pengguna bisnis untuk menemukan aliran data dalam organisasi mereka dan membangun solusi dan aplikasi analitis mereka. Dengan integrasi yang mulus dengan Azure Event Hubs, Azure Event Grid, dan Azure Data Explorer, Real-Time Intelligence memfasilitasi ekstensi arsitektur berbasis Azure ke Microsoft Fabric dan pembuatan solusi baru menggunakan sumber data yang ada atau baru. Diagram berikut mengilustrasikan arsitektur solusi berbasis Azure Platform as a service (PaaS) dan arsitektur solusi Real-Time Intelligence untuk kasus penggunaan analitik telemetri dalam organisasi manufaktur/otomotif yang khas.
Untuk informasi selengkapnya tentang Kecerdasan Real Time, lihat Apa itu Kecerdasan Real-Time di Fabric?.
Secara historis, organisasi mengalokasikan anggaran, tenaga kerja, dan sumber daya yang substansial untuk mengembangkan, mengintegrasikan, menyebarkan, mempertahankan, dan mengelola berbagai produk berbasis cloud atau lokal yang terputus dan solusi terisolasi. Hal ini telah menyebabkan arsitektur rumit dan kompleks yang menantang untuk beroperasi dan dipertahankan. Jadi, organisasi telah ragu untuk mengejar investasi tersebut karena kompleksitas, atau telah menganggap biaya terlalu melarang untuk membenarkan pengembalian investasi yang memuaskan. Namun, permintaan untuk wawasan operasi bisnis real-time yang didorong oleh data granularitas langsung dan tinggi, telah konsisten di antara pengguna akhir.
Real-Time Intelligence merevolusi lanskap ini dengan memanfaatkan potensi penuh kemampuan real-time dalam Fabric, memungkinkan Anda untuk mendapatkan wawasan yang berharga dan dapat ditindaklanjuti dari data pihak pertama dan pihak ketiga Anda secara instan. Dengan Kecerdasan Real Time, Anda mendapat manfaat dari:
- Penawaran SaaS yang komprehensif: Solusi lengkap yang memfasilitasi penemuan wawasan dari data sensitif waktu Anda, memungkinkan Anda untuk menyerap, memproses, mengkueri, memvisualisasikan, dan menindaklanjutinya secara real time.
- Hub terpusat untuk data dinamis Anda: Data estate terpadu untuk semua data peristiwa Anda bergerak, menyederhanakan penyerapan, penyimpanan, dan kurasi data terperinci dari seluruh organisasi Anda melalui Hub Real-Time.
- Pengembangan solusi yang cepat: Memberdayakan anggota tim dari berbagai keahlian untuk mengekstrak lebih banyak nilai dari data dan dengan cepat membangun solusi di atasnya untuk pertumbuhan bisnis lebih lanjut.
- Wawasan yang didukung oleh AI real-time: Menskalakan pemantauan manual dan memulai tindakan dengan mudah dengan fitur siap digunakan dan otomatis yang mengungkap pola tersembunyi, dan sepenuhnya menggunakan ekosistem Microsoft untuk mendorong bisnis Anda maju.
Artikel ini menguraikan pertimbangan utama untuk menentukan arsitektur implementasi yang paling sesuai yang disesuaikan dengan kasus penggunaan streaming Anda:
Keseluruhan
| Kemampuan | Solusi berbasis Azure PaaS | Solusi Inteligensi Real Time |
|---|---|---|
| Integrasi layanan | Tergantung pada kompatibilitas integrasi antara layanan dalam cakupan arsitektur. | Integrasi satu klik pada setiap langkah penyerapan data, proses, analisis, visualisasikan, dan bertindak. |
| Pengalaman dev pro dan warga negara | Lebih cocok untuk pengembang pro. | Pengembang pro, pengembang warga negara, dan pengguna bisnis dapat hidup berdampingan. |
| Kode rendah/Tanpa kode | Hanya tersedia untuk transformasi di Azure Stream Analytics dan untuk membuat pemberitahuan menggunakan Logics Apps atau Power Automate. Pengembangan pro diperlukan untuk implementasi end to end. | Implementasi end-to-end dari penyerapan hingga analisis untuk mengubah ke visualisasi dan bertindak dapat diwujudkan. |
| Model Konsumsi | Estimasi, konsumsi, dan model penagihan dependen layanan. | Model konsumsi dan penagihan Unit Kapasitas Uniform Fabric. |
Menyerap dan memproses
| Kemampuan | Solusi berbasis Azure PaaS | Solusi Inteligensi Real Time |
|---|---|---|
| Konektor multicloud | Azure Stream Analytics tersambung ke Confluent Kafka. Tidak ada konektor untuk membaca data dari Amazon Kinesis atau Google Pub/Sub. | Integrasi asli untuk Confluent Kafka, Amazon Kinesis, Google Pub/Sub. |
| Dukungan untuk aliran CDC | Memerlukan penyebaran layanan lain seperti Debezium. | Integrasi asli untuk Azure Cosmos DB, PostgreSQL, MySQL DB, dan Azure SQL. |
| Dukungan untuk protokol | Azure Event Hubs, AMQP, Kafka, dan MQTT. | Azure Event Hubs, AMQP, Kafka. |
Analisis & transformasi
| Kemampuan | Solusi berbasis Azure PaaS | Solusi Inteligensi Real Time |
|---|---|---|
| Pembuatan profil data | Tidak tersedia | Tampilan pembuatan profil data tabel real-time Anda menyediakan histogram di luar kotak dan rentang min-maks untuk setiap kolom. |
| Eksplorasi data visual | Tidak tersedia | Fitur seret dan letakkan untuk menganalisis data real-time Anda secara visual. |
| Pengalaman salinan | Kluster Azure Data Explorer dapat ditambahkan sebagai sumber di Fabric KQL Queryset untuk menggunakan kemampuan Copilot. | Tersedia secara asli |
| Model ML bawaan | Model deteksi anomali dan prakiraan tersedia. Pengembangan pro diperlukan untuk menyebarkan model deteksi dan prakiraan anomali. | Model deteksi anomali dan prakiraan tersedia. Pengguna bisnis juga dapat menerapkan model deteksi anomali pada data streaming masuk. |
| Visualisasi (Microsoft) | Power BI, dasbor Azure Data Explorer | Integrasi satu klik asli dengan Power BI dan Dasbor Real Time |
| Visualisasi (Pihak ketiga) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab juga dapat diintegrasikan dengan Eventhouse. |
Bertindak
| Kemampuan | Solusi berbasis Azure PaaS | Solusi Inteligensi Real Time |
|---|---|---|
| Mendorong tindakan bisnis dari wawasan | Memerlukan Azure Logic Apps atau Power Automate atau Azure Functions, pemberitahuan Azure Monitor. | Tersedia secara asli di Fabric menggunakan item Reflex di Data Activator dengan integrasi out-of-the-box dengan Power BI Semantic Models, Event stream, dan kueri KQL. |
| Peristiwa sistem reaktif | Tidak tersedia | Peristiwa bawaan yang diterbitkan melalui hub Real-Time; Gunakan item refleks untuk mengotomatiskan proses data, seperti alur dan notebook. |
| Model Semantik Real Time | Tidak tersedia atau solusi code-first menggunakan Logic Apps atau Azure Functions | Tidak tersedia |
| AI bawaan | Tidak tersedia | Tidak tersedia |
| Tujuan pemberitahuan | Tergantung pada portofolio konektor layanan. | Konektor Microsoft Teams, Microsoft Outlook, dan Power Automate. |
Katalog
| Kemampuan | Solusi berbasis Azure PaaS | Solusi Inteligensi Real Time |
|---|---|---|
| Katalog terpadu aliran data | Tidak tersedia | Hub real time: 1. Aliran data yang dibuat oleh pengguna 2. Aliran yang ada dari sumber Microsoft 3. Aliran peristiwa sistem Fabric |
| Penemuan aliran data Microsoft | Tidak tersedia | Hub Inteligensi real time menemukan aliran data di penyewa Azure Anda. |
| Mengambil dan bertindak berdasarkan peristiwa dari Azure Storage | Mengharuskan penyebaran Azure Event Grid untuk bertindak atas peristiwa yang terjadi di Azure Storage. | Pemicu berbasis peristiwa Azure Blob Storage tersedia. |
| Menangkap dan bertindak atas peristiwa dari Fabric | Tidak berlaku | Tersedia secara native di Fabric |