Bagikan melalui

Apa itu Kecerdasan Real-Time?

Real-Time Intelligence adalah layanan canggih yang memberdayakan semua orang di organisasi Anda untuk mengekstrak wawasan dan memvisualisasikan data mereka yang bergerak. Ini menawarkan solusi end-to-end untuk skenario di mana Anda perlu merespons peristiwa saat terjadi, memproses data yang terus mengalir, atau menganalisis log. Baik menangani gigabyte atau petabyte, semua data organisasi yang bergerak menyatu di Hub Real-Time. Ini dengan mulus menghubungkan data berbasis waktu dari berbagai sumber menggunakan konektor tanpa kode, memungkinkan wawasan visual langsung, analisis geospasial, dan reaksi berbasis pemicu yang semuanya merupakan bagian dari katalog data di seluruh organisasi.

Setelah Anda menghubungkan aliran data apa pun dengan lancar, seluruh solusi berbasis cloud menjadi dapat diakses. Real-Time Intelligence menangani penyerapan data, transformasi, penyimpanan, pemodelan, analitik, visualisasi, pelacakan, AI, dan tindakan real time. Data Anda tetap dilindungi, diatur, dan diintegrasikan di seluruh organisasi Anda, selaras dengan semua penawaran Fabric. Inteligensi Real Time mengubah data Anda menjadi sumber daya dinamis yang dapat ditindaklaksikan yang mendorong nilai di seluruh organisasi.

Dapatkah Inteligensi Real Time membantu saya?

Real-Time Inteligensi dapat digunakan untuk analisis data, wawasan visual langsung, pemusatan data yang bergerak untuk organisasi, tindakan pada data, kueri yang efisien, transformasi, pemodelan, dan penyimpanan volume besar data terstruktur atau tidak terstruktur. Baik Anda perlu mengevaluasi data dari sistem IoT, log sistem, teks gratis, data semi terstruktur, atau menyumbang data untuk dikonsumsi oleh orang lain di organisasi Anda, Inteligensi Real-Time menyediakan solusi serbaguna.

Meskipun disebut "real-time", data Anda tidak perlu mengalir pada tingkat dan volume tinggi. Real-Time Intelligence memberi Anda solusi yang bereaksi terhadap peristiwa saat terjadi, bukan solusi yang berjalan sesuai jadwal. Komponen Real-Time Intelligence dibangun di atas Microsoft services inti tepercaya, dan bersama-sama mereka memperluas kemampuan Fabric secara keseluruhan untuk memberikan solusi yang merespons perubahan data secara instan.

Aplikasi Inteligensi Real Time mencakup berbagai skenario bisnis, seperti otomotif, manufaktur, IoT, deteksi penipuan, manajemen operasi bisnis, dan deteksi anomali. Anda juga dapat menggunakan Kecerdasan Real-Time untuk skenario aplikasi berbasis agen, seperti pemantauan keamanan konten secara real-time dan telemetri agen untuk aplikasi generatif, di mana sinyal keselamatan dan peristiwa percakapan dialirkan dan dianalisis untuk tindakan segera.

Bagaimana cara menggunakan Real-Time Intelligence?

Real-Time Intelligence in Microsoft Fabric menawarkan kemampuan yang, dalam kombinasi, memungkinkan pembuatan solusi Real-Time Intelligence dalam mendukung proses bisnis dan teknik.

Diagram dari arsitektur Real-Time Intelligence di Microsoft Fabric.

  • Hub Real-Time berfungsi sebagai katalog terpusat dalam organisasi Anda. Ini memudahkan untuk menemukan, menambahkan, menjelajahi, dan berbagi data streaming. Dengan menyambungkan ke berbagai sumber data, Anda bisa mendapatkan wawasan di seluruh organisasi Anda. Yang penting, hub ini memastikan bahwa data tidak hanya tersedia tetapi juga dapat diakses oleh semua, mempromosikan pengambilan keputusan cepat, dan tindakan yang diinformasikan. Berbagi data streaming dari berbagai sumber membuka potensi untuk membangun kecerdasan bisnis yang komprehensif di seluruh organisasi Anda.

  • Setelah Anda memilih data aliran dari organisasi Anda atau yang terhubung ke sumber luar maupun internal, Anda bisa menggunakan alat konsumsi data di Kecerdasan Waktu Nyata untuk menjelajahi data Anda. Alat-alat ini memungkinkan Anda menjelajahi data Anda secara visual dan menggali lebih dalam ke detail tertentu. Anda dapat mengakses data yang baru bagi Anda dan dengan mudah memahami struktur data, pola, anomali, jumlah prakiraan, dan tingkat data. Dengan demikian, Anda dapat bertindak atau membuat keputusan cerdas berdasarkan data. Dasbor Waktu Nyata dilengkapi dengan interaksi siap pakai yang menyederhanakan proses pemahaman data, dan menjadikannya dapat diakses oleh siapa pun yang ingin membuat keputusan berdasarkan data bergerak dengan menggunakan alat visual, Bahasa Alami, dan Copilot.

  • Wawasan ini dapat diubah menjadi tindakan dengan Fabric Activator, saat Anda menyiapkan pemberitahuan dari berbagai bagian Fabric untuk bereaksi terhadap pola atau kondisi data secara real time.

Bagaimana cara berinteraksi dengan komponen Real-Time Intelligence?

Menemukan data streaming

Hub Real-Time digunakan untuk menemukan dan mengelola data streaming Anda. Peristiwa hub waktu nyata adalah katalog data yang sedang bergerak, yang berisi:

  • Data streams: Semua aliran data yang secara aktif berjalan di Fabric, yang dapat Anda akses.

  • Sumber Microsoft: Dengan mudah menemukan sumber streaming yang Anda miliki dan dengan cepat mengonfigurasi pengolahan sumber tersebut ke dalam Fabric tersebut. Sumber-sumber Change Data Capture (CDC) melacak dan melakukan streaming perubahan yang terjadi pada basis data Anda secara real time, seperti: Azure Event Hubs, Azure IoT Hub, Azure SQL DB CDC, Azure Cosmos DB CDC, PostgreSQL DB CDC.

  • Fabric peristiwa: Kemampuan berbasis peristiwa mendukung pemberitahuan real time dan pemrosesan data. Anda dapat memantau dan bereaksi terhadap peristiwa termasuk peristiwa Item Ruang Kerja Fabric dan peristiwa Azure Blob Storage. Peristiwa ini dapat digunakan untuk memicu tindakan atau alur kerja lain, seperti memanggil alur atau mengirim pemberitahuan melalui email. Anda juga dapat mengirim peristiwa ini ke tujuan lain melalui eventstream. Peristiwa Fabric dan peristiwa Azure Blob Storage juga dapat memicu aturan Aktivator untuk memulai Spark jobs atau Dataflows, memungkinkan orkestrasi yang sepenuhnya digerakkan oleh peristiwa tanpa jadwal.

Data ini semuanya disajikan dalam format yang mudah dikonsumsi dan tersedia untuk semua beban kerja Fabric.

Menghubungkan ke data streaming

Eventstreams memungkinkan Anda mengumpulkan, mengubah, dan mengirim sejumlah besar data real-time ke tujuan yang berbeda, semuanya tanpa menulis kode. Eventstreams mendukung beberapa sumber data dan tujuan data, termasuk berbagai konektor ke sumber eksternal, misalnya: kluster Apache Kafka, umpan pengambilan data perubahan database, sumber streaming AWS (Kinesis), Google (GCP Pub/Sub), MQTT v3.1/v3.1.1, dan konektor Real-Time Weather. Telemetri aplikasi dan sinyal keamanan konten dari layanan AI atau LLM juga dapat diserap sebagai aliran (misalnya, melalui konektor Kafka atau Azure Event Hubs) untuk memungkinkan tata kelola dan pemantauan interaksi agen. Pembuatan pemberitahuan dan manajemen aturan disematkan langsung di Eventstreams, memungkinkan pengguna untuk mengatur pemberitahuan dan tindakan dari dalam pengalaman Eventstreams tanpa mengalihkan konteks.

Memproses aliran data

Dengan menggunakan kemampuan pemrosesan peristiwa dalam Eventstreams, Anda dapat melakukan pemfilteran, pembersihan data, transformasi, agregasi dengan jendela waktu, dan deteksi duplikat, untuk membentuk data sesuai keinginan Anda. Anda juga dapat menggunakan kemampuan perutean berbasis konten untuk mengirim data ke tujuan yang berbeda berdasarkan filter. Fitur lain, berasal dari eventstream, memungkinkan Anda membangun aliran baru sebagai hasil dari transformasi dan/atau agregasi yang dapat dibagikan kepada konsumen di hub Real-Time.

Menyimpan dan menganalisis data

Eventhouse adalah mesin analitik yang ideal untuk memproses data yang bergerak. Mereka dirancang khusus untuk acara streaming berbasis waktu dengan data yang terstruktur, semi terstruktur, dan tidak terstruktur. Data Anda secara otomatis diatur berdasarkan saat data tiba, sehingga Anda dapat menjalankan kueri terperinci yang cepat bahkan pada data dalam jumlah besar. Data yang disimpan di eventhouse dapat disediakan di OneLake untuk dikonsumsi oleh pengalaman Fabric lainnya.

Data terindeks dan dipartisi yang disimpan di eventhouses siap untuk kueri secepat kilat menggunakan berbagai opsi kode, kode rendah, atau tanpa kode dalam Fabric. Data dapat dikueri dalam KQL asli (Bahasa Kueri Kusto) atau menggunakan T-SQL di set kueri KQL. Copilot Kusto, bersama dengan pengalaman eksplorasi kueri no-code, menyederhanakan proses analisis data untuk pengguna KQL yang berpengalaman dan ilmuwan data masyarakat. KQL adalah bahasa yang sederhana, namun kuat untuk mengkueri data terstruktur, semi terstruktur, dan tidak terstruktur. Bahasa ini ekspresif, mudah dibaca dan dipahami niat kueri, dan dioptimalkan untuk pengalaman penulisan.

Untuk skenario AI dan aplikasi berbasis agen, kueri KQL latensi rendah pada kejadian keamanan dan telemetri memungkinkan dasbor hampir waktu nyata dan deteksi anomali dalam interaksi agen. Organisasi rangkaian waktu data eventhouse sangat cocok untuk menghubungkan sinyal keamanan konten dengan metadata sesi, sehingga Anda dapat dengan cepat melakukan triase masalah dan mengidentifikasi tren di seluruh beban kerja AI generatif Anda.

Pemodelan data

Pembangun kembar digital (pratinjau) adalah pengalaman kode rendah/tanpa kode untuk memodelkan data Anda sebagai ontologi yang secara digital mewakili lingkungan fisik Anda. Pemodelan aset dan proses Anda dapat membantu mengoptimalkan operasi fisik menggunakan data, dengan cara yang dapat diakses oleh pembuat keputusan operasional.

Dengan pembuat kembar digital, Anda dapat memetakan data ke dalam ontologi Anda dari berbagai sistem sumber, termasuk Fabric OneLake, dan menentukan hubungan semantik di seluruh sistem atau seluruh situs untuk mengkonteksualisasikan data Anda. Pembangun kembar digital mencakup pengalaman visualisasi dan kueri siap pakai untuk menjelajahi data yang dimodelkan, serta menggunakan kekuatan Microsoft Fabric untuk menganalisis himpunan data besar seperti data deret waktu dan catatan pemeliharaan yang mungkin meluas selama beberapa hari, minggu, atau bulan.

Data pembuat kembar digital juga dapat dihubungkan ke dasbor Power BI atau dasbor waktu nyata untuk visualisasi tambahan dan pelaporan yang disesuaikan dari data yang telah dimodelkan Anda. Aturan juga dapat didefinisikan pada entitas bisnis ontologi untuk memulai pemberitahuan dan tindakan otomatis (pratinjau), menghubungkan entitas yang dimodelkan ke tindakan waktu nyata berkelanjutan.

Memvisualisasikan wawasan data

Wawasan data dapat divisualisasikan dalam kueri KQL, dasbor waktu nyata, laporan Power BI, dan peta, dalam hitungan detik dari penyerapan data hingga menghasilkan wawasan. Opsi visualisasi berkisar dari pengalaman tanpa kode hingga sepenuhnya khusus, memberikan nilai bagi penjelajah wawasan pemula dan ahli untuk memvisualisasikan data mereka sebagai bagan dan tabel. Anda dapat menggunakan isyarat visual untuk melakukan operasi pemfilteran dan agregasi pada hasil kueri dan menggunakan daftar visualisasi bawaan yang kaya. Wawasan ini dapat dilihat dalam Laporan Power BI dan Dasbor Real-Time, yang keduanya dapat memiliki pemberitahuan yang dibangun di atas wawasan data.

Peta dalam Microsoft Fabric adalah alat visualisasi geospasial dinamis yang memberdayakan Anda untuk menganalisis data spasial statis dan real-time untuk kecerdasan yang lebih mendalam. Ini mendukung berbagai lapisan data yang dapat disesuaikan, seperti gelembung, peta panas, poligon, dan ekstrusi 3D, sehingga memungkinkan Anda untuk mengungkap pola spasial dan tren yang sering tidak terdeteksi oleh bagan tradisional. Dengan mengintegrasikan dengan Lakehouses dan Eventhouses dan mengaktifkan kueri KQL dengan interval refresh, Map memfasilitasi analitik data real time, membantu tim memantau perubahan langsung, mendeteksi anomali, dan membuat keputusan tepat waktu. Dengan gaya peta bawaan dan dukungan untuk format seperti GeoJSON dan PMTiles, ini adalah aset yang kuat untuk kesadaran operasional dan kecerdasan spasial. Untuk informasi selengkapnya, lihat Membuat peta.

Memicu tindakan

Pemberitahuan memantau perubahan data dan secara otomatis mengambil tindakan saat pola atau kondisi terdeteksi. Data dapat mengalir di hub Real-Time, atau diamati dari kueri Kusto atau laporan Power BI. Ketika kondisi atau logika tertentu terpenuhi, tindakan kemudian diambil, seperti memberikan peringatan kepada pengguna, menjalankan item pekerjaan Fabric seperti pipeline, job Spark, atau Dataflow, menjalankan Fungsi Data Pengguna, atau memulai alur kerja Power Automate. Logika dapat berupa ambang batas yang ditentukan secara sederhana, pola seperti peristiwa yang terjadi berulang kali selama periode waktu tertentu, atau hasil logika kompleks yang ditentukan oleh kueri KQL. Untuk aplikasi AI generatif, Anda dapat menyiapkan alur kerja remediasi keamanan konten dengan menggunakan pemberitahuan yang didorong oleh kondisi KQL (misalnya, ambang batas toksisitas yang terlampaui atau pelanggaran kebijakan berulang) untuk memberi tahu pemilik aplikasi, merutekan peristiwa ke alur karantina, atau memicu alur dan alur kerja Power Automate untuk pembatasan atau pemblokiran. Aktivator mengubah wawasan berbasis peristiwa Anda menjadi keuntungan bisnis yang dapat ditindakkan. Aktivator juga terintegrasi dengan Power BI service untuk memberi tahu pengguna ketika kondisi yang ditentukan terjadi dalam laporan yang diterbitkan, seperti ketika baris baru muncul dalam visual tabel.

Integrasikan dengan pengalaman Fabric lainnya

Konten terkait

  • Last updated on