Con la crescita esponenziale dei dati, le organizzazioni si basano sulla potenza di calcolo, archiviazione e analisi illimitate di Azure per ridimensionare, trasmettere, prevedere e visualizzare i dati. Le soluzioni di analisi trasformano i volumi di dati in business intelligence (BI) utili, ad esempio report e visualizzazioni, e intelligenza artificiale inventiva ,ad esempio le previsioni basate su Machine Learning.
Se l'organizzazione sta iniziando a valutare gli strumenti di analisi basati sul cloud o sta cercando di espandere l'implementazione corrente, Azure offre molte opzioni. Il flusso di lavoro inizia con l'apprendimento degli approcci comuni e l'allineamento dei processi e dei ruoli relativi a una mentalità cloud.
I dati possono essere elaborati in batch o in tempo reale, in locale o nel cloud, ma l'obiettivo di qualsiasi soluzione di analisi consiste nell'usare i dati su larga scala. Sempre più spesso, le organizzazioni vogliono creare una singola fonte di verità per tutti i dati relazionali e non relazionali generati da persone, computer e Internet of Things (IoT). È comune usare un'architettura big data o un'architettura IoT per trasformare i dati non elaborati in un modulo strutturato, quindi spostarlo in un archivio dati analitico. Questo archivio diventa l'unica fonte di verità che può potenza una moltitudine di soluzioni di analisi approfondite.
Scaricare un file di Visio di questa architettura.
Informazioni sull'analisi in Azure
Se non si ha familiarità con l'analisi in Azure, il posto migliore per altre informazioni è Microsoft Learn, una piattaforma gratuita di training online. Sono disponibili video, esercitazioni e apprendimento pratico per prodotti e servizi specifici, oltre a percorsi di apprendimento basati sul ruolo di lavoro, ad esempio sviluppatore o analista dei dati.
Idoneità a livello organizzativo
Se l'organizzazione è nuova al cloud, l'Cloud Adoption Framework può aiutare a iniziare. Questa raccolta di documentazione e procedure consigliate offre indicazioni comprovate di Microsoft progettate per accelerare il percorso di adozione del cloud. Elenca anche gli strumenti di innovazione per democratizzare i dati in Azure.
Per garantire la qualità della soluzione di analisi in Azure, è consigliabile seguire Azure Well-Architected Framework. Fornisce indicazioni prescrittive per le organizzazioni che cercano l'eccellenza dell'architettura e illustra come progettare, effettuare il provisioning e monitorare le soluzioni di Azure ottimizzate per i costi.
Percorso di produzione
Sapere come archiviare i dati è una delle prime decisioni da prendere nel percorso di analisi in Azure. È quindi possibile scegliere la tecnologia di analisi dei dati migliore per lo scenario.
Per iniziare, prendere in considerazione le implementazioni di esempio seguenti:
Procedure consigliate
L'analisi di alta qualità inizia con dati affidabili e affidabili. Al livello più alto, le procedure di sicurezza delle informazioni consentono di garantire che i dati siano protetti in transito e inattivi. L'accesso a tali dati deve essere attendibile. I dati attendibili implicano una progettazione che implementa:
A livello di piattaforma, le procedure consigliate di Big Data seguenti contribuiscono all'analisi affidabile in Azure:
Orchestrare l'inserimento dei dati usando una soluzione flusso di lavoro dati o pipeline, ad esempio quelle supportate da Azure Data Factory o Oozie.
Elaborare i dati sul posto usando un archivio dati distribuito, un approccio Big Data che supporta volumi di dati più grandi e un'ampia gamma di formati.
Eliminare i dati sensibili all'inizio del flusso di lavoro di inserimento per evitare di archiviarlo nel data lake.
Prendere in considerazione il costo totale delle risorse di Azure necessarie bilanciando il costo per unità dei nodi di calcolo necessari per il costo al minuto dell'uso di tali nodi per completare un processo.
Creare un data lake che combina l'archiviazione per i file in più formati, sia strutturati, semistrutturati o non strutturati. Microsoft usa Azure Data Lake Storage Gen2 come unica fonte di verità. Ad esempio, vedere Architettura della soluzione BI nel Centro di eccellenza.
Risorse aggiuntive
L'analisi è una categoria ampia e copre una gamma di soluzioni. Le risorse seguenti consentono di scoprire di più su Azure.
Ibrido
La maggior parte delle organizzazioni ha bisogno di un approccio ibrido per l'analisi perché i dati sono ospitati sia in locale che nel cloud. Le organizzazioni spesso estendono le soluzioni dati locali al cloud. Per connettere gli ambienti, le organizzazioni devono scegliere un'architettura di rete ibrida.
Un approccio ibrido può includere sistemi mainframe e midrange come origine dati per le soluzioni di Azure. Ad esempio, l'organizzazione potrebbe voler modernizzare i dati mainframe e midrange o fornire l'accesso mainframe ai database di Azure.
Soluzioni di esempio
Ecco alcuni esempi di implementazioni di analisi in Azure da considerare:
Analisi dei Big Data con sicurezza di livello aziendale con Azure Synapse
Esplorare altri esempi di analisi nel Centro architetture di Azure
Aws o Google Cloud professionisti
Questi articoli consentono di aumentare rapidamente la velocità confrontando le opzioni di analisi di Azure con altri servizi cloud: