Introduzione
Molte organizzazioni lavorano con grandi quantità di dati. I Big Data spesso possono essere non elaborati, non organizzati e archiviati in diverse posizioni, ad esempio sistemi relazionali, non relazionali e altri sistemi di archiviazione. Una sfida significativa per queste organizzazioni consiste nell'ordinare questi Big Data e trasformarli in informazioni aziendali utili.
Microsoft Azure Data Factory è un servizio cloud gestito che è possibile usare per creare informazioni aziendali dettagliate e di utilità pratica dai dati non organizzati. Consente di gestire progetti complessi di estrazione, trasformazione e caricamento (ETL) ibridi, di estrazione, caricamento e trasformazione e di integrazione dei dati.
Scenario di esempio
Si supponga di lavorare per una società di giochi, in cui si raccolgono i log dei dati generati durante le sessioni di gioco. Se fosse possibile analizzare questi dati di log, si potrebbero ottenere informazioni dettagliate su preferenze dei clienti, dati demografici e comportamento di utilizzo. Gli utenti del team di vendita hanno espresso interesse per le opportunità di upselling e cross-selling e si chiedono se questi log di dati potrebbero contenere informazioni utili. I team tecnici e di sviluppo sono interessati a conoscere i potenziali problemi correlati all'esperienza di gioco e a sapere in che modo le nuove funzionalità potrebbero aiutare a risolverli.
Il problema è che per analizzare correttamente i dati nei log, è anche necessario fare riferimento ai dati archiviati in posizioni locali. Questi dati includono informazioni sui clienti, sui giochi e sulle campagne di marketing. L'azienda ha archiviato i dati dei log dei giochi in un archivio dati del cloud e vuole usare anche tutti i dati locali.
Per procedere con l'analisi dei dati, un passaggio fondamentale consiste nel combinare i dati locali con i dati aggiuntivi dei log di gioco. Il piano prevede l'elaborazione dei dati combinati usando Azure Analysis Services. I dati trasformati verranno quindi pubblicati in un data warehouse sul cloud e visualizzati usando Power BI e altri strumenti. Azure Data Factory può essere utile per raggiungere questo obiettivo.
Cosa si fa?
In questo modulo si scoprirà in che modo Azure Data Factory può aiutare a orchestrare i Big Data. Si valuterà se Azure Data Factory può essere utile per integrare le origini dati. Verrà anche descritto il modo in cui Azure Data Factory può inserire dati da origini dati locali, multi-cloud e SaaS.
Qual è l'obiettivo principale?
Alla fine di questo modulo si saprà di più su come determinare se Azure Data Factory può essere utile per creare e pianificare flussi di lavoro basati sui dati per inserire dati da archivi dati diversi. Si valuterà se Azure Data Factory può aiutare a compilare processi ETL complessi per trasformare visivamente i dati con i servizi di calcolo o con i flussi di dati.