データの目標: すべての組織は、データが自信を持ってビジネス上の意思決定を推進することを望んでいます。 データは信頼され、分析と AI に再利用しやすく、既定でセキュリティで保護されている必要があります。 データチャレンジ: ほとんどの組織では、この目標を達成するのは困難です。 データはシステムやチームに分散されます。 標準は異なります。 ガバナンスに一貫性がありません。 これらの問題により、分析と AI を自信を持って使用するのが困難になります。
データ ソリューション: 多くの組織では、データ プラットフォームを Microsoft Fabric と統合することで、この課題に対処しています。 Fabric を使用すると、チームは、組織全体の分析と AI に対して管理および安全に使用できる信頼できるデータ製品を作成できます (図 1 を参照)。 このガイダンスは、意思決定者に、そのシフトを行い、統合されたデータ基盤を確立するために必要なフレームワークを提供します。
図 1.AI と分析のための統合データ プラットフォーム。
Fabric と統合データ プラットフォームを使用する理由
ほとんどのビジネスおよびテクノロジ リーダーは、断片化されたデータのコストを理解しています。 それらを妨げているのは、それを修正するには大規模でリスクの高い移行が必要だという信念です。 Microsoft Fabric は別のアプローチを採用し、中断することなく価値を提供します。 主な利点は次のとおりです。
最小限のビジネス中断: ファブリックは、仮想化 (ショートカット) と選択的レプリケーション (ミラーリング) を使用して既存のシステムに接続します。 Teams は、現在の操作を中断することなく、データへのアクセスを統合できます。
組み込みのガバナンス: Fabric は、データ エンジニアリング、分析、および BI を 1 つのプラットフォームに取り込みます。 セキュリティポリシーとガバナンス ポリシーは、複数のツール間で異なる方法で再作成および適用されるのではなく、一度定義され、一貫して適用されます。
AI と分析の基礎: Fabric を使用すると、組織は再利用可能で高品質のデータ製品を生成できます。 これらの信頼できる製品により、分析と AI イニシアチブが高速化されます。 Fabric IQ は 、データの統合とコンテキスト化に役立ちます。 Foundry IQ を使用すると、Microsoft Foundry エージェントは、管理された信頼できるデータを推論できます。
どのようなレベルの投資が必要ですか?
データ プラットフォームを統合することは、すべてのシステムの卸売代替ではなく、機能への投資です。 目標は、既存のデータ システムを引き続き使用し、時間の経過と同時に拡張できる共有基盤を構築することです。 主なコスト要因は次のとおりです。
Microsoft Fabric のコスト要因: 主な コスト要因 は次のとおりです (図 2 を参照)。
コンピュート： 作成するコンピュート キャパシティ (ファブリック キャパシティ)。
ストレージ： OneLake で使用するストレージ。
レプリケーション： 実行するデータ レプリケーション (ミラーリング)。
Power BI: ライセンス ガイダンスに要約されているように、ユーザーが Power BI アクセスを含む十分な Microsoft Fabric 容量を持っているか、別の Power BI ライセンスを持っていることを確認します。
図 2.データからビジネス価値を生み出す Microsoft Fabric の機能。
Microsoft Purview のコスト要因: 統合されたデータ ガバナンスとコンプライアンスには、Microsoft Purview を使用します。 Purview は、データ資産全体にわたって、一元化されたデータ カタログ、データ分類、およびポリシーの適用を提供します。 データは、OneLake、Azure、オンプレミス、サード パーティの SaaS、またはその他のクラウド プラットフォームに格納できます。 Purview の主なコスト要因には、サブスクリプション ベースのライセンスと従量課金ベースの機能が含まれます。 現在進行中のライセンスと、Purview で管理するデータとサービスの量の両方に対する予算。
Azure のコスト要因: Azure サブスクリプションを使用して、Fabric コンピューティング (容量) と Microsoft Purview アカウントをホストします。 Azure サブスクリプションには追加料金はかからなくなります。 Azure Databricks や Azure Machine Learning などの他の Azure サービスを統合プラットフォームに統合する場合は、これらのサービスに独自の価格モデルがあることを思い出してください。 これらのコストを計画します。 Azure Databricks と Azure Machine Learning のコスト要因を参照してください。
値が表示されるまでの時間はどのくらいですか?
Microsoft Fabric は、価値を迅速に提供するように設計されています。 統合は完全な移行に依存しないため、値の変更までの時間は短くなります。 Teams は、価値の高いデータ製品の小さなセットから始めることができます。 各ステップは、リスクを制限しながら価値を追加します。 実際には、多くの組織では、最初の分析または AI シナリオで数週間以内に価値が見られます。 Fabric がデータ製品、分析、AI の標準基盤になると、組織全体で再利用と一貫性のある標準によって価値が成長します。
データ プラットフォームを統合する方法
Microsoft のクラウド導入フレームワークは、データ プラットフォームを統合するための 4 段階のフレームワークの概要を示しています。 このプロセスは、データ戦略の計画と編成にまたがっています。 アーキテクチャの決定について説明します。 また、ガバナンスとセキュリティ ベースラインを設定し、運用標準を定義するのにも役立ちます。
組織の準備。 データ戦略を定義し、データの所有権とドメインを確立します。 データがビジネス価値をどのように生み出し、どのデータに対して誰が責任を負うのかを明確にします。 組織 の準備状況を参照してください。
アーキテクチャ： データ プラットフォームを統合するために必要なテクノロジを提供します。 Azure で Microsoft Fabric と必要な環境を設定します。 アーキテクチャを参照してください。
ガバナンスとセキュリティ ベースライン: Microsoft Purview を使用して、データ資産全体の一元的な可視性とガバナンスを実現します。 セキュリティとコンプライアンスのベースラインを最初から Fabric アーキテクチャに組み込む。 ガバナンスとセキュリティ ベースラインを参照してください。
運用標準。 生データの取り込み、データ製品の作成、ライフサイクルの管理のための一貫したプロセスを定義します。 組織全体でデータ製品を公開、セキュリティ保護、および使用する方法を確立します。 運用標準を参照してください。
これらの手順に従うことで、構造化された方法でデータ プラットフォームを統合できます。 開始する場所がわからない場合は、ガイダンスとして次のデシジョン ツリーを使用します。
データ プラットフォームを統合するためのデシジョン ツリー
図 3。 データ プラットフォームを統合するための Microsoft のデシジョン ツリー。
次のステップ
次のセクションでは、各手順でガイダンス、チェックリスト、ベスト プラクティス、意思決定ガイダンス、トレードオフについて説明します。 このガイダンスは、組織の戦略とガバナンスを監督するリーダーと意思決定者を対象とします。
キーワード
| キー用語 | 定義 |
|---|---|
| Analytics | 意思決定をサポートするためにデータから分析情報を生成する方法。 これには、 Power BI などのダッシュボード、レポート、視覚化が含まれます。 |
| AI | ビジネス機能を自動化するモデルへの入力としてデータを使用するシステム。 このカテゴリには、従来の機械学習モデル (予測) と生成 AI モデルが含まれます。 |
| データ製品 | データセット、テーブル、特徴セット、AI トレーニング データなど、ビジネスにとって価値のある形式のデータ。 |
| データ ドメイン | 部署 (HR、マーケティング、財務、営業、運用) や製品ライン (製品 1、製品 2) などのデータ製品の責任と所有権の境界。 |
| データ管理用着陸ゾーン | Microsoft Purview アカウントや Fabric 容量などのデータ管理リソースの環境 (1 つ以上の Azure サブスクリプションで構成)。 |
| データ ランディング ゾーン (データが収集される場所) | Azure Databricks、Azure Data Lake Storage、Azure Machine Learning などのデータおよび AI/ML リソース用の環境 (1 つ以上の Azure サブスクリプションで構成)。 |