はじめに
日常業務と顧客とのやりとりにより、データ フローは常に作成されます。 このビッグ データの世界は着実に成長しており、データをタイムリーかつコスト効率の高い方法で格納、処理、分析する必要性も高まっています。 ビッグ データには、大量のスケーラブルな記憶域スペースが必要です。 大量のデータがさまざまなソースから高速で流入するため、意味のあるイベントを識別して対応する機能が重要です。 さらに、データはさまざまな形式で生成されます。つまり、構造化データ、半構造化データ、フリー テキスト、そして画像、ビデオです。 このようにさまざまなデータ フロー間の相関関係を見つけるために、企業はデータの解析、処理、保存に多大な時間と費用を費やしています。 データに基づいてビジネス上の意思決定を行うには、膨大かつ複雑なデータを管理し、高度な分析を実行できる堅牢なエンドツーエンドのデータ分析システムが不可欠です。 この膨大なデータの種類、ワーク フロー、視覚化の管理に役立つツールは何でしょうか。
Azure Data Explorer は、フル マネージドの、ハイ パフォーマンスなビッグ データ分析プラットフォームです。 Azure Data Explorer を使用すると、こうした多様なデータをすべて取り込み、処理し、格納することができます。 Azure Data Explorer を使用すると、凖リアルタイムのクエリと高度な分析に加え、地理空間分析、アラート、ダッシュボード、ビジネス分析など、より高度な機能を利用できます。
シナリオ例
あなたは、大規模なチェーン店舗があり、eコマースにも進出している衣料品会社に勤めているとします。 いくつかの国々の顧客を対象とした年末セールを始めようとしています。 このキャンペーンが売上、在庫、物流にどのように影響するかを確認したいと思っています。 さまざまな形式の大量のデータ フローがあり、このデータの意味を把握して、ビジネス上の意思決定に役立てる方法を見つける必要があります。
収集されたデータは社内全体のさまざまな部署で使用され、運営、マーケティング、顧客関係に関わる戦略的および日常的な意思決定が行われます。 Azure Data Explorer を使用して、次に挙げるさまざまなデータ型を単一のコレクションに取り込んで構成する予定です。
- 構造化データ: 内部の運用システムなど。
- 半構造化データ: マーケティングのクリック ストリーム データなど。
- 非構造化データ: ソーシャル メディア フィードなど。
これで、各部門でデータの分析と視覚化を使用し、データに基づいたキャンペーンの意思決定を行うことができるようになります。
学習内容
どのような場合に Azure Data Explorer を使用するかを判断できるように、ここではその機能を分析します。
- Azure Data Explorer と Kusto クエリ言語の強みは何か。
- このサービスを使用するにはどうすればよいか。
- どのような種類のデータを分析できるか、そのデータはどこから取得できるか。
- クエリの結果を整理、表示、または実行可能にするにはどうすればよいか。
主な目標
このセッションの終わりまでには、Azure Data Explorer がビッグ データを把握するのに役立つ、よい選択肢かどうかを判断できるようになります。