Inleiding tot analyses op cloudschaal voor gereguleerde branches
Analyses op cloudschaal zijn gebaseerd op Azure-landingszones voor eenvoudige implementatie en governance. Het belangrijkste doel van een Azure-landingszone is ervoor te zorgen dat de vereiste infrastructuur al aanwezig is wanneer een toepassing of workload in Azure terechtkomt. Voordat u uw landingszone voor analyse op cloudschaal implementeert, moet u al hebben gewerkt aan het cloudacceptatieframework om een Architectuur voor een Azure-landingszone met platformlandingszones te implementeren.
Voor soevereine workloads heeft Microsoft de Sovereign Landing Zone (SLZ) die een variant is van de Azure Landing Zone op ondernemingsniveau die is bedoeld voor organisaties die geavanceerde onafhankelijke controles nodig hebben. Analyse op cloudschaal kan worden geïmplementeerd op basis van deze variant van Azure Landing Zone.
Analyse op cloudschaal omvat het implementeren van landingszones voor toepassingen. Deze zones bevinden zich doorgaans onder de beheergroep voor landingszones, waarbij beleidsregels worden gefilterd op de voorbeeldsjablonen van Microsoft.
Microsoft biedt voorbeeldsjablonen om u op weg te helpen, die u kunt gebruiken voor uw data lakehouse- en data mesh-implementaties .
Evaluatie van analyses op cloudschaal
Vaak zoekt een bedrijf duidelijkheid of prescriptieve richtlijnen voordat de technische details voor een specifieke use-case, project of end-to-end analyse op cloudschaal worden gebruikt. Aangezien een bedrijf zijn algehele gegevensstrategie formuleert, kan het lastig zijn om ervoor te zorgen dat alle strategische en vereiste principes in het bereik van het huidige gebruik worden beschouwd.
Om de levering van dit end-to-end inzichtentraject te versnellen, terwijl deze uitdagingen in gedachten blijven, heeft Microsoft een prescriptief scenario ontwikkeld voor analyses op cloudschaal. Het is afgestemd op de belangrijkste thema's die worden besproken in Een plan ontwikkelen voor analyses op cloudschaal.
Analyses op cloudschaal bouwen voort op het Microsoft Cloud Adoption Framework, terwijl de Lens van het Microsoft Azure Well-Architected Framework wordt toegepast. Microsoft Cloud Adoption Framework biedt prescriptieve richtlijnen en best practices voor cloudbesturingssystemen, referentiearchitectuur en platformsjablonen. Het is gebaseerd op echte kennis van enkele van onze meest uitdagende, geavanceerde en complexe omgevingen.
Met cloudanalyses kunnen klanten landingszones bouwen en operationeel maken om analyseworkloads te hosten en uit te voeren. U bouwt de landingszones op basis van beveiliging, governance en naleving. Ze zijn schaalbaar en modulair en ondersteunen autonomie en innovatie.
Geschiedenis van gegevensarchitectuur
In de late jaren 1980 werd datawarehouse generatie 1 geïntroduceerd, waarbij verschillende gegevensbronnen uit de hele onderneming werden gecombineerd. In de late jaren 2000 kwam Gen2, met de introductie van big data-ecosystemen zoals Hadoop en data lake. Medio 2010 bracht het cloudgegevensplatform. Het was vergelijkbaar met eerdere generaties, maar met de introductie van streaminggegevensopname, zoals kappa- of lambda-architecturen. Begin jaren 2020 zijn de concepten van data lakehouse, data mesh, data fabric en gegevensgerichte operationele patronen geïntroduceerd.
Ondanks deze ontwikkelingen gebruiken veel organisaties nog steeds het gecentraliseerde monolithische platform, generatie 1. Dit systeem werkt goed, tot een punt. Knelpunten kunnen echter optreden vanwege onderling afhankelijke processen, nauw gekoppelde onderdelen en hyperspecialiseerde teams. ETL-taken (Extract, Transform, and Load) kunnen prominent worden en leveringstijdlijnen vertragen.
Datawarehouse en data lake zijn nog steeds waardevol en spelen een belangrijke rol in uw algehele architectuur. In de volgende documentatie hebben we een aantal van de uitdagingen gemarkeerd die kunnen optreden bij het gebruik van deze traditionele procedures om te schalen. Deze uitdagingen zijn vooral relevant in een complexe organisatie, waarbij gegevensbronnen, vereisten, teams en uitvoer veranderen.
Overstappen op analyses op cloudschaal
Uw huidige analytische gegevensarchitectuur en het operationele model kunnen datawarehouse-, data lake- en data lakehouse-structuren, data fabric of data mesh bevatten.
Elk gegevensmodel heeft zijn eigen voordelen en uitdagingen. Met analyses op cloudschaal kunt u vanuit uw huidige installatie werken om uw benadering van gegevensbeheer te verschuiven, zodat deze zich kan ontwikkelen met uw infrastructuur.
U kunt elk gegevensplatform en scenario ondersteunen om een end-to-end analyseframework op cloudschaal te maken dat als basis fungeert en schaalaanpassing mogelijk maakt.
Modern gegevensplatform en gewenste resultaten
Een van de eerste focusgebieden is het activeren van uw gegevensstrategie om uw uitdagingen te realiseren door iteratief een schaalbaar en flexibel modern gegevensplatform te bouwen.
In plaats van overweldigd te worden met servicetickets en te voldoen aan concurrerende zakelijke behoeften, kunt u met een modern gegevensplatform een meer adviserende rol spelen door uw tijd vrij te maken om u te concentreren op waardevoller werk. U levert bedrijfslijnen met het platform en de systemen voor selfservice voor gegevens- en analysebehoeften.
Aanbevolen gebieden met de eerste focus zijn:
Verbeter de gegevenskwaliteit, faciliteer vertrouwen en krijg inzichten om gegevensgestuurde zakelijke beslissingen te nemen.
Implementeer naadloos holistische gegevens, beheer en analyses op schaal, in uw organisatie.
Stel robuuste gegevensbeheer in die selfservice en flexibiliteit mogelijk maakt voor bedrijfslijnen.
Behoud beveiliging en juridische naleving in een volledig geïntegreerde omgeving.
Maak snel de basis voor geavanceerde analysemogelijkheden, met een out-of-the-box oplossing van goed ontworpen, herhaalbare, modulaire patronen.
Uw analyseomgeving beheren
Een tweede overweging is om te bepalen hoe de organisatie gegevensbeheer implementeert.
Gegevensbeheer is hoe u ervoor zorgt dat de gegevens die u gebruikt in uw bedrijfsactiviteiten, rapporten en analyses, detecteerbaar, nauwkeurig, vertrouwd zijn en kunnen worden beveiligd.
Voor veel bedrijven is de verwachting dat gegevens en AI een concurrentievoordeel zullen opleveren. Als gevolg hiervan willen leidinggevenden AI-initiatieven sponsoren in hun vastberadenheid om gegevensgestuurd te worden. Om AI effectief te maken, moeten de gegevens die worden gebruikt echter worden vertrouwd. Anders kan de nauwkeurigheid van beslissingen worden aangetast, kunnen beslissingen worden vertraagd of worden acties gemist, wat van invloed kan zijn op de onderste regel. Bedrijven willen niet dat de kwaliteit van hun gegevens garbage in, garbage out is. In het begin lijkt het misschien eenvoudig om de gegevenskwaliteit op te lossen, totdat u kijkt naar het effect dat digitale transformatie heeft gehad op gegevens.
Met gegevens verspreid over een hybride multicloud en een gedistribueerd gegevenslandschap, hebben organisaties moeite om te vinden waar hun gegevens zich bevinden en om deze te beheren. De niet-overgeslagen gegevens kunnen een aanzienlijk effect hebben op het bedrijf. Slechte gegevenskwaliteit heeft gevolgen voor zakelijke activiteiten, omdat gegevensfouten procesfouten en vertragingen veroorzaken. Slechte gegevenskwaliteit is ook van invloed op zakelijke besluitvorming en de mogelijkheid om compatibel te blijven. Het garanderen van gegevenskwaliteit bij de bron heeft vaak de voorkeur, omdat het oplossen van kwaliteitsproblemen in het analytische systeem complexer en kostbaarer kan zijn dan het toepassen van gegevenskwaliteitsregels vroeg in de opnamefase. Voor het bijhouden en beheren van gegevensactiviteit moet gegevensbeheer het volgende omvatten:
- Gegevensdetectie
- Gegevenskwaliteit
- Beleid maken
- Delen van gegevens
- Metagegevens
Uw analyseomgeving beveiligen
Een ander belangrijk stuurprogramma voor gegevensbeheer is gegevensbeveiliging. Gegevensbescherming kan u helpen om te voldoen aan wettelijke wetgeving en kan gegevensschendingen voorkomen. Gegevensprivacy en het groeiende aantal schendingen van gegevens heeft gegevensbescherming een hoogste prioriteit in de boardroom gemaakt. Deze schendingen benadrukken het risico op gevoelige gegevens, zoals persoonlijk identificeerbare klantgegevens. De gevolgen van schending van de privacy van gegevens of een inbreuk op de gegevensbeveiliging zijn veel en kunnen het volgende omvatten:
- Verlies of ernstige schade aan merkafbeelding
- Verlies van klantvertrouwen en marktaandeel
- Daling van aandelenprijs, wat van invloed is op het rendement van belanghebbenden op investeringen en leidinggevendensalaris
- Grote financiële sancties vanwege een fout in de controle of naleving
- Juridische actie
- Het domino-effect van de inbreuk, bijvoorbeeld, klanten kunnen slachtoffer worden van identiteitsdiefstal
In de meeste gevallen moeten overheidsbedrijven deze schendingen verklaren. Als er schendingen optreden, krijgen klanten de kans om het bedrijf eerst de schuld te geven, in plaats van de hacker. De klant kan het bedrijf enkele maanden in de wacht vatten of nooit retourneren.
Het niet naleven van regelgeving op het gebied van gegevensprivacy kan leiden tot aanzienlijke financiële sancties. Door uw gegevens te beheren, kunt u dergelijke risico's voorkomen.
Operationeel model en voordelen
Door een modern datastrategieplatform te gebruiken, verandert niet alleen de technologie die uw organisatie gebruikt, maar ook hoe het werkt.
Analyses op cloudschaal bieden voorgeschreven richtlijnen om u te helpen overwegen om uw mensen en teams te organiseren en te behendigen, waaronder:
- Persona-, rol- en verantwoordelijkheidsdefinities
- Voorgestelde structuren voor flexibele, verticale en cross-domain teams
- Resources leren, waaronder Azure-gegevens en AI-certificeringen via Microsoft Learn
Het is ook belangrijk om uw eindgebruikers te betrekken tijdens het moderniseringsproces en naarmate u uw platform verder ontwikkelt en nieuwe gebruiksvoorbeelden onboardt.
Architecturen
Azure-landingszones vertegenwoordigen het strategische ontwerppad en de technische doelstatus voor uw omgeving. Ze maken het implementatie- en governancegemak mogelijk om meer flexibiliteit en naleving te bieden. Azure-landingszones zorgen er ook voor dat wanneer een nieuwe toepassing of workload in uw omgeving terechtkomt, de juiste infrastructuur al aanwezig is. Azure-gegevensbeheer- en datalandingszones, geïntegreerd met microsoft software-as-service-governance- en analyseoplossingen, zijn ontworpen met dezelfde fundamentele principes in gedachten en kunnen, in combinatie met de andere elementen van de cloudanalyse, helpen bij het inschakelen van:
- Selfservice
- Schaalbaarheid
- Snel starten
- Beveiliging
- Privacy
- Geoptimaliseerde bedrijfsactiviteiten
Landingszone voor gegevensbeheer
De landingszone voor gegevensbeheer biedt de basis voor het gecentraliseerde gegevensbeheer en -beheer van uw platform in uw organisatie. Het vereenvoudigt ook communicatie om gegevens op te nemen uit uw hele digitale activa, inclusief multicloud en hybride infrastructuur.
De landingszone voor gegevensbeheer ondersteunt tal van andere mogelijkheden voor gegevensbeheer en governance, zoals:
- Data catalogus
- Beheer van gegevenskwaliteit
- Gegevensclassificatie
- Gegevensherkomst
- Opslagplaats voor gegevensmodellering
- API-catalogus
- Gegevens delen en contracten
Tip
Als u partneroplossingen gebruikt voor gegevenscatalogus, gegevenskwaliteitsbeheer of gegevensherkomstmogelijkheden, moeten ze zich in de landingszone voor gegevensbeheer bevinden. Microsoft Purview kan ook worden geïmplementeerd als een software-as-a-service-oplossing, die verbinding maakt met zowel de landingszone voor gegevensbeheer als de datalandingszones.
Zones voor gegevenslanding
Gegevenslandingszones brengen gegevens dichter bij gebruikers en maken selfservice mogelijk, terwijl gemeenschappelijk beheer en beheer worden gehandhaafd via verbinding met de landingszone voor gegevensbeheer.
Ze hosten standaardservices zoals netwerken, bewaking, gegevensopname en verwerking, evenals aanpassingen zoals gegevensproducten en visualisaties.
Landingszones voor gegevens zijn essentieel om de schaalbaarheid van uw platform mogelijk te maken. Afhankelijk van de grootte en behoeften van uw organisatie, kunt u beginnen met een of meer landingszones.
Houd rekening met regionale afhankelijkheden en vereisten voor gegevenslocatie wanneer u besluit tussen één en meerdere landingszones. Zijn er bijvoorbeeld lokale wetten of voorschriften die vereisen dat gegevens op een specifieke locatie blijven?
Ongeacht uw eerste beslissing kunt u waar nodig gegevenslandingszones toevoegen of verwijderen. Als u met één landingszone begint, raden we u aan om uit te breiden naar meerdere landingszones om toekomstige migratiebehoeften te voorkomen.
Notitie
Waar Microsoft Fabric is geïmplementeerd, host de data landingszone niet-software-as-service-oplossingen, zoals data lakes en andere Azure-gegevensservices.
Zie Azure-landingszones voor analyses op cloudschaal voor meer informatie over landingszones.
Conclusie
Nadat u deze documentatie hebt gelezen, met name de secties governance, beveiliging, werking en best practices, raden we u aan een proof-of-concept-omgeving in te stellen met behulp van de implementatiesjablonen. Deze sjablonen, samen met architectuurrichtlijnen, bieden u praktische ervaring met enkele van de Azure- en Microsoft-technologieën voor software-as-a-service. Zie de controlelijst Aan de slag voor meer informatie.