Zelfstudie: Een scenario voor zakelijke gegevens evalueren
In deze zelfstudie bekijkt u de gegevensbehoeften en uitdagingen van een voorbeeld van een ondernemingsscenario. Meer informatie over hoe Azure Cloud Analytics een schaalbaar, herhaalbaar framework biedt dat voldoet aan de unieke behoeften van een organisatie voor het bouwen van een modern gegevensplatform.
Ontdek de belangrijkste onderdelen van het evalueren van een scenario met bedrijfsgegevens:
- Inzicht in het scenario
- De gegevensbehoeften kennen
- De architecturale oplossing definiëren
- De oplossingsreden testen
- Plannen voor toekomstige groei
- Resources implementeren
Inzicht in het scenario
Adatum Corporation is een grote multinational. Adatum heeft gecentraliseerde bedrijfseenheden op het hoofdkantoor en dochterondernemingen over de hele wereld.
Elke Adatum-dochteronderneming heeft zijn eigen bedrijfsonderdelen, waaronder accounting, marketing, verkoop, ondersteuning en activiteiten. Elk van deze verschillende groepen produceert zijn eigen gegevens. Veel van de bedrijfseenheden van Adatum hebben ingesloten analyseteams.
De centrale IT-organisatie van Adatum heeft in eerste instantie het gegevensplatform geleverd dat Adatum en haar dochterondernemingen gebruiken. In de loop van de tijd hebben sommige bedrijfseenheden hun eigen oplossingen geïmplementeerd om te voldoen aan bedrijfsbehoeften. Het gegevensplatform voor ondernemingen is nu een combinatie van verschillende cloudservices en on-premises oplossingen.
De visie van het bedrijf is om een gecentraliseerd analyseplatform te hebben. Adatum wil één bron voor alle bedrijfsgegevens. Maar het bedrijf is er niet in geslaagd om zoveel verschillende belanghebbenden toestemming te geven om één technologie te gebruiken. Gezien de snelheid waarmee nieuwe gegevens worden gemaakt en nieuwe opties beschikbaar komen, raken zelfs vroege concepten van plannen voor centralisatie snel verouderd. Ondertussen is het verkoopteam van het bedrijf de huidige oplossing ontgroeid en heeft het bedrijf dringend nieuwe analyses nodig om een nieuw marktsegment na te streven.
Adatum heeft besloten om het azure-architectuurpatroon voor analyse op cloudschaal te implementeren om het gegevensprobleem op te lossen. De onderneming is ervan overtuigd dat het azure-patroon voor analyse op cloudschaal het zakelijke verkoopteam zal ondersteunen bij het migreren van het gegevensplatform. Het patroon biedt ook voldoende flexibiliteit om andere bedrijfseenheden te kunnen gebruiken wanneer ze klaar zijn om deel te nemen aan de data-mesh.
De gegevensbehoeften kennen
De zakelijke verkoopgroep Adatum maakt gebruik van traditionele ERP-systemen (Enterprise Resource Planning) en CRM-systemen (Customer Relationship Management) om de verkooptransacties te verwerken. Gegevens van deze systemen moeten worden geëxporteerd naar een afzonderlijk analyseplatform, zodat belanghebbenden in de hele organisatie toegang hebben tot de gegevens en deze kunnen verrijken voor hun verschillende projecten.
De architecturale oplossing definiëren
In deze referentiearchitectuur implementeert u eerst een landingszone voor gegevensbeheer die vereist is voor alle azure-cloudanalyse-implementaties. Vervolgens stelt u één gegevenslandingszone in die wordt gebruikt door de zakelijke verkoopafdeling.
Landingszone voor gegevensbeheer
Een essentieel aspect van elke azure-implementatie van analyses op cloudschaal is de landingszone voor gegevensbeheer. Een landingszone voor gegevensbeheer bevat resources die worden gedeeld in alle gegevenslandingszones in het Azure-abonnement. De resources omvatten gedeelde netwerkonderdelen, zoals een firewall en Azure Privé-DNS-zones. Het bevat ook resources voor gegevens- en cloudgovernance via Azure Policy en Microsoft Purview.
Gegevensintegratie
De landingszone voor gegevensbeheer neemt twee gegevensbronnen op om gegevens te integreren in één gedeelde gegevensbron.
De eerste gegevensbron is gerelateerd aan klanten. Klantgegevens omvatten klantorderrecords en gerelateerde klantrecords, zoals adressen, contactpersonen, gebiedstoewijzingen en contactgeschiedenis. Deze gegevens worden geïmporteerd uit het Adatum CRM-systeem.
De tweede opgenomen gegevensbron bevat verkooptransacties. Deze gegevens omvatten transactieheaders, regelitemgegevens, verzendrecords en betalingen. Al deze records worden opgenomen vanuit het Adatum ERP-systeem.
Notitie
Gedeelde gegevensintegratie transformeert of verrijkt de gegevens niet. Alleen de gegevens van de bronsystemen worden gekopieerd en toegevoegd aan het analyseplatform. Door dit proces kunnen veel gegevensproducten de gegevens op een schaalbare manier gebruiken zonder het bronsysteem extra te belasten.
Gegevensproducten
In dit voorbeeld heeft Adatum één gegevensproduct. Het product combineert onbewerkte gegevens uit de integratie van gedeelde gegevens en transformeert deze in een nieuwe gegevensset. Van daaruit kunnen zakelijke gebruikers de gegevens ophalen voor meer analyse en rapportage met hulpprogramma's zoals Microsoft Power BI.
Niet alle Azure-services worden weergegeven in de voorgaande afbeelding. Het diagram is vereenvoudigd om de belangrijkste concepten over de indeling van resources in de architectuur te benadrukken.
De oplossingsreden testen
In de volgende secties worden de redenen beschreven voor de belangrijkste beslissingen die ondernemingen nemen bij het plannen van hun azure-implementatie van analyses op cloudschaal.
Waarom plaatst u verkooptransacties en klanten niet in hun eigen datalandingszones?
Een van de eerste beslissingen die u moet nemen over uw azure-cloudanalyse-implementatie, is het verdelen van de volledige gegevensopslag in landingszones. Gegevensoplossingen die regelmatig met elkaar communiceren, zijn goede kandidaten voor opname in dezelfde landingszone. Met oplossingen voor het groeperen van gegevens kunnen ondernemingen de kosten verlagen die gepaard gaan met het verplaatsen van gegevens tussen gekoppelde virtuele netwerken. In dit voorbeeld worden verkooptransactiegegevens vaak gekoppeld aan klantgegevens. Het is dus zinvol om deze gerelateerde gegevensintegraties op te slaan in dezelfde gegevenslandingszone.
Een andere overweging voor landingszones is hoe de teams die verantwoordelijk zijn voor de gegevens worden uitgelijnd binnen de organisatie.
Waarom zou u alleen het verkoopteam naar het nieuwe gegevensplatform verplaatsen?
In dit voorbeeld is het verkoopteam van het bedrijf het eerste dat overstapt op het nieuwe platform voor analyses op cloudschaal. De prioriteit van de oplossing is schaalbaar zijn. Aangezien andere bedrijfseenheden klaar zijn om te migreren, kunt u meer landingszones toevoegen om hun workloads te kunnen verwerken.
Plannen voor toekomstige groei
U kunt schalen door in de loop van de tijd meer landingszones aan de architectuur toe te voegen. Deze landingszones maken gebruik van peering van virtuele netwerken om verbinding te maken met de landingszone voor gegevensbeheer en alle andere landingszones. Dit mesh-patroon ondersteunt het delen van gegevenssets en resources tussen zones. Wanneer u gegevenssets in verschillende zones splitst, worden workloads verdeeld over Azure-abonnementen en -resources. Ondernemingen kunnen dan voorkomen dat de limieten van de Azure-services worden bereikt en hun gegevensbronnen blijven groeien.
Resources implementeren
U kunt dit klantscenario implementeren door te verwijzen naar de volgende architecturen voor de landingszone voor gegevensbeheer van Adatum Corporation en de landingszone voor verkoopgegevens.
De landingszone voor gegevensbeheer implementeren
De landingszone voor verkoopgegevens implementeren
