Med exponentiell tillväxt i data förlitar sig organisationer på den obegränsade beräknings-, lagrings- och analyskraften i Azure för att skala, strömma, förutsäga och se sina data. Analyslösningar omvandlar datavolymer till användbar business intelligence (BI), till exempel rapporter och visualiseringar och uppfinningsrik artificiell intelligens (AI), till exempel prognoser baserade på maskininlärning.
Oavsett om din organisation precis har börjat utvärdera molnbaserade analysverktyg eller vill utöka din nuvarande implementering, erbjuder Azure många alternativ. Arbetsflödet börjar med att lära sig om vanliga metoder och att anpassa processer och roller kring ett molntänk.
Data kan bearbetas i batchar eller i realtid, lokalt eller i molnet, men målet med alla analyslösningar är att använda data i stor skala. Organisationer vill i allt högre grad skapa en enda sanningskälla för alla relationsdata och icke-relationella data som genereras av människor, datorer och Sakernas Internet (IoT). Det är vanligt att använda en stordataarkitektur eller en IoT-arkitektur för att omvandla rådata till ett strukturerat formulär och sedan flytta dem till ett analysdatalager. Det här arkivet blir den enda sanningskällan som kan driva en mängd insiktsfulla analyslösningar.
Ladda ned en Visio-fil med den här arkitekturen.
Lär dig mer om analys i Azure
Om du är nybörjare på analys i Azure är det bästa stället att lära dig mer med Microsoft Learn, en kostnadsfri utbildningsplattform online. Du hittar videor, självstudier och praktisk utbildning för specifika produkter och tjänster, plus utbildningsvägar baserat på din jobbroll, till exempel utvecklare eller dataanalytiker.
Organisatorisk beredskap
Om din organisation är ny i molnet kan Cloud Adoption Framework hjälpa dig att komma igång. Den här samlingen av dokumentation och metodtips ger beprövad vägledning från Microsoft som har utformats för att påskynda din molnimplementeringsresa. Den innehåller också en lista över innovationsverktyg för att demokratisera data i Azure.
För att säkerställa kvaliteten på din analyslösning i Azure rekommenderar vi att du följer Azure Well-Architected Framework. Den ger förebyggande vägledning för organisationer som söker arkitekturkvalitet och diskuterar hur man utformar, etablerar och övervakar kostnadsoptimerade Azure-lösningar.
Sökväg till produktion
Att veta hur du lagrar dina data är ett av de första beslut du behöver fatta under din resa till analys i Azure. Sedan kan du välja den bästa dataanalystekniken för ditt scenario.
Tänk på följande exempelimplementeringar för att komma igång:
Bästa praxis
Analys av hög kvalitet börjar med robusta och tillförlitliga data. På den högsta nivån hjälper informationssäkerhetsmetoder till att säkerställa att dina data skyddas under överföring och i vila. Åtkomst till dessa data måste också vara betrodd. Tillförlitliga data innebär en design som implementerar:
På plattformsnivå bidrar följande metodtips för stordata till tillförlitliga analyser i Azure:
Samordna datainmatning med hjälp av ett dataarbetsflöde eller en pipelinelösning, till exempel de som stöds av Azure Data Factory eller Oozie.
Bearbeta data på plats med hjälp av ett distribuerat datalager, en stordatametod som stöder större datavolymer och en större mängd olika format.
Rensa känsliga data tidigt som en del av inmatningsarbetsflödet för att undvika att lagra dem i din datasjö.
Överväg den totala kostnaden för nödvändiga Azure-resurser genom att balansera kostnaden per enhet för de beräkningsnoder som behövs till kostnaden per minut för att använda dessa noder för att slutföra ett jobb.
Skapa en datasjö som kombinerar lagring för filer i flera format, oavsett om de är strukturerade, halvstrukturerade eller ostrukturerade. På Microsoft använder vi Azure Data Lake Storage Gen2 som vår enda sanningskälla. Se till exempel BI-lösningsarkitektur i Center of Excellence.
Ytterligare resurser
Analys är en bred kategori och omfattar en rad olika lösningar. Följande resurser kan hjälpa dig att upptäcka mer om Azure.
Hybrid
De allra flesta organisationer behöver en hybridmetod för analys eftersom deras data finns både lokalt och i molnet. Organisationer utökar ofta lokala datalösningar till molnet. För att ansluta miljöer måste organisationer välja en hybridnätverksarkitektur.
En hybridmetod kan innehålla stordator- och mellanregistersystem som datakälla för Azure-lösningar. Din organisation kanske till exempel vill modernisera stordator- och mellanregisterdata eller ge stordatoråtkomst till Azure-databaser.
Exempellösningar
Här följer några exempelimplementeringar av analys i Azure att tänka på:
AWS- eller Google Cloud-proffs
De här artiklarna kan hjälpa dig att snabbt öka farten genom att jämföra Azure-analysalternativ med andra molntjänster: