Introduktion
Dagliga åtgärder och interaktioner med kunder skapar ett konstant dataflöde. Den här stordatavärlden växer stadigt, och det är också behovet av att lagra, bearbeta och analysera data på ett snabbt och kostnadseffektivt sätt. Stordata kräver stora mängder skalbart lagringsutrymme. Eftersom stora mängder data flödar in i hög hastighet från olika källor är det viktigt att kunna identifiera och svara på meningsfulla händelser. Dessutom genereras data i olika format: strukturerade/halvstrukturerade data och fritext, samt bilder och videor. För att hitta korrelationer mellan dessa olika dataflöden investerar företag betydande tid och pengar i parsning, bearbetning och lagring av dessa data. Ett robust dataanalyssystem från slutpunkt till slutpunkt som kan hantera dina enorma, komplexa data och köra avancerad analys är viktigt för att fatta datadrivna affärsbeslut. Vilket verktyg kan hjälpa dig att hantera den här stora matrisen med datatyper, arbetsflöden och visualiseringar?
Azure Data Explorer är en fullständigt hanterad stordataanalysplattform med höga prestanda. Azure Data Explorer kan ta alla dessa olika data och sedan mata in, bearbeta och lagra dem. Du kan använda Azure Data Explorer för frågor i nära realtid och avancerad analys, samt för mer avancerade funktioner som geospatial analys, aviseringar, instrumentpaneler och affärsanalys.
Exempelscenario
Tänk dig att du arbetar på ett klädföretag som är en stor kedja av tegel- och murbrukbutiker som expanderar till e-handel. Du är på väg att lansera din försäljning i slutet av året för flera internationella målgrupper. Du vill se hur din kampanj påverkar försäljning, inventering och logistik. Du har en stor mängd data som flödar i olika format och behöver komma på ett sätt att förstå dessa data och använda dem för att fatta bra affärsbeslut.
Olika avdelningar i företaget kommer att använda insamlade data för att informera sina strategiska och dagliga beslut om drift, marknadsföring och kundrelationer. De planerar att använda Azure Data Explorer för att mata in olika datatyper i en enda samling som består av:
- strukturerade data, till exempel interna driftsystem.
- halvstrukturerade data, till exempel marknadsföringsklickaströmsdata.
- ostrukturerade data, till exempel sociala medieflöden.
Sedan kan varje division använda dataanalys och visualisering för att fatta datadrivna beslut om kampanjen.
Vad ska vi göra?
Analysera funktionerna i Azure Data Explorer som hjälper dig att bestämma när du ska använda den:
- Vilka är fördelarna med Azure Data Explorer och Kusto-frågespråk?
- Hur arbetar du med tjänsten?
- Vilka typer av data kan du analysera och varifrån kan data komma?
- Hur kan du organisera, visa eller göra resultatet av dina frågor genomförbart?
Vad är huvudmålet?
I slutet av den här sessionen kan du avgöra om Azure Data Explorer är ett bra val som hjälper dig att förstå dina stordata.