Aracılığıyla paylaş

Azure Cosmos DB: ETL olmayan analiz kullanım örnekleri

  • Makale

ŞUNLAR IÇIN GEÇERLIDIR: NoSQL MongoDB Gremlin

Azure Cosmos DB, ETL olmayan, operasyonel veriler üzerinde neredeyse gerçek zamanlı analiz için çeşitli analiz seçenekleri sağlar. Aşağıdaki seçenekleri kullanarak Azure Cosmos DB verilerinizde analizi etkinleştirebilirsiniz:

  • Microsoft Fabric'te Azure Cosmos DB'yi yansıtma
  • Azure Cosmos DB için Azure Synapse Link

Bu seçenekler hakkında daha fazla bilgi edinmek için bkz . "Azure Cosmos DB verilerinizde Analiz ve BI."

Önemli

Microsoft Fabric'te Azure Cosmos DB'yi yansıtma özelliği artık NoSql API'sinde önizleme aşamasında kullanıma sunulmuştur. Bu özellik, Azure Synapse Link'in tüm özelliklerini daha iyi analiz performansıyla sağlar, Doku OneLake ile veri varlığınızı birleştirme ve Delta Parquet biçimiyle OneLake'te verilerinize erişimi açma olanağı sunar. Azure Synapse Link'i düşünüyorsanız, kuruluşunuza genel uyumu değerlendirmek için yansıtmayı denemenizi öneririz. Yansıtmayı kullanmaya başlamak için buraya tıklayın.

ETL olmayan, neredeyse gerçek zamanlı analiz, işletmeleriniz için çeşitli olasılıklar açabilir. Üç örnek senaryo aşağıda verilmiştir:

  • Tedarik zinciri analizi, tahmin ve raporlama
  • Gerçek zamanlı kişiselleştirme
  • IOT senaryolarında tahmine dayalı bakım, anomali algılama

Tedarik zinciri analizi, tahmin ve raporlama

Araştırma çalışmaları, tedarik zinciri operasyonlarına büyük veri analizi eklemenin sipariş-döngü teslim sürelerinde ve tedarik zinciri verimliliğinde iyileştirmelere yol açtığını göstermektedir.

Üreticiler, eski Kurumsal Kaynak Planlama (ERP) ve Tedarik Zinciri Yönetimi (SCM) sistemlerinin kısıtlamalarından çıkmak için buluta özel teknolojilere ekleniyor. Tedarik zincirlerinin dakikada bir artan işlem verileri (sipariş, sevkiyat, işlem verileri) hacmini oluşturmasıyla, üreticilerin operasyonel bir veritabanına ihtiyacı vardır. Bu işlemsel veritabanı, veri hacimlerini işleyecek şekilde ölçeklendirilmeli ve eğrinin önüne geçmek için gerçek zamanlı bağlamsal zeka düzeyine ulaşmalıdır.

Aşağıdaki mimaride, tedarik zinciri analizinde Bulutta yerel işletimsel veritabanı olarak Azure Cosmos DB kullanmanın gücü gösterilmektedir:

Tedarik zincirinde Azure Cosmos DB için gerçek zamanlı analiz diyagramı.

Önceki mimariye bağlı olarak aşağıdaki kullanım örneklerini elde edebilirsiniz:

  • Tahmine dayalı işlem hattını hazırlama ve eğitme: Makine öğrenmesi çevirilerini kullanarak tedarik zincirindeki operasyonel veriler üzerinde içgörüler oluşturun. Bu şekilde envanteri, operasyon maliyetlerini düşürebilir ve müşteriler için sipariş-teslim sürelerini azaltabilirsiniz.

Yansıtma ve Synapse Link, Azure Cosmos DB'de değişen işletimsel verileri el ile ETL işlemleri olmadan analiz etmenizi sağlar. Bu teklifler ek maliyet, gecikme süresi ve operasyonel karmaşıklıktan tasarruf etmenizi sağlar. Veri mühendislerinin ve veri bilimcilerinin güçlü tahmine dayalı işlem hatları oluşturmasını sağlar:

  • Microsoft Fabric veya Azure Synapse Analytics'teki Apache Spark havuzlarıyla yerel tümleştirmeyi kullanarak Azure Cosmos DB'den işletimsel verileri sorgulama. Karmaşık veri mühendisliği olmadan etkileşimli bir not defterindeki veya zamanlanmış uzak işlerdeki verileri sorgulayabilirsiniz.

  • Microsoft Fabric veya Azure Synapse Analytics'te Spark ML algoritmaları ve Azure Machine Learning (AML) tümleştirmesi ile Machine Learning (ML) modelleri oluşturun.

  • Neredeyse gerçek zamanlı puanlama için model çıkarımından sonra sonuçları Azure Cosmos DB'ye geri yazın.

  • operasyonel raporlama: Tedarik zinciri ekipleri, gerçek zamanlı ve doğru operasyonel veriler üzerinde esnek ve özel raporlara ihtiyaç duyar. Bu raporların tedarik zincirinin verimliliği, karlılığı ve üretkenliğine ilişkin anlık görüntü görünümü elde etmek için gereklidir. Veri analistlerinin ve diğer önemli paydaşların işletmeyi sürekli olarak yeniden değerlendirmesine ve operasyonel maliyetleri azaltmak için ince ayar yapılması gereken alanları belirlemesine olanak tanır.

Azure Cosmos DB için Yansıtma ve Synapse Link zengin iş zekası (BI)/raporlama senaryolarını etkinleştirir:

  • T-SQL dilinin tüm ifade özellikleriyle yerel tümleştirmeyi kullanarak Azure Cosmos DB'den işletimsel verileri sorgulama.

  • Microsoft Fabric veya Azure Synapse Analytics ile tümleşik Power BI aracılığıyla Azure Cosmos DB üzerinden otomatik yenileme BI panolarını modelleyin ve yayımlayın.

Azure Cosmos DB'ye toplu veri akışı ve veri akışı için veri tümleştirmeye yönelik bazı yönergeler aşağıda verilmiştir:

  • Toplu veri tümleştirme ve düzenleme: Tedarik zincirlerinin daha karmaşık hale geldiği için tedarik zinciri veri platformlarının çeşitli veri kaynakları ve biçimlerle tümleştirilmesi gerekir. Microsoft Fabric ve Azure Synapse, Azure Data Factory ile aynı veri tümleştirme altyapısına ve deneyimlerine sahip yerleşik olarak gelir. Bu tümleştirme, veri mühendislerinin ayrı bir düzenleme altyapısı olmadan zengin veri işlem hatları oluşturmasına olanak tanır:

  • Akış veri tümleştirmesi ve işleme: Endüstriyel IoT'nin ('yerden mağazaya' algılayıcı izleme varlıkları, bağlı lojistik filoları vb.) büyümesiyle, içgörü oluşturmak için geleneksel yavaş hareket eden verilerle tümleştirilmesi gereken bir akış biçiminde gerçek zamanlı veri patlaması yaşanıyor. Azure Stream Analytics, çok çeşitli senaryolarla Azure'da ETL akışı ve işleme için önerilen bir hizmettir. Azure Stream Analytics, yerel veri havuzu olarak Azure Cosmos DB'i destekler.

Gerçek zamanlı kişiselleştirme

Günümüzde perakendeciler hem müşterilerin hem de işletmenin taleplerini karşılayan güvenli ve ölçeklenebilir e-ticaret çözümleri oluşturmalıdır. Bu e-ticaret çözümlerinin özelleştirilmiş ürün ve teklifler aracılığıyla müşterilerle etkileşim kurması, işlemleri hızlı ve güvenli bir şekilde işlemesi, yerine getirme ve müşteri hizmetlerine odaklanması gerekir. Azure Cosmos DB'nin yanı sıra en son Azure Cosmos DB için Synapse Link, perakendecilerin müşteriler için gerçek zamanlı olarak kişiselleştirilmiş öneriler oluşturmasına olanak tanır. Aşağıdaki mimaride gösterildiği gibi anında içgörüler için düşük gecikme süresi ve ayarlanabilir tutarlılık ayarları kullanırlar:

Gerçek zamanlı kişiselleştirmede Azure Cosmos DB diyagramı.

  • Tahmine dayalı işlem hattını hazırlama ve eğitme: Doku veya Synapse Spark ve makine öğrenmesi modellerini kullanarak iş birimlerinizdeki veya müşteri segmentlerinizdeki operasyonel veriler üzerinde içgörüler oluşturabilirsiniz. Bu, hedef müşteri segmentlerine, tahmine dayalı son kullanıcı deneyimlerine ve hedeflenen pazarlamaya son kullanıcı gereksinimlerinize uyacak şekilde kişiselleştirilmiş teslim anlamına gelir. )

IOT tahmine dayalı bakım

Endüstriyel IOT yenilikleri, makinelerin kapalı kalma sürelerini önemli ölçüde azaltmış ve endüstrinin tüm alanlarında genel verimliliği artırmaktadır. Bu yeniliklerden biri, bulutun kenarındaki makineler için tahmine dayalı bakım analizidir.

IoT tahmine dayalı bakımda bulutta yerel HTAP özelliklerini kullanan bir mimari aşağıdadır:

IOT tahmine dayalı bakımda Azure Cosmos DB diyagramı.

  • Tahmine dayalı işlem hattını hazırlama ve eğitme: IoT cihaz algılayıcılarının geçmiş operasyonel verileri anomali algılayıcıları gibi tahmine dayalı modelleri eğitmek için kullanılabilir. Bu anomali algılayıcılar daha sonra gerçek zamanlı izleme için kenara dağıtılabilir. Böyle verimli bir döngü, tahmine dayalı modellerin sürekli yeniden eğitilmesine olanak tanır.

  • Operasyonel raporlama: Dijital ikiz girişimlerinin büyümesiyle şirketler, her makinenin dijital kopyasını oluşturmak için çok sayıda algılayıcıdan çok miktarda operasyonel veri topluyor. Bu veriler, BI'ın yakın zamandaki sık erişimli verilere ek olarak geçmiş verilere göre eğilimleri anlamasını gerektirmektedir.

İlgili içerik