組織依賴 Azure 的運算、儲存和分析能力來擴展、串流、預測及查看資料。 分析解決方案將大量資料轉化為有用的商業智慧（BI），如報告與視覺化，以及創新 AI，如基於機器學習的預測。 Azure 提供一系列基於雲端的分析工具，適合對分析新手及需要擴展實施的組織。 分析解決方案協助組織大規模使用資料。 你可以使用 大數據架構 或物 聯網（IoT）架構 來處理原始資料，然後將它們移至分析資料庫。 這個資料庫成為唯一真實的來源，能推動具洞察力的分析解決方案。
建築
下載此架構的Visio檔案。
前圖展示了典型的基本或基線分析實作。 若想了解可在Azure中建置的實際解決方案，請參見 Analytics architectures。
探索分析指南、架構與解決方案構想
本區文章包含指南與完整架構，您可以部署至 Azure 並擴展至生產級解決方案。 解決方案構想展示了實施模式與在規劃分析概念驗證（POC）開發時可考慮的可能性。 這些文章能幫助你決定如何在 Azure 中使用分析技術。
分析指南
以下文章將協助您評估並選擇最適合您工作負載需求的分析技術：
選擇資料分析與報告服務：比較Azure中資料分析與視覺化的選項。
選擇批次處理服務：評估針對大數據工作負載的批次處理技術。
選擇串流處理服務：比較串流處理技術以進行即時分析。
選擇分析資料庫：獲得分析資料庫選擇的指引。
在 Microsoft Fabric 中選擇分析資料存放區：取得有關 Fabric 中資料存放區的指引。
以下文章提供關於 Azure 資料平台災難復原（DR）策略的指引：
概觀：Azure 資料平台的災害復原策略概觀。
Architecture：Azure 資料平台的災害復原架構模式。
情境細節：詳細的災難復原實作情境。
建議：DR的最佳實務。
分析架構
以下具備生產環境的架構展示了您可以部署與客製化的端對端分析解決方案：
使用 Fabric 實現端對端分析：使用 Fabric 建置現代化分析平台。
資料倉儲與分析：將多個來源的資料整合到統一的分析平台中。
使用 Fabric 設計企業商業智慧解決方案：利用 Fabric 設計企業智慧解決方案。
近乎即時的 Lakehouse 資料處理：使用 Azure Synapse Analytics 與 Azure Data Lake Storage 進行近乎即時的 Lakehouse 資料處理。
MongoDB Atlas 與 Azure Synapse Analytics 的即時同步：即時同步 MongoDB Atlas 資料與Azure Synapse Analytics。
串流處理 Azure Databricks：使用 Azure Databricks 建立端對端串流處理管線。
使用 Azure 串流分析 進行串流處理：建立可擷取資料、關聯記錄並計算移動平均值的串流處理管線。
中小企業的現代資料倉儲：打造專為中小企業設計的現代資料倉儲解決方案。
分析解決方案構想
以下分析解決方案構想展示了實施模式與可供探索的可能性：
使用 Azure Databricks 的資料擷取、擷取、轉換與載入（ETL）及串流處理管線：建立適用於批次和串流資料的 ETL 管線，以簡化資料湖的資料擷取。
現代分析架構與Azure Databricks：利用現代資料架構收集、處理、分析及視覺化資料。
現代中小企業數據平台：利用Fabric與Azure Databricks，為中小企業打造現代化數據平台架構。
即時分析Azure Data Explorer：利用Azure Data Explorer與Azure 服務匯流排即時分析資料。
了解 Azure 上的分析
Microsoft Learn 提供免費線上培訓資源針對Azure分析技術。 該平台提供針對特定產品與服務的影片、教學與實作實驗室，並依職務分類學習路徑。
以下資源提供 Azure 分析實作的基礎知識：
- 瀏覽Azure資料文章
- Microsoft Azure資料核心概念導論
- 開始使用Fabric
- 開始使用Microsoft數據分析
- 使用 Azure Databricks 實作資料分析解決方案
使用 Azure Databricks
組織準備度
組織在雲端採用流程初期，可以使用 雲端採用架構 for Azure 來取得經實證且可加速雲端採用的指引。
為了確保Azure分析解決方案的品質，請遵循Azure Well-Architected框架中的指引。 Well-Architected 框架為追求架構卓越的組織提供規範性指引，並說明如何設計、配置及監控成本最佳化的 Azure 解決方案。
最佳做法
分析的最佳實務確保解決方案具備可擴展性、可靠性、成本效益與安全性。
數據分析
要在Azure上使用分析，你需要決定如何儲存你的資料。 然後，您可以為您的案例選擇最佳的 數據分析技術 。 請考慮下列因素：
資料儲存： 根據你的資料結構和查詢模式，選擇資料湖、資料倉儲和湖屋。 欲了解更多關於驅動分析工作負載的資料庫解決方案，請參閱 資料庫架構設計。
處理模型： 判斷批次處理、串流處理或兩者組合是否最適合您的工作量需求。
分析工具： 選擇符合團隊技能與業務需求的商業智慧與人工智慧技術。
可信資料
要進行高品質分析，你需要穩健且值得信賴的數據。 資訊安全 措施有助於確保您的資料在傳輸過程中及靜止狀態下都受到保護。 存取您的資料也必須安全。 為了協助產生可信的數據，請考慮以下實務與控制措施：
在平台層級，以下大數據最佳實務有助於Azure的可靠分析：
協調資料擷取： 使用 Azure Data Factory 或 Fabric 管線所支援的資料工作流程或管線解決方案。
流程資料已到位： 使用分散式資料儲存，這是一種支援更大資料量和更廣泛格式的大數據方法。
及早清除敏感資料： 為避免敏感資料意外儲存在資料湖中，請在擷取流程中移除或遮蔽這些資料。
考慮總成本： 將所需運算節點的單位成本與在這些節點上執行作業的每分鐘成本取得平衡。
建立統一的資料湖： 結合多種格式的檔案儲存空間，無論是結構化、半結構化或非結構化。 使用 Data Lake Storage 作為你唯一的集中式來源。 欲了解更多資訊，請參閱 卓越中心的商業智慧解決方案架構。
持續掌握分析數據
Azure 分析服務持續演進以應對現代數據挑戰。 隨時掌握最新 更新與功能。
欲掌握關鍵分析服務的最新資訊，請參閱以下文章：
其他資源
以下資源能幫助你更深入了解分析。
即時分析
組織可以利用即時分析，對數據的到來做出反應。 以下資源能幫助您開始在 Azure 上進行即時分析：
大數據架構的即時分析：大規模處理與分析串流數據。
使用 Azure Data Explorer 的物聯網分析：即時分析物聯網個人資料。
使用串流分析進行串流處理：打造無伺服器串流解決方案。
使用 Azure Databricks 建立現代分析架構：使用 Apache Spark 探索企業級分析。
更多分析範例請參見 Azure 架構中心
亞馬遜網路服務（AWS）或 Google Cloud 專業人士
為了幫助您快速開始，以下文章比較了 Azure 分析選項與其他雲端服務，並提供遷移指引：