隨著資料的指數成長，組織依賴 Azure 的無限計算、儲存體和分析能力來調整、串流、預測及查看其資料。 分析解決方案會將資料量轉換成實用的商業智慧 (BI) ，例如報表和視覺效果，以及人工智慧 (AI) ，例如以機器學習為基礎的預測。
無論您的組織剛開始評估雲端式分析工具，還是想要擴充您目前的實作，Azure 都會提供許多選項。 工作流程一開始會瞭解常見的方法，以及讓流程和角色與雲端思維保持一致。
資料可以批次或即時、內部部署或雲端處理，但任何分析解決方案的目標是大規模使用資料。 組織越來越想要為人員、機器和 IoT () 所產生的所有關系型和非關聯式資料建立單一事實來源。 通常會使用 巨量資料架構 或 IoT 架構 ，將原始資料轉換成結構化形式，然後將它移至分析資料存放區。 此存放區成為單一事實來源，可為許多深入解析的分析解決方案提供能力。
下載這個架構的 Visio 檔案 。
瞭解 Azure 上的分析
如果您不熟悉 Azure 上的分析，深入瞭解的最佳位置是使用 Microsoft Learn，這是免費的線上訓練平臺。 您會找到特定產品和服務的影片、教學課程和實際操作學習，以及根據您的工作角色學習路徑，例如開發人員或資料分析師。
組織整備程度
如果您的組織不熟悉雲端，雲端採用架構可協助您開始使用。 此檔與最佳做法集合提供 Microsoft 所設計來加速雲端採用旅程的經過證實指引。 它也會列出 創新工具，以將 Azure 中的資料大眾化。
為了協助確保 Azure 上的分析解決方案品質，建議您遵循 Azure Well-Architected Framework。 它為尋求架構卓越的組織提供規範性指引，並討論如何設計、布建及監視成本優化的 Azure 解決方案。
生產環境的路徑
瞭解如何 儲存您的資料 是您在 Azure 上分析旅程中所需的第一個決策之一。 然後，您可以為您的案例選擇最佳的 資料分析技術 。
若要開始使用，請考慮下列範例實作：
最佳做法
高品質分析從強固、值得信任的資料開始。 在最高層級， 資訊安全性 做法有助於確保您的資料在傳輸和待用時受到保護。 存取該資料也必須受到信任。 可信任的資料意指實作的設計：
在平台層級，下列 巨量資料最佳做法 有助於 Azure 上的可信任分析：
使用資料工作流程或管線解決方案協調資料擷取，例如Azure Data Factory或 Oozie 所支援的資料擷取。
使用分散式資料存放區處理資料，這是支援大量資料和更多格式的巨量資料方法。
在擷取工作流程中提早清除敏感性資料，以避免將資料儲存在資料湖中。
使用這些節點完成作業，藉由平衡每分鐘成本所需的計算節點每單位成本，以考慮所需的 Azure 資源總成本。
建立資料湖，以多種格式合併檔案的儲存體，無論是結構化、半結構化或非結構化。 在 Microsoft，我們使用Azure Data Lake Storage Gen2作為單一事實來源。 例如，請參閱 卓越中心內的 BI 解決方案架構。
其他資源
分析是廣泛的類別，涵蓋各種解決方案。 下列資源可協助您深入瞭解 Azure。
混合
大部分的組織都需要混合式方法來分析，因為其資料裝載在內部部署和雲端中。 組織通常會 將內部部署資料解決方案延伸至雲端。 若要連線環境，組織必須 選擇混合式網路架構。
混合式方法可能包含大型主機和中型系統作為 Azure 解決方案的資料來源。 例如，您的組織可能會想要 將大型主機和中範圍資料現代化 ，或提供 對 Azure 資料庫的大型主機存取。
範例解決方案
以下是在 Azure 上考慮的一些分析範例實作：
AWS 或 Google Cloud 專業人員
這些文章可藉由比較 Azure 分析選項與其他雲端服務，協助您快速增加：