統一資料的管理策略

數據目標： 每個組織都希望其數據能推動自信的商業決策。 資料必須值得信賴，易於重複用於分析與人工智慧，且預設安全。 數據挑戰： 對大多數組織來說，這個目標很難達成。 資料分散在系統與團隊之間。 標準各有不同。 治理不穩定。 這些問題使得分析和人工智慧難以有信心地使用。

資料解決方案： 許多組織正透過與 Microsoft Fabric 整合資料平台來應對此挑戰。 Fabric 使團隊能夠建立可受控且能安全用於組織內分析與人工智慧的受信任資料產品（見圖 1）。 這些指引為決策者提供了推動轉型並建立統一數據基礎所需的框架。

圖1。AI 與分析的統一數據平台。

為什麼要用 Fabric 統一的資料平台？

大多數商業與科技領導者都了解分散資料的代價。 阻礙他們的往往是認為解決問題需要大規模且風險較高的遷移。 Microsoft Fabric 採取不同的方法，提供價值且不中斷。 主要優點包括：

• 最小化業務中斷： Fabric 透過虛擬化（捷徑）和選擇性複製（鏡像）來連接現有系統。 團隊可以在不中斷現有作業的情況下統一存取資料。

• 內建治理： Fabric 將資料工程、分析與商業智慧整合於單一平台。 安全與治理政策是一次性定義並一致執行，而非在多個工具間重複建立與執行。

• 人工智慧與分析基金會： Fabric 使組織能夠產出可重複使用且高品質的資料產品。 這些值得信賴的產品加速了分析與人工智慧計畫的推進。 Fabric IQ 有助於統一並使數據更具情境性。 Foundry IQ 讓 Microsoft Foundry 代理能夠推理受控且受信任的資料。

需要多少投資？

統一數據平台是對能力的投資，而非全面更換所有系統。 目標是持續使用現有的資料系統，並建立一個能隨時間成長的共享基礎。 主要成本因素包括：

• Microsoft Fabric 成本因素： 主要 成本因素 包括（見圖2）：

  • 計算： 你創建的計算容量（Fabric 容量）。

  • 儲存： 你在 OneLake 使用的儲存空間。

  • 複製： 你所做的資料複製（鏡像）。

  • Power BI： 確保使用者擁有足夠的 Microsoft Fabric 容量（包含 Power BI 存取權），或依照授權指引所總結的獨立 Power BI 授權。

    圖2。Microsoft Fabric 具備從資料創造商業價值的能力。

• Microsoft Purview 成本因子： 使用 Microsoft Purview 進行統一的資料治理與合規。 Purview 提供集中式的資料目錄、資料分類及政策執行，涵蓋您的整個資料資產。 資料可能存在於 OneLake、Azure、本地部署、第三方 SaaS 或其他雲端平台。 Purview 的主要成本因素包括基於訂閱的授權與基於消費的能力。 請為持續授權及使用 Purview 管理的資料和服務量進行預算。

• Azure 成本因素： 你用 Azure 訂閱來架設 Fabric 運算（容量）和你的 Microsoft Purview 帳號。 Azure 訂閱沒有額外費用。 如果你將其他 Azure 服務，如 Azure Databricks 或 Azure Machine Learning 整合進你的統一平台，請記得這些服務有其專屬的定價模式。 請規劃這些費用。 請參閱 Azure Databricks 與 Azure Machine Learning的成本因素。

還要多久你才能看到價值？

Microsoft Fabric 的設計目標是快速提供價值。 價值實現時間很短，因為統一並不依賴於完全遷移。 團隊可以從一小組高價值資料產品開始。 每一步都在增加價值的同時降低風險。 實務上，許多組織在數週內就看到初步分析或 AI 情境的價值。 隨著 Fabric 成為數據產品、分析與人工智慧的標準基礎，價值透過重用與組織一致標準而成長。

你如何統一你的資料平台？

Microsoft 的雲端採用框架提出了統一資料平台的四步驟框架。 這個過程涵蓋了規劃與組織你的數據策略。 它涵蓋架構決策。 同時也協助你設定治理與安全基準，並定義營運標準。

1. 組織準備度。 定義你的資料策略，並建立資料所有權與網域。 釐清數據如何創造商業價值，以及誰對哪些數據負責。 參見 組織準備度。

2. 建築： 提供統一你的資料平台所需的技術。 在 Azure 中設定 Microsoft Fabric 和所需的環境。 參見建築。

3. 治理與安全基準： 使用 Microsoft Purview，為您的資料資產獲得集中的可視性與治理。 從一開始就將安全與合規基準納入 Fabric 架構。 請參閱 治理與安全基準。

4. 作戰標準。 定義一致的原始資料匯入流程、建立資料產品及管理其生命週期。 建立組織內資料產品的發布、安全與使用方式。 參見 操作標準。

透過這些步驟，您可以以結構化的方式統一您的資料平台。 如果你不知道從哪裡開始，可以參考以下決策樹作為指引。

用於統一資料平台的決策樹

流程會問一連串是or-no 的問題。 每一個「是」就會有具體的指引。 第一個問題是詢問組織是否需要協助來理解資料優先順序，或培養技能以從數據中獲得更多價值。 如果是，指導是透過角色、訓練和準備活動來準備人員。 第二個問題是組織是否需要統一的方式來跨雲端與工作負載存取資料，以支援分析與人工智慧。 如果是，建議使用 Microsoft Fabric 作為統一資料平台。 第三個問題是，組織是否需要協助將營運數據轉化為商業價值，或安全地將資料輸入 AI 系統，例如 Microsoft Foundry。 如果是，指引是將 Azure 服務與 Fabric 整合。 第四個問題是，組織是否需要協助來控制資料存取，或是持續保護資料安全。 如果是，指引是使用 Microsoft Purview 及相關控制措施設定治理與安全基準。 第五個問題是，組織是否需要協助設定一致的組織標準，以處理、保護及消費分析與人工智慧所需的資料產品。 如果是，指引是設定資料產品、安全與生命週期管理的營運標準。 流程最後指向在統一數據平台與標準建立後，採用 AI 與 AI 代理。

圖 3. Microsoft 統一資料平台的決策樹。

下一個步驟

在接下來的章節中，你會找到指引、檢查清單、最佳實務、決策指引以及每個步驟的取捨。 這些指引是針對負責組織策略與治理的領導者與決策者。

組織準備度

重要詞彙

關鍵詞彙	Definition
Analytics	從數據中產生洞見以支持決策的實務。 它包含儀表板、報告和視覺化，例如在 Power BI 中。
AI	系統使用資料作為輸入，將其納入自動化商業功能的模型。 此類別包括傳統機器學習模型（預測型）及生成式 AI 模型。
資料產品	這些資料的形式對你的企業有價值，例如資料集、表格、功能集或 AI 訓練資料。
資料領域	為資料產品劃定責任與所有權的邊界，例如事業單位（人力資源、行銷、財務、銷售、營運）及產品線（產品1、產品2）。
資料管理著陸區	一個環境（包含一個或多個 Azure 訂閱）用於資料管理資源，例如 Microsoft Purview 帳號與 Fabric 容量。
數據著陸區	一個環境（包含一個或多個 Azure 訂閱），用於資料與 AI/ML 資源，例如 Azure Databricks、Azure Data Lake Storage 及 Azure Machine Learning。