適用於：
NoSQL MongoDB Gremlin
Azure Cosmos DB 提供各種分析選項，支援無 ETL 並能對操作資料進行近乎即時的分析。 您可使用下列選項，在 Azure Cosmos DB 資料上啟用分析：
- 在 Microsoft Fabric 中鏡像處理 Azure Cosmos DB
- 適用於 Azure Cosmos DB 的 Azure Synapse Link
若要深入了解這些選項，請參閱「Azure Cosmos DB 資料上的分析和 BI」
重要
在 Microsoft Fabric 中鏡像處理 Azure Cosmos DB 現在已可供 NoSql API 預覽版使用。 這項功能提供 Azure Synapse Link 的所有功能，具有更佳的分析效能、能夠將資料資產與 Fabric OneLake 整合，並以 Delta Parquet 格式開啟對 OneLake 資料的存取權。 如果您考慮使用 Azure Synapse Link，建議您嘗試鏡像以評估您組織的整體適合度。 若要開始使用鏡像處理，請按一下這裡。
無需 ETL，近乎即時的分析能力可為您的企業開啟各種可能性。 以下是三個範例案例：
- 供應鏈分析、預測及報告
- 即時個人化
- 預測性維護，IOT 中的異常偵測案例
供應鏈分析、預測及報告
研究顯示，在供應鏈作業中內嵌巨量資料分析，能導致訂單週期的達成時間改善，並提升供應鍊效率。
製造商上線至雲端原生技術，以突破舊版企業資源規劃 (ERP) 和供應鏈管理 (SCM) 系統的限制。 隨著供應鏈每分鐘產生越來越多的操作數據（訂單、運送、交易數據），製造商需要一個運營資料庫。 這個操作資料庫應該縮放大小來處理資料量以及分析平台，達到即時內容相關智慧的水準，以立於領先地位。
下列架構顯示在供應鏈分析中使用 Azure Cosmos DB 做為雲端原生操作資料庫和 Synapse Link 的強大功能：
根據先前的架構，您可達成下列使用案例：
- 準備和定型預測管線：使用機器學習轉譯，針對供應鏈中的操作資料產生深入解析。 如此一來，您可以降低清查、營運成本，並減少客戶的下單至交貨時間。
監視和 Synapse Link 可讓您分析 Azure Cosmos DB 中變更的操作資料，而不需要任何手動 ETL 程序。 這些供應項目可為您省去額外的成本、延遲和操作複雜度。 它們可讓資料工程師和資料科學家建立健全的預測性管線：
藉由在 Microsoft Fabric 或 Azure Synapse Analytics 中使用與 Apache Spark 集區的原生整合，查詢 Azure Cosmos DB 中的操作資料。 您可以在互動式筆記本或排程的遠端作業中查詢資料，不需要複雜的資料工程。
在 Microsoft Fabric 或 Azure Synapse Analytics 中使用 Spark ML 演算法和 Azure Machine Learning (AML) 整合，建置 Machine Learning (ML) 模型。
在模型推斷後將結果寫回 Azure Cosmos DB，以進行近乎即時的運行評分。
作業報告：供應鏈小組需要有彈性的自訂報表，將即時正確的操作資料簡明呈現。 需要這些報告，才能迅速看出供應鏈的有效性、獲利率、生產力。 報告可讓資料分析師和其他重要的專案關係人持續重新評估企業，並找出要調整的部分，以降低營運成本。
監視和適用於 Azure Cosmos DB 的 Synapse Link 可實現豐富的商業智慧 (BI)/報告案例：
使用原生整合與 T-SQL 語言的完整表達性，查詢 Azure Cosmos DB 中的操作資料。
透過整合在 Microsoft Fabric 或 Azure Synapse Analytics 中的 Power BI，在 Azure Cosmos DB 上建模及發佈自動重新整理 BI 儀表板。
以下是一些將資料批次處理及串流至 Azure Cosmos DB 的資料整合指引：
批次資料整合與協調流程：隨著供應鏈愈趨複雜，供應鏈資料平台需要與各種資料來源和格式整合。 Microsoft Fabric 和 Azure Synapse 內建具有與 Azure Data Factory 相同的資料整合引擎和體驗。 此整合可讓資料工程師在沒有個別協調流程引擎的情況下，建立豐富的資料管線：
將資料從支援的至少 85 個資料來源移至 Azure Cosmos DB (使用 Azure Data Factory)。
將無程式碼的 ETL 管線寫入 Azure Cosmos DB，包括使用對應資料流程進行關聯對階層和階層對階層的對應。
串流資料整合與處理：隨著產業 IoT 的成長 (感應器從「工廠到店面」追蹤資產、連線物流群等)，大量的即時資料以串流方式產生，需要與傳統的緩慢移動資料整合，以產生深入解析。 Azure Stream Analytics 是一項推薦的服務，適合在 Azure 上處理資料流 ETL 和分析，應用於廣泛的情境。 Azure 串流分析支援以 Azure Cosmos DB 做為原生資料接收器。
即時個人化
現在的零售商會建置安全且可調整的電子商務解決方案，以滿足客戶與業務的需求。 這些電子商務解決方案需要透過自訂的產品和供應項目與客戶互動、快速且安全地處理交易，並專注於履行和客戶服務。 Azure Cosmos DB 以及適用於 Azure Cosmos DB 的最新 Synapse Link 可讓零售商即時為客戶產生個人化建議。 其使用低延遲可調整的一致性設定來取得立即的深入解析，如下列架構所示：
- 準備和定型預測性管線：您可使用 Fabric 或 Synapse Spark 和機器學習模型，針對業務單位或客戶群體的營運資料產生洞察。 這會轉化為針對目標客戶群的個性化配送、預測性終端使用者體驗，以及符合使用者需求的精確行銷。 )
IoT 預測性維護
產業 IoT 創新大幅降低了機械的停機時間，並提升了業界所有領域的整體效率。 其中一項創新就是雲端邊緣機械的預測性維護分析。
以下是在 IoT 預測性維護中使用雲端原生 HTAP 功能的架構：
準備和定型預測性管線：IoT 裝置感應器的歷史作業資料可用來定型預測性模型，例如異常偵測器。 這些異常偵測器接著會部署回邊緣，以進行即時監視。 這種良性迴圈可讓預測模型持續重新定型。
作業報告：隨著數位對應項計畫的成長，公司會從大量的感應器收集大量操作資料，建立每部機器的數位副本。 除了最近的熱門資料以外，資料 Power BI 還需要瞭解歷史資料的趨勢。