共用方式為


Azure Cosmos DB:無 ETL 分析使用案例

適用於:NoSQL MongoDB Gremlin

Azure Cosmos DB 為無 ETL 提供各種分析選項、操作資料近乎即時的分析。 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 ETL,近乎即時的分析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。 利用供應鏈產生的每分鐘操作資料增加量 (訂單、運送、交易資料),製造商需要操作資料庫。 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:

供應鏈中 Azure Cosmos DB 即時分析的圖表。

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,以進行作業近即時評分。

  • 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:

  • 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 串流分析是一項建議服務,可在 Azure 上使用各種案例來串流 ETL 和處理。 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:

Azure Cosmos DB 即時個人化的圖表。

  • 準備和定型預測性管線:您可使用 Synapse Spark 或 Synapse Spark 和機器學習模型,針對業務單位或客戶群體的作業資料產生深入解析。 這會轉化成個人化的交貨,以客戶群體、預測性使用者體驗和目標行銷為目標,以符合您的使用者需求。 /

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:

IOT 預測性維護中 Azure Cosmos DB 的圖表。

  • 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。