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：
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：
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 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：
- 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：
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。