適用學習程序的 Azure 技術

8 分鐘

在本單元中，您將瞭解如何在創新生命週期中套用測量步驟的結果。您也會瞭解資料大眾化的重要性。

資料大眾化

如同您在先前單元中所學到的，您可以使用多個來源從客戶收集資料。這些資源包含微問卷、Azure 應用程式 Insights 產生的使用量資料，以及客戶自行決定啟用或停用的功能旗標。您擁有的資料越多，所制定的決策就會越好，但您需要一個方法來處理這些不斷增加的資料流量。

在 2014 年，Satya Nadella 已探討 (英文) 組織中資料文化的重要性。他認為決策不應該基於感覺或主觀想法來制定，而應該要使用資料來加以驗證。他也認為資料應該要能提供給所有需要的個人使用，且資料應該要能輕鬆轉換為可採取動作的見解，來促進資料驅動的決策。

只有在決策是基於穩庫且可存取的資料平台的情況下，組織才有辦法做出普遍的資料決策。這項工作涉及四個領域：

收集資料：做出資料驅動決策的第一步一向是擁有資料。資料收集可有多種形式：從現有資料存放庫中移轉、從如 Azure Application Insights 的來源進行資料產生，或是從其他來源進行資料擷取。
共用資料：所收集的資料需提供給每個需要的人員使用，而不僅是資料專家。組織中的所有個人都應該要能夠使用資料來制定決策。
集中式資料：集中式資料平台可協助簡化資料共用和治理。
治理資料：資料共用並不代表所有資料皆需提供給所有人使用。共享資料前，確保任何敏感性資料受到保護、追蹤和管理。

Azure 資料平台

Azure 平台涵蓋所有資料的生命週期，這對所有資料驅動的決策過程和資料普及很重要。從輕量的隨選資料庫，到大規模資料倉儲或彈性 NoSQL 系統，Azure 資料平台能讓您涵蓋四個資料活動領域。

資料集合

Azure 資料生態系統包括移轉、內嵌、儲存和分析資料的服務與工具。下列清單僅顯示一些您可以用於處理資料，並使其可於後續共用的機制，有助於資料驅動的決策制定：

資料分析：Azure Synapse Analytics 為企業分析服務，其可在資料倉儲和巨量資料系統之間加快取得見解的速度。 Azure Synapse Analytics 將下列最佳功能結合在一起：
- 用於企業資料倉儲的 SQL 技術。
- 用於巨量資料的 Spark 技術。
- 用於資料整合和 ETL (擷取、轉換、載入) 和 ELT (擷取、載入、轉換) 的管道。
- 與其他 Microsoft 服務 (例如 Power BI、Azure Cosmos DB 和 Azure Machine Learning) 的深度整合。
資料移轉：資料可能已儲存在現有資源，但需要移轉至新式平台，才能轉換至可採取行動的深入解析。 Azure 資料移轉服務包含協助從 SQL Server、PostgreSQL、Oracle 和 MongoDB 等的系統中移轉資料的工具。
資料處理：Azure 包含服務，以使用 Azure Stream Analytics 分析和轉換資料流，以及使用 Azure Data Factory 大規模執行 ETL 流程。

Microsoft Power BI 是一組工具，可將不同來源的資料合併至整合、互動式的視覺效果。使用者僅需操作直覺控制項，即可深入探索資料。見解的強大功能將可供組織內的每個人員使用，不只是資料專業人員。

區域擁有者可以建立報告和儀表板，其中包含應用程式特定層面的相關資訊。在引進新功能以驗證假設之後，資料便立即可供使用，以根據真實客戶的使用方式來驗證或拒絕假設。

Microsoft Power BI 可協助從多個角度進行資料共用。以下列出一些範例：

與同事和合作夥伴共用資料：Power BI 儀表板能簡化資料的取用。視覺效果可讓非資料專家的人員向下切入資料，而不需要熟悉其底層結構。
快速產生資料見解：Power BI 可使用其快速見解功能，自動產生資料集的視覺效果。您可以快速建立儀表板，並找出乍看之下可能不明顯的資料相互關聯。
於網站或入口網站中內嵌報告：透過使用 Power BI，不僅可在原生 Power BI 入口網站上存取視覺效果，還可以將報告和儀表板內嵌至其他 Web 應用程式。如此一來，使用者不須離開其熟悉的公司網站，來尋找決策制定流程中所須的資料。

資料集中化

資料集中化的主要問題是在不同層級上的調整。雖然可能過度簡化，但我們可以將其縮減為 3 V 的巨量資料：

資料量 (Volume)：Azure Data Lake Storage Gen2 為符合成本效益且可調整的資料儲存體 Azure 平台。根據 Azure 儲存體提供之大規模可擴縮性，Azure Data Lake Storage 已設計可用於維持數百個 GB 的輸送量時，服務多 PB 的資訊。
多樣性：此詞彙通常用來指出資料不一定是結構化的事實。資料也可能是半結構化，甚至非結構化的。 Azure Synapse 可在此領域中發揮作用，因其使用 Spark 組合了用於企業資料倉儲的 SQL 最佳技術，這通常適用巨量資料。
速度：通常於較舊的資料結構發現的問題，是儲存體容量、分析速度和擷取比率間的相依性。在 Azure 資料解決方案中，組織可透過將維度分離，來獨立調整平台的不同維度。如企業商業智慧結構所示，可透過使用所需的 Azure 資料服務的資料準銷售案源，內嵌、處理和分享資料。

資料控管

資料在現在的世界中代表了關鍵資產和重要責任。儲存的資料通常包括機密資訊，如果資料外泄或共用不當，可能會導致財務或個人損失。儲存和處理資料隱約表示組織接受該責任。法律法規可能會對不當處理個人或機密資料的組織裁罰。

因此，對於任何以資料民主化作為目標的組織而言，資料控管都是至關重要的。資料控管的第一個步驟，是將需要以特定方式處理的資料分類。例如，Microsoft 會在內部使用資料類別進行資料分類：

非商務：私人生活的資料不屬於 Microsoft。
公開：免費提供且已核准公開使用的商務資料。
一般：不對外公開的商務資料。
機密：過度共用可能對 Microsoft 造成危害的商務資料。
高度機：過度共用可能對 Microsoft 造成嚴重危害的商務資料。

資料分類之後的下一個步驟，是確保每個資料類別都不會受到未經授權的存取。 Azure 支援這些能強制執行機密性的技術：

加密待用資料：所有儲存於 Microsoft 資料中心的 Azure 資料均受加密保護。某些 Azure 服務提供特定加密功能，如在 Azure Synapse 與 Azure SQL Database 中的透明資料加密。
傳輸中資料的加密：所有 Azure 資料服務在透過網路傳送資料之前，皆會使用 TLS 或 SSL 將資料加密。某些服務 (例如 Azure 儲存體) 可以選擇性地允許未加密的流量。組織應針對所有類型的敏感性資料停用所有未加密通訊。
資料存取控制：Azure 提供設計精密的驗證和授權機制，以存取 Azure 平台和資料本身。 Azure 角色型存取控制、條件式存取和 Privileged Identity Management 是基本服務的三個範例，以協助確保僅有授權的人員才能存取敏感性資訊。
資料稽核：許多法規合規性標準要求提供資料保護機制的證據，方法是記錄執行特定作業和存取特定資料的人員。如 Azure SQL 資料庫和 Azure Synapse Analytics 稽核中所述，Azure 中的數據稽核考慮了稽核的三個方面：
- 保留選定事件的稽核記錄，而您可以定義要稽核的資料動作類別。
- 資料庫活動的報告，可選擇性地使用預先設定的報告和儀表板以快速開始使用。
- 分析報告以找出可疑事件、異常活動和趨勢

成長思維

學習階段有時會帶來壞消息。您之前認為正確的假設，可能會被證明是錯誤的。對其他想法保持開放態度，是使創新程序得以順利進行的關鍵。或許整個假設都是錯誤的，或可能問題僅出在開發的開發方式。

不管如何，結論都應該一律受資料支援。小組應該繼續著手擬定下個假設，其很可能是初始假設的某種修訂或反覆項目。

現有資料可能不允許您明確得知假設是正確還是錯誤的。在此情況下，應該要增強協助決策程序的資料集。您可以在應用程式中引進新的遙測點，或是找出新方法以取得客戶體驗的相關資訊。

成長心態是這個階段的基礎。將證明假設是錯誤 (或部分錯誤) 的結果視為學習的機會。組織不應該將時間浪費在不會產生預期商務結果的創新上。

下一步

此單元中的很多概念都在《雲端採用架構》文件中有關資料大眾化的內容中進一步討論。

繼續