Erweiterte Analysearchitektur

Azure Analysis Services
Azure Blob Storage
Azure Cosmos DB
Azure Synapse Analytics
Power BI

Lösungsmöglichkeiten

Dieser Artikel ist ein Lösungsvorschlag. Wenn Sie möchten, dass wir diesen Artikel um weitere Informationen ergänzen, z. B. potenzielle Anwendungsfälle, alternative Dienste, Überlegungen zur Implementierung oder Preisempfehlungen, lassen Sie es uns über Feedback auf GitHub wissen.

Diese Architektur ermöglicht es Ihnen, beliebige Daten in beliebigem Umfang mit benutzerdefiniertem maschinellen Lernen zu kombinieren und Datenanalysen für Streamingdienste in Quasi-Echtzeit zu erhalten.

Architektur

Diagramm einer fortgeschrittenen Analysearchitektur unter Verwendung von Azure Synapse Analytics mit Azure Data Lake Storage, Azure Analysis Services, Azure Cosmos DB und Power BI.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Datenfluss

  1. Kombinieren Sie alle Ihre strukturierten, unstrukturierten und teilweise strukturierten Daten (Protokolle, Dateien und Medien) mithilfe von Synapse Pipelines in Azure Data Lake Storage.
  2. Verwendung von Azure Spark-Pools, um die strukturlosen Datasets zu bereinigen und zu transformieren und mit strukturierten Daten aus operativen Datenbanken oder Daten-Warehouse zu kombinieren.
  3. Verwendung von skalierbaren Machine Learning-/Deep-Learning-Techniken, um tiefere Erkenntnisse aus diesen Daten abzuleiten, unter Verwendung von Python, Scala oder .NET mit Notebook-Erfahrung in Apache Spark-Pools.
  4. Nutzen Sie Apache Spark-Pool und Synapse Pipelines in Azure Synapse Analytics, um auf Daten zuzugreifen und diese im großen Stil zu verschieben.
  5. Fragen Sie Daten ab, und erstellen Sie Berichte dazu in Power BI.
  6. Übertragen Sie die Erkenntnisse aus Apache Spark-Pools in Azure Cosmos DB, um sie über Web- und mobile Apps zugänglich zu machen.

Workflow

  • Azure Synapse Analytics ist das schnelle, flexible und vertrauenswürdige Cloud-Data Warehouse, mit dem Sie elastisch und unabhängig mit einer leistungsstarken Parallelverarbeitungsarchitektur Daten skalieren, berechnen und speichern können.
  • Synapse Pipelines Dokumentation erlaubt es Ihnen, Ihre ETL/ELT-Workflows zu erstellen, zu planen und zu orchestrieren.
  • Azure Blob Storage ist ein einfacher und kostengünstiger, hochgradig skalierbarer Objektspeicher für alle Arten von unstrukturierten Daten – Bilder, Videos, Audiodateien, Dokumente und mehr.
  • Azure Synapse Analytics Spark Pools ist eine schnelle, einfache und gemeinschaftliche Analyseplattform auf Apache Spark-Basis.
  • Azure Cosmos DB ist ein global verteilter Datenbankdienst mit Unterstützung mehrerer Modelle. Erfahren Sie, wie Sie Ihre Daten in einer beliebigen Anzahl von Azure-Regionen replizieren und Ihren Durchsatz unabhängig von Ihrem Speicher skalieren.
  • Azure Synapse Link für Azure Cosmos DB ermöglicht Ihnen die Ausführung von Analysen über Betriebsdaten in Azure Cosmos DB in Quasi-Echtzeit ohne Auswirkungen auf die Leistung oder Kosten Ihrer Transaktionsworkload, indem Sie die beiden in Ihrem Azure Synapse-Arbeitsbereich verfügbaren Analyse-Engines verwenden: SQL (serverlos) und Spark-Pools.
  • Azure Analysis Services ist ein Analysedienst auf Unternehmensniveau, mit dem Sie Ihre BI-Lösung zuverlässig steuern, testen und bereitstellen können.
  • Power BI ist eine Suite von Business Analytics-Tools, die für Ihre gesamte Organisation Erkenntnisse bereitstellen. Stellen Sie eine Verbindung mit Hunderten von Datenquellen her, vereinfachen Sie die Datenvorbereitung und führen Sie ungeplante Analysen durch. Erzeugen Sie hochwertige Berichte, und veröffentlichen Sie sie dann für Ihre Organisation zur Nutzung im Web und auf mobilen Geräten.

Alternativen

  • Synapse Link ist die von Microsoft bevorzugte Lösung für Analysen, die auf Azure Cosmos DB-Daten basiert.

Szenariodetails

Transformieren Sie Ihre Daten mithilfe der besten Machine Learning-Tools in umsetzbare Einblicke. Mit dieser Lösung können Sie beliebige Daten in beliebiger Menge kombinieren und benutzerdefinierte Machine Learning-Modelle nach Maß erstellen und bereitstellen. Informationen dazu, wie Datenplattformen auf Unternehmensniveau als Teil einer Unternehmenszielzone konzipiert sind, finden Sie in der Dokumentation zu Datenzielzonen.

Mögliche Anwendungsfälle

Organisationen haben die Möglichkeit, auf mehr Daten als je zuvor zuzugreifen. Erweiterte Analysen helfen ihnen, Dateneinblicke zu nutzen. Bereiche umfassen:

  • Kundenservice.
  • Predictive Maintenance (vorhersagbare Wartung).
  • Empfehlen von Produkten oder Diensten.
  • Systemoptimierung von alles von Lieferketten bis zu Rechenzentrumsvorgängen.
  • Produkt- und Dienstleistungsentwicklung.

Überlegungen

Kostenoptimierung

Bei der Kostenoptimierung geht es um die Suche nach Möglichkeiten, unnötige Ausgaben zu reduzieren und die Betriebseffizienz zu verbessern. Weitere Informationen finden Sie unter Übersicht über die Säule „Kostenoptimierung“.

Nächste Schritte

Weitere Informationen zu den in dieser Architektur vorgestellten Diensten finden Sie in der folgenden Dokumentation: