Navigation überspringen

Entdecken Sie die Cloud, die uneingeschränkte Skalierbarkeit, Leistung und Möglichkeiten für Ihre Daten bietet – mit Azure sind Ihnen keine Grenzen gesetzt.

Darum entscheiden Unternehmen sich für Azure

Ziehen Sie zu geringeren Kosten einen größeren Mehrwert aus Ihren Daten

14x

Treffen Sie mit den Analysediensten von Azure Entscheidungen um bis zu 14-mal schneller im Vergleich zu Google BigQuery.1

94%

Die Analysedienste von Azure sind im Vergleich zu Google BigQuery um bis zu 94 Prozent günstiger.1

86%

Im Vergleich zu Amazon Relational Database Service ist Azure SQL für SQL-Workloads um bis zu 86 Prozent günstiger.2

So setzen führende Unternehmen Datenlösungen von Azure innovativ ein

Dank Azure profitiert Walgreens von der dreifachen Analyseleistung zu einem Drittel der Kosten.

Artikel lesen

Dank Azure kann Nestlé Cybersicherheitsbedrohungen auf der ganzen Welt verhindern.

Artikel lesen

Die BBC nutzt Azure KI zur Steigerung der Kundenbindung ihres globalen Publikums.

Artikel lesen

GE Aviation kann die Effizienz seines Luftfahrtbetriebsstoffverbrauchs dank Azure verbessern und Kosten senken.

Artikel lesen

Symantec schützt mit Azure Cosmos DB 40 Millionen Endpunkte zu 40 Prozent geringeren Kosten.

Artikel lesen

Mithilfe von Azure Cosmos DB kann Coca-Cola wichtige Erkenntnisse aus unterschiedlichsten Daten im Petabytebereich gewinnen.

Video ansehen

Nutzen Sie wichtige Erkenntnisse für erfolgreiche datengesteuerte Transformationen

Reifegradmodellbewertung für Daten durchführen

Finden Sie heraus, wie effektiv Ihre Datenfunktionen sämtlichen Mitarbeitern Ihrer Organisation nützliche Informationen liefern können. Beantworten Sie diese Frage, um zu erfahren, welchen Reifegrad Ihre Organisation in Bezug auf Daten erreicht hat, und nutzen Sie empfohlene Ressourcen, die auf die Anforderungen Ihres Unternehmens zugeschnitten sind.

Entwickelt in Partnerschaft mit:
Keystone
1. Do you have a data platform for aggregating and accessing data across functional and regional silos?
2. Does your team have a "data steward" or designated role which is responsible for ensuring the quality and usability of over 80 percent of your team’s data?
3. Do you have a single, centralized system—at least at a departmental level—to grant permissions and access to data?
4. Is there a centralized source of documentation for existing interdepartmental APIs or other systematic methods for sharing data with other teams in your organization?
5. Do you use APIs or other systematic methods to automatically share data externally?
6. When you add a new data source, do you have systems that automatically check that it meets your team’s data quality or format requirements?
7. Are you able to track the lifecycle or lineage of data as it is transformed and used by models or reports?
8. Do you have a data catalog which enables data scientists, BI analysts, and others to discover and access data in a self-service way?
9. Is your data platform built on a microservices architecture that enables modular and repeatable use of components?
10. Are there rules or standards in place for systematically sharing data between teams (e.g., via API), so that teams can quickly and easily interpret other teams' data?
11. Do you use performance reviews or other management tools to enforce compliance with data practices?
12. Are you able to process and run analytics on data in real time (as opposed to batch processing)?
13. Do you have a sandbox environment that enables you to test different features and models, and optimize their performance?
14. Does your organization develop machine learning models?
15. Does your organization use advanced machine learning techniques, such as deep learning or reinforcement learning?
16. Are you able to deploy machine learning models automatically without human intervention?
17. Do you enable future auditing of machine learning models by automatically archiving any artifacts that they generate?
18. Has your organization defined ways to address fairness or bias concerns in machine learning models?
19. Do you use performance reviews or other management tools to enforce compliance with machine learning practices?
20. Have technologies developed by internal, independent, and cross-functional teams been successfully rolled out across the organization?

Your result: Platform

Your organization has successfully digitally transformed and is now a leader when it comes to tech intensity. Your organization most likely has an integrated foundation of data, software, and artificial intelligence that supports a mature innovation process, as well as a strong culture of growth and measurement that empowers employees to collaborate extensively and make individual decisions that are aligned to organizational strategy. Get more information and insights for platform organizations.

Explore resources for platform organizations

Your result: Hub

Your organization has already taken significant steps towards digital transformation and is now poised to successfully make use of all your organizational assets. At this point, your organization is most likely looking to improve your processes rather than your technical foundations, and you’re also able to focus on developing and improving the use of analytics and machine learning to drive business performance and transforming your business culture so that your employees can effectively use the new data and analytics tools at their disposal. Get more information and insights for hub organizations.

Explore resources for hub organizations

Your result: Bridge

Your organization has already made some first steps towards digital transformation. As you continue to establish your data platform, your organization may face challenges in finding ways to keep building on your initial successes and in determining and prioritizing next steps for your data platform. Get more information and insights for bridge organizations.

Explore resources for bridge organizations

Your result: Traditional

Your organization is still in the early stages its digital transformation and may face challenges in fostering collaboration across organizational boundaries, sharing data, and making effective use of your data. Get more information and insights for traditional organizations.

Explore resources for traditional organizations

Unternehmen neu strukturiert

Lesen Sie mehr über das Reifegradmodell für Daten, und machen Sie sich mit den Phasen der digitalen Transformation vertraut.

Bericht lesen

Die Kultur von Data Leaders

Informieren Sie sich über die Rolle, die Datenkultur bei erfolgreichen digitalen Transformationen spielt.

Whitepaper lesen

Lernen Sie die Datenlösungen von Azure kennen

Verwaltete Azure-Datenbanken

Erstellen Sie cloudnative Anwendungen, oder modernisieren Sie vorhandene Anwendungen mit vollständig verwalteten, flexiblen Datenbanken.

Weitere Informationen

Cloudanalysen

Entwickeln Sie sichere Transformations- und Analyselösungen, und gewinnen Sie zeitnahe Erkenntnisse aus Ihre Unternehmensdaten.

Weitere Informationen

Azure KI

Entwickeln Sie unternehmenskritische Lösungen mithilfe bewährter, sicherer und zuverlässiger KI-Funktionen.

Weitere Informationen

1Azure Synapse Analytics (früher Azure SQL Data Warehouse) übertrifft Google BigQuery in allen Test-H- und Test-DS*-Benchmarkabfragen von GigaOm. Bei Azure Synapse Analytics-Clustern, die Test-DS*-Benchmarkabfragen ausführen, wurde im Vergleich zu BigQuery außerdem ein besseres Preis-Leistungs-Verhältnis erzielt und eine Kosteneinsparung von bis zu 94 % festgestellt. Laut den GigaOm-Feldtests übertrifft Azure Synapse (früher Azure SQL Data Warehouse) auch Amazon Redshift in 86 Prozent aller Test-H*-Benchmarkabfragen. Bei Azure Synapse Analytics-Clustern, die Test-DS*-Benchmarkabfragen ausführen, wurde im Vergleich zu Redshift außerdem ein besseres Preis-Leistungs-Verhältnis erzielt und eine Kosteneinsparung von bis zu 46 % festgestellt.

*Leistungs- und Preis-Leistungs-Ansprüche wurden auf Grundlage einer Studie erhoben, die von Microsoft in Auftrag gegeben und von GigaOm im Januar 2019 für den Benchmarkbericht des GigaOm-Analysefeldtests „Test-H“ und im März 2019 für den Benchmarkbericht des GigaOm-Analysefeldtests „Test-DS“ durchgeführt wurde. Azure-Analysen sind gemäß den Benchmarkdaten des GigaOm-Analysefeldtests „Test-H“ bis zu 14-mal schneller und 94 % günstiger und gemäß den Benchmarkdaten des GigaOm-Analysefeldtests „Test-DS“ bis zu zwölfmal schneller und 73 % günstiger. Benchmarkdaten werden von den anerkannten Industriestandards TPC Benchmark™ H (TPC-H) und TPC Benchmark™ DS (TPC-DS) abgeleitet. Die Ergebnisse des GigaOm-Analysefeldtests basieren auf Leistungstests hinsichtlich der Ausführung von 66 TPC-H-ähnlichen Abfragen für TPC-H und 309 TPC-DS-ähnlichen Abfragen, die von GigaOm im Januar 2019 und März 2019 ausgeführt wurden. Die Tests werden jeweils von Microsoft in Auftrag gegeben. Das Preis-Leistungs-Verhältnis wird von GigaOm als Test-H- oder Test-DS-Metrik des GigaOm-Analysefeldtests berechnet und ergibt sich aus den Gesamtkosten dividiert durch die zusammengesetzte Abfrage. Die Preise basieren auf den in den USA öffentlich verfügbaren Preisen für die Test-H-Abfragen des GigaOm-Analysefeldtests im Januar 2019 und für die Test-DS-Abfragen des GigaOm-Analysefeldtests im März 2019. Die tatsächlichen Leistungen und Preise können abweichen. Die GigaOm-Analysefeldtests „Test-H“ und „Test-DS“ werden von den TPC-H- und TPC-DS-Benchmarks abgeleitet und sind daher nicht mit den veröffentlichten Ergebnissen der TPC-H- oder TPC-DS-Benchmarktests vergleichbar, da die GigaOm-Analysefeldtests „Test-H“ und „Test-DS“ die TPC-H- und TPC-DS-Benchmarks nicht vollständig einhalten.

Weitere Informationen anzeigen | Lesen Sie den vollständigen Bericht von GigaOm.

2Preis-Leistungs-Ansprüche wurden auf der Grundlage einer Studie erhoben, die von Microsoft in Auftrag gegeben und von GigaOm im August 2019 durchgeführt wurde. Bei der Studie wurde das Preis-Leistungs-Verhältnis einer einzelnen Azure SQL-Datenbank-Instanz (Gen 5) mit 80 virtuellen Kernen auf der Dienstebene „Unternehmenskritisch“ mit dem Angebot „db.r4.16x large“ für AWS RDS (Amazon Web Services Relational Database Service) mit SQL Server verglichen. Die Benchmarkdaten stammen von einem GigaOm-Analysefeldtest, der vom anerkannten Branchenstandard TPC Benchmark™ E (TPC-E) abgeleitet wurde. Er basiert aus einem Mix aus schreibgeschützten und updateintensiven Transaktionen, die Aktivitäten wie in komplexen OLTP-Anwendungsumgebungen simulieren. Das Preis-Leistungs-Verhältnis wurde von GigaOm als die Kosten der fortlaufenden Ausführung der Cloudplattform für drei Jahre dividiert durch den Durchsatz für Transaktionen pro Sekunde berechnet. Die Preise basieren auf den öffentlich verfügbaren Preisen in den USA in der Region „USA, Osten“ für Azure SQL-Datenbank und „US East (Ohio)“ für AWS RDS im August 2019. Die Ergebnisse des Preis-Leistungs-Verhältnisses basieren auf den Konfigurationen im GigaOm-Analysefeldtest. Die tatsächlichen Ergebnisse und Preise können je nach Konfiguration und Region variieren.

Weitere Informationen anzeigen | Vollständigen Bericht lesen.