Outils d’innovation pour démocratiser des données dans Azure
Comme décrit dans l’article conceptuel sur la démocratisation des données, vous pouvez apporter de nombreuses innovations en matière de collecte de données avec peu d’investissement technique. Les innovations importantes nécessitent souvent des données brutes. La démocratisation des données consiste à investir les ressources minimales nécessaires à l’engagement de vos clients. Les clients utilisent alors les données pour tirer parti de leurs connaissances existantes.
Comment avec la démocratisation des données offre un moyen rapide de tester une hypothèse avant de développer des inventions numériques plus ambitieuses et plus coûteuses. À mesure que vous affinez l’hypothèse et que vous commencez à adopter les inventions à l’échelle, les processus suivants vous aideront à préparer le support opérationnel de l’innovation.
Alignement sur la méthodologie
Ce type d’invention numérique peut être accéléré à chaque phase du processus suivant, également illustré ci-dessus. La table des matières à gauche sur cette page inclut des rubriques d’aide technique permettant d’accélérer l’invention numérique. Ces articles sont regroupés par phase pour aligner l’aide sur la méthodologie globale.
- Partager des données collectées : la première étape de la démocratisation des données consiste à partager celles-ci de façon ouverte.
- Gouvernance des données : assurez-vous que toutes les données sensibles sont sécurisées, suivies et régies avant le partage.
- Centraliser les données : il est parfois nécessaire de fournir une plateforme centralisée pour la démocratisation, le partage et la gouvernance des données.
- Collecter les données : la migration, l’intégration, l’ingestion et la virtualisation permettent de collecter les données existantes à centraliser, à régir et à partager.
Il est recommandé aux équipes d’adoption du cloud de limiter la collecte dans la pile à la profondeur nécessaire pour traiter les besoins des clients en priorité par rapport à l’architecture, à chaque itération. Le retardement des pics techniques en faveur des besoins des clients accélère la validation de votre hypothèse.
Toutes les recommandations sont mappées aux quatre processus précédents. Les recommandations vont de l’effet client le plus élevé à l’effet technique le plus élevé. Pour chaque processus, vous trouverez des conseils sur les différentes façons dont Azure peut accélérer votre capacité à développer en faisant preuve d’empathie vis-à-vis du client.
Chaîne d’outils
Dans Azure, les outils d’innovation suivants sont fréquemment utilisés pour accélérer l’invention numérique lors des phases précédentes :
- Power BI
- Azure Data Catalog
- Azure Synapse Analytics
- Azure Cosmos DB
- Base de données Azure pour PostgreSQL
- Azure Database pour MySQL
- Azure Database for MariaDB
- Azure Database pour hyperscale PostgreSQL
- Azure Data Lake Storage
- Azure Database Migration Service
- Azure SQL Database, avec ou sans Azure SQL Managed Instance
- Azure Data Factory.
- Azure Stream Analytics
- SQL Server Integration Services
- Azure Stack
- SQL Server Stretch Database
- Azure StorSimple
- Azure Files
- Azure File Sync
- PolyBase
À mesure que l’invention s’approche de l’adoption à grande échelle, les aspects de chaque solution nécessitent un affinement et une maturité technique. Dans ce contexte, un plus grand nombre de ces services sera probablement nécessaire. Utilisez la table des matières sur le côté gauche de cette page pour obtenir des conseils sur les outils Azure relatifs à votre processus de test d’hypothèses.
Prise en main
Vous trouverez ci-dessous des articles pour vous aider à prendre en main chacun des outils de cette chaîne d’outils.
Remarque
Les liens suivants quitteront le Cloud Adoption Framework (CAF), car ils renvoient à des contenus complémentaires qui dépassent sa portée.
Partager des données avec des experts
- Générer rapidement des aperçus de données
- Partager des données avec des collègues et des partenaires
- Incorporer des rapports sur un site web ou un portail
- Créer de nouveaux espaces de travail dans Power BI
Régir les données
- Classifier les données (CAF)
- Sécuriser les données
- Annoter des données avec Azure Data Catalog
- Documenter des sources de données avec Azure Data Catalog
Centraliser des données
- Créer et interroger un pool SQL dans Azure Synapse Analytics
- Les meilleures pratiques de chargement pour l’entrepôt de données
- Visualiser des données d’entrepôt avec Power BI
- Architecture de référence pour la BI d’entreprise avec Azure Synapse Analytics
- Gérer le Big Data d’entreprise avec Azure Data Lake Storage
- Qu’est-ce qu’un lac de données ?
Collecter les données
- Intégrer des sources de données cloud à un entrepôt de données SQL Analytics
- Charger des données locales dans Azure Synapse Analytics
- Intégrer des données de Azure Data Factory vers OLAP
- Utiliser Azure Stream Analytics avec Azure Synapse Analytics
- Architecture de référence pour l’ingestion et l’analyse de nouveaux flux
- Charger des données dans un pool SQL Azure Synapse Analytics
Étapes suivantes
Découvrez les outils permettant de créer des applications qui impliquent les clients au-delà des données brutes.