Con la crescita esponenziale dei dati, le organizzazioni si basano sulla potenza di calcolo, archiviazione e analisi illimitata di Azure per ridimensionare, trasmettere, stimare e visualizzare i dati. Le soluzioni di analisi trasformano volumi di dati in utili funzionalità di business intelligence (BI), ad esempio report e visualizzazioni e intelligenza artificiale inventiva, ad esempio previsioni basate su Machine Learning.
Se l'organizzazione sta iniziando a valutare gli strumenti di analisi basati sul cloud o sta cercando di espandere l'implementazione corrente, Azure offre molte opzioni. Il flusso di lavoro inizia con l'apprendimento degli approcci comuni e l'allineamento di processi e ruoli in base a una mentalità cloud.
I dati possono essere elaborati in batch o in tempo reale, in locale o nel cloud, ma l'obiettivo di qualsiasi soluzione di analisi è usare i dati su larga scala. Sempre più spesso, le organizzazioni vogliono creare una singola fonte di verità per tutti i dati relazionali e non relazionali generati da persone, computer e Internet delle cose (IoT). È comune usare un'architettura big data o un'architettura IoT per trasformare i dati non elaborati in un formato strutturato, quindi spostarli in un archivio dati analitici. Questo archivio diventa l'unica fonte di verità che può alimentare una moltitudine di soluzioni di analisi approfondite.
Scaricare un file di Visio di questa architettura.
Informazioni sull'analisi in Azure
Se non si ha familiarità con l'analisi in Azure, il posto migliore per saperne di più è Microsoft Learn, una piattaforma di formazione online gratuita. Sono disponibili video, esercitazioni e apprendimento pratico per prodotti e servizi specifici, oltre a percorsi di apprendimento basati sul ruolo di sviluppatore o analista di dati.
Livello di preparazione dell'organizzazione
Se l'organizzazione non è una novità del cloud, Cloud Adoption Framework può essere utile per iniziare. Questa raccolta di documentazione e procedure consigliate offre indicazioni comprovate di Microsoft progettate per accelerare il percorso di adozione del cloud. Elenca anche gli strumenti di innovazione per democratizzare i dati in Azure.
Per garantire la qualità della soluzione di analisi in Azure, è consigliabile seguire azure Well-Architected Framework. Fornisce indicazioni prescrittive per le organizzazioni che cercano l'eccellenza dell'architettura e illustra come progettare, effettuare il provisioning e monitorare soluzioni di Azure ottimizzate per i costi.
Percorso di produzione
Sapere come archiviare i dati è una delle prime decisioni da prendere nel percorso di analisi in Azure. È quindi possibile scegliere la migliore tecnologia di analisi dei dati per lo scenario.
Per iniziare, considerare le implementazioni di esempio seguenti:
Procedure consigliate
L'analisi di alta qualità inizia con dati affidabili e affidabili. Al livello più elevato, le procedure di sicurezza delle informazioni consentono di garantire che i dati siano protetti in transito e inattivi. Anche l'accesso a tali dati deve essere considerato attendibile. I dati attendibili implicano una progettazione che implementa:
Controlli di sicurezza di rete.
A livello di piattaforma, le procedure consigliate per Big Data seguenti contribuiscono all'analisi affidabile in Azure:
Orchestrare l'inserimento dati usando un flusso di lavoro di dati o una soluzione pipeline, ad esempio quelle supportate da Azure Data Factory o Oozie.
Elaborare i dati sul posto usando un archivio dati distribuito, un approccio per Big Data che supporta volumi più grandi di dati e un'ampia gamma di formati.
Eseguire lo scrub dei dati sensibili all'inizio del flusso di lavoro di inserimento per evitare di archiviarli nel data lake.
Prendere in considerazione il costo totale delle risorse di Azure necessarie bilanciando il costo unitario dei nodi di calcolo necessari per il costo al minuto dell'uso di tali nodi per completare un processo.
Creare un data lake che combina l'archiviazione per i file in più formati, strutturati, semistrutturati o non strutturati. Microsoft usa Azure Data Lake Storage Gen2 come singola fonte di verità. Ad esempio, vedere Architettura della soluzione BI nel Centro di eccellenza.
Risorse aggiuntive
L'analisi è una categoria ampia e copre una gamma di soluzioni. Le risorse seguenti consentono di ottenere altre informazioni su Azure.
Ibrido
La maggior parte delle organizzazioni necessita di un approccio ibrido all'analisi perché i dati sono ospitati sia in locale che nel cloud. Le organizzazioni spesso estendono le soluzioni dati locali al cloud. Per connettere gli ambienti, le organizzazioni devono scegliere un'architettura di rete ibrida.
Un approccio ibrido può includere sistemi mainframe e midrange come origine dati per le soluzioni di Azure. Ad esempio, l'organizzazione potrebbe voler modernizzare i dati mainframe e midrange o fornire l'accesso mainframe ai database di Azure.
Soluzioni di esempio
Ecco alcune implementazioni di esempio di analisi in Azure da considerare:
AWS o i professionisti di Google Cloud
Questi articoli consentono di aumentare rapidamente le prestazioni confrontando le opzioni di analisi di Azure con altri servizi cloud:
Analisi e Big Data nelle tecnologie di database in Azure e AWS
Confronto tra Big Data e analisi in Google Cloud e servizi di Azure