¿Cuál es la diferencia entre la inteligencia en tiempo real y las soluciones de Azure comparables?
A medida que las organizaciones avanzan en su recorrido de transformación digital, encuentran un número creciente de orígenes de datos. Estos orígenes generan puntos de datos, eventos y señales intrincados y sujetos a limitación temporal. Estos datos se pueden originar desde diversos orígenes, como (a) datos de sensores de recursos físicos, como plantas, vehículos, torres, dispositivos perimetrales IoT, (b) flujos de captura de datos modificados (CDC) desde bases de datos que impulsan aplicaciones móviles y web orientadas al cliente, así como (c) registros de infraestructura y aplicaciones en el entorno local y en la nube, entre otros. Estos flujos de datos son cruciales para que las organizaciones cierren el bucle de retroalimentación digital, obtengan un conocimiento más profundo de los patrones de uso de los clientes de sus activos físicos y digitales y aumenten continuamente el valor que proporcionan para mantener la competitividad del mercado.
La realización de este valor requiere la construcción de arquitecturas de streaming de datos en tiempo real que usan servicios de datos en el entorno local y basados en la nube para la captura de datos, el transporte, las transformaciones operativas y las transformaciones analíticas. Estas arquitecturas se suelen crear mediante una combinación de productos como Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, IBM Message Queues y Google Pub/Sub. A medida que llegan los datos en la nube, se someten a varias fases de procesamiento y transformación, a menudo denominadas rutas de acceso frecuentes, poco frecuentes y de acceso esporádico, antes de llegar a almacenes de datos como Azure Data Explorer, Azure Synapse Analytics y Azure Data Lake Store Gen 2. Una vez procesados, estos datos están listos para análisis avanzados y aplicaciones con IA y se pueden visualizar mediante herramientas como Power BI, Grafana, Web o Mobile Apps y puntos de conexión de API.
La introducción de la inteligencia en tiempo real en Fabric ofrece a las organizaciones varios enfoques de implementación y arquitecturas para sus casos de uso que requieren análisis avanzados de datos de streaming. Microsoft Azure equipa a los desarrolladores profesionales con funcionalidades sólidas para diseñar e implementar arquitecturas que requieren una integración profunda con otros servicios de Azure, automatización de un extremo a otro e implementación de toda la solución como un paquete unificado. La inteligencia en tiempo real en Microsoft Fabric permite a los desarrolladores civiles y usuarios profesionales detectar flujos de datos dentro de sus organizaciones y crear sus soluciones analíticas y aplicaciones. Con una integración perfecta con Azure Event Hubs, Azure Event Grid y Azure Data Explorer, la inteligencia en tiempo real facilita la extensión de arquitecturas basadas en Azure en Microsoft Fabric y la creación de nuevas soluciones mediante orígenes de datos existentes o nuevos. En el diagrama siguiente se muestran tanto la arquitectura de soluciones basada en plataforma como servicio (PaaS) de Azure y la arquitectura de soluciones de inteligencia en tiempo real para los casos de uso de análisis de telemetría en organizaciones típicas de fabricación o automoción.
Para más información sobre la inteligencia en tiempo real, consulta ¿Qué es la inteligencia en tiempo real en Fabric?
Históricamente, las organizaciones asignaron presupuestos, recursos y recursos sustanciales para desarrollar, integrar, implementar, mantener y administrar varios productos desconectados basados en la nube o en el entorno local y soluciones aisladas. Esto ha llevado a arquitecturas complejas y desafiantes que son difíciles de operar y mantener. Por lo tanto, las organizaciones han dudado en realizar este tipo de inversiones debido a la complejidad, o han considerado que los costes son demasiado prohibitivos para justificar una rentabilidad de la inversión satisfactoria. Sin embargo, la demanda de información de operaciones comerciales en tiempo real controlada por datos inmediatos y de alta granularidad ha sido coherente entre los usuarios finales.
La inteligencia en tiempo real revoluciona este panorama aprovechando el potencial completo de las funcionalidades en tiempo real en Fabric, lo que te permite obtener conclusiones valiosas y accionables de los datos de terceros y de forma instantánea. Con la inteligencia en tiempo real, te beneficias de:
- Una oferta completa de SaaS: una solución integral que facilita la detección de información a partir de datos sujetos a limitación temporal, lo que te permite ingerir, procesar, consultar, visualizar y actuar sobre ella en tiempo real.
- Un hub centralizado para los datos dinámicos: un patrimonio de datos unificado para todos los datos de eventos en movimiento, lo que simplifica la ingesta, el almacenamiento y la curación de datos específicos de toda la organización a través del centro en tiempo real.
- Desarrollo rápido de soluciones: capacita a los miembros del equipo de diversos conocimientos para extraer más valor de los datos y crear rápidamente soluciones sobre él para aumentar el crecimiento empresarial.
- Información con tecnología de IA en tiempo real: escala la supervisión manual e inicia sin esfuerzo acciones con características automatizadas listas para usar que descubran patrones ocultos y usen completamente el ecosistema de Microsoft para impulsar tu negocio.
En este artículo se describen las consideraciones clave para determinar la arquitectura de implementación más adecuada adaptada a los casos de uso de streaming:
General
| Funcionalidad | Solución basada en Azure PaaS | Solución de inteligencia en tiempo real |
|---|---|---|
| Servicios de integración | Depende de la compatibilidad de integración entre los servicios en el ámbito de la arquitectura. | Integración con un solo clic en cada paso de ingesta, procesamiento, análisis, visualización y acción de datos. |
| Experiencia de desarrollo profesional y ciudadano | Más adecuado para desarrolladores profesionales. | Los desarrolladores profesionales, los desarrolladores civiles y los usuarios profesionales pueden coexistir. |
| Con poco código o sin código | Solo está disponible para la transformación en Azure Stream Analytics y para crear alertas mediante Logic Apps o Power Automate. Desarrollo profesional necesario para la implementación de un extremo a otro. | Se puede realizar la implementación de un extremo a otro, desde la ingesta hasta el análisis, la transformación, la visualización y la actuación. |
| Modelo de consumo | Modelo dependiente del servicio de estimación, consumo y facturación. | Modelo uniforme de facturación y consumo de unidad de capacidad de Fabric. |
Ingesta y procesamiento
| Funcionalidad | Solución basada en Azure PaaS | Solución de inteligencia en tiempo real |
|---|---|---|
| Conectores multinube | Azure Stream Analytics se conecta a Confluent Kafka. No hay conectores para leer datos de Amazon Kinesis o Google Pub/Sub. | Integración nativa para Confluent Kafka, Amazon Kinesis, Google Pub/Sub. |
| Compatibilidad con secuencias CDC | Requiere la implementación de otros servicios como Debezium. | Integración nativa para Azure Cosmos DB, Postgresql, MySQL DB y Azure SQL. |
| Compatibilidad con protocolos personalizados | Azure Event Hubs, AMQP, Kafka y MQTT. | Azure Event Hubs, AMQP, Kafka. |
Transformar y analizar
| Funcionalidad | Solución basada en Azure PaaS | Solución de inteligencia en tiempo real |
|---|---|---|
| Generación de perfiles de los datos | No disponible | La vista de creación de perfiles de datos de las tablas en tiempo real proporciona histogramas predefinidos e intervalos mínimos para cada columna. |
| Exploración de datos visuales | No disponible | Características de arrastrar y colocar para analizar visualmente los datos en tiempo real. |
| Experiencia de Copilot | El clúster de Azure Data Explorer se puede agregar como origen en el conjunto de consultas KQL de Fabric para usar las funcionalidades de Copilot. | Disponible de forma nativa |
| Modelos de ML integrados | Modelos de detección y previsión de anomalías disponibles. Desarrollo profesional necesario para implementar modelos de detección y previsión de anomalías. | Modelos de detección y previsión de anomalías disponibles. Los usuarios profesionales también pueden aplicar modelos de detección de anomalías en los datos de streaming entrantes. |
| Visualización (Microsoft) | Paneles Power BI, Azure Data Explorer | Integración nativa con un solo clic con Power BI y panel en tiempo real |
| Visualización (terceros) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab también se pueden integrar con Eventhouse. |
Acción
| Funcionalidad | Solución basada en Azure PaaS | Solución de inteligencia en tiempo real |
|---|---|---|
| Impulsar acciones empresariales basadas en información | Requiere alertas de Azure Logic Apps, Power Automate, Azure Functions o Azure Monitor. | Disponible de forma nativa en Fabric mediante elementos Reflex en Data Activator con integración inmediata con modelos semánticos de Power BI, secuencia de eventos y consultas KQL. |
| Eventos del sistema Reactive | No disponible | Eventos integrados publicados a través del centro en tiempo real; Usa elementos Reflex para automatizar procesos de datos, como canalizaciones y cuadernos. |
| Modelos semánticos en tiempo real | Solución no disponible o de código en primer lugar mediante Logic Apps o Azure Functions | No disponible |
| IA integrada | No disponible | No disponible |
| Destinos de notificación | Depende de la cartera de conectores del servicio. | Conectores de Microsoft Teams, Microsoft Outlook y Power Automate. |
Catálogo
| Funcionalidad | Solución basada en Azure PaaS | Solución de inteligencia en tiempo real |
|---|---|---|
| Catálogo unificado de flujos de datos | No disponible | Centro en tiempo real: 1. Flujos de datos creados por los usuarios 2. Flujos existentes de orígenes de Microsoft 3. Flujos de eventos del sistema Fabric |
| Detección de flujos de datos de Microsoft | No disponible | El centro de inteligencia en tiempo real detecta flujos de datos en el inquilino de Azure. |
| Capturar y actuar sobre eventos de Azure Storage | Requiere la implementación de Azure Event Grid para actuar sobre eventos que se producen en Azure Storage. | Desencadenadores disponibles de Azure Blob Storage basados en eventos. |
| Capturar y actuar sobre eventos de Fabric | No aplicable | Disponible de forma nativa en Fabric |