Strumenti di innovazione per democratizzare i dati in Azure
Come descritto dall'articolo concettuale sulla democratizzazione dei dati , è possibile offrire molte innovazioni di raccolta dati con un investimento tecnico minimo. Le principali innovazioni richiedono spesso dati non elaborati. La democratizzazione dei dati comporta l'investimento delle risorse minime necessarie per coinvolgere i clienti. I clienti usano quindi i dati per sfruttare le proprie conoscenze esistenti.
Avviare la democratizzazione dei dati è un modo rapido per testare un'ipotesi prima di passare a invenzioni digitali più ampie e più costose. Man mano che si affina l'ipotesi e si inizia ad adottare le invenzioni su larga scala, i processi successivi aiuteranno a prepararsi per il supporto operativo dell'innovazione.
Allineamento alla metodologia
Questo tipo di invenzione digitale può essere accelerato in ogni fase dei processi successivi, come illustrato nell'immagine riportata sopra. Le indicazioni tecniche per accelerare l'invenzione digitale sono elencate nel sommario sul lato sinistro di questa pagina. Questi articoli sono raggruppati per fase, in modo da allineare le linee guida alla metodologia complessiva.
- Condivisione dei dati raccolti: il primo passaggio della democratizzazione dei dati consiste nel condividerli apertamente.
- Governance dei dati: assicurarsi che i dati sensibili siano protetti, monitorati e regolati prima della condivisione.
- Centralizzazione dei dati: in alcuni casi è necessario fornire una piattaforma centralizzata per la democratizzazione, la condivisione e la governance dei dati.
- Raccolta dei dati: la migrazione, l'integrazione, l'inserimento e la virtualizzazione possono raccogliere i dati esistenti da centralizzare, disciplinare e condividere.
In ogni iterazione, i team di adozione del cloud dovrebbero procedere nello stack solo alla profondità necessaria a focalizzare l'attenzione sulle esigenze dei clienti piuttosto che sull'architettura. Il ritardo dei picchi tecnici a favore delle esigenze dei clienti accelera la convalida dell'ipotesi.
Tutte le linee guida sono mappate ai quattro processi precedenti. Le linee guida spaziano dal massimo effetto sul cliente al massimo effetto tecnico. In ogni processo verranno fornite indicazioni sui modi in cui Azure può accelerare la capacità di creare con l'empatia dei clienti.
Toolchain
In Azure vengono usati comunemente i seguenti strumenti di innovazione per accelerare l'invenzione digitale nelle fasi precedenti:
- Power BI
- Azure Data Catalog
- Azure Synapse Analytics
- Azure Cosmos DB
- Database di Azure per PostgreSQL
- Database di Azure per MySQL
- Database di Azure per MariaDB
- Database di Azure per PostgreSQL - Hyperscale
- Archiviazione di Azure Data Lake
- Servizio Migrazione del database di Azure
- Database SQL di Azure, con o senza Istanza gestita di SQL di Azure
- Azure Data Factory
- Analisi di flusso di Azure
- SQL Server Integration Services
- Azure Stack
- SQL Server Stretch Database
- Azure StorSimple
- File di Azure
- Sincronizzazione file di Azure
- PolyBase
Man mano che l'invenzione si avvicina all'adozione su larga scala, gli aspetti di ogni soluzione richiedono perfezionamento e maturità tecnica. In questo contesto, è probabile che sia necessaria la maggior parte di questi servizi. Per indicazioni sugli strumenti di Azure rilevanti per il processo di test dell'ipotesi, usare il sommario sul lato sinistro di questa pagina.
Introduzione
Di seguito sono disponibili articoli che consentono di iniziare a usare ognuno degli strumenti in questa toolchain.
Nota
I collegamenti seguenti lasceranno Cloud Adoption Framework, perché fanno riferimento al contenuto di supporto che esula dall'ambito di Cloud Adoption Framework.
Condividere dati con gli esperti
- Generare rapidamente informazioni dettagliate sui dati
- Condivisione dei dati con colleghi e partner
- Incorporare report in un sito Web o in un portale
- Creare nuove aree di lavoro in Power BI
Governance dei dati
- Classificare i dati (CAF)
- Proteggere i dati
- Annotare i dati con Azure Data Catalog
- Documentare le origini dati con Azure Data Catalog
Centralizzare i dati
- Creare ed eseguire query su un pool SQL di Azure Synapse Analytics
- Procedure consigliate per il caricamento dei dati per il data warehousing
- Visualizzare i dati del warehouse con Power BI
- Architettura di riferimento per business intelligence aziendale con Azure Synapse Analytics
- Gestire Big Data aziendali con Azure Data Lake Archiviazione
- Che cos'è un data lake?
Raccogliere dati
- Integrare origini dati cloud con un data warehouse di Analisi SQL
- Caricare dati locali in Azure Synapse Analytics
- Integrare i dati - Azure Data Factory in OLAP
- Usare Analisi di flusso di Azure con Azure Synapse Analytics
- Architettura di riferimento per l'inserimento e l'analisi dei nuovi feed
- Caricare dati nel pool SQL di Azure Synapse Analytics
Passaggi successivi
Informazioni sugli strumenti per creare applicazioni che coinvolgono i clienti oltre ai dati non elaborati.