DateninnovationenData innovations

Viele Unternehmen möchten ihr vorhandenes Data Warehouse in die Cloud migrieren.Many companies want to migrate their existing data warehouse to the cloud. Motivierende Faktoren dabei sind die folgenden:They are motivated by a number of factors, including:

  • Es muss keine Hardware erworben werden, bzw. es entstehen keine Wartungskosten.No hardware to buy or maintenance costs.
  • Es muss keine Infrastruktur verwaltet werden.No infrastructure to manage.
  • Es kann zu einer sicheren, skalierbaren und kostengünstigen Cloudlösung gewechselt werden.The ability to switch to a secure, scalable, and low-cost cloud solution.

Der cloudnative Azur-Dienst mit nutzungsbasierter Bezahlung namens Azure Synapse Analytics stellt ein analytisches Datenbankverwaltungssystem für Organisationen zur Verfügung.For example, the cloud-native, pay-as-you-go service from Azure called Azure Synapse Analytics provides an analytical database management system for organizations. Azure-Technologien helfen Ihnen, Ihr Data Warehouse nach der Migration zu modernisieren und Ihre analytischen Funktionen zu erweitern, um einen neuen Geschäftswert zu erzielen.Azure technologies help modernize your data warehouse after it's migrated and extend your analytical capabilities to drive new business value.

Ein Data Warehouse-Migrationsprojekt beinhaltet viele Komponenten.A data warehouse migration project involves many components. Dazu gehören Schemas, Daten, ETL-Pipelines (Extrahieren, Transformieren und Laden), Autorisierungsberechtigungen, Benutzer, semantische Zugriffsebenen des BI-Tools und analytische Anwendungen.These include schema, data, extract-transform-load (ETL) pipelines, authorization privileges, users, BI tool semantic access layers, and analytic applications.

Sobald Sie Ihr Data Warehouse zu Azure Synapse Analytics migriert haben, haben Sie die großartige Gelegenheit, andere Technologien im analytischen Ökosystem von Microsoft zu nutzen.After your data warehouse has been migrated to Azure Synapse Analytics, you can take advantage of other technologies in the Microsoft analytical ecosystem. So können Sie Ihr Data Warehouse nicht nur modernisieren, sondern auch Erkenntnisse aus anderen analytischen Datenspeichern in Azure zusammenführen.Doing so allows you to not only modernize your data warehouse but also bring together insights produced in other analytical data stores on Azure.

Sie können die ETL-Verarbeitung so ausweiten, dass Daten eines beliebigen Typs in Azure Data Lake Storage erfasst werden.You can broaden ETL processing to ingest data of any type into Azure Data Lake Storage. Mithilfe von Azure Data Factory können Sie sie nach Bedarf vorbereiten und integrieren.You can prepare and integrate it at scale by using Azure Data Factory. So werden vertrauenswürdige und allgemein verständliche Datenassets erzeugt, die von Ihrem Data Warehouse verarbeitet werden können, und auf die Data Scientists und andere Anwendungen zugreifen können.This produces trusted, commonly understood data assets that can be consumed by your data warehouse, and also accessed by data scientists and other applications. Sie können batchorientierte analytische Echtzeitpipelines erstellen.You can build real-time, batch-oriented analytical pipelines. Sie können auch Machine Learning-Modelle erstellen, die so bereitgestellt werden können, dass sie im Batch, in Echtzeit und bei Bedarf ausgeführt werden.You can also create machine learning models that can deploy to run in batch, in real time on streaming data, and on demand.

Außerdem können Sie PolyBase verwenden, um auch Erkenntnisse über Lösungen außerhalb Ihres Data Warehouse zu gewinnen.In addition, you can use PolyBase to go beyond your data warehouse. So vereinfachen Sie den Zugriff auf Erkenntnisse, die über mehrere zugrunde liegenden Analyseplattformen in Azure gewonnen werden.This simplifies access to insights being produced in multiple underlying analytical platforms on Azure. Hierzu werden ganzheitliche integrierte Sichten in einem logischen Data Warehouse erstellt, sodass Sie problemlos auf Streaming, Big Data und herkömmliche Data Warehouse-Einblicke aus BI-Tools und -Anwendungen zugreifen können.You create holistic, integrated views in a logical data warehouse to gain access to streaming, big data, and traditional data warehouse insights from BI tools and applications.

Viele Unternehmen führen bereits seit Jahren Data Warehouses in ihren Rechenzentren aus, damit Benutzer Business Intelligence-Lösungen realisieren können.Many companies have had data warehouses running in their datacenters for years, to enable users to produce business intelligence. Mit Data Warehouses werden Daten aus bekannten Transaktionssystemen extrahiert, und die Daten werden bereitgestellt, bereinigt, transformiert und integriert, um Data Warehouses zu füllen.Data warehouses extract data from known transaction systems, stage the data, and then clean, transform, and integrate it to populate data warehouses.

Anwendungsfälle, Geschäftsfälle und technologische Fortschritte unterstützen Azure Synapse Analytics dabei, Sie bei Ihrer Data Warehouse-Migration zu unterstützen.Use cases, business cases, and technology advances all support how Azure Synapse Analytics can help you with data warehouse migration. In den folgenden Abschnitten finden Sie viele dieser Beispiele.The following sections list many of these examples.

AnwendungsfälleUse cases

  • Verbundene ProduktinnovationenConnected product innovation
  • Factory of the FutureFactory of the future
  • Klinische AnalyseClinical analytics
  • ComplianceanalyseCompliance analytics
  • Kostenbasierte AnalyseCost-based analytics
  • Omnichannel-OptimierungOmnichannel optimization
  • PersonalisierungPersonalization
  • Intelligente LieferketteIntelligent supply chain
  • Dynamische PreiseDynamic pricing
  • BeschaffungsanalyseProcurement analytics
  • Digitaler KontrollturmDigital control tower
  • RisikomanagementRisk management
  • KundenanalyseCustomer analytics
  • BetrugserkennungFraud detection
  • AnspruchsanalyseClaims analytics

GeschäftsfälleBusiness cases

  • Erstellen Sie umfassende Analyselösungen mit einem einzelnen Analysedienst.Build end-to-end analytics solutions with a single analytics service.
  • Verwenden Sie das Azure Synapse Analytics-Studio, das einen einheitlichen Arbeitsbereich für Datenvorbereitung, Datenverwaltung, Data Warehousing, Big Data und KI-Aufgaben bereitstellt.Use the Azure Synapse Analytics studio, which provides a unified workspace for data prep, data management, data warehousing, big data, and AI tasks.
  • Erstellen und verwalten Sie die Pipeline mit einer codefreien visuellen Umgebung, automatisieren Sie die Abfrageoptimierung, erstellen Sie Proof of Concepts und verwenden Sie Power BI – alles über denselben Analysedienst.Build and manage pipeline with a no-code visual environment, automate query optimization, build proofs of concept, and use Power BI, all from the same analytics service.
  • Sie können Data Warehouses und Big Data-Analysesysteme übergreifend Einblicke in alle Ihre Daten erhalten.Deliver your data insights to data warehouses and big data analytics systems.
  • Für unternehmenskritische Workloads können Sie die Leistung aller Abfragen mit intelligenter Workloadverwaltung, Workloadisolation und unbegrenzter Parallelität optimieren.For mission-critical workloads, optimize the performance of all queries with intelligent workload management, workload isolation, and limitless concurrency.
  • Bearbeiten und erstellen Sie Power BI-Dashboards direkt in Azure Synapse Analytics.Edit and build Power BI dashboards directly from Azure Synapse Analytics.
  • Verkürzen Sie die Projektentwicklungszeit für BI- und Machine-Learning-Projekte.Reduce project development time for BI and machine learning projects.
  • Geben Sie mit der Integration von Azure Data Share in Azure Synapse Analytics Daten einfach mit wenigen Mausklicks frei.Easily share data with just a few clicks by using Azure Data Share integration within Azure Synapse Analytics.
  • Implementieren Sie eine differenzierte Zugriffssteuerung mit Sicherheit auf Spaltenebene und nativer Sicherheit auf Zeilenebene.Implement fine-grained access control with column-level security and native row-level security.
  • Schützen Sie vertrauliche Daten automatisch in Echtzeit mit dynamischer Datenmaskierung.Automatically protect sensitive data in real time with dynamic data masking.
  • Branchenführende Sicherheit mit integrierten Sicherheitsfeatures wie automatisierter Bedrohungserkennung und Always-On-Datenverschlüsselung.Industry-leading security with built-in security features like automated threat detection and always-on data encryption.

Technologische FortschritteTechnology advances

  • Weder Hardwarekauf noch Wartungskosten, sodass Sie nur für das bezahlen, was Sie nutzen.No hardware to buy or maintenance costs so you pay only for what you use.
  • Keine zu verwaltende Infrastruktur, sodass Sie sich auf den Wettbewerb konzentrieren können.No infrastructure to manage, so you can focus on competitive insights.
  • Hochgradig parallele Verarbeitung von SQL-Abfragen mit dynamischer Skalierbarkeit, wenn Sie sie benötigen, die heruntergefahren oder angehalten wird, wenn sie nicht erforderlich ist.Massively parallel SQL query processing with dynamic scalability when you need it, and the option to shut down or pause when you don't.
  • Möglichkeit der unabhängigen Skalierung von Speicher und Compute.Ability to independently scale storage from compute.
  • Unnötige kostspielige Upgrades, weil die Stagingbereiche Ihres Data Warehouse zu groß werden, Speicherkapazität fressen und ein Upgrade erzwingen, werden vermieden.You can avoid unnecessary, expensive upgrades caused by the staging areas on your data warehouse getting too big, taking up storage capacity, and forcing an upgrade. Sie können den Stagingbereich beispielsweise zu Azure Data Lake Storage verschieben.For example, move the staging area to Azure Data Lake Storage. Dann können Sie zur Verarbeitung ein ETL-Tool wie Azure Data Factory oder Ihr vorhandenes ETL-Tool nutzen, das in Azure zu geringeren Kosten ausgeführt wird.Then process it with an ETL tool like Azure Data Factory or your existing ETL tool running on Azure at lower cost.
  • Dies erzwingt kostspielige Hardwareupgrades, die durch die Verarbeitung in Azure mit Azure Data Lake Storage und Azure Data Factory vermieden werden können.Avoid expensive hardware upgrades by processing ETL workloads in Azure, by using Azure Data Lake Storage and Azure Data Factory. Dies ist oftmals eine bessere Lösung als ETL-Workloads mit SQL-Abfrageverarbeitung, die in Ihrem vorhandenen Data Warehouse-DBMS ausgeführt werden.This is often a better solution than running on your existing data warehouse DBMS with SQL query processing doing the work. Wenn Stagingdatenvolumes ansteigen, werden von ETL-Prozessen mehr Speicher und Computeleistung für Ihr lokales Data Warehouse benötigt.As staging data volumes increase, more storage and compute power underpinning your on-premises data warehouse is consumed by ETL. Dies wiederum beeinflusst die Leistung von Abfrage-, Berichts- und Analyseworkloads.This in turn affects the performance of query, reporting, and analysis workloads.
  • Vermeiden Sie das Erstellen teurer Data Marts, die Speicher- und Datenbanksoftwarelizenzen auf lokaler Hardware nutzen.Avoid building expensive data marts that use storage and databases software licenses on on-premises hardware. Sie können sie stattdessen in Azure Synapse Analytics erstellen.You can build them in Azure Synapse Analytics instead. Dies trifft vor allem dann zu, wenn Ihr Data Warehouse ein Data Vault-Entwurf ist, der häufig eine größere Nachfrage nach Data Marts verursacht.This is especially helpful if your data warehouse is a data vault design, which often causes an increased demand for data marts.
  • Vermeiden Sie die Kosten für die Analyse und das Speichern von Daten mit hoher Datengeschwindigkeit und hohem Datenvolumen auf lokaler Hardware.Avoid the cost of analyzing and storing high-velocity, high-volume data on on-premises hardware. Wenn Sie beispielsweise von einem Computer generierte Echtzeitdaten wie Clickstreamdaten und IoT-Streamingdaten in Ihrem Data Warehouse analysieren müssen, können Sie Azure Synapse Analytics verwenden.For example, if you need to analyze real-time, machine generated data like click-stream and streaming IoT data in your data warehouse, you can use Azure Synapse Analytics.
  • Sie können Gebühren für das Speichern von Daten auf teurer Warehousehardware im Rechenzentrum vermeiden, wenn Ihr Data Warehouse größer wird.You can avoid paying a premium for storing data on expensive warehouse hardware in the datacenter as your data warehouse grows. Mit Azure Synapse Analytics können Sie Ihre Daten zu geringeren Kosten im Cloudspeicher speichern.Azure Synapse Analytics can store your data in cloud storage at a lower cost.

Nächste SchritteNext steps

Demokratisierung von DatenData democratization