Che cos'è l'analisi in tempo reale in Fabric?

  • Articolo

Gli ultimi decenni hanno visto un cambiamento di paradigma nel modo in cui si accede e si usano le informazioni, poiché gli utenti sono diventati usati per i dati interattivi, su richiesta e accessibili a tutti. Questo cambiamento è stato basato su Big Data, l'inserimento di dati in streaming e la ricerca indicizzata basata su parole chiave. Tutti insieme formano un'esperienza utente semplificata. Con l'analisi in tempo reale in Microsoft Fabric, le organizzazioni consentono alle organizzazioni di concentrarsi e aumentare le prestazioni della soluzione di analisi, democratizzando i dati in base alle esigenze di entrambi i data scientist cittadini fino al data engineer avanzato. L'analisi in tempo reale è diventata essenziale in molti scenari nel mondo aziendale, ad esempio sicurezza informatica, monitoraggio e gestione degli asset, manutenzione predittiva, ottimizzazione della supply chain, esperienza dei clienti, gestione dell'energia, gestione dell'inventario, controllo della qualità, monitoraggio ambientale, gestione della flotta e salute e sicurezza.

Come? Analisi in tempo reale riduce la complessità e semplifica l'integrazione dei dati. È possibile accedere rapidamente alle informazioni dettagliate sui dati con pochi secondi di provisioning, flusso di dati automatico, indicizzazione e partizionamento per qualsiasi origine dati o formato e visualizzazioni e generazione e visualizzazioni di query su richiesta. Questo processo utente è semplificato mantenendo al tempo stesso potenti funzionalità analitiche. Analisi in tempo reale consente di concentrarsi sulle soluzioni di analisi aumentando le prestazioni con il servizio man mano che aumentano le esigenze di dati e query.

Screenshot of Real-Time Analytics product showing the database homepage with a quick query pane showing binned ingestion results.

Analisi in tempo reale è una piattaforma di analisi dei Big Data completamente gestita ottimizzata per lo streaming e i dati delle serie temporali. Usa un linguaggio di query e un motore con prestazioni eccezionali per la ricerca di dati strutturati, semistrutturati e non strutturati. Analisi in tempo reale è completamente integrato con l'intera suite di prodotti Fabric, sia per il caricamento dei dati, la trasformazione dei dati e gli scenari di visualizzazione avanzati.

Cosa rende unica l'analisi in tempo reale?

  • Acquisire, trasformare e instradare eventi in tempo reale a varie destinazioni, incluse le app personalizzate.
  • Inserire o caricare facilmente dati da qualsiasi origine, in qualsiasi formato di dati.
  • Eseguire query analitiche direttamente sui dati non elaborati senza la necessità di creare modelli di dati complessi o creare script per trasformare i dati.
  • Importare dati con streaming per impostazione predefinita che offre prestazioni elevate, bassa latenza, analisi dei dati di aggiornamento elevato.
  • I dati importati vengono sottoposti al partizionamento predefinito, ovvero il partizionamento basato su ora e hash e l'indicizzazione predefinita.
  • Usare strutture di dati versatili, tra cui query strutturate, semistrutturate o testo libero.
  • Eseguire query sui dati non elaborati senza trasformazione, con prestazioni elevate, tempi di risposta incredibilmente bassi, usando un'ampia gamma di operatori disponibili.
  • Gestire una quantità illimitata di dati, da gigabyte a petabyte, con scalabilità illimitata su query simultanee e utenti simultanei.
  • La scalabilità automatica predefinita regola le risorse in modo che corrispondano ai fattori del carico di lavoro, ad esempio cache, memoria, utilizzo cpu e inserimento, ottimizzando le prestazioni e riducendo al minimo i costi.
  • Integrarsi perfettamente con altre esperienze ed elementi in Microsoft Fabric.

Quando usare Analisi in tempo reale?

Se una di queste domande descrive le esigenze dei dati, Analisi in tempo reale è la soluzione più adatta:

  • È necessaria un'elevata freschezza dall'inserimento dati alla query?
  • Si desidera trasformare i dati di streaming?
  • Si dispone di un servizio che deve accedere ai dati con bassa latenza di query (in pochi secondi)?
  • È necessario cercare o accedere ai dati in formati diversi, ad esempio dati strutturati, dati semistrutturati (inclusi dati complessi, ad esempio JSON o altre matrici) o dati non strutturati (ad esempio, testo libero)?
  • Si vuole eseguire query su grandi quantità di dati?
  • I dati dispongono di un componente temporale che può trarre vantaggio dalla struttura di database ottimizzata per le serie temporali?
  • È possibile creare query ad hoc in qualsiasi campo o riga senza ottimizzazione precedente?

I tipi di settori che traggono vantaggio dall'analisi dei dati in Analisi in tempo reale sono diversi. Ad esempio: finanza, trasporti e logistica, città intelligenti, edifici intelligenti, operazioni di produzione, automobili e petrolio e gas.

Scenari

Marketing

In qualità di specialista di marketing che implementa una nuova campagna, Analisi in tempo reale consente di analizzare l'impatto immediato della campagna sulle vendite, l'inventario e la logistica. È possibile trasmettere grandi volumi di dati nel database KQL tramite Eventstream con una latenza di pochi secondi, quindi usare un set di query KQL per analizzare le prestazioni della campagna e visualizzare i risultati in un report di Power BI condivisibile. Puoi usare queste informazioni dettagliate per modificare immediatamente i diversi aspetti della campagna e visualizzare facilmente l'effetto in tempo reale. È anche possibile concedere l'accesso alla visualizzazione per il database KQL a team diversi dell'azienda, ad esempio i team finanziari e di produzione per analizzare i dati di streaming e apportare modifiche al costo e alla produzione del prodotto di conseguenza.

Vendite

In qualità di business analyst che lavora per una catena globale di vendita al dettaglio, si è responsabili dell'analisi dei dati in ingresso e della comunicazione delle informazioni dettagliate agli stakeholder principali dell'azienda. È possibile raccogliere e archiviare dati da diverse origini, ad esempio produttori, spedizionieri, fornitori e in diversi formati, ad esempio dati strutturati, semistrutturati e non strutturati. Tutti questi dati interattivi vengono acquisiti in un database KQL, offrendo una soluzione di dati scalabile per i dati in crescita che possono contenere miliardi di record che possono essere conservati per anni alla fine per poter eseguire query e confrontare con i dati di streaming. Non solo è possibile usare un set di query KQL per eseguire l'analisi delle serie temporali, ma è anche possibile creare report di Power BI che visualizzano l'analisi geospaziale delle rotte terrestri e marittime, rilevare rapidamente le anomalie e collaborare con i project manager nei dashboard per prendere decisioni aziendali migliori.

Come funziona in Analisi in tempo reale?

Gli elementi principali disponibili in Analisi in tempo reale includono:

  • Flusso di eventi per l'acquisizione, la trasformazione e il routing di eventi in tempo reale a varie destinazioni con un'esperienza senza codice.
  • Un database KQL per l'archiviazione e la gestione dei dati. È possibile accedere ai dati caricati in un database KQL in OneLake ed essere esposti ad altre esperienze di Fabric.
  • Set di query KQL per eseguire query, visualizzare e personalizzare i risultati delle query sui dati. Il set di query KQL consente di salvare le query per usi futuri, esportare e condividere query con altri utenti e include l'opzione per generare un report di Power BI.

Vedere come questi elementi interagiscono nello scenario di utilizzo e analisi dei dati di streaming end-to-end: Esercitazione sull'analisi in tempo reale- Introduzione

Integrazione con altre esperienze

Schematic image of architecture of Real-Time Analytics integration with other experiences.

  • Creare connessioni cloud di Hub eventi per trasmettere i dati in Analisi in tempo reale.
  • I dati in OneLake sono accessibili da Analisi in tempo reale in diversi modi:
  • I dati caricati in Analisi in tempo reale possono essere usati come dati sottostanti per la visualizzazione in un report di Power BI.
  • I dati caricati in Analisi in tempo reale possono essere usati per l'analisi in notebook Spark in Ingegneria dei dati.
  • Attivare eventi di caricamento dei dati in Data Factory usando le pipeline.
  • Attivare eventi di caricamento dei dati usando flussi di dati.

Contenuto correlato