データの刷新Data innovations

多くの企業が既存のデータ ウェアハウスをクラウドに移行したいと考えています。Many companies want to migrate their existing data warehouse to the cloud. 次のようないくつかの要因が動機となっています。They are motivated by a number of factors, including:

  • ハードウェアを購入したり、メンテナンスするコストがかからない。No hardware to buy or maintenance costs.
  • 管理するインフラストラクチャがない。No infrastructure to manage.
  • セキュリティで保護された、スケーラブルで低コストのクラウド ソリューションに切り替えることができる。The ability to switch to a secure, scalable, and low-cost cloud solution.

たとえば、Azure のクラウドネイティブの従量課金制のサービスである Azure Synapse Analytics では、組織向けの分析データベース管理システムが提供されています。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 テクノロジを使用すると、移行後にデータ ウェアハウスを最新化し、分析機能を拡張して新しいビジネス価値を促進することができます。Azure technologies help modernize your data warehouse after it's migrated and extend your analytical capabilities to drive new business value.

データ ウェアハウスの移行プロジェクトには、多くのコンポーネントが関係します。A data warehouse migration project involves many components. これには、スキーマ、データ、ETL (抽出、変換、読み込み) パイプライン、認可特権、ユーザー、BI ツールのセマンティック アクセス レイヤー、および分析アプリケーションが含まれます。These include schema, data, extract-transform-load (ETL) pipelines, authorization privileges, users, BI tool semantic access layers, and analytic applications.

データ ウェアハウスが Azure Synapse Analytics に移行されると、Microsoft 分析エコシステムの他のテクノロジも利用できるようになります。After your data warehouse has been migrated to Azure Synapse Analytics, you can take advantage of other technologies in the Microsoft analytical ecosystem. その結果、データ ウェアハウスを最新化できるだけでなく、Azure の他の分析データ ストアで生成された分析情報を統合することができます。Doing so allows you to not only modernize your data warehouse but also bring together insights produced in other analytical data stores on Azure.

ETL 処理を拡大して、任意の種類のデータを Azure Data Lake Storage に取り込むことができます。You can broaden ETL processing to ingest data of any type into Azure Data Lake Storage. Azure Data Factory を使用すると、大規模に準備および統合することができます。You can prepare and integrate it at scale by using Azure Data Factory. これにより、データ ウェアハウスで使用でき、データ サイエンティストやその他のアプリケーションからもアクセスできる、信頼性の高い、一般的に認識されるデータ資産が生成されます。This produces trusted, commonly understood data assets that can be consumed by your data warehouse, and also accessed by data scientists and other applications. リアルタイムのバッチ指向分析パイプラインを作成できます。You can build real-time, batch-oriented analytical pipelines. また、デプロイして、ストリーミング データとオンデマンドに対して、バッチでリアルタイムに実行することができる機械学習モデルを作成することもできます。You can also create machine learning models that can deploy to run in batch, in real time on streaming data, and on demand.

さらに、PolyBase を使用すると、データ ウェアハウス以上のことができます。In addition, you can use PolyBase to go beyond your data warehouse. これにより Azure 上の複数の基盤となる分析プラットフォームで生成される分析情報へのアクセスが簡素化されます。This simplifies access to insights being produced in multiple underlying analytical platforms on Azure. 論理データ ウェアハウスに総合的な統合ビューを作成すると、ストリーミング、ビッグ データ、従来のデータ ウェアハウスの分析情報に BI ツールやアプリケーションから簡単にアクセスできます。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.

多くの企業では、ユーザーがビジネス インテリジェンスを生み出すことができるように、何年もかけてデータ センターでデータ ウェアハウスを実行しています。Many companies have had data warehouses running in their datacenters for years, to enable users to produce business intelligence. データ ウェアハウスでは、既知のトランザクション システムからデータが抽出され、データがステージングされてから、クリーンアップ、変換、および統合されて、データ ウェアハウスが作成されます。Data warehouses extract data from known transaction systems, stage the data, and then clean, transform, and integrate it to populate data warehouses.

ユース ケース、ビジネス ケース、およびテクノロジの進歩はすべて、Azure Synapse Analytics がデータ ウェアハウスの移行を支援する方法をサポートしています。Use cases, business cases, and technology advances all support how Azure Synapse Analytics can help you with data warehouse migration. 以降のセクションでは、これらの例の多くを示します。The following sections list many of these examples.

ユース ケースUse cases

  • コネクテッド製品のイノベーションConnected product innovation
  • 未来のファクトリFactory of the future
  • 臨床分析Clinical analytics
  • コンプライアンス分析Compliance analytics
  • コストベースの分析Cost-based analytics
  • オムニチャネルの最適化Omni-channel optimization
  • パーソナル化Personalization
  • インテリジェント サプライ チェーンIntelligent supply chain
  • 動的な価格設定Dynamic pricing
  • 調達分析Procurement analytics
  • デジタル コントロール タワーDigital control tower
  • リスク管理Risk management
  • 顧客分析Customer analytics
  • 不正行為の検出Fraud detection
  • 要求分析Claims analytics

ビジネス ケースBusiness cases

  • 1 つの分析サービスでエンドツーエンドの分析ソリューションを構築する。Build end-to-end analytics solutions with a single analytics service.
  • データ準備、データ管理、データ ウェアハウジング、ビッグ データ、AI タスクに統合されたワークスペースが用意されている Azure Synapse Analytics Studio を使用する。Use the Azure Synapse Analytics studio, which provides a unified workspace for data prep, data management, data warehousing, big data, and AI tasks.
  • コードなしのビジュアル環境でパイプラインを構築および管理し、クエリの最適化を自動化し、概念実証を構築し、Power BI を使用するという機能をすべて同じ分析サービスから利用する。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.
  • データの分析情報をデータ ウェアハウスとビッグ データ分析システムに配信する。Deliver your data insights to data warehouses and big data analytics systems.
  • ミッションクリティカルなワークロードの場合、インテリジェントなワークロード管理、ワークロードの分離、および無制限の同時実行により、すべてのクエリのパフォーマンスを最適化する。For mission-critical workloads, optimize the performance of all queries with intelligent workload management, workload isolation, and limitless concurrency.
  • Azure Synapse Analytics から直接 Power BI ダッシュボードを編集して構築する。Edit and build Power BI dashboards directly from Azure Synapse Analytics.
  • BI および機械学習プロジェクトのプロジェクト開発時間を短縮する。Reduce project development time for BI and machine learning projects.
  • Azure Synapse Analytics 内の Azure Data Share 統合を使用して、数回クリックするだけで簡単にデータを共有する。Easily share data with just a few clicks by using Azure Data Share integration within Azure Synapse Analytics.
  • 列レベルのセキュリティとネイティブの行レベルのセキュリティを備えたきめ細かなアクセス制御を実装する。Implement fine-grained access control with column-level security and native row-level security.
  • 動的データ マスキングにより、リアルタイムで機密データを自動的に保護する。Automatically protect sensitive data in real time with dynamic data masking.
  • 自動脅威検出や Always On のデータ暗号化などの組み込みのセキュリティ機能を備えた業界をリードするセキュリティ。Industry-leading security with built-in security features like automated threat detection and always-on data encryption.

テクノロジの進歩Technology advances

  • ハードウェアの購入や保守にコストがかからないため、使用した分についてのみ支払います。No hardware to buy or maintenance costs so you pay only for what you use.
  • 管理するインフラストラクチャがないため、競争力のある分析情報に専念できます。No infrastructure to manage, so you can focus on competitive insights.
  • 必要なときは動的なスケーラビリティを備えた大規模な並列 SQL クエリ処理を利用し、不要なときはシャットダウンまたは一時停止することができます。Massively parallel SQL query processing with dynamic scalability when you need it, and the option to shut down or pause when you don't.
  • コンピューティングからストレージを個別にスケーリングする機能。Ability to independently scale storage from compute.
  • データ ウェアハウスのステージング領域が大きくなりすぎてストレージ容量を使い果たし、アップグレードが強制されることによる不要な高コストのアップグレードを回避できます。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. たとえば、ステージング領域を Azure Data Lake Storage に移動します。For example, move the staging area to Azure Data Lake Storage. 次に、Azure Data Factory などの ETL ツールまたは Azure で実行されている既存の ETL ツールを低コストで処理します。Then process it with an ETL tool like Azure Data Factory or your existing ETL tool running on Azure at lower cost.
  • Azure Data Lake Storage と Azure Data Factory を使用して、Azure で ETL ワークロードを処理することで、コストのかかるハードウェアのアップグレードを回避します。Avoid expensive hardware upgrades by processing ETL workloads in Azure, by using Azure Data Lake Storage and Azure Data Factory. これは多くの場合、既存のデータ ウェアハウス DBMS で実行し、SQL クエリ処理で作業を実行するよりも優れたソリューションです。This is often a better solution than running on your existing data warehouse DBMS with SQL query processing doing the work. ステージング データの量が増えると、オンプレミスのデータ ウェアハウスを支えるためにより多くのストレージとコンピューティング能力が ETL によって消費されます。As staging data volumes increase, more storage and compute power underpinning your on-premises data warehouse is consumed by ETL. この結果、クエリ、レポート、および分析のワークロードのパフォーマンスに影響します。This in turn affects the performance of query, reporting, and analysis workloads.
  • オンプレミス ハードウェアのストレージとデータベース ソフトウェア ライセンスを使用する高価なデータ マートのビルドを回避できます。Avoid building expensive data marts that use storage and databases software licenses on on-premises hardware. 代わりに、Azure Synapse Analytics でそれらをビルドできます。You can build them in Azure Synapse Analytics instead. これは、データ マートの需要が増加することがよくある、データ ウェアハウスがデータ コンテナー設計の場合に特に役立ちます。This is especially helpful if your data warehouse is a Data Vault design, which often causes an increased demand for data marts.
  • オンプレミスのハードウェアで、大量のデータを高速に分析して保存するコストを回避できます。Avoid the cost of analyzing and storing high-velocity, high-volume data on on-premises hardware. たとえば、データ ウェアハウス内のクリック ストリームやストリーミング IoT データなどのリアルタイムのマシン生成データを分析する必要がある場合は、Azure Synapse Analytics を使用できます。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.
  • データ ウェアハウスの拡大に伴い、データセンターの高価なウェアハウス ハードウェアにデータを保存するための割増料金を支払うことを回避できます。You can avoid paying a premium for storing data on expensive warehouse hardware in the datacenter as your data warehouse grows. Azure Synapse Analytics では、低コストでデータをクラウド ストレージに保存することができます。Azure Synapse Analytics can store your data in cloud storage at a lower cost.

次のステップNext steps

データの民主化Data democratization