Stöd för företag med datainnovation

Många företag har informationslager i sina datacenter för att hjälpa olika delar av verksamheten att analysera data och fatta beslut. Försäljnings-, marknadsförings- och ekonomiavdelningar är starkt beroende av dessa system för att kunna producera standardrapporter och instrumentpaneler. Företag använder också affärsanalytiker för att utföra ad hoc-frågor och analys av data i data marts. Dessa data marts använder business intelligence-verktyg med självbetjäning för att utföra flerdimensionell analys.

Ett företag som stöds av datainnovation och en modern dataegendom kan ge ett brett utbud av deltagare, från en IT-intressent till en datatekniker och senare. De kan vidta åtgärder på den här lagringsplatsen med centraliserade data, vilket ofta kallas "den enda sanningskällan".

Azure Synapse Analytics är en enda tjänst för sömlöst samarbete och snabbare time-to-insight. Om du vill förstå den här tjänsten mer i detalj bör du först överväga de olika roller och färdigheter som ingår i en typisk dataegendom:

Informationslager: Databasadministratörer stöder hantering av datasjöar och informationslager samtidigt som arbetsbelastningar optimeras på ett intelligent sätt och data skyddas automatiskt.

Dataintegrering: Datatekniker använder en kodfri miljö för att enkelt ansluta flera källor och typer av data.

Stordata och maskininlärning: Dataexperter skapar konceptbevis snabbt och etablerar resurser när de arbetar på valfritt språk (till exempel T-SQL, Python, Scala, .NET eller Spark SQL).

Hantering och säkerhet: IT-proffs skyddar och hanterar data mer effektivt, tillämpar sekretesskrav och skyddar åtkomsten till moln- och hybridkonfigurationer.

Business Intelligence: Affärsanalytiker har säker åtkomst till datamängder, skapar instrumentpaneler och delar data inom och utanför organisationen.

En översikt över klassisk informationslagerarkitektur

Följande diagram visar ett exempel på en klassisk informationslagerarkitektur.

Bild 1: Arkitektur för klassiskt informationslager.

Kända strukturerade data extraheras från centrala transaktionsbearbetningssystem och kopieras till ett mellanlagringsområde. Därifrån rensas, transformeras och integreras den i produktionstabeller i ett informationslager. Det är vanligt att flera år av historiska transaktionsdata byggs upp här. Detta ger de data som behövs för att förstå förändringar i försäljning, kundernas köpbeteende och kundsegmentering över tid. Det ger också årlig ekonomisk rapportering och analys för att hjälpa till med beslutsfattandet.

Därifrån extraheras delmängder av data till data marts för att analysera aktivitet som är associerad med en specifik affärsprocess. Detta stöder beslutsfattande i en viss del av verksamheten.

För att ett företag ska kunna köras effektivt behöver det alla typer av data för de olika färdigheter och roller som beskrevs tidigare. Du behöver rådata som har rensats för att dataexperter ska kunna skapa maskininlärningsmodeller. Du behöver rena och strukturerade data för ett informationslager för att ge tillförlitliga prestanda för affärsprogram och instrumentpaneler. Viktigast av allt är att du måste kunna gå från rådata till insikter på några minuter, inte dagar.

Azure Synapse Analytics har ett inbyggt, inbyggt business intelligence-verktyg med Microsoft Power BI. Här kan du med en tjänst i ett gränssnitt snabbt omvandla rådata till en instrumentpanel som visar insikter.

Nästa steg

Datainnovationer