DatademokratiseringData democratization

Många företag bevarar informations lager i sina data Center för att hjälpa olika delar av sin verksamhet att analysera data och fatta beslut.Many companies keep data warehouses in their datacenters to help different parts of their business analyze data and make decisions. Försäljnings-, marknadsförings-och finans avdelningar förlitar sig mycket på dessa system för att skapa standard rapporter och instrument paneler.Sales, marketing, and finance departments rely heavily on these systems in order to produce standard reports and dashboards. Företag använder också affärsanalytiker för att utföra ad hoc-frågor och analys av data i data Marts.Companies also employ business analysts to perform ad hoc querying and analysis of data in data marts. Dessa data Marts använder självbetjänings Business Intelligence-verktyg för att utföra flerdimensionell analys.These data marts use self-service business intelligence tools to perform multidimensional analysis.

En verksamhet som stöds av data innovation och en modern datafastighet kan ge ett brett utbud av deltagare, från en IT-från intressenter till en data Professional och mer.A business that's supported by data innovation and a modern data estate can empower a broad range of contributors, from an IT stakeholder to a data professional and beyond. De kan vidta åtgärder på den här lagrings platsen för centraliserade data, vilket ofta kallas "den enda källan till sanningen".They can take action on this repository of centralized data, which is often referred to as "the single source of truth."

Azure Synapse Analytics är en enskild tjänst för sömlöst samarbete och påskyndad tid till inblick.Azure Synapse Analytics is a single service for seamless collaboration and accelerated time-to-insight. För att förstå den här tjänsten i detalj bör du först tänka på de olika roller och kunskaper som ingår i en typisk datafastighet:To understand this service in more detail, first consider the various roles and skills involved in a typical data estate:

Data lager hantering: Databas administratörer stöder hantering av data sjöar och informations lager samtidigt som arbets belastningar optimeras och data skyddas automatiskt.Data warehousing: Database admins support the management of data lakes and data warehouses while intelligently optimizing workloads and automatically securing data.

Data integrering: Data tekniker använder en kod fri miljö för att enkelt ansluta flera källor och typer av data.Data integration: Data engineers use a code-free environment to easily connect multiple sources and types of data.

Big data och Machine Learning: Data forskare skapar korrektur för koncept snabbt och tillhandahåller resurser medan de arbetar på det språk som du väljer (till exempel T-SQL, python, Scala, .NET eller Spark SQL).Big data and machine learning: Data scientists build proofs of concept rapidly and provision resources while working in the language of their choice (for example, T-SQL, Python, Scala, .NET, or Spark SQL).

Hantering och säkerhet: IT-proffs skyddar och hanterar data mer effektivt, upprätthåller sekretess krav och säker åtkomst till moln-och hybrid konfigurationerna.Management and security: IT pros protect and manage data more efficiently, enforce privacy requirements, and secure access to cloud and hybrid configurations.

Business Intelligence: Affärsanalytiker får säker åtkomst till data uppsättningar, skapar instrument paneler och delar data inom och utanför organisationen.Business intelligence: Business analysts securely access datasets, build dashboards, and share data within and outside their organization.

En översikt över den klassiska data lager arkitekturenAn overview of classic data warehouse architecture

I följande diagram visas ett exempel på en klassisk informations lager arkitektur.The following diagram shows an example of a classic data warehouse architecture.

Diagram över det klassiska data lagret.

Bild 1: klassisk arkitektur för data lager.Figure 1: Classic data warehouse architecture.

Kända strukturerade data extraheras från kärn transaktions bearbetnings system och kopieras till ett mellanlagringsområde.Known structured data is extracted from core transaction processing systems and copied into a staging area. Därifrån rensas, omvandlas och integreras i produktions tabellerna i ett informations lager.From there, it's cleaned, transformed, and integrated into production tables in a data warehouse. Det är vanligt i flera år av historiska transaktions data som ska byggas här.It's common for several years of historical transaction data to build up here. Detta ger de data som behövs för att förstå förändringar i försäljningen, kundens inköps beteende och kund segmentering över tid.This provides the data needed to understand changes in sales, customer purchasing behavior, and customer segmentation over time. Den innehåller också årliga finansiella rapporter och analyser för att hjälpa till med besluts fattande.It also provides yearly financial reporting and analysis to help with decision making.

Därifrån extraheras under uppsättningar med data till datamarts för att analysera aktivitet som är associerad med en bestämd affärs process.From there, subsets of data are extracted into data marts to analyze activity associated with a specific business process. Detta har stöd för beslut som görs i en speciell del av verksamheten.This supports decision making in a specific part of the business.

För att en verksamhet ska kunna köras effektivt behöver den alla typer av data för de olika färdigheter och roller som beskrivs ovan.For a business to run efficiently, it needs all types of data for the different skills and roles described earlier. Du behöver rå data som har rensats för data forskare för att bygga maskin inlärnings modeller.You need raw data that has been cleansed for data scientists to build machine-learning models. Du behöver rena och strukturerade data för ett informations lager för att tillhandahålla tillförlitlig prestanda för företags program och instrument paneler.You need clean and structured data for a data warehouse to provide reliable performance to business applications and dashboards. Viktigast är att du måste kunna gå från rå data till insikter på några minuter, inte dagar.Most importantly, you need to be able to go from raw data to insights in minutes, not days.

Azure Synapse Analytics har ett inbyggt, inbyggt Business Intelligence-verktyg med Microsoft Power BI.Azure Synapse Analytics has a native, built-in business intelligence tool with Microsoft Power BI. Här kan du snabbt omvandla rå data till en instrument panel som visar insikter med en tjänst i ett gränssnitt.Here, one service within one interface supports you to quickly transform raw data into a dashboard that displays insights.

Nästa stegNext steps

Data innovationerData innovations