你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

利用数据创新支持业务

许多公司都将数据仓库保存在其数据中心，以帮助其业务分析数据的不同部分并做出决策。销售、营销和财务部门十分依赖这些系统以生成标准报表和仪表板。公司还雇佣业务分析人员对数据市场中的数据进行即席查询和分析。这些数据市场使用自助服务商业智能工具来执行多维分析。

数据创新和新式数据资产支持的业务可为广泛的参与者（IT 利益干系人、数据专业人员及其他人员）提供支持。他们可以对此集中式数据存储库（通常称为“单一事实来源”）进行操作。

Azure Synapse Analytics 是一项单一服务，可实现无缝协作并缩短时间。若要更详细地了解此服务，请先考虑典型数据资产涉及的各种角色和技能：

数据仓储：数据库管理员支持在智能优化工作负荷和自动保护数据的同时，管理数据湖和数据仓库。

数据集成：数据工程师使用无代码环境轻松地连接多个源和数据类型。

大数据和机器学习：数据科学家能够快速构建概念证明，并在使用他们选择的语言（例如，T-SQL、Python、Scala、.net 或 Spark SQL）工作时预配资源。

管理和安全性：IT 专业人员能够更高效地保护和管理数据、强制实施隐私要求，以及保护对云和混合配置的访问。

商业智能：业务分析师能够安全地访问数据集、构建仪表板，并在其组织内部和外部共享数据。

经典数据仓库体系结构概述

下图显示了经典数据仓库体系结构的示例。

经典数据仓库的示意图。

图 1：经典数据仓库体系结构。

已知的结构化数据从核心事务处理系统中提取出来，并复制到暂存区域。然后，将其清理、转换并集成到数据仓库的生产表中。在此，几年的历史交易数据积累很常见。这提供了了解销售、客户购买行为和客户细分随时间变化所需的数据。它还提供了年度财务报表和分析，以帮助进行决策。

然后，将数据的子集提取到数据市场中，以分析与特定业务流程相关联的活动。这支持在业务的特定部分进行决策。

为了使企业高效运行，需要为上述不同技能和角色提供各种类型的数据。需要为数据科学家提供整理过的原始数据，以便构建机器学习模型。需要为数据仓库提供清晰的结构化数据，以便为业务应用程序和仪表板提供可靠的性能。最重要的是，你需要能够在几分钟而不是几天内将原始数据转化为见解。

Azure Synapse Analytics 提供了一个具有 Microsoft Power BI 的本机内置商业智能工具。此处，接口中的服务支持快速将原始数据转换为显示见解的仪表板。