編集

次の方法で共有


分析アーキテクチャ デザイン

Azure Synapse Analytics
Power BI

データの指数関数的な増加に伴い、企業はデータのスケーリング、ストリーミング、予測、および表示のために、Azure の無限のコンピューティング、ストレージ、分析能力に依存しています。 分析ソリューションによって大量のデータが、レポートや視覚化などの有用なビジネス インテリジェンス (BI) や、機械学習に基づく予測などの独創的な人工知能 (AI) に変わります。

クラウドベースの分析ツールの評価を開始したばかりの組織や、現在の実装の拡張を求める組織のどちらであっても、Azure であれば、多くのオプションが用意されています。 このワークフローは、一般的なアプローチについて学習し、プロセスとロールをクラウドの考え方に合わせて調整する作業から始まります。

データは、バッチやリアルタイムで、オンプレミスやクラウドで処理できますが、すべての分析ソリューションの目的は、データを大規模に役立てられるようにすることです。 組織が人、マシン、モノのインターネット (IoT) によって生成されるすべてのリレーショナル データと非リレーショナル データに対して、信頼できる単一の情報源を構築する必要性はますます高まっています。 ビッグ データ アーキテクチャまたは IoT アーキテクチャを使用して生データを構造化された形式に変換し、分析データ ストアに移動するのが一般的です。 このストアは、多数の分析情報ソリューションに力を与える信頼できる単一の情報源になります。

Azure での分析のためのソリューション体験は、ロールの学習と割り当てから始まります。次に、ストレージ ソリューションと、ワークロード用の Azure BI または AI テクノロジを選択します。

このアーキテクチャの Visio ファイルをダウンロードします。

Azure での分析について学習する

Azure での分析が初めての場合は、無料のオンライン トレーニング プラットフォームである Microsoft Learn が、学習を深めるために最適な場所です。 特定の製品やサービスに関するビデオ、チュートリアル、実践的な学習に加えて、開発者やデータ アナリストなどの職務に基づくラーニング パスが見つかります。

組織の準備

組織がクラウドを初めて使用する場合は、クラウド導入フレームワークが立ち上げに役立ちます。 Microsoft が提供する実証済みのガイダンスであるドキュメントとベスト プラクティス オファーのコレクションであり、クラウド導入作業の時間が短縮されるように設計されています。 Azure でデータを民主化するためのイノベーション ツールも一覧表示されています。

Azure での分析ソリューションの品質を確保するために、Azure Well-Architected Framework に従うことをお勧めします。 優れたアーキテクチャを求める組織向けに、規範的なガイダンスを提供し、コスト最適化された Azure ソリューションを設計、プロビジョニング、監視する方法について説明します。

運用へのパス

データの格納方法を知るのは、Azure での分析を行う上で最初に行う必要がある決定の 1 つです。 その後、シナリオに最適な Data Analytics テクノロジを選択できます。

開始するには、次の実装例を検討してください。

ベスト プラクティス

高品質の分析は、堅牢で信頼性の高いデータから始まります。 最高レベルの情報セキュリティ プラクティスは、データが転送中および保存中に保護されるのを保証するのに役立ちます。 そのデータへのアクセスも信頼されている必要があります。 信頼できるデータとは、設計に次が実装されていることを意味します。

プラットフォーム レベルでは、次のビッグ データのベスト プラクティスが、Azure での信頼性の高い分析に役立ちます。

  • データ ワークフローまたは Azure Data Factory や Oozie でサポートされているソリューションなどのパイプライン ソリューションを使用して、データ インジェストを調整します。

  • 分散データ ストアを使用した定位置でのデータ処理は、大規模なデータ量とさまざまな形式をサポートするビッグ データ アプローチです。

  • 機密データがデータ レイクに格納されることを避けるため、取り込みワークフローの一環として、機密データを早い段階で取り除きます。

  • 必要な Azure リソースの総コストを考慮するには、必要なコンピューティング ノードのユニットごとのコストと、それらのノードを使用してジョブを完了する 1 分あたりのコストのバランスを取る必要があります。

  • 構造化、半構造化、非構造化のいずれであるかに関係なく、複数の形式のファイル用にストレージを結合するデータ レイクを作成します。 Microsoft では、信頼できる単一の情報源として Azure Data Lake Storage Gen2 が使用されています。 たとえば、センター オブ エクセレンスの BI ソリューション アーキテクチャに関するページを参照してください。

その他のリソース

Analytics は幅広いカテゴリであり、さまざまなソリューションを対象にしています。 次のリソースは、Azure の詳細を確認するのに役立ちます。

ハイブリッド

組織の大部分は、データがオンプレミスとクラウドの両方でホストされているので、分析に対するハイブリッドのアプローチを必要とします。 多くの場合、組織はオンプレミスのデータ ソリューションをクラウドに拡張します。 これらの環境を接続するには、組織はハイブリッド ネットワーク アーキテクチャを選択する必要があります。

ハイブリッド アプローチには、Azure ソリューションのデータ ソースとしてメインフレーム システムとミッドレンジ システムが含まれる可能性があります。 たとえば、組織では、メインフレームおよびミッドレンジ データの最新化Azure データベース へのメインフレーム アクセスの提供などを必要とする場合があります。

サンプル ソリューション

考慮すべき Azure での分析の実装例を次に示します。

AWS または Google Cloud プロフェッショナル

これらの記事は、Azure 分析オプションを他のクラウド サービスと比較することで、立ち上げを迅速に行うのに役立ちます。