Innovatiehulpprogramma's voor het democratiseren van gegevens in Azure
Zoals in het conceptuele artikel over het democratiseren van gegevens wordt beschreven, kunt u veel innovaties voor gegevensverzameling leveren met weinig technische investeringen. Grote innovaties vereisen vaak onbewerkte gegevens. Het democratiseren van gegevens gaat over het investeren van de minste resources die nodig zijn om uw klanten te betrekken. De klanten gebruiken vervolgens de gegevens om te profiteren van hun bestaande kennis.
Beginnen met data-democratisering is een snelle manier om een hypothese te testen voordat u zich uitbreidt naar bredere, duurdere digitale uitvindingen. Naarmate u meer hypothesen verfijnt en de uitvindingen op schaal gaat gebruiken, helpen de volgende processen u zich voor te bereiden op operationele ondersteuning van de innovatie.
Afstemming met de methodologie
Dit type digitale uitvinding kan worden versneld door elke fase van de volgende processen, zoals weergegeven in de voorgaande afbeelding. Technische richtlijnen voor het versnellen van digitale uitvindingen worden vermeld in de inhoudsopgave aan de linkerkant van deze pagina. Deze artikelen worden gegroepeerd op fase om richtlijnen af te stemmen op de algehele methodologie.
- Verzamelde gegevens delen: de eerste stap van het democratiseren van gegevens is het open delen van gegevens.
- Gegevens beheren: zorg ervoor dat gevoelige gegevens worden beveiligd, bijgehouden en beheerd voordat ze worden gedeeld.
- Gegevens centraliseren: soms moet u een gecentraliseerd platform bieden voor gegevens democratisering, delen en governance.
- Gegevens verzamelen: Migratie, integratie, opname en virtualisatie kunnen elke bestaande gegevens verzamelen die moeten worden gecentraliseerd, beheerd en gedeeld.
In elke iteratie moeten cloudacceptatieteams alleen zo diep in de stack gaan als ze nodig hebben om de focus te leggen op de behoeften van klanten ten opzichte van architectuur. Het vertragen van technische pieken ten gunste van de behoeften van klanten versnelt de validatie van uw hypothese.
Alle richtlijnen worden toegewezen aan de vier voorgaande processen. Richtlijnen variëren van het hoogste klanteffect tot het hoogste technische effect. In elk proces ziet u richtlijnen voor manieren waarop Azure uw vermogen om te bouwen met empathie van klanten kan versnellen.
Hulpprogrammaketen
In Azure worden de volgende innovatiehulpprogramma's vaak gebruikt om digitale uitvindingen in de voorgaande fasen te versnellen:
- Power BI
- Azure Data Catalog
- Azure Synapse Analytics
- Azure Cosmos DB
- Azure Database for PostgreSQL
- Azure Database for MySQL
- Azure Database for MariaDB
- Hyperscale voor Azure Database for PostgreSQL
- Azure Data Lake Storage
- Azure Database Migration Service
- Azure SQL Database, met of zonder Azure SQL Managed Instance
- Azure Data Factory
- Azure Stream Analytics
- SQL Server Integration Services
- Azure Stack
- SQL Server Stretch Database
- Azure StorSimple
- Azure Files
- Azure File Sync
- PolyBase
Naarmate de uitvinding op schaal wordt geïmplementeerd, vereisen de aspecten van elke oplossing verfijning en technische volwassenheid. Als dat het geval is, zijn er waarschijnlijk meer van deze services vereist. Gebruik de inhoudsopgave aan de linkerkant van deze pagina voor richtlijnen voor Azure-hulpprogramma's die relevant zijn voor uw hypothesetestproces.
Aan de slag
Hieronder vindt u artikelen om u op weg te helpen met elk van de hulpprogramma's in deze hulpprogrammaketen.
Notitie
De volgende koppelingen verlaten het Cloud Adoption Framework, omdat ze verwijzen naar ondersteunende inhoud die buiten het bereik van CAF valt.
Gegevens delen met experts
- Snel gegevensinzichten genereren
- Gegevens delen met collega's en partners
- Rapporten insluiten in een website of portal
- Nieuwe werkruimten maken in Power BI
Gegevens beheren
- Gegevens classificeren (CAF)
- Gegevens beveiligen
- Aantekeningen toevoegen aan gegevens met Azure Data Catalog
- Gegevensbronnen documentiseren met Azure Data Catalog
Gegevens centraliseren
- Een Azure Synapse Analytics SQL-pool maken en er query's op uitvoeren
- Aanbevolen procedures voor het laden van gegevens voor datawarehousing
- Warehouse-gegevens visualiseren met Power BI
- Referentiearchitectuur voor enterprise BI met Azure Synapse Analytics
- Big data voor ondernemingen beheren met Azure Data Lake Storage
- Wat is een data lake?
Gegevens verzamelen
- Cloudgegevensbronnen integreren met een SQL Analytics-datawarehouse
- On-premises gegevens laden in Azure Synapse Analytics
- Gegevens integreren - Azure Data Factory naar OLAP
- Azure Stream Analytics gebruiken met Azure Synapse Analytics
- Referentiearchitectuur voor opname en analyse van nieuwe feeds
- Gegevens laden in azure Synapse Analytics SQL-pool
Volgende stappen
Meer informatie over hulpprogramma's voor het maken van toepassingen die klanten buiten onbewerkte gegevens betrekken.