Introduktion
Många organisationer arbetar med stora mängder data. Dessa stordata kan ofta vara råa, oorganiserade och lagrade på en mängd olika platser, till exempel relations-, icke-relationella och andra lagringssystem. En viktig utmaning för dessa organisationer är att få ordning på dessa stordata och förfina dem till användbara affärsinsikter.
Microsoft Azure Data Factory är en hanterad molntjänst som du kan använda för att skapa användbara affärsinsikter från dina oorganiserade data. Det kan hjälpa dig att hantera komplexa hybridextraherings-, transformerings- och inläsningsprojekt (ETL), extract-load-transform och dataintegreringsprojekt.
Exempelscenario
Anta att du arbetar för ett spelföretag, där du samlar in dataloggar som genereras under spelsessioner. Om du kunde analysera dessa loggdata skulle du kunna få insikter om kundpreferenser, demografi och användningsbeteende. Personer i ditt säljteam uttrycker ett intresse för sälj- och korsförsäljningsmöjligheter och undrar om dessa dataloggar kan innehålla användbar information. Utvecklingsteamen och de tekniska teamen är intresserade av att lära sig om potentiella problem med spelupplevelsen och hur nya funktioner kan hjälpa till att lösa dessa problem.
Problemet är att för att kunna analysera data i loggarna måste du även referera till data som lagras på lokala platser. Dessa data innehåller kundinformation, spelinformation och marknadsföringskampanjinformation. Ditt företag lagrar dina spelloggdata i ett molndatalager och vill att du även ska använda alla lokala data.
För att gå vidare med dataanalys är ett viktigt steg att kombinera lokala data med andra data från spelloggarna. Planen är att bearbeta kombinerade data med hjälp av Azure Analysis Services. Publicera sedan omvandlade data till ett molndatalager och visualisera dem med hjälp av Power BI och andra verktyg. Azure Data Factory kan hjälpa dig att uppnå det här målet.
Vad gör vi?
I den här modulen får du lära dig hur Azure Data Factory samordnar dina stordata. Du utvärderar om Azure Data Factory kan hjälpa dig att integrera dina datakällor. Du får också lära dig hur Azure Data Factory kan mata in data från lokala, multimoln- och saaS-datakällor (programvara som en tjänst).
Vad är huvudmålet?
I slutet av den här modulen vet du mer om hur Azure Data Factory kan hjälpa dig att skapa och schemalägga datadrivna arbetsflöden för att mata in data från olika datalager. Du utvärderar om Azure Data Factory kan hjälpa dig att skapa komplexa ETL-processer för att transformera dessa data visuellt med beräkningstjänster eller med dataflöden.