Verstehen der Analyseprozesse in Azure Synapse
Data Warehouses werden heute von Kunden auf der ganzen Welt eingesetzt, um den Wert ihrer Daten zu maximieren. Mit modernen Data Warehouses können Sie alle Ihre Daten unkompliziert an einem Ort speichern und mithilfe von Analysedashboards, operativen Berichten oder erweiterten Analysen für Ihre Benutzer Erkenntnisse gewinnen.
Die Erstellung eines modernen Data Warehouse umfasst in der Regel folgende Schritte:
- Datenerfassung und -aufbereitung
- Aufbereiten der Daten für die Verarbeitung durch Analysetools
- Bereitstellen des Zugriffs auf die geformten Daten, sodass sie problemlos von Datenvisualisierungstools verarbeitet werden können
Vor dem Release von Azure Synapse Analytics wurde dies folgendermaßen erzielt.
Datenerfassung und -vorbereitung
Grundsätzlich schaffen die Kunden einen Data Lake, um all ihre Daten und verschiedenen Datentypen mit Azure Data Lake Store Gen2 zu speichern.
Daten können codefrei mithilfe der über 100 Datenintegrationsconnectors in Azure Data Factory erfasst werden. Mit Data Factory können Kunden codefreie ETL-/ELT-Vorgänge ausführen, einschließlich der Aufbereitung und Transformation.
Und während viele unserer Kunden derzeit stark in die von ihnen erstellten SQL Server Integration Services (SSIS)-Pakete investiert sind, können sie diese weiterhin nutzen, ohne sie für Azure Data Factory neu schreiben zu müssen.
Unabhängig davon, ob es sich bei den Daten um lokale Datenquellen, andere Azure-Dienste oder andere Clouddienste handelt, können Kunden ihre Big-Data-Pipelines nahtlos mit dieser intuitiven visuellen Umgebung erstellen, überwachen und verwalten.
Eine weitere Option für die Datenaufbereitung ist Azure Databricks. Mit dieser Plattform können Sie Datenformate formen und Daten mithilfe eines Notebooks aufbereiten, um die interne Zusammenarbeit in Bezug auf Daten zu optimieren und effizienter zu gestalten.
Aufbereiten der Daten für die Verarbeitung durch Analysetools
Das Herzstück einer modernen Data Warehouse- und Cloudanalyselösung ist Azure Synapse Analytics. Dadurch wird ein Data Warehouse implementiert, das einen dedizierten SQL-Pool verwendet, der die MPP-Engine (Massively Parallel Processing) nutzt und unternehmensweites Data Warehousing mit Big Data-Analysen vereint.
Bereitstellung des Datenzugriffs, sodass die Daten problemlos von Visualisierungstools verarbeitet werden können.
Mit Power BI können Kunden Visualisierungen aus riesigen Datenmengen erstellen und sicherstellen, dass die Erkenntnisse aus den Daten allen Mitarbeitern in der Organisation zur Verfügung stehen.
Power BI unterstützt ein großes Spektrum von Datenquellen, die für Liveabfragen oder zum Datenmodellieren und -erfassen für detaillierte Analysen und Visualisierungen verwendet werden können.
In Kombination mit KI-Funktionen ist es ein leistungsfähiges Tool für die Erstellung und Bereitstellung von Dashboards im Unternehmen – mit umfangreichen Visualisierungen bis hin zu Features wie Abfragen in natürlicher Sprache.
Seit dem Release von Azure Synapse Analytics haben Sie die Wahl: Sie können Azure Synapse allein verwenden, was für Greenfieldprojekte sehr gut funktioniert. Organisationen, die bereits in Azure investiert haben, können mit Azure Data Factory, Azure Databricks und Power BI einen Hybridansatz verfolgen und diese Lösungen mit Azure Synapse Analytics kombinieren.
