Compartir a través de

Realizar análisis predictivos de datos utilizando Dataverse, Fabric y servicios de Azure AI

En el mundo actual basado en datos, la aplicación de análisis predictivos mejora los procesos de toma de decisiones y la eficiencia operativa.

Propina

Este artículo proporciona un escenario de ejemplo y una arquitectura de ejemplo generalizada para ilustrar cómo realizar análisis de datos predictivos con Microsoft Dataverse, Microsoft Fabric y servicios de Azure AI. El ejemplo de arquitectura se puede modificar para muchos escenarios y sectores diferentes.

Diagrama de arquitectura

Diagrama de arquitectura que ilustra el análisis de datos predictivos con Dataverse, Fabric y los servicios de IA de Azure.

Workflow

Los pasos siguientes describen el flujo de trabajo que se muestra en el diagrama de arquitectura de ejemplo:

  1. Ingesta de datos: utilice flujos de datos para recopilar y transformar datos sin procesar de varios orígenes. Almacene los datos limpios y preparados en Dataverse.

  2. Ingeniería de datos y entrenamiento de modelos: sincronice los datos desde Dataverse a Fabric mediante el acceso directo de Fabric. Utilice el entorno OneLake y Synapse de Fabric para entrenar modelos de aprendizaje automático.

  3. Almacenamiento de predicciones: guarde las predicciones del modelo en Dataverse o Delta Lake en Fabric.

  4. Visualización: cree en tiempo real paneles de control en Power BI para visualizar predicciones e información.

  5. Información procesable: desarrolle una aplicación basada en modelo o lienzo de Power Apps para proporcionar a los equipos de primera línea información predictiva.

Componentes

AI Builder: extrae datos clave de documentos utilizando modelos prediseñados o personalizados.

Microsoft Dataverse: Sirve como almacén de datos central para los datos de documentos extraídos y realiza un seguimiento del progreso del documento a lo largo del proceso empresarial.

Power Platform: los flujos de trabajo automatizados recopilan y transforman datos sin procesar de múltiples fuentes.

Vincular Dataverse a Microsoft Fabric: Sincroniza los datos de Dataverse a Fabric mediante el acceso directo de Fabric.

Azure Machine Learning: Entrena modelos de aprendizaje automático.

Power Apps: Facilita la revisión humana y las correcciones de datos.

Power BI: Ofrece análisis e información sobre el flujo de trabajo de procesamiento de documentos.

Alternativas

Azure Data Factory: use Azure Data Factory en lugar de flujos de datos de Power Platform para recopilar y transformar datos sin procesar de varios orígenes.

Detalles del escenario

El escenario: Una empresa quiere predecir la pérdida de clientes para evitar la insatisfacción de los usuarios.

Caso de uso potencial: predicción de la pérdida de clientes

Estos son los pasos para este escenario:

  • Recopilación de datos: utilice los flujos de datos para aglutinar datos de clientes, como transacciones, quejas y puntuaciones de interacción en Dataverse.

  • Desarrollo de modelos: Sincronice datos de Dataverse con Fabric. Use datos históricos en el grupo de Spark de Fabric para entrenar un modelo de predicción de abandono. Utilice Azure Machine Learning para entrenar e implementar modelos predictivos.

  • Implementación de predicciones: guarde predicciones como la probabilidad de abandono en Dataverse.

  • Visualización: cree paneles de Power BI que muestren la distribución del riesgo de abandono por región o categoría de producto.

  • Acción del usuario: cree un lienzo o un aplicación basada en modelo para ver y actuar en las cuentas de alto riesgo.

Consideraciones

Estas consideraciones implementan los pilares de Power Platform Well-Architected, un conjunto de principios rectores que mejoran la calidad de una carga de trabajo. Obtenga más información en Microsoft Power Platform Well-Architected.

Rendimiento

  • Flujos de datos para una ingesta de datos eficiente: optimice los flujos de datos de Power Platform para los procesos ETL (extracción, transformación, carga) mediante la aplicación de una actualización incremental cuando corresponda para minimizar los tiempos de procesamiento de datos.

  • Vincule a Microsoft Fabric para procesos: utilice Azure Synapse Link para Dataverse para descargar tareas pesadas de cálculo y análisis de datos a Microsoft Fabric para garantizar un impacto mínimo en el rendimiento de los entornos operativos de Dataverse. Utilice OneLake en Fabric para administrar grandes conjuntos de datos con capacidades de consulta eficientes.

Seguridad

  • Integración de seguridad de origen de datos: proteja el acceso a datos semiestructurados, relacionales y no relacionales mediante el uso de Microsoft Entra ID para autenticación y controles de acceso basados en roles.

  • Gobernanza de datos en Fabric y Dataverse: aplique la clasificación de datos, el cifrado en reposo y las directivas de datos. Implemente la seguridad a nivel de fila en Power BI para obtener información específica de la función mientras mantiene un acceso seguro a los datos.

Excelencia operativa

  • Integración continua y entrega continua para soluciones de Power Platform: use Azure DevOps o Acciones de GitHub para administrar el ciclo de vida de soluciones de Dataverse, Power BI y AI Builder.

  • Control de versiones de modelos de datos: realice un seguimiento y documente los cambios en los modelos de aprendizaje automático y las transformaciones en Fabric y Dataverse. Use Purview para la administración integral del linaje de datos y los metadatos para garantizar la explicabilidad y la trazabilidad del modelo.

Colaboradores

Microsoft mantiene este artículo. Los siguientes colaboradores escribieron este artículo.

Autores principales:

  • Last updated on