組織は、Azureのコンピューティング、ストレージ、分析機能を利用して、データのスケーリング、ストリーミング、予測、表示を行います。 分析ソリューションは、大量のデータを、レポートや視覚化などの便利なビジネス インテリジェンス (BI) や、機械学習に基づく予測などの発明的な AI に変換します。 Azureでは、分析を初めて使用する組織や、実装を拡張する必要がある組織向けに、さまざまなクラウドベースの分析ツールを提供しています。 分析ソリューションは、組織が大規模にデータを使用するのに役立ちます。 ビッグ データ アーキテクチャまたはモノのインターネット (IoT) アーキテクチャを使用して生データを処理し、分析データ ストアに移動できます。 このデータ ストアは、洞察に満ちた分析ソリューションを強化できる単一の信頼できるソースになります。
アーキテクチャ
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。
前の図は、一般的な基本的またはベースライン分析の実装を示しています。 Azureで構築できる実際のソリューションについては、Analytics アーキテクチャに関するページを参照してください。
分析ガイド、アーキテクチャ、ソリューションのアイデアを調べる
このセクションの記事には、Azureにデプロイして運用グレードのソリューションに拡張できるガイドと完全に開発されたアーキテクチャが含まれています。 ソリューションのアイデアは、分析の概念実証 (POC) 開発を計画する際に考慮する実装パターンと可能性を示しています。 これらの記事は、Azureで分析テクノロジを使用する方法を決定するのに役立ちます。
分析ガイド
次の記事は、ワークロード要件に最適な分析テクノロジの評価と選択に役立ちます。
データ分析とレポート サービスの選択: Azureでのデータ分析と視覚化のオプションを比較します。
バッチ処理サービスの選択: ビッグ データ ワークロードのバッチ処理テクノロジを評価します。
ストリーム処理サービスを選択する: リアルタイム分析のためのストリーム処理テクノロジを比較します。
分析データ ストアの選択: 分析データ ストアの選択に関するガイダンスを取得します。
Microsoft Fabricで分析データ ストアを選択する: Fabricのデータ ストアに関するガイダンスを取得します。
次の記事では、Azure データ プラットフォームのディザスター リカバリー (DR) 戦略に関するガイダンスを提供します。
概要: Azure データ プラットフォームの DR 戦略の概要。
アーキテクチャ: Azure データ プラットフォームでの DR のアーキテクチャ パターン。
シナリオの詳細: DR 実装の詳細なシナリオ。
推奨事項: DR のベスト プラクティス。
Analytics アーキテクチャ
次の運用対応アーキテクチャは、デプロイおよびカスタマイズできるエンドツーエンドの分析ソリューションを示しています。
Fabricを使用したエンドツーエンドの分析: Fabricを使用して最新の分析プラットフォームを構築します。
データ ウェアハウスと分析: 複数のソースのデータを統合された分析プラットフォームに統合します。
Fabricを使用してエンタープライズ BI ソリューションを設計する: Fabricを使用してエンタープライズ BI ソリューションを設計します。
ほぼリアルタイムのレイクハウス データ処理: Azure Synapse Analytics と Azure Data Lake Storage を使用して、ほぼリアルタイムのレイクハウス データ処理を実現します。
MongoDB Atlas から Azure Synapse Analytics へのリアルタイム同期: MongoDB Atlas データをリアルタイムでAzure Synapse Analyticsに同期します。
Azure Databricksを使用したストリーム処理: Azure Databricksを使用してエンドツーエンドのストリーム処理パイプラインを作成します。
Azure Stream Analyticsを使用したストリーム処理: データを取り込み、レコードを関連付け、ローリング平均を計算するストリーム処理パイプラインを構築します。
中小企業向けの最新のデータ ウェアハウス: 中小企業向けに設計された最新のデータ ウェアハウス ソリューションを構築します。
分析ソリューションのアイデア
次の分析ソリューションのアイデアは、実装パターンと探索する可能性を示しています。
Azure Databricksを使用したインジェスト、抽出、変換、読み込み (ETL)、およびストリーム処理パイプライン: データ レイクインジェストを簡略化するために、バッチ データとストリーミング データ用の ETL パイプラインを作成します。
Azure Databricksを使用した最新の分析アーキテクチャ: 最新のデータ アーキテクチャを使用してデータを収集、処理、分析、視覚化します。
中小企業向けの最新のデータ プラットフォーム: FabricとAzure Databricksを使用して、中小企業向けの最新のデータ プラットフォーム アーキテクチャを構築します。
Azure Data Explorerを使用したリアルタイム分析: Azure Data ExplorerとAzure Service Busを使用してリアルタイムでデータを分析します。
Azureの分析について学習する
Microsoft Learn には、Azure分析テクノロジ用の無料のオンライン トレーニング リソースが用意されています。 このプラットフォームでは、特定の製品やサービスのビデオ、チュートリアル、ハンズオン ラボ、およびジョブロール別に整理されたラーニング パスが提供されます。
次のリソースは、Azureでの分析の実装に関する基礎知識を提供します。
- Azure データに関する記事を参照する
- Microsoft Azure データ コア データの概念の概要
- Fabricを使い始める
- Microsoft データ分析を始める
- Azure Databricksを使用してデータ分析ソリューションを実装する
- Azure Databricksを使用して機械学習ソリューションを構築する
組織の準備
クラウド導入プロセスの開始時の組織は、クラウド導入フレームワークを使用してAzure、クラウド導入を加速させる実証済みのガイダンスにアクセスできます。
Azureで分析ソリューションの品質を確保するには、Azure Well-Architected Framework のガイダンスに従ってください。 Well-Architected Framework は、アーキテクチャの卓越性を求める組織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。
ベスト プラクティス
分析のベスト プラクティスにより、ソリューションはスケーラブルで信頼性が高く、コスト効率が高く、セキュリティで保護されます。
データ分析
Azureで分析を使用するには、データの格納方法を決定する必要があります。 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。 次の要因について検討します。
データストレージ: データ構造とクエリパターンに基づいて、データレイク、データウェアハウス、レイクハウスを選択します。 分析ワークロードを強化するデータベース ソリューションの詳細については、「 データベース アーキテクチャの設計」を参照してください。
処理モデル: バッチ処理、ストリーム処理、または組み合わせがワークロード要件に最適かどうかを判断します。
分析ツール: チームのスキルとビジネス ニーズを満たす BI および AI テクノロジを選択します。
信頼できるデータ
高品質の分析には、堅牢で信頼できるデータが必要です。 情報セキュリティ プラクティスは、転送中および保存中にデータが確実に保護されるようにするのに役立ちます。 データへのアクセスもセキュリティで保護されている必要があります。 信頼できるデータを生成するには、次のプラクティスとコントロールを検討してください。
ガバナンス ポリシー: 明確なデータの所有権、分類、アクセス ポリシーを定義します。
ID とアクセスの管理: ロールベースのアクセス制御と最小特権の原則を実装します。
ネットワーク セキュリティ制御: サービス間のデータ フローを保護し、承認されていないアクセスを防ぎます。
データ保護: 保存データと転送中のデータを暗号化します。
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Azureの信頼できる分析に貢献します。
データ インジェストを調整する:Azure Data FactoryまたはFabricパイプラインでサポートされるデータ ワークフローまたはパイプライン ソリューションを使用します。
データをインプレースで処理する: 分散データ ストアを使用します。これは、大量のデータとより広い範囲の形式をサポートするビッグ データ アプローチです。
機密データを早期にスクラブする: データ レイクに機密データが誤って保存されないようにするには、インジェスト ワークフローの一部としてこのデータを削除またはマスクします。
合計コストを考慮してください。 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、それらのノードでジョブを実行するための 1 分あたりのコストのバランスを取る。
統合データ レイクを作成します。 構造化、半構造化、非構造化のいずれであっても、複数の形式のファイルのストレージを結合します。 Data Lake Storageを単一の一元化されたソースとして使用します。 詳細については、 センター オブ エクセレンスの BI ソリューション アーキテクチャを参照してください。
分析を最新の状態に保つ
Azure分析サービスは、最新のデータの課題に対処するために進化します。 最新の 更新プログラムと機能について常に情報を得る。
主要な分析サービスを最新の状態に保つには、次の記事を参照してください。
- Fabricの新機能
- Azure Databricks リリース ノート
Azure Data Explorer - Power BI の新機能は何ですか？
その他のリソース
次のリソースは、分析の詳細を確認するのに役立ちます。
リアルタイム分析
組織は、リアルタイム分析を使用して、到着したデータに対してアクションを実行できます。 次のリソースは、Azureでのリアルタイム分析の開始に役立ちます。
ビッグ データ アーキテクチャのリアルタイム分析: ストリーミング データを大規模に処理および分析します。
Azure Data Explorerを使用した IoT 分析: IoT の個人データをリアルタイムで分析します。
Stream Analytics を使用したストリーム処理: サーバーレス ストリーミング ソリューションを構築します。
Azure Databricksを使用して最新の分析アーキテクチャを作成する: Apache Spark を使用してエンタープライズ レベルの分析を検出します。
分析の例については、Azure アーキテクチャ センターを参照してください。
アマゾン ウェブ サービス (AWS) または Google Cloud の専門家
すぐに開始できるように、次の記事では、Azure分析オプションを他のクラウド サービスと比較し、移行ガイダンスを提供します。