Jaa

Datan seuraaminen ja visualisointi

Raakadatan muuttaminen toiminnallisiksi oivalluksiksi on keskeinen askel datan elinkaarella. Microsoft Fabric yhdistää Power BI:n, Real-Time Intelligencen ja Fabric IQ:n auttaakseen liiketoiminta-analyytikkoja tutkimaan, visualisoimaan ja reagoimaan dataan lähes reaaliajassa. Käyttämällä semanttisia malleja, suoratoistodataa ja tekoälyllä paranneltua analytiikkaa voit luoda hallittuja raportteja, hallintakojelautoja ja operatiivisia hälytyksiä, jotka ohjaavat tietoon perustuvaa päätöksentekoa.

Tässä artikkelissa kerrotaan:

  • Power BI -raporttien ja translytisten tehtävävirtojen luominen interaktiivista analyysiä varten
  • Real-Time Intelligencen hyödyntäminen suoratoistodatan seuraamiseen ja toimintaan
  • Fabric IQ -liiketoiminnan semantiikan, ontologioiden ja graafimallien soveltaminen yritysdatan yhtenäistämiseksi

Tutki ja jaa näkemyksiä Power BI:n avulla

Power BI -raportit käyttävät semanttisia malleja analyyttisen selkärangan tukena. Nämä mallit keskittävät liiketoimintalogiikan, laskelmat ja hallinnon, varmistaen johdonmukaisuuden raporttien ja tiimien välillä. Liiketoiminta-analyytikot voivat rakentaa interaktiivisia kojelautoja, perehtyä mittareisiin ja jakaa oivalluksia turvallisesti koko organisaatiossa. Käytä Power BI:tä, kun tarvitset jäsenneltyä, uudelleenkäytettävää ja hallittua analytiikkaa, joka perustuu OneLakeen tallennettuun semanttiseen malliin.

Voit jakaa ja upottaa Power BI -raportteja Microsoft 365 -sovelluksiin:

  • Kiinnitä raportit Microsoft Teams -kanaviin tai keskusteluihin yhteistä analyysiä varten.
  • Upota raportit SharePoint-sivuille Power BI:n verkko-osan avulla.
  • Lisää live-raportteja PowerPoint-esityksiin.
  • Yhdistä Power BI -aineistoihin Excelistä luodaksesi PivotTableja ja kaavioita semanttisten mallien päälle.

Toimi raporteista, joissa on translyttisiä tehtävävirtoja

Translytiset tehtävävirrat mahdollistavat siirtymisen oivalluksesta toimintaan suoraan Power BI -raportissa. Voit käyttää käyttäjätietotoimintoja päivittääksesi tietueita, käynnistääksesi työnkulkuja tai kirjoittaaksesi takaisin OneLakeen poistumatta raportin käyttöliittymästä. Käytä translyttisiä tehtävävirtoja, kun oivallukset ja operatiiviset päivitykset on tehtävä yhdessä, kuten varaston säätäminen, myyntiennusteiden päivittäminen tai tukitapausten ratkaiseminen.

Seuraava kaavio näyttää, miten Power BI:n raportit ja translyttiset tehtävävirrat yhdistävät analytiikan ja toiminnan yhdeksi ohjatuksi kokemukseksi:

Power BI:n translytisten tehtävävirtojen arkkitehtuurin kaavio.

Seuraa ja analysoi reaaliaikaista dataa

Microsoft Fabricin Real-Time Intelligence -työkuorma mahdollistaa datan vastaanottamisen, käsittelyn, analysoinnin ja toimimisen suoratoistodatan parissa mahdollisimman vähäisellä viiveellä. Se yhdistää ominaisuuksia seuraavista palveluista:

Vastaanota suoratoistodataa Eventstreamilla

Eventstream vastaanottaa suoratoistodataa lähteistä kuten Azure Event Hubs, Kafka, IoT-laitteet tai REST-rajapinnat. Se toteuttaa reaaliaikaisia muunnoksia ja reitittää dataa palveluihin kuten Eventhouse tai Lakehouse.

Eventstream tukee reititystä ja skeeman kohdistusta, aikaleiman normalisointia, osiointia ja integraatiota Activatorin kanssa. Kun Eventstreamit syöttävät suuria nopeuksia tietoja Fabriciin, Activator seuraa jatkuvasti näitä suoratoistotapahtumia määriteltyjen sääntöjen mukaan lähes reaaliajassa.

Analysoi tapahtumia Eventhousen avulla

Eventhouse on optimoitu suurivolyymitapahtuma- ja aikasarjaanalytiikkaan. Se indeksoi ja jakaa tiedot automaattisesti ja käyttää Kusto Query Languagea nopeaan suodatukseen, aggregointiin, liittymisiin ja poikkeamien tutkimiseen. Käytä Eventhousea, kun tarvitset skaalautuvaa analyysiä telemetriasta, operatiivisista mittareista tai lokidatasta.

Integraatio Activatorin kanssa tapahtuu KQL-kyselyjoukkojen kautta, joiden avulla voit määritellä uudelleenkäytettäviä kyselyitä, jotka jatkuvasti arvioivat Eventhouse-datan ehtoja. Aktivaattori voi tilata nämä kyselytulokset ja soveltaa sääntöjä kyselytulosten perusteella. Kun KQL-kysely havaitsee jonkin tilanteen (esimerkiksi suorittimen käyttö yli 90% tai trendi osoittaa vikaantumisriskin), Activator käynnistää automatisoituja toimintoja, kuten hälytyksiä, Power Automate -virtojen käynnistämistä tai Fabric-putkien suorittamista. Tämä KQL:n analyyttisen voiman ja Activatorin orkestroinnin yhdistelmä mahdollistaa reaaliaikaisen, dataohjatun automaation liiketoimintatilanteissa.

Visualisoi reaaliaikaiset mittarit reaaliaikaisilla kojelaudoilla

Reaaliaikaiset hallintapaneelit tarjoavat reaaliaikaisia, interaktiivisia visualisointeja suoratoistodatasta, joiden avulla voit seurata keskeisiä mittareita ja operatiivisia signaaleja niiden tapahtuessa. Eventhousen (KQL-tietokannat) päälle rakennetut hallintapaneelit mahdollistavat aikasarjatietojen kyselyn ja näyttämisen mahdollisimman vähäisellä viiveellä, tarjoten reaaliaikaista tietoa järjestelmän suorituskyvystä, asiakaskäyttäytymisestä tai sensorien toiminnasta. Ne tukevat dynaamista suodatus-, automaattista päivitystä ja hälytysominaisuuksia, mikä tekee niistä ihanteellisia esimerkiksi IT-valvontaan, valmistuksen telemetriaan, taloudellisten transaktioiden seurantaan ja asiakastukianalytiikkaan. Reaaliaikaiset hallintapaneelit integroituvat myös Activatorin kanssa, joten voit paitsi havainnoida myös reagoida kriittisiin tapahtumiin suoraan kojelaudan käyttöliittymästä, muuttaen oivallukset toimiksi viipymättä.

Reaaliaikaiset hallintapaneelit eroavat tavallisista Power BI -raporteista pääasiassa siinä, että ne pystyvät visualisoimaan ja reagoimaan live-striimausdataan mahdollisimman vähäisellä viiveellä. Power BI -raportit perustuvat tyypillisesti tuoduihin tietoaineistoihin, joita päivitetään aikataulun mukaan, ja ne soveltuvat parhaiten historialliseen analyysiin ja interaktiiviseen tutkimiseen. Reaaliaikaiset hallintapaneelit puolestaan on suunniteltu operatiiviseen seurantaan ja välittömään havainnointiin.

Poikkeamien havaitseminen

Poikkeamailmaisin tunnistaa automaattisesti epätavalliset kuviot tai poikkeamat virtaamisessa tai aikasarjadatassa. Se toimii analysoimalla Eventhouseen (KQL-tietokannat) syötettyä dataa ja soveltamalla tilastollisia malleja tai koneoppimistekniikoita poikkeamien havaitsemiseksi odotetusta käyttäytymisestä. Nämä poikkeamat voivat edustaa järjestelmän vikoja, petoksia, suorituskyvyn heikkenemistä tai muita kriittisiä tapahtumia, jotka vaativat huomiota. Toisin kuin staattiset kynnyspohjaiset hälytykset, poikkeamatunnistin mukautuu datan historiallisiin trendeihin ja kausivaihteluihin, mikä tekee siitä tehokkaamman hienovaraisten tai kontekstisidonnaisten ongelmien tunnistamisessa.

Kun poikkeama havaitaan, se voi käynnistää Activatorin kautta tulevia toimintoja, kuten lähettää hälytyksiä, päivittää hallintapaneelit tai käynnistää automatisoituja työnkulkuja. Tämä kyky tukee operatiivisia tilanteita, joissa poikkeamien varhainen havaitseminen voi estää käyttökatkoja, taloudellisia menetyksiä tai asiakastyytymättömyyttä. Se mahdollistaa siirtymisen reaktiivisesta seurannasta ennakoivaan interventioon liiketoimintaprosessien välillä.

Käytä poikkeamien havaitsemista, kun staattiset kynnysarvot eivät riitä ja kuviot on arvioitava dynaamisesti.

Automaatioi vastaukset Aktivaattorilla

Aktivaattori seuraa jatkuvasti suoratoisto- tai tapahtumadataa ja arvioi määrittelemiäsi sääntöjä. Se tukee yksinkertaisia kynnyssääntöjä ja tilallista kuvioiden tunnistusta. Esimerkiksi kun metriikka muuttuu kriittiseksi tai pienenee ajan myötä. Tämä ominaisuus mahdollistaa päätösten ja operatiivisten tehtävien automatisoinnin lähes reaaliajassa, yhdistäen reaaliaikaiset datatiedot välittömiin toimintoihin. Käytä Activatoria yhdistääksesi reaaliaikaiset oivallukset automatisoituihin operatiivisiin vasteisiin.

Kun ehdot täyttyvät, aktivaattori voi:

Seuraava kaavio osoittaa, miten Real-Time Intelligence in Fabric vastaanottaa suoratoistodataa, analysoi tapahtumia ja käynnistää toimintoja matalalla viiveellä:

Real-Time Älykkyysarkkitehtuurin kaavio.

Sovella liiketoiminnan semantiikkaa Fabric IQ:n avulla

Fabric IQ tarjoaa jaetun liiketoimintakontekstikerroksen koko datavarustukseesi. Se kartoittaa dataa järvitaloissa, varastoissa, tapahtumataloissa ja semanttisissa malleissa yhtenäiseksi ontologiaksi.

Fabric Ontology on jaettu, koneellisesti ymmärrettävä sanasto yrityksestäsi, joka määrittelee keskeiset yksiköt (esimerkiksi Asiakas, Tuote tai Taso), niiden suhteet, ominaisuudet, liiketoimintasäännöt ja mahdolliset toimet säilyttäen samalla kaikki termit liiketoiminnan kielellä. Se kokoaa yhteen reaalisen, yhdistetyn esityksen siitä, miten yrityksesi toimii, suoraan OneLaken taustalla olevaan dataan. Tämä malli antaa käyttäjille ja agenteille mahdollisuuden nähdä paitsi taulukot, myös suhteet kuten "Asiakkaat tekevät tilauksia tuotteista", "Lennoilla on segmenttejä ja miehistöjä" sekä "Myöhästyneet lähetykset vaikuttavat liikevaihtoon." Tämä datakeskeinen konteksti on kriittinen mille tahansa tekoälylle, jonka odotetaan tekevän päätöksiä tai analyysejä liiketoiminnasta.

Kun määrittelet ontologian elementin (kuten entiteetti "Flight", jolla on ominaisuuksia kuten Status tai Delay), kartoitat sen taulukkoon ja kenttiin Eventhousessa, Lakehousessa tai Warehousessa, jotka sisältävät kyseisen tiedon, ilman että kopioit tai siirrät dataa. Kun data päätyy OneLakeen, siitä tulee osa elävää ontologiaa.

Liiketoimintayksiköiden ja suhteiden lisäksi ontologiat voivat myös määritellä toiminnallisia sääntöjä, kuten "Jos varastokynnys < , käynnistä täydennys." Operations Agentit käyttävät näitä sääntöjä työnkulkujen käynnistämiseen Activatorissa. Kun Operations Agent kutsuu aktivaattorin suorittamaan Power Automate -prosessin, se välittää parametrit, jotka on johdettu ontologian ominaisuuksista, kuten CustomerID ja OrderStatus. Tämä lähestymistapa varmistaa, että automaatiovirrat toimivat täydessä liiketoimintakontekstissa, eivät pelkästään raakatunnisteissa.

Tämä semanttinen kerros mahdollistaa johdonmukaisen analytiikan, tekoälypäättelyn ja automaation.

Tutki yhdistettyä dataa graafimallien avulla

Graafimallit tarjoavat yhdistetyn verkoston ontologian määrittelemiä entiteettejä ja suhteita. Ne mahdollistavat monihyppypäättelyn, vaikutusanalyysin sekä kehittyneet algoritmit, kuten lyhimmän polun ja yhteisön havaitsemisen. Tämä integraatio mahdollistaa tekoälyagenttien ja analytiikkatyökalujen monimutkaisten suhteiden tehokkaan kyselyn. Se tarjoaa reaaliaikaisia näkemyksiä riippuvuuksista ja ketjureaktioista, joita perinteiset relaatiomallit eivät pysty käsittelemään. Voit tutkia graafimalleja käyttämällä GraphQL-kyselyitäFabric-rajapintojen kautta.

Liittyvä sisältö

  • Last updated on