Microsoft Fabric ja Data Mesh

Azure pilven datapalvelut

Kokonaisvaltainen analytiikkaratkaisu mahdollistajana uusille toimintamalleille

Microsoft Fabricin käyttötavat

Microsoft Fabric on kokonaisvaltainen analytiikkapalvelu, kuitenkin sen käyttötavan joutuu jokainen organisaatio määrittämään itselleen sopivaksi. Tässä käsitellään kahta kokonaisuutta, joista valtavirtaa on perinteisempi monoliittinen malli. Luonnollisesti nämäkin kuvaukset ovat yleistyksiä ja erilaiset organisaatiot toimivat eri tavoin eri osa-alueilla.

Data Mesh

Modernissa mallissa vastuu kehittämisestä voi olla hajautettu ja noudattaa läheisemmin Data Mesh – filosofiaa, jossa vastuu ja arkkitehtuuri on hajautettu enemmän ilmiöalueisiin kuin niin että kaikki kehitys olisi keskitetyn datafunktion vastuulla. Tämä on vielä ajatuksellisesti uutta ja edellyttää varsin vahvaa resursointia siinä että jokainen domain / ilmiöalue pystyy mieltämään oman datatuotteensa luonteen ja oikeasti vastaamaan palvelulupauksestaan datan käyttäjien suuntaan. Pitää ottaa käyttöön enemmän tuoteajattelua ja ei voida välttyä isoilta toiminnan muutokseen liittyviltä asioilta.

Monoliittinen data-alusta

Monoliittinen data-alustan kehittäminen tarkoittaa, että jonkinlainen keskitetty funktio vastaa organisaation data-alustan kehittämisestä sekä joutuu käytännössä ottamaan itselleen myös palvelulupauksen datan tuottajilta datan loppukäyttäjien suuntaan. Datatuotteet on tässä mallissa tuotettu keskitetysti, ja tämä usein on isommissa organisaatioissa johtanut tyytymättömyyteen kehityksen nopeudesta ja skaalautuvuudesta.

Kyse ei ole ehkä niinkään teknologiasta vaan toimintamalleista, mutta toisaalta usein uusi teknologia kuten vaikka Microsoft Fabric voi mahdollistaa uusia toimintamalleja käytännössä.

Microsoft Fabric mahdollistajana

Fabric tarjoaa uutena sen, että datan tallennus ja käsittely eri laskentamoottoreissa on erotettu selkeästi toisistaan, mutta toisaalta organisaatio voi halutessaan jakaa Fabricin kapasiteetteja. Tällä tavalla toimien päästään eroon joistain perinteisen monoliittisen data-alustan ongelmista mutta ei kuitenkaan luoda rinnakkain moninkertaisia määriä erilaisia Azuren resursseja, joista syntyy ennakoimattomia kustannuksia. Lisäksi Microsoft Fabriciin kuuluva OneLake taustalla tarjoaa paikan jonne data avoimessa parquet – delta tiedostoformaatissa voidaan tallentaa.

Looginen työtila taas tarjoaa keinon hallita näitä eri domainien tarpeita, jokainen Fabricin työtila sisältää vain sen omat Fabric – objektit mutta näitä kuitenkin on mahdollista jakaa. Työtilan linkitys esimerkiksi Azure DevOps – palvelussa hallinnoituun Git – projetiin / projektin koodivaraintoon eli repositoryyn onnistuu helposti.

Käytännössä Microsoftin Fabricia hyödyntävässä Data Mesh - tyylisessä mallissa jokainen domain voisi koostua muutamista loogisista työtiloista (kehitys , testi, tuotanto) ja ne työtilat saavat silloin linkityksen metadatassa omaan domainiinsa.

Miten lähteä liikkeelle Microsoft Fabricin kanssa?

Me Ready Solutions Oy olemme tehneet vuosia töitä asiakkaidemme Microsoftin Azuren data-palveluiden parissa, tiedämme erilaiset tarpeet analytiikalle ja tietolähteiden kirjon. Ota yhteyttä alla olevalla lomakkeella ja keskustellaan yhdessä siitä, miten Microsoft Fabric voisi auttaa organisaatiotasi yhtenäisen analytiikkaympäristön mahdollistajana!

Lisää ajankohtaisia julkaisuja:

Tietomallit osana informaatioarkkitehtuuria
Tutustu tarinaan
Lakehouse – alusta vai tietovarasto moderniin analytiikkakehitykseen?
Tutustu tarinaan
Mitä on saatavienhallinnan analytiikka?
Tutustu tarinaan
Kunnan toiminnan kehittäminen data-analytiikan avulla
Tutustu tarinaan
Tekoälyavustettu OpenAI – sovelluskehitys Azuressa
Tutustu tarinaan

Lisää ajankohtaisia julkaisuja:

Tietomallit osana informaatioarkkitehtuuria
Tutustu tarinaan
Lakehouse – alusta vai tietovarasto moderniin analytiikkakehitykseen?
Tutustu tarinaan
Mitä on saatavienhallinnan analytiikka?
Tutustu tarinaan
Kunnan toiminnan kehittäminen data-analytiikan avulla
Tutustu tarinaan
Tekoälyavustettu OpenAI – sovelluskehitys Azuressa
Tutustu tarinaan