1

1. KIADÁS

A modern adatvagyon:
a digitális átalakulás
felgyorsításának alapja
A komplex adatok egyesítése üzleti információk
kinyeréséhez

JACK LEE
2 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

A modern adatvagyon: a digitális átalakulás

felgyorsításának alapja

Bevezető3 Adattárolás18
Adatpipeline-orkesztráció és -monitorozás18
Mit nevezünk adatvagyonnak?4
Adatmegosztás19

Az adatvagyon migrálásának Az adatok előkészítése19

és modernizálásának előnyei4 Az adatok átalakítása, előrejelzése és bővítése19
Adatszolgáltatás19
Lehetőségek az adatvagyon
Azure-ba történő migrálására Adatvizualizáció20
és modernizálására5
Egy összetett adatvagyon
Az adatok Azure-ba migrálásának racionalizálása és egységesítése  20
vezénylése10
1. üzleti használati eset: Alkalmazások
Azure Migrate10 és adatok migrálása költségmegtakarítás
és az üzleti agilitás növelése céljából Azure-
Azure Database Migration Service10 adatbázisokkal  21
Azure SQL Migration bővítmény
A kihívások21
az Azure Data Studióhoz11
A megoldás22
Az Azure migrációs és modernizációs Összefoglalás24
programja12
2. üzleti használati eset: A modern
adatvagyon bővítése az analitikához
Hasznos információk kinyerése és az intelligenciához  25
az adatvagyonból13
Üzleti kihívások25
Az adatok egyesítése14 Technikai kihívások27
A megoldás28
Strukturált adatok14 Összefoglalás31

Strukturálatlan adatok15 Összegzés31

Félig strukturált adatok16
Adatpipeline létrehozása17
Hasznos források32

Adatbetöltés18 Hasznos információk kinyerése

az adatokból34
 Bevezető 3

Bevezető
Az adatok megbízható stratégiai eszközök. Napjainkban a vállalatok sosem látott
kihívásokkal szembesülnek, de azok a cégek, amelyek ki tudják aknázni az adatokban
rejlő erőt, felkészültebbek és ellenállóbbak lesznek, és megtehetik a szükséges lépéseket,
amelyekkel erősebben tudnak kikerülni a nehézségekből.
A cégek átalakíthatják töredezett adat-infrastruktúrájukat, így kivételes ügyfélélményt
teremthetnek, és kiaknázhatják az adataikban rejlő értéket, valamint hasznos
információkhoz juthatnak. A lehető legjobb termékek és szolgáltatások biztosításához
a vállalatoknak olyan stratégiát kell kidolgozniuk, amely megnyeri az ügyfeleket,
támogatja a munkavállalókat, optimalizálja a működést, valamint átformálja a termékeket.
Ezt a digitális átalakulás négy pillérének nevezzük, ahogy az 1. ábrán is látható:

Vonja be az ügyfeleket Optimalizálja a működést

az ideális hatékonyan az
ügyfélélmény egész vállalatnál
megteremtéséhez!

Digitális
átalakulás
Támogassa Alakítsa át a termékeit
a munkatársakat a legjobb termékek és
az optimális szolgáltatások
munkavégzésben! kifejlesztéséhez és
szállításához!
1. Abra: A digitális átalakulás négy alappillére

A kulcsfontosságú üzleti eredmények – például a bevétel és az ügyfél-elégedettség –

eléréséhez a vállalatoknak gondoskodniuk kell róla, hogy a mögöttes digitális
infrastruktúra támogassa a gyakorlati információk kinyerését. Ehhez össze kell fogni
a különböző adatforrásokat, és analitikával kell támogatni az adatvagyont. E munka
mellett elengedhetetlen a hatékony adatbiztonság, a monitorozás és a megfelelőség
biztosítása. A modern adatvagyonból kinyert üzleti információk a vállalat minden
pontján hasznosíthatók, így az érintettek gyorsabban hozhatnak döntéseket, valamint
optimalizálhatják az erőforrások kihasználását.
4 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Mit nevezünk adatvagyonnak?

Az adatvagyon a vállalat adatplatformján található adatbázisokban, elemzésekben, AI-ban
és adatgazdálkodási funkciókban tárolt adatok összessége.
A vállalatok nap mint nap előállítanak, feldolgoznak és elemeznek adatokat. Az adatok
számtalan forrásból és környezetből származhatnak, és különböző típusúak és
formátumúak lehetnek. Sok cég régi adatbázisrendszerekben, adattárházakban vagy
data lake-ekben tárolja az adatait. Egyre több és egyre sokfélébb adat jön létre, ráadásul
egyre gyorsabban, így komoly kihívásnak tűnhet, hogy értékes információkat nyerjünk
ki belőlük, és adatközpontú döntéseket hozzunk. Ahhoz, hogy megfeleljenek ezeknek
az elvárásoknak, a vállalatoknak gyorsabb és skálázhatóbb adatmegoldásra van szükségük,
amely csak régi adatvagyonuk migrálásával és modernizálásával érhető el. A modern
adatbázis-technológiák bármilyen típusú adat rögzítését és átalakítását lehetővé teszik,
valamint biztosítják az elvárt rendelkezésre állást, védelmet és teljesítményt.
Amint ezt később ki fogjuk fejteni, a régi adatok Azure-ba költöztetése és modernizálása
révén hozzáférhet a legújabb felhőalapú adatszolgáltatásokhoz, így a vállalat gyorsabban
nyerhet ki fontos, az üzleti innováció alapjául szolgáló adatokat. Ilyen innovációk közé
tartozik az üzleti tevékenységek optimalizálása, az ügyfelekkel való kapcsolat erősítése,
valamint a termékek és szolgáltatások átfogó fejlesztése.
A következő szakaszban áttekintjük, mivel is jár az adatvagyon migrálása
és modernizálása.

Az adatvagyon migrálásának és moderni-

zálásának előnyei
Az adatvagyon modernizálása az adatok gyűjtésével, tárolásával és kezelésével
kapcsolatos progresszív változtatások bevezetésének folyamatát jelenti. Az adatvagyon
modernizálásának előnye, hogy lehetővé teszi a vállalat számára, hogy teljes mértékben
kiaknázza az új technológiákat, illetve a digitális átalakulási kezdeményezéseket
előmozdító új információkhoz jusson hozzá.
Az adatvagyon migrálásának és modernizálásának néhány üzleti hajtóereje és indoka:

• A régebbi adatbázis-alkalmazások támogatásának megszűnése: Ha kétséges, hogy

a jelenleg használt adatbázis-megoldáshoz készülni fognak-e a jövőben biztonsági
frissítések, netán már meg is szűnt a támogatása, akkor modern adatbázisszoftverre
kell frissítenie, amelyhez a továbbiakban is érkezni fognak szoftver- és biztonsági
frissítések.
 Lehetőségek az adatvagyon Azure-ba történő migrálására és modernizálására 5

• Költségmegtakarítás és az adatközpont konszolidálása: A költségek és a kiadások

csökkentése érdekében a vállalat a helyi adatközpontok konszolidálása mellett döntött.
Az Azure-ba költöztetéssel drasztikusan csökkentheti a birtoklási összköltséget
(röviden TCO-t).
• Üzleti agilitás: A versenyelőny megőrzése érdekében a vállalatoknak képeseknek
kell lenniük a folyamatos fejlődésre, innovációra és a gyors alkalmazkodásra.
Az Azure-ba költözéssel kihasználhatja a felhőtechnológiák legújabb innovációit.

Az Azure számos lehetőséget kínál a vállalatoknak az adatok migrálására

és modernizálására. Ezek közül néhányat a következő szakaszban közelebbről
is megvizsgálunk.

Lehetőségek az adatvagyon Azure-ba történő

migrálására és modernizálására
Szervereit, adatbázisait és alkalmazásait migrálhatja az Azure-ba, és az Azure különböző
adatkezelési szolgáltatásaival modernizálhatja az adatait.
Íme néhány megközelítés, amelyet a vállalatok alkalmazhatnak, amikor migrálják
adataikat a régi adatplatformjukról az Azure-ba.

Azure SQL • Az Azure SQL Database egy teljes mértékben menedzselt,

Database felhőalapú relációsadatbázis-szolgáltatás.
• A legszélesebb körű kompatibilitást kínálja az SQL Server
motorokkal, valamint piacvezető TCO-t biztosít.
• A beépített AI-képességekkel és magas rendelkezésre állással
csúcsteljesítményt és tartósságot kínál, és akár a 99,995
százalékos rendelkezésre állást megkövetelő szolgáltatói
szerződéseket (SLA-kat) is teljesíti.

További olvasnivalók:

• Azure SQL Database https://azure.microsoft.com/

products/azure-sql/database/
6 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Azure SQL • Az Azure SQL Database Managed Instance a meglévő

Managed SQL Database szolgáltatás bővített verziója.
Instance • Az Azure SQL Database Managed Instance segítségével
az adatbázisok egyszerűen migrálhatók minimális
kódmódosítással vagy kódmódosítás nélkül, valamint közel
nulla állásidővel.
• Úgy tervezték, hogy zökkenőmentes adatbázis-migrációt
tegyen lehetővé egy teljes mértékben menedzselt
adatbázis-szolgáltatásba, amely többek között automatikus
javítástelepítést, verziófrissítést és magas szintű rendelkezésre
állást biztosít – csökkentett menedzsmentigény mellett.
• Az ügyfelek az Amazon Web Services (AWS) szolgáltatáshoz
képest akár 93%-ot is megtakaríthatnak az Azure
SQL Managed Instance-re váltással (ezzel kapcsolatban olvassa
el a jelentést). További olvasnivalók:
• Azure SQL Managed Instance
https://azure.microsoft.com/products/azure-
sql/managed-instance/#overview
SQL Server on • Az egyedi követelményeket támasztó vállalatok dönthetnek
Azure Virtual úgy, hogy az SQL Server on Azure Virtual Machines
megoldást futtatják.
Machines
• Ide tartoznak azok a vállalatok, amelyek teljes operációs
rendszert és adatbáziskontroll igényelnek, illetve speciális
BI-követelményeik vannak – például SQL Server Reporting
Servicest vagy ISV-tanúsítványt igényelnek.
• Az ügyfelek környezetüknek megfelelően választhatják
Windows és Linux virtuális gépek használatát.
• Az SQL Server on Azure Virtual Machines megoldásra átálló
ügyfelek akár 43%-kot is megtakaríthatnak az AWS
szolgáltatáshoz képest.

További olvasnivalók:
• SQL Server Windows rendszerű Azure virtuális gépeken
https://azure.microsoft.com/products/
virtual-machines/#overview
• SQL Server Linux rendszerű Azure virtuális gépeken
https://azure.microsoft.com/products/
virtual-machines/sql-server/
 Lehetőségek az adatvagyon Azure-ba történő migrálására és modernizálására 7

Azure • Az Azure Cosmos DB globálisan elosztott NoSQL-adatbázis.

Cosmos DB Gyors, skálázható alkalmazások készítéséhez használható,
amelyek natívan támogatják a NoSQL-t.
• A globálisan elosztott adatok révén az alkalmazások
átláthatóan képesek replikálni az adatokat bárhol a világon,
így gyors reakcióidő és magas rendelkezésre állás érhető el.
• Kulcsrakész globális elosztást kínál tetszőleges számú Azure-
régióban az adatok átlátható skálázása és replikálása révén,
bárhol is legyenek a felhasználók.
• A vállalatok használat alapján fizetnek, és átfogó szolgáltatási
szerződések támogatják őket.
További olvasnivalók:
• Azure Cosmos DB
https://azure.microsoft.com/products/
cosmos-db/
Nyílt • A nyílt forráskódú adatbázisokat használó vállalatok
forráskódú átköltözhetnek a Microsoft MySQL-t, PostgreSQL-t
és MariaDB-t támogató, teljes körűen menedzselt Azure-
szoftver
megoldásaiba.
• MySQL
• Az Azure Database Migration Service megkönnyíti
• PostgreSQL a migrációt a helyi rendszerekről a felhőalapú ajánlatokba,
így a vállalatok könnyebben az Azure-ba költözhetnek.
• MariaDB
• Ezekkel a nyílt forráskódú rendszereket támogató
ajánlatokkal az ügyfelek az AWS-szel összehasonlítva
akár 50%-ot is megtakaríthatnak a magas rendelkezésre
állású megoldásaik kiépítése során.
További olvasnivalók:
• Azure Database for MySQL
https://azure.microsoft.com/products/mysql
• Azure Database for PostgreSQL
https://azure.microsoft.com/products/
postgresql
• Azure Database for MariaDB
https://azure.microsoft.com/products/mariadb
8 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Hibrid • A hibrid telepítési lehetőséget azoknak a cégeknek érdemes

telepítési választaniuk, amelyek hibrid módon szeretnék menedzselni
adatvagyonukat, vagyis egyes szerveralkalmazásokat helyi
lehetőség
környezetben, míg másokat a felhőben futtatnának.
• A Microsoft kínálja a legegységesebb termék- és
szolgáltatásportfóliót, amely lehetővé teszi a vállalatok
számára, hogy zökkenőmentesen menedzseljék adataikat
mindkét környezetben.
• A Microsoft SQL Server 2022 segítségével modernizálhatja
helyi adatvagyonát, miközben egy lépéssel közelebb kerülhet
az Azure segítségével végzett modernizáláshoz is.

További olvasnivalók:

• Microsoft SQL Server 2022

https://www.microsoft.com/sql-server/
sql-server-2022
Azure Arc- • Az Azure Arc az Azure platformot kibővítő megoldás, amely
kompatibilis az adatközpontokban, a peremhálózaton és többfelhős
környezetekben egyaránt futtatható, rugalmas alkalmazások
adatszolgál-
és szolgáltatások fejlesztését teszi lehetővé.
tatások
• Az Azure Arc-kompatibilis adatszolgáltatások lehetővé
teszik, hogy az Azure képességeit bármilyen infrastruktúrán –
akár helyben, akár a peremhálózaton, akár más szolgáltatók
felhőiben – kamatoztatni lehessen.
• Felhőnatív alkalmazásokat fejleszthet egységes fejlesztési,
üzemeltetési és biztonsági modellt követve.
• Az Azure Arc új és meglévő hardvereken, virtualizált
környezetekben és Kubernetes-platformokon,
IoT-eszközökön és integrált rendszereken is fut.
• Meglévő befektetéseit felhőnatív megoldásokkal modernizálva
kisebb ráfordítással nagyobb eredményt érhet el.

További olvasnivalók:

• Azure Arc-kompatibilis adatszolgáltatások

• https://azure.microsoft.com/products/azure-
arc/hybrid-data-services/
 Lehetőségek az adatvagyon Azure-ba történő migrálására és modernizálására 9

Azure Synapse • Az Azure Synapse link for SQL segítségével közel valós idejű
Link for SQL analitika futtatható az Azure SQL Database vagy az SQL
Server 2022 rendszerében tárolt üzemeltetési adatokon.
• Zökkenőmentesen integrálható az üzemeltetési tárolókkal,
azaz például az Azure SQL Database és az SQL Server 2022,
valamint az Azure Synapse Analytics rendszerrel.
• Egy új változáscsatorna-technológia révén úgy teszi lehetővé
analitikai, üzletiintelligencia- és gépi tanulási feladatok
futtatását az üzemeltetési adatokon, hogy eközben csupán
minimális mértékben befolyásolja a forrásadatbázis
működését.

További olvasnivalók:

• Azure Synapse Link for SQL

https://learn.microsoft.com/azure/synapse-
analytics/synapse-link/sql-synapse-link-
overview
Azure Synapse • Az Azure Synapse Analytics korlátok nélküli analitikai
Analytics szolgáltatás, amely ötvözi az adatintegráció, a vállalati
adattárházak és a big data-analitika lehetőségeit.
• Lehetővé teszi, hogy saját igényei szerint, nagy léptékben
kérdezze le az adatokat, és ehhez szervermentes és dedikált
erőforrásokat egyaránt használhat. Az Azure Synapse
Analytics egységes környezetben fogja össze a vállalati
adattárházakat és a big data-analitikát az adatok betöltéséhez,
feltárásához, előkészítéséhez és menedzseléséhez, így azonnal
adatokat szolgáltathat a BI- és gépi tanulási igényekhez.

További olvasnivalók:

• Azure Synapse Analytics

https://azure.microsoft.com/products/
synapse-analytics/

A következő szakaszban olyan eszközökről lesz szó, amelyekkel egyszerűsítheti

az adatbázis-migrációs folyamatot.
10 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Az adatok Azure-ba migrálásának vezénylése

Az Azure Migrate szolgáltatás központi helyen fogja össze az adatközpontok Azure-ba
költöztetéséhez szükséges eszközöket, amelyek között az alkalmazások, az adatok és az
infrastruktúra migrálásához is talál megfelelőt. Az adatok migrálásához az Azure Migrate
beépített eszközeként rendelkezésre álló Azure Database Migration Service-t használhatja,
amellyel egyszerűbbé teheti az adatbázis Azure-ba költöztetését.

Azure Migrate
A felhőbe költözéssel kapcsolatos döntéshozatali folyamat megtervezéséhez
és felgyorsításához az Azure Migrate üzletiterv-készítő funkcióját használhatja, amely
segít megbecsülni a Windows Server- és SQL Server-környezetek migrálásával elérhető
költségmegtakarítást és megtérülést. Az Azure Migrate beépített üzleti értékelési
képességgel rendelkezik. Néhány kattintással lemodellezheti saját tervét és költségvetését,
és gyorsan átláthatja, hogyan biztosíthat maximális értéket cége számára az Azure.
Az értékelési képesség néhány fontos előnye:

• A helyi megoldás és az Azure birtoklási összköltségét (TCO) összehasonlító elemzés

az IaaS- és/vagy PaaS-migrációkhoz, amely a pénzforgalom és a megtérülés előző
év azonos időszakával való összehasonlítását megjelenítő nézeteket is kínál.
• Hosszú távú költségmegtakarítás a tőkebefektetési modellről a működési kiadások
modelljére (azaz a használatalapú fizetésre) való átállással, többek között olyan
költségmegtakarítási ajánlatokkal, mint az Azure Hybrid Benefit.
• Erőforrás-kihasználtságon alapú információk a felhőben való futtatáshoz ideális
szerverek és workloadok megkereséséhez, melynek keretében az Azure-ban
létrehozandó megfelelő méretű erőforrásokra is javaslatokat kap.
• Gyorsan elérhető migrációs és modernizációs sikerek például a hamarosan
megszűnő támogatású Windows Server 2012- és SQL Server 2012-workloadok
migrálásával.

Azure Database Migration Service

Amikor készen áll a migrációs folyamat megkezdésére, az Azure Database Migration
Service végrehajtja az összes szükséges lépést. Az eszköz használatával mindig nyugodt
lehet afelől, hogy a folyamat teljes mértékben a Microsoft bevált gyakorlata szerint zajlik,
és kiaknázza annak minden előnyét.
 Az adatok Azure-ba migrálásának vezénylése 11

Az Azure Database Migration Service használatával meglévő helyi adatvagyonát

az Azure-ban futó következő egyenértékű adatbázis-szolgáltatásokkal modernizálhatja:

• Azure SQL
• SQL Server on Azure Virtual Machines
• Azure Cosmos DB
• Azure Database for MySQL
• Azure Database for PostgreSQL
• Azure Database for MariaDB

Az alábbi ábra szemlélteti, hogyan modernizálhatja régi adatvagyonát az Azure-ral:

Azure
IaaS PaaS Bővítés

SQL Server on Azure Azure SQL Azure SQL Azure Database Azure Database Power BI Azure ML Azure Synapse
Virtual Machines Managed Instance Database for MySQL for PostgreSQL Analytics

Azure Arc

SQL Server MySQL PostgreSQL

2. Abra: A régi adatvagyon modernizálása az Azure-ral

Azure SQL Migration bővítmény az Azure Data

Studióhoz
Az Azure Data Studio a másik eszköz, amelyet érdemes lehet használni az adatmigrációhoz.
Az Azure Data Studio olyan adatszakértőknek készült, akik SQL Server- és Azure-adatbázist
használnak helyi és többfelhős környezetben. Az Azure Data Studióhoz készült Azure SQL
Migration bővítmény használatával felmérheti jelenlegi rendszereit, az Azure SQL-célon
alapuló, megfelelő méretű SKU-javaslatokat kaphat, valamint az Azure-ba költöztetheti
a vállalat SQL Server-adatbázisait.
12 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Az Azure migrációs és modernizációs programja

Ha a migrációt irányítottabb keretek között szeretné elvégezni, csatlakozhat az Azure
migrációs és modernizációs programjához. A program keretében megkapja a szükséges
segítséget, csökkentheti a költségeket, és magabiztosan költöztetheti workloadjait
az Azure-ba. Az Azure migrációs és modernizációs programja a következő előnyöket
biztosítja:
• A FastTrack for Azure mérnökei és szakértő partnerek által nyújtott részletes
szakértői útmutatás.
• A platform alapjait bemutató és haladó migrációs, illetve modernizációs témaköröket
lefedő technikai képzéseken új készségeket sajátíthat el, és megismerkedhet az Azure
használatával.
• Ingyenes Azure-migrációs eszközöket kap a tervezéshez, a workloadok
áthelyezéséhez, valamint a költségek és a teljesítmény optimalizálásához.
• Költségcsökkentési ajánlatokat kap.
Az Azure migrációs és modernizációs programjának keretében az üzleti igényeire szabott
erőforrások megfelelő kombinációjához férhet hozzá, és sikerre viheti projektjét.
További olvasnivalók:
• Azure adatbázis-migrációs útmutatók – részletes útmutatás az adateszközök
modernizálásához
https://learn.microsoft.com/data-migration/
• Azure Database Migration Service
https://azure.microsoft.com/products/database-migration/
• Azure Migrate
https://azure.microsoft.com/products/azure-migrate/
• Az Azure migrációs és modernizációs programja
https://azure.microsoft.com/solutions/migration/migration-
modernization-program/
• Azure Data Studio
https://azure.microsoft.com/products/data-studio/
• Azure SQL Migration bővítmény az Azure Data Studióhoz
https://learn.microsoft.com/sql/azure-data-studio/extensions/
azure-sql-migration-extension

A vállalati adatvagyon részét képező régi adatbázisok migrálásával és modernizálásával

lehetővé tette a cége számára, hogy kiaknázza a modern adatanalitikai eszközökben rejlő
potenciált. A következő szakaszban azt fogjuk részletesebben körüljárni, hogyan nyerhet
ki hasznos információkat az adatvagyonból.
 Hasznos információk kinyerése az adatvagyonból 13

Hasznos információk kinyerése

az adatvagyonból
Az adattárház olyan központosított repó, amely a különböző (gyakran egymástól
lényegesen eltérő) adatforrásokat egyesíti – gyakorlatilag ez tartja egyben az adatvagyont.
Az adattárházak és az adatbázisok közötti fő különbség az, hogy az adattárházak online
analitikai feldolgozásra (OLAP), míg az adatbázisok online tranzakciófeldolgozásra (OLTP)
szolgálnak. Online analitikai feldolgozás alatt azt értjük, hogy az adattárházakat elsősorban
analitikai, üzletiintelligencia- és gépi tanulási modellek létrehozására használják. Ahogyan
az a nevéből is sejthető, az online tranzakciófeldolgozás során az adatbázisokat elsősorban
tranzakciókhoz használják. Ezek a tranzakciók az alkalmazások mindennapi műveleteit
jelentik, amelyek egyidejűleg adatokat olvasnak és írnak az adatbázisokba. Az adattárház
elengedhetetlen a big data-analitikához, mivel korábbi (úgynevezett „hideg” adatokat)
is tartalmaz.
Íme a modern adattárházak néhány előnye:

• Egységesítik a különböző adatforrásokból származó adatokat

• Jól skálázhatók, magas rendelkezésre állást kínálnak
• Valós idejű információkat biztosítanak az analitikai irányítópultokról
• Támogatják a gépi tanulási környezeteket

Az Azure Synapse Analytics mindezt egy csomagban biztosítja:

Azure Synapse Analytics

Helyi adatok Synapse Studio

Azure
Felhőben Adatintegráció Felügyelet Monitorozás Biztonság Machine Learning
lévő adatok

SaaS-adatok Analytics-futtatókörnyezetek

SQL
Streamelt Power BI
adatok

Azure Data Lake Storage

3. ábra: Az Azure Synapse Analytics megoldást használó modern adattárház

14 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Ahogyan az előző ábrán is látható, az Azure Synapse Analytics egyesíti az adatintegrációt,

a vállalati adattárházat és a big data-analitikát, így lehetővé teszi hasznos információk
kinyerését az adatvagyonból. A megoldás használatával nagy léptékben kérdezheti le az
adatokat, és ehhez szervermentes és dedikált erőforrásokat egyaránt használhat. Az Azure
Synapse Analytics lehetőséget biztosít az adatok betöltésére, feltárására, előkészítésére,
átalakítására és menedzselésére, így adatokat szolgáltathat a BI- és gépi tanulási
igényekhez.
A következő részben részletesebben is megvizsgáljuk az adatok modern adatvagyonban
történő egyesítésének koncepcióját.

Az adatok egyesítése
Korábban gyakran az adatbázisok voltak az alkalmazások egyedüli adatforrásai.
Napjainkban ezzel szemben a vállalati adatvagyon több száz vagy akár több ezer
különböző adatforrást is magában foglalhat. A különböző forrásokból származó adatok
különböző típusúak – strukturált, strukturálatlan és félig strukturált adatok is szerepelnek
közöttük. Az alábbiakban ezeket az adattípusokat tekintjük át.

Strukturált adatok
A „strukturált” szó arra utal, hogy van valamilyen könnyen értelmezhető minta az
adatokban. A strukturált adatok általában egy sémát, valamint modellek előre meghatározott
készletét tartalmazzák. Az egyik legjobb példa a strukturált adatbázis-megoldásokra az
Azure SQL Database és a hasonló relációsadatbázis-kezelő rendszerek (RDBMS). Ezekben
a rendszerekben az adatbázisséma és a táblaoszlopok határozzák meg az adatok tárolási
struktúráját.
Íme néhány példa a strukturált adattípusokra:

• Ügyfélnevek
• Címek
• Földrajzi helyadatok
• Dátum és idő
• Mobil- és vezetékes telefonszámok
• Bankkártyaszámok
• Terméknevek és termékváltozatok (SKU-k)
• Általános tranzakciós információk, például a feladó és a címzett, időbélyegekkel
és összegértékekkel együtt
 Az adatok egyesítése 15

A strukturált adatok feltárása azonban jellemzően korlátozott, mivel csak strukturált

és szemantikai formában lévő adatkészletre alapozható. Mi a helyzet, ha más,
strukturálatlan – például szabad formátumú szöveges – adatforrásokat is használni
szeretne? Erre jó példa a tranzakció leírása, amely tartalmazhatja a tranzakció természetét
vagy címzettjét is. Bizonyára Ön sem szeretné egyesével elolvasni az összes tranzakció
leírását, majd manuálisan beilleszteni az adatokat egy adatbázistábla megfelelő oszlopába.
Valószínűleg csak a releváns információkat szeretné kinyerni, és strukturált formátumba
alakítani. Itt jönnek képbe a strukturálatlan adatok.

Strukturálatlan adatok
Strukturálatlan adatok alatt többé-kevésbé a nem strukturált adatokat értjük. Ennek
elsősorban az az oka, hogy ezek az adatok nem korlátozódnak egy adott tároló- vagy
adattípusra. A strukturálatlan adattípusok általában nem rendelkeznek az adatbázisba
közvetlenül illeszkedő, előre meghatározott adatmodellel. A strukturálatlan adatok sokszor
többnyire szöveget tartalmaznak, és általában soronként olvashatók, vagy szóközökkel
vannak tagolva.
Íme néhány példa a strukturálatlan adatforrásokra:

• Képfájlok
• Videók
• E-mail-üzenetek és dokumentumok
• Naplófájlok
• IoT-eszközök és -érzékelők
• NoSQL-adatbázisok, például a MongoDB
• Közösségi média és Microsoft Graph

A képfájlok és videók dinamikus jellegük miatt strukturálatlan adatoknak minősülnek.

Bár az ezekhez kapcsolódó metaadatok strukturáltnak tekinthetők (például cím, előadó,
fájlnév stb.), maga a tartalom strukturálatlan. A modern eszközöknek és adatelemzési
technológiáknak köszönhetően mára ezeket az adatokat is hatékonyan vizsgálhatja és
értelmezheti. A legelterjedtebb példa a képeken vagy videókon alkalmazott arcfelismerés.
16 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Az e-mailek, a dokumentumok és a naplófájlok ugyan mind rendelkeznek metaadatokkal,

mégis inkább a fájlok tartalma a fontos. Az e-mailekben, dokumentumokban és
naplófájlokban az adatok általában soronként vannak elkülönítve, az üzenetek pedig
strukturálatlanok. A cél az, hogy anélkül szerezzen információt a tartalomról, hogy
manuálisan át kellene olvasnia mindent (ami több száz vagy akár több millió fájlt is
jelenthet). Erre egy példa a tartalmakon végzett hangulatelemzés annak meghatározására,
hogy a boldogság, a szomorúság avagy a düh-e az uralkodó érzelem. A naplófájlok esetén
valószínűleg el szeretné különíteni az üzenetekben a hibaüzeneteket, az időbélyegeket
(dátumokat) és a mérőszámokat (nyomkövetési adatokat).

Félig strukturált adatok

Az IoT-eszközöket és -érzékelőket a naplófájlokhoz hasonlóan egy adott elemmel
kapcsolatos mérőszámok és hibák rögzítésére használják. A fő különbség az, hogy
ezek az eszközök általában nagyszámú klaszteren (több száz vagy több ezer eszközön)
működnek, és folyamatosan továbbítják az adatokat. Az ezekből az eszközökből generált
adatok félig strukturáltak vagy strukturálatlanok, mivel JSON vagy XML formátumúak.
A modern technológiák, például az Azure IoT-szolgáltatások, olyan szolgáltatásokkal
kínálnak megoldást ezekre a problémákra, mint az Azure IoT Hub, amely egyesíti a több
érzékelőről érkező adatokat, és folyamatosan exportálja azokat egy adatforráshoz. Ezeket
az adatokat időnként félig strukturált adatokként osztályozhatja, mivel ezek a nyomok
és naplók a rendszerek számára is könnyen értelmezhetőek.
A közösségimédia-platformok és a Microsoft Graph egyaránt félig strukturált adatokat
szolgáltatnak. E besorolás oka, hogy az önmagában még nem elég, ha egy adott témával
kapcsolatban az összes tweetet lekérdezzük a Twitterről. Az eredmények értelmezéséhez
az adatok elemzésére is szükség van. A hangsúly elsősorban a minták és anomáliák
felismerésén van. Előfordulhat például, hogy azonosítani szeretné a hírekkel és témákkal
kapcsolatos trendeket, de el szeretné távolítani az irreleváns adatokat, például a hamis
fiókok által közzétett tweeteket.
Miután megismertük az adatforrásokat, tekintsük át, hogyan hozhatunk létre egy
adatpipeline-t a vállalati adatvagyonban rejlő információk kinyeréséhez.
 Az adatok egyesítése 17

Adatpipeline létrehozása
Miután azonosította az adatforrásokat, a következő lépés egy adatpipeline (más néven
adatfolyam) létrehozása. Magas szinten ehhez adatbetöltésre, adattárolásra, adat-
előkészítésre és betanításra, adatmodellezésre és adatszolgáltatásra, valamint
adatvizualizációra van szükség:

Modern adatplatform referenciaarchitektúrája

Betöltés Feldolgozás
és felhasználás
Lambda-architektúra Adatkészletek
Adatfolyam és valós idejű
V=sebesség Hot path
irányítópultok
IIot-eszközök, Azure valós idejű Azure Stream streamelése Üzleti
érzékelők, céleszközök Event Hubs analitika Analytics felhasználó
(gyengén gépelt)
Cold path
Előzmény- és
Nem strukturált trendanalitika
V = változatosság Cognitive Services Power BI Analitika
Képek, videók, hang, Azure ML Premium
szabad szöveg ML-
(nincs struktúra) modellek
készítése
és védelme

Félig strukturált
V = mennyiség Azure Data
Azure Databricks Azure Alkalmazás
CSV, naplók, Data Factory Lake Gen2 Cosmos DB
JSON, XML Ütemezett/esemény
Gyors
adatbetöltés
(gyengén gépelt) által kiváltott Polybase/
Parquet
adatbetöltés Direct Big data-forgatókönyvek
segítségével integrálása hagyományos
adattárház segítségével

Relációs adatbázisok Nagyvállalati szintű

(erősen gépelt, szemantikai modell Power BI Analitika
Azure Synapse
strukturált) Premium
Analytics
Tárolás Serve

4. ábra: Modern adatpipeline

Ezzel a megközelítéssel egy jól skálázható architektúrát hozhat létre, amely a rendszer
minden felhasználóját kiszolgálja: a végfelhasználóktól, az adatmérnököktől és az
adatfeltárást végző tudósoktól az adatokat a vállalat számára értelmező elemzőkön
át egészen a vállalatigazgatókig, akik valós időben szeretnék nyomon követni az üzleti
történéseket.
18 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Adatbetöltés
Adatbetöltés alatt azt a folyamatot értjük, amikor a strukturált, félig strukturált vagy
strukturálatlan adatokat a forrástól az adattárolóba, data lake-be vagy adattárházba
továbbítjuk.
Ehhez az Azure Synapse Analytics szolgáltatásra van szükség, amely adatintegráció
használatával a különböző forrásokból, például helyi adatbázisokból és SaaS-termékekből
származó adatokat egy data lake-be továbbítja. Ez a lépés az ETL- és ELT-munkafolyamatok
manuális adategyeztetés nélküli kezelését teszi lehetővé.
Ez nem egy egyszeri folyamat. Ideális esetben a folyamatot ütemezni kell vagy úgy kell
beállítani, hogy a data lake időről időre pillanatképet kapjon az előzményadatokról. Erre
példa a CRM-eszközök, például a Microsoft Dynamics CRM csatlakoztatása az Azure Data
Lake-hez az adatintegrációt használó Azure Synapse Analytics segítségével. Ez lehetővé teszi
az adattudósok és adatmérnökök számára, hogy különböző időintervallumokban vizsgálják
ezeket az adatokat anélkül, hogy megzavarnák a tényleges CRM-alkalmazást.

Adattárolás
Miután megtörtént a különböző adatforrásokból származó adatok betöltése, az összes adat
egy data lake-ben tárolódik. A data lake-ben tárolt adatok továbbra is nyers formátumúak,
és strukturált, illetve strukturálatlan adatformátumokat is tartalmaznak.

Adatpipeline-orkesztráció és -monitorozás
Egy modern adattárház esetén fontos, hogy az adatforrások és a szolgáltatások hatékonyan
továbbítsák az adatokat a forrásból a rendeltetési helyre. Az adatintegrációt használó Azure
Synapse Analytics egy orkesztrátor, amely adatmigrációt vagy -továbbítást tesz lehetővé
a szolgáltatások számára. A tényleges átvitelt nem az Azure Synapse Analytics végzi, hanem
egy másik szolgáltatást utasít annak elvégzésére – például egy Hadoop-klasztert Hive-
lekérdezés elvégzésére utasíthat.
Az adatintegrációt használó Azure Synapse Analytics emellett különböző
riasztások és mérőszámok létrehozását is lehetővé teszi, így Ön mindig értesülhet
a szolgáltatásorkesztráció működéséről. Például értesítő e-mail küldését állíthatja
be arra az esetre, ha sikertelen volt a forrásból a rendeltetési helyre történő adatátvitel.
 Az adatok egyesítése 19

Adatmegosztás
Egy modern adattárházmintában az adatmegosztásnak zökkenőmentesen és biztonságosan
kell végbemennie. Ez gyakran FTP-n (File Transfer Protocol), e-maileken vagy API-kon
keresztül valósítható meg, hogy csak néhány példát említsünk. Nagy mennyiségű adat
megosztása jelentős menedzsmentigényt támaszthat. Az Azure Data Share segítségével
biztonságosan végezheti a big data jellegű adatok menedzselését, illetve más felekkel és
vállalatokkal való megosztását. Az adatszolgáltató teljes mértékben az ellenőrzése alatt tartja,
hogy ki férhet hozzá az adatkészletekhez, és milyen jogosultságokkal rendelkeznek az egyes
felhasználók. Ez megkönnyíti a vállalatok számára a hasznos információk kinyerését és az
AI-forgatókönyvek feltárását.

Az adatok előkészítése
Az adatok betöltése után a következő lépés az adat-előkészítés. Ez az a fázis, amelyben
a különböző adatforrásokból származó adatokon analitikai célokból előfeldolgozást
végzünk. Erre jó példa, amikor az adatokat lekérjük egy API-ból, majd beillesztjük őket
egy adatbázistáblába. Az adatintegrációt biztosító Azure Synapse Analytics lehetővé teszi
az adat-előkészítés orkesztrációját. Az Azure Synapse Analytics egy hosztolt Apache
Spark-példányon keresztül is segíthet az adatok előkészítésében, mivel egyszerre képes
klasztereket futtatni, és közben másodpercek vagy percek alatt hatalmas mennyiségű
adatot feldolgozni.

Az adatok átalakítása, előrejelzése és bővítése

Néha az adat-előkészítés az egyszerű „másolás-beillesztés” forgatókönyvön túl további
módosításokat is igényel. Itt jön képbe az adatok átalakítása. Lehetnek olyan példányok,
amelyekben először egyedi logikát (például szűrőket) kell alkalmazni a nyers adatokra,
mielőtt egy adattárházba továbbítanánk őket. Ebben az esetben az Azure Synapse
Analytics (adatintegráción keresztül), az Apache Spark és az SQL Analytics is hasznos
eszköznek bizonyulhat.
A batchadatok tömeges bővítéséhez pedig az Azure Machine Learning szolgáltatást
használhatja, amely valós idejű előrejelzéseket készít az adatokról. Ez az adatpipeline
egy kiegészítő funkciója lehet az Azure Synapse Analytics szolgáltatásban.

Adatszolgáltatás
Az adatok előkészítése és tanítása után a következő lépés a modellezés és az adatok
ügyfeleknek történő szolgáltatása. Ebben a szakaszban lényegében úgy kell modellezni
az adatokat, hogy azok könnyen értelmezhetők legyenek a rendszerek számára. Ehhez
általában az adat-előkészítési és a betanítási szakaszban generált összetett lekérdezések
végrehajtására, valamint arra van szükség, hogy egy adatbázisba beillesztve egy definiált
táblában és sémában strukturálja a rekordokat.
20 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Az adatmodellezés és a szolgáltatásintegráció általában egy adattárházplatform, például

az Azure Synapse Analytics használatával történik. A bonyolult lekérdezések elvégzése
órákig vagy napokig is eltarthat. A felhő ereje azonban lehetővé teszi, hogy az Azure
Synapse Analytics szolgáltatást skálázva gyorsabban – napok helyett órák, órák helyett
pedig percek alatt – végrehajtsa ezeket a lekérdezéseket.

Adatvizualizáció
Az üzleti intelligencia segítségével adatvizualizációt – grafikonokat és diagramokot –
használva elemezheti a teljesítményt. A Power BI és a hasonló eszközök segítenek
az elemzőknek, hogy a lehető legtöbbet hozhassák ki az adatokból. Az Azure-ral nem
kötelező a Power BI-t használni: olyan egyéb vizualizációs szolgáltatásokat is használhat,
mint a Tableau. Az adatvizualizáció részletes és könnyen értelmezhető grafikus formában
ábrázolja az adatokat, így Ön és ügyfelei számára is üzleti értéket teremt. Csapata nyomon
követheti a trendeket, a kiugró értékeket és a mintákat, amelyek segítenek az adatokon
alapuló döntések meghozatalában. Az adatok tartalmas, értelmezhető formában történő
megjelenítéséhez az elemzők asztali és webes alkalmazásokat is használhatnak.
A létrehozott jelentéseket egy munkaterületre exportálhatja, ahol a felhasználók
közösen tökéletesíthetik őket. A felhasználók megjegyzéseket és jegyzeteket fűzhetnek
a jelentéshez, ami rövidebb visszajelzési ciklust biztosít az elemzők számára: A Power
BI segítségével a követelményeinek és a márkájának leginkább megfelelő, részletes,
testreszabott irányítópultokat hozhat létre. Ezzel a mechanizmussal a jelentéseket
újra és újra frissítheti, így a prezentációkhoz többé nem kell a múlt heti vagy múlt
havi grafikonokról készült pillanatképeket használnia.
A következő részben két valós üzleti használati esetet tekintünk át, amelyeken keresztül az
Azure adatplatform használatával megvalósított magas szintű megoldásokat mutatjuk be.

Egy összetett adatvagyon racionalizálása

és egységesítése
Ebben a szakaszban két üzleti használati eseten keresztül bemutatjuk, hogyan lehet
racionalizálni egy összetett adatvagyont az Azure használatával. Célunk ezzel annak
szemléltetése, hogy a valós idejű adatok Azure-ban történő elemzése hogyan biztosít
hasznos üzleti információkat, amelyek segítik az üzleti döntések meghozatalát.
Az itt használt vállalatnevek kitaláltak, a megvalósítás szemléltetéséhez pedig
mintaadatkészleteket használtunk. Maguk az üzleti használati esetek, a kihívások
és a tényleges problémák azonban valósak. Olyan, adatokkal kapcsolatos problémákat
szemléltetnek, amelyekkel Ön is találkozhat a mindennapi élet során.
 Egy összetett adatvagyon racionalizálása és egységesítése 21

Az első használati esettel azt mutatjuk be, hogyan segítettünk egy vállalatnak, amely
így szinte valós időben jutott gyakorlatban hasznosítható információkhoz az adataiból.
A második használati eseten keresztül azt láthatjuk, hogy az Azure-on végzett adatelemzéssel
hogyan kezelhetők a működési problémák, és hogyan biztosíthatók jobb szolgáltatások az
utasoknak azáltal, hogy a vállalat jobban kihasználja egy forgalmas reptér infrastruktúráját.
Mindkét használati esetnél először röviden ismertetjük a problémát és a kihívásokat,
megvizsgálunk egy lehetséges megoldástervet, végül pedig áttekintjük azokat az Azure-
szolgáltatásokat, amelyek lehetővé teszik egy ilyen megoldás megvalósítását.

1. üzleti használati eset: Alkalmazások és adatok

migrálása költségmegtakarítás és az üzleti agilitás
növelése céljából Azure-adatbázisokkal
A Contoso Corporation egy kitalált globális kiskereskedelmi vállalat, amely Észak-
Amerikában, Európában és Ázsiában üzemeltet üzleteket. A vállalat fogyasztási cikkeket,
elektronikai termékeket és személyes higiéniai termékeket értékesít hagyományos
üzleteiben és digitális online csatornáin (mobil- és webes alkalmazásain) keresztül.
A Contoso új vezérigazgatója szenvedélyesen érdeklődik az adatok iránt, és felállított
egy új adatanalitikai csapatot azzal a céllal, hogy az üzleti döntések elősegítése érdekében
közel valós idejű ügyfél-információkhoz jusson.

A kihívások
• A Contoso jelenleg egy régi helyi adatbázisrendszert használ. Az adatbázisrendszer
gyártója már nem forgalmazza a terméket, és bejelentette, hogy a támogatása
kevesebb, mint 90 nap múlva meg fog szűnni.
• A Contoso nagy adatkészleteket szeretne rögzíteni és tárolni különböző
adatforrásokból, potenciálisan nagy feldolgozási teljesítménnyel. Az adatforrások
között megtalálhatók a tranzakciósadat-tárak, az IoT-érzékelők, a Contoso online
üzletei, valamint az alkalmazások naplófájljai.
• A vállalat emellett egyesíteni szeretné a strukturált, félig strukturált és strukturálatlan
adatokat, hogy a több forrásból származó adatok összekapcsolása és összevetése révén
egyetlen adatkészletet hozhasson létre.
• A Contosónak megoldást kell találnia a változó részletességű és minőségű
adatpontok kezelésére. A csapatnak meg kell tisztítania, elő kell készítenie,
át kell alakítania, majd össze kapcsolnia ezeket az adatkészleteket.
• A Contoso közel valós időben szeretne hasznos információkat és mintákat kinyerni
az adatokból.
• Végül a vállalat az üzleti igényeknek megfelelően szeretné skálázni az adatfelderítési
folyamatot.
22 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

A megoldás
A Contoso adatcsapata a megoldás skálázhatóság, megfelelőség és regionális rendelkezésre
állás terén nyújtott előnyei miatt az Azure használata mellett döntött.
Az egyik legsürgetőbb probléma, hogy a Contoso jelenleg egy már megszűnt, régi
helyi adatbázisrendszert használ. A Contoso ezt a helyzetet a régi adatbázisrendszer
modernizálásával fordíthatja a saját javára. A legköltséghatékonyabb megoldás a régi
rendszer Azure-ba költöztetése. Szerencsére az Azure Migrate segítségével a Contoso
csapata könnyen migrálhatja a régi rendszert az Azure SQL Database szolgáltatásba.
Az Azure Migrate központi helyet biztosít a meglévő adatbázisok, alkalmazások és
infrastruktúra Azure-ba költöztetéséhez. Az Azure Migrate részét képező Data Migration
Assistant használatával a Contoso először elemezni tudja a meglévő régi adatbázisrendszer
kompatibilitását, és megtalálhatja a migrációt esetlegesen akadályozó tényezőket, mielőtt
folytatná a migrációs folyamatot. A Data Migration Assistant értékelő jelentést készít,
amelyben olyan javaslatokkal szolgál, melyek alapján a csapat el tudja hárítani az akadályozó
tényezőket a migráció megkezdése előtt. Amikor a csapat készen áll a költöztetésre, az Azure
Database Migration Service segítségével egyszerűen elindíthatja a migrációs folyamatot.
Az adatbázis-migrációs megoldás üzembe helyezése után a csapat a következő megoldás-
architektúrát dolgozta ki a fennmaradó kihívások leküzdéséhez:

Adatmérnököknek Adattudósok
Források Betöltés Tárolás Feldolgozás Modellezés Jelentések és
Strukturált és szolgáltatás irányítópultok
Értékesítés

CRM 1 3 5 6 7

Hűségprog. Power BI
Hibrid Azure Data Lake Apache Spark- SQL-készlet
Egyéb adatkészletek adatintegráció Storage Gen2 készlet
az Azure Synapse
segítségével 4
Strukturálatlan Felhasz-
Kattintássorozat
nálók

Naplók,
nyomkövetések stb.
2 8
Közösségi média
Excel
Azure
IoT és érzékelők Event Hubs

Azure Automation Azure Key Vault Azure DevOps Azure AD Azure Monitor

5. ábra: A Contoso megoldásarchitektúrája

 Egy összetett adatvagyon racionalizálása és egységesítése 23

Az alábbiakban bemutatjuk a 4. ábrán számokkal jelölt munkafolyamat-szegmenseket:

1. A Contosónak számos különböző adatkészletet kell feldolgoznia. Ezek között

vannak strukturált és strukturálatlan adatokat tartalmazó adatkészletek is.
Érdemes megemlíteni, hogy a Contoso az Azure Migrate segítségével sikeresen
migrálta meglévő, relációsadatbázis-rendszerben tárolt adatait a régi helyi
adatbázisrendszeréből az Azure SQL Database szolgáltatásba. A Contoso az Azure
Synapse Analytics szolgáltatást fogja használni a hibrid adatok integrálásához.
Ez lehetővé teszi a Contoso számára, hogy rendszeres időközönként (5 percenként)
kötegelve töltse be a strukturált adatokat, majd ezeket az adatokat az Azure Data
Lake Storage Gen2-be továbbítsa.
2. Ami a strukturálatlan adatokat illeti, a Contoso az Azure Event Hubs használatával
fogja ezeket az adatokat közel valós időben rögzíteni, majd az Azure Data
Lake Storage Gen2-be továbbítani. Így minden új adat rendelkezésre fog állni
a Contoso analitikai megoldásával történő feldolgozáshoz, és a Contoso közel
valós időben (1 percenként) műveleteket indíthat az adatokon. A strukturálatlan
adatok clickstream-analitikából származó adatokat (a felhasználók Contoso
digitális csatornáin tanúsított viselkedéséről szóló jelentéseket), közösségimédia-
adatfolyamokat (Twitter, Facebook stb.), a Contoso szervereiről származó naplókat
és nyomkövetési információkat, valamint az IoT-érzékelőkről származó adatokat
foglalnak magukba.
3. Minden betöltött adat az Azure Data Lake Storage Gen2-be kerül, amely központi
hubként szolgál majd a vállalat minden adata számára.
4. Az Azure Event Hubs szolgáltatásba betöltött strukturálatlan adatok aztán az Azure
Data Lake Storage Gen2-be kerülnek állandó tárolás céljából. Erre az Azure Data
Lake Storage Gen2 adatrögzítési funkciójával van lehetőség, amellyel gyorsan
és egyszerűen tárolhatók a streamingadatok a data lake-ben.
5. A Contoso adatai a data lake-be kerülnek. Az adatok különböző forrásokból
származnak, és különböző minőségi szint és részletesség jellemzi őket. Ezért
a Contoso adatcsapatának meg kell tisztítania, elő kell készítenie, validálnia és
bővítenie kell az adatkészleteket. Ez az Azure Synapse Analytics szolgáltatás Spark-
készlete segítségével fog történni. Az Azure Synapse Analytics felügyelt Spark-
klasztere révén a Contoso adatmérnökei egyszerűen, az adatok más rendszerbe
történő áthelyezése nélkül összekapcsolhatják és feltárhatják az Azure Data Lake
Storage Gen2-ben tárolt adatokat.
24 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

6. Miközben a Contoso adatokért felelős csapata megtisztítja és előkészíti az Azure

Synapse Analytics Spark-készletében lévő adatokat, minden adatot (a friss/új
és a korábbi adatokat is beleértve) egyetlen, egyszerűen lekérdezhető és az üzleti
felhasználóknak könnyen szolgáltatható standard modellben kell egyesíteni.
A Contoso csapata ehhez az Azure Synapse Analytics adattárházát (SQL-készletét)
tervezi használni. Ez lehetővé teszi a Contoso adatokért felelős csapatának, hogy
egyesítse, modellezze és előkészítse az adatokat az üzleti felhasználók általi
felhasználásra. Ez az újonnan beérkező adatok lekérdezése és az ezekkel az adatokkal
kapcsolatos kérdések megválaszolása mellett azt is lehetővé teszi a Contoso
felhasználói rendszerei számára, hogy az új adatokat az adattárházban lévő korábbi
adatokkal kombinálva átfogó képet alkossanak az üzleti teljesítményről és
az ügyfélviselkedésről.
7. A Power BI a jelentések és irányítópultok Contoso-felhasználóknak való közzététele
mellett azt is lehetővé teszi, hogy a felhasználók önkiszolgáló módon, a közzétett
adatmodellek áttekintése révén maguk elemezhessék a saját tartományukba tartozó
adatokat. A Contoso a nagy adatkészletekhez a Power BI Premium egy funkciója
révén összetett adatmodelleket használhat.
8. A Contoso Microsoft Excelt használó összetett adatmodellekbe fektetett be.
A Contoso néhány adatelemzője a Microsoft Excelt szeretné használni az Azure
Synapse Analytics adatainak eléréséhez. Ezt a Microsoft Excel és az Azure Synapse
Analytics is alapértelmezés szerint támogatja.
Összefoglalás
Láthattuk, hogyan modernizálhatják régi adatbázisrendszereiket a Contosóhoz hasonló
vállalatok, és hogyan költözhetnek az Azure-ba az Azure Migrate által biztosított
migrációs eszközök segítségével. Az Azure Database Migration Service lehetővé teszi
a vállalatok számára a meglévő adatbázisaik migrálását az Azure SQL-be. Az adatvagyonuk
modernizálása után a vállalatok kihasználhatják az olyan modern technológiákat, mint az
Azure Synapse Analytics, melyekkel feltárhatják az ügyfelekkel kapcsolatos információkat,
és közel valós időben teremthetnek értéket. Az Azure Synapse Analytics adatmenedzsment-
és adatanalitikai szolgáltatások széles skáláját nyújtja, amelyek célja a fejlesztési folyamat
leegyszerűsítése, valamint a minőség és a teljesítmény növelése.
Ezenkívül az Azure számos teljes mértékben menedzselt adat- és analitikai szolgáltatást
biztosít, amelyekkel csökkenthető többletterhelés. A teljes mértékben menedzselt
szolgáltatások használatának másik előnye, hogy a vállalatok és a csapatok nagyobb
beruházás nélkül belevághatnak, majd az igények növekedésével párhuzamosan bővíthetik
a megoldásukat. Ez egy nagyszerű üzleti megközelítés, mivel csökkenti a kezdeti
beruházással járó kockázatokat, és leveszi a vállalatokról a nagy adatprojektek indításához
szükséges jelentős kiadások bürokratikus jóváhagyásának terhét.
Végezetül fontos megemlíteni azt is, hogy az Azure kiterjedt online dokumentációt
és számos tanulási anyagot, valamint bármely csapat vagy felhasználó által
használható ingyenes kreditet biztosít az Azure-ral való ismerkedéshez, valamint
az Azure használatának megkezdéséhez, jelentősen megkönnyítve ezzel a szolgáltatás
használatbavételét.
 Egy összetett adatvagyon racionalizálása és egységesítése 25

2. üzleti használati eset: A modern adatvagyon

bővítése az analitikához és az intelligenciához
A képzeletbeli Fabrikam Nemzetközi Repülőtér (FIA) vállalat évente 25 millió utast
szolgál ki – ez naponta 70 000 utast jelent. A repülőtéren évente átlagosan 200 000 járat
fordul meg.
Az FIA vezetősége abban bízik, hogy az Azure adatelemzési képességeinek használatával
javítani tudja a kapacitás tervezését és a szolgáltatás minőségét. A vállalat célja, hogy az
adatok használatával megoldást találjon azokra üzemeltetési problémákra, amelyek jelenleg
akadályozzák az FIA-t az infrastruktúra és az erőforrások hatékony kihasználásában. Ez
javítaná az ügyfelek elégedettségét, és a több utas és gép kiszolgálása révén lehetővé tenné
az FIA számára a forgalom növelését.
A következő szakaszokban bemutatjuk az FIA előtt álló kihívásokat és a tervezéssel
kapcsolatos lehetséges ötleteket. Végül létrehozunk egy lehetséges megoldásarchitektúrát
az Azure-on, amellyel megoldhatók ezek a kihívások, és bemutatjuk, hogy miért az Azure
a tökéletes platform ehhez.

Üzleti kihívások
Az elmúlt évben az FIA az alacsony hatékonyságú működés miatt bevételtől esett el.
Ez többek között a járatkésések, a hosszú sorok, a kedvezőtlen utasélmény, a dolgozói
létszám nem megfelelő tervezése és a repülőtéri eszközök kihasználatlansága miatt fellépő
költségekből, valamint az elvesztett kiskereskedelmi lehetőségekből tevődött össze.
Az FIA informatikai igazgatójának célja, hogy ezt a jelentős hatékonyságbeli hiányosságot
üzleti lehetőséggé alakítsa. Bemutatott az FIA vezetőségének egy üzleti tervet arról,
hogy a fejlett analitikába való kis összegű, fokozatos befektetéssel hogyan csökkenthetők
a repülőtér üzemeltetési költségei, miközben javítható az ügyfélélmény.
Határozott jövőképpel rendelkező vezetőként az informatikai igazgató tisztában van
azzal, hogy a repülőtér sikeres működéséhez a korábbi jelentések elemzése helyett a jövő
előrejelzésére kell helyezni a hangsúlyt. Azt szeretné, ha a csapata segíthetne a repülőtér
vezetőségének a járatkérések előrejelzésében és az ilyen esetek kiküszöbölésében.
Úgy véli, hogy ha a repülőtér vezetősége hozzáférne a megfelelő eszközökhöz,
akkor a kapacitástervezés, az erőforrások elosztása és a biztonság is javítható lenne.
A javasolt megközelítés az, hogy adatok és mesterséges intelligencia használatával
modellezzék az utasokat, a járatokat, a poggyászokat, az eszközöket és egyéb
adatkészleteket az utasszám és az utazóközönség mozgásának magabiztos előrejelzéséhez,
ami lehetővé tenné a repülőtér számára a működés javítását és a költségek csökkentését.
26 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Az FIA adatanalitikai csapatának a következő üzleti kihívásokkal kell szembenéznie:

• A repülőtér vezetősége számára az első jelentős kihívás a kapacitástervezés javítása.
Az FIA vezetősége a döntéseket jelenleg feltételezésekre és korábbi tapasztalatokra
alapozza, amelyek nem feltétlenül tükrözik a valóságot. Eddig az FIA-nek nem volt
egységes, adatokon alapuló megközelítése annak előrejelzésére, hogy egy adott napon
hány utas várható. Az utasok várható számának pontos előrejelzése elengedhetetlen
a kapacitás tervezéséhez, például a dolgozói létszám kezeléséhez, a berendezések
beszerzéséhez, valamint az infrastruktúra-fejlesztések tervezéséhez. Az FIA továbbá
olyan megoldással sem rendelkezik, amellyel előre tudná jelezni a késve induló vagy
érkező járatokat, illetve azt, hogy egy adott napon pontosan hány biztonsági dolgozóra
van szükség az utasok kiszolgálásához. Ez túlzsúfoltsághoz, hosszú sorokhoz és az
infrastruktúra nem megfelelő kihasználásához vezet. A becslések szerint az elmúlt
évben a nem megfelelő kapacitástervezés önmagában közel 160 millió dollárba került
az FIA-nek. Ezt az összeget tovább növelte, hogy a vélt igények miatt a repülőtér
új eszközöket, például járműveket és kocsikat vásárolt, miközben valójában csak
a meglévő eszközök jobb kihasználására lett volna szükség.
• Az erőforrás-elosztás szintén komoly problémát jelent az FIA vezetősége számára.
Az utasoknak a vámnál és légitársaságok utasfelvételi pultjainál egyaránt hosszú
sorokban kell várakozniuk. A hosszú várakozás a legtöbb esetben annak tudható
be, hogy az FIA dolgozói nem megfelelően vannak beosztva a repülőtér különböző
területeire. Az FIA vezetősége javítani szeretné az erőforrások elosztását, ami az
ügyfelek elégedettségét is javítaná.
• Az ügyfélszolgálat egyik legfőbb feladata, hogy a megfelelő időben biztosítsa
az ügyfeleknek a szükséges információkat. A reptéren való átjutás nagyon fárasztó,
sőt akár stresszes is lehet, ha az utasok késésben vannak, ha a gépük késik, netán
a légitársaság törli a járatot. Az FIA-nek tehát közel valós időben kell frissítenie
a járatok státuszát és a késéseket. Ehhez az FIA vezetőségének olyan kreatív
és innovatív módszerekre van szüksége, amelyek hozzáférhetővé teszik a releváns
információkat az ügyfelek számára akkor, amikor azokra szükségük van. Ez
csökkenti az ügyfelek bizonytalanságát és a stresszt, és a teljes ügyfélszolgálati
élményt javítja.
• Az FIA-nek hosszú távon az infrastruktúra átalakítására van szüksége. Ez
megoldaná a torlódások problémáját, amely a múltban kisebb baleseteket okozott,
költséges volt a repülőtérnek, és az ügyfélélményt is negatívan befolyásolta.
Azonban az FIA olyan rövid távú megoldást keres, amellyel az erőforrások megfelelő
kihasználása révén már a közeljövőben javíthatja az utasáramlást, és csökkentheti
a torlódásokat. A torlódások gátolják az utasok áramlását, és veszélyeket is
rejtenek magukban, amikor túl sok embernek kell áthaladnia egy kis termen
és/vagy folyosón – különösen akkor, ha idősek, csecsemők és testi fogyatékos
emberek is vannak az utasok között. Az ilyen helyezetek biztonsági incidensekhez
vezethetnek, és minden ilyen biztonsági riasztás és incidens pluszköltségeket jelent
a repülőtérnek, emellett pedig veszélyezteti az utasokat, és negatívan befolyásolja
az ügyfélélményt. A repülőtér célja, hogy a torlódások csökkentése és a biztonság
fokozása érdekében javítsa az utasáramlást.
 Egy összetett adatvagyon racionalizálása és egységesítése 27

Most, hogy áttekintettük, milyen problémákat szeretne megoldani az FIA, a megfelelő

megoldás megtervezéséhez át kell gondolnunk a technikai kihívásokat.
Technikai kihívások
• A hiteles információforrás hiánya: Az egyik fő probléma, amelyet az FIA
informatikai igazgatója szeretne megoldani, nem más, mint hogy az FIA
az adatforrások tekintetében jelenleg nem rendelkezik egyetlen hiteles
információforrással. Jelenleg a repülőtér régi belső rendszerekből származó
jelentésekre, valamint a partnerektől származó jelentésekre hagyatkozik. Ezek
a jelentések általában az előző napi és heti operatív aspektusokra vonatkoznak,
és egymásnak ellentmondó számokat tartalmazhatnak. A járatadatokat például
jelenleg a különböző légitársaságok tárolják. Az FIA több mint 35 légitársasággal
dolgozik, amelyek mindegyike saját rendszerrel rendelkezik, és eltérő terminológiát
használ. Ez rendkívüli módon megnehezíti az FIA vezetőségének, hogy időszerű
és hiteles jelentéseket kapjon, az adatalapú működésről már nem is beszélve.
• Késés az adatok és a jelentések megszerzésében: Mivel az FIA nem rendelkezik
ellenőrzéssel a járat- és rakományadatok felett, a működésről szóló jelentések
létrehozásában, összesítésében és küldésében is kénytelen a partnerekre
hagyatkozni. A jelentések általában napokkal vagy hetekkel később érkeznek.
Ez jelentősen akadályozza a vállalatot abban, hogy a jelentésekből származó
információkat a gyakorlatban hasznosítsa, és arra kényszeríti az FIA-t, hogy
a működése során reaktív hozzáállást tanúsítson ahelyett, hogy előre tervezne.
Ha például egy, a repülőtér vezetőségének bemutatott jelentés szerint az előző
napi hosszú sorok járatkésésekhez vezettek, a vezetőség nem tud ezen változtatni,
hiszen mindez a múltban történt. Az adatokhoz való időszerű hozzáférés kritikus
fontosságú az FIA és szinte minden más vállalat számára.
• Az adatok rendelkezésre állása és hozzáférhetősége: Az innovációhoz
elengedhetetlen a lehetőségek feltárása és a kísérletezés a különböző lehetőségekkel.
Ami az adatokat illeti, ehhez az FIA-nek folyamatos adatfeltárásra, valamint arra van
szüksége, hogy a járat- és utasadatokat külső adatforrásokkal bővítse és vesse össze.
Sajnos az FIA jelenleg nem tudja elvégezni ezeket a feladatokat, mert az adatok sok
olyan elszigetelt rendszerben találhatók, amelyek nem a repülőtér ellenőrzése alatt
állnak.
• Skálázhatóság: Az FIA jelenleg egy virtuális adatközpontban hosztolt adattárházzal
rendelkezik. A vezetőség eddig nem akart befektetni ebbe az adattárházba, mivel
nem ez tárolja az összes adatot. Emiatt a jelenlegi adattárház elavult, és nem segít
a repülőtér számára szükséges hasznos információk megtalálásában. Ráadásul a
jelenlegi adattárház az FIA által gyűjthető adatok hiánytalan feldolgozására és/vagy
tárolására sem alkalmas.
• Biztonság: Az FIA egyértelmű és szigorú szabályokat fektetett le a vállalati
és az ügyféladatok védelme érdekében. A biztonsági intézkedések megfelelő
alkalmazásához és a repülőtér, a beszállítók, az ügyfelek, valamint az összes
érdekelt biztonsága érdekében a repülőtérnek az ISO/IEC 27001 és az
ISO/IEC 27018 tanúsítvány feltételeinek is meg kell felelnie. Az FIA-nek minden
lehetséges megoldás esetén biztosítania kell ezeket a biztonsági követelményeket.
28 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

• Adatszolgáltatás: Ahhoz, hogy az adatok hasznosak legyenek, a megfelelő időben

a megfelelő felhasználóknak kell őket biztosítani. Az FIA az értesítések és riasztások
biztosításához jelenleg hangosbemondót, valamint a reptér néhány pontján
elhelyezett nagyméretű monitorokat használ. Ez egyáltalán nem hatékony, mert
zajos, és nem veszi figyelembe a felhasználók személyét és azt sem, hogy milyen
információkra van szükségük. Az FIA most már tisztában van azzal, hogy nem
csupán az adatok és a jelentések hatékonyságát, hanem a jelentések felhasználók
számára történő biztosítását is javítania kell.
E követelmények alapján az FIA üzleti intelligenciával foglalkozó csapata az informatikai
igazgatóval közösen a következők szerint fogalmazta meg a problémát:
Az FIA évente több mint 350 millió dollárt veszít a működési hatékonysági problémák,
például a hosszú sorok, a nem megfelelő dolgozói létszám és a reptéri eszközök
kihasználatlansága miatt. Az FIA üzletiintelligencia-csapata olyan adatelemzési
eszközök (irányítópultok, jelentések és alkalmazások) létrehozásán fog dolgozni, amelyek
segítenek a vállalatnak a működés optimalizálásában és a hatékonyságbeli problémák
megszüntetésében.

A megoldás
Az FIA informatikai igazgatója az üzletiintelligencia-csapattal közösen úgy döntött, hogy
az Azure-t fogja használni az új megoldás létrehozásához. Alább látható a csapat által
kidolgozott megoldásarchitektúra:

Passengers Hub
Adatforrások
és Airport Brain alkalmazás
9 10 11
Légitársasági adatok

Egyéni adatok Azure ML szolgáltatás Azure Container Azure Kubernetes

Registry Service
12
Időjárásadatok
8 13

Parkolási adatok

1 3 5 6 14 Utasok
Poggyászadatok

Azure Data Azure Data Lake Apache SQL-készlet Azure Cosmos DB

Egyéb források
Spark-készlet 7 Power BI
Factory Storage Gen2
IoT-érzékelők Azure Synapse Analytics Repülőtéri
Forgalmi videó személyzet

Közösségi média

Egyéb források
2 4

Azure Event Hubs

Támogató szolgáltatások

Azure Automation Azure Key Vault Azure DevOps Azure AD Azure Monitor

6. ábra: Az FIA megoldásarchitektúrája

 Egy összetett adatvagyon racionalizálása és egységesítése 29

A fenti terv a megoldásarchitektúrát és az egyes összetevők közötti adatáramlást

szemlélteti. Az alábbiakban bemutatjuk az ábrán számmal jelölt munkafolyamat-
szegmenseket:

1. Az FIA nemrégiben kezdte el átköltözni bizonyos adatbázisait a helyi SQL Serverről

az Azure SQL Managed Instance rendszerébe, amely egy teljes mértékben
felügyelt, a legújabb SQL Server-adatbázismotorral csaknem 100%-ban kompatibilis
megoldás. A strukturált adatok, például a légitársaságok adatai, a vámadatok
és a poggyászadatok betöltéséhez az Azure Data Factory eszközt fogják használni.
Ez magában foglalja az egyéb adatforrásokat is, például a parkolási rendszerekből
származó adatokat és az időjárási adatokat is. Az ADF segítségével az FIA egy
integrációs futtatókörnyezetet konfigurálhat, amelyet átjáróként használva az
Azure-ból csatlakoztathatja a helyi adatforrásait.
2. A strukturálatlan adatok, például az IoT-érzékelőktől származó adatok, a forgalmi
videóstreamek és a közösségimédia-adatfolyamok betöltése az Azure Event Hubs
használatával történik.
3. Az Azure Data Factory a betöltött adatokat az Azure Data Lake Storage Gen2-be
továbbítja tárolásra.
4. Az FIA adatokért felelős csapata az Azure Event Hubs szolgáltatást fogja használni
a streamelt adatok betöltéséhez és a betöltött adatok Azure Data Lake Storage
Gen2-ben történő gyors rögzítéséhez. A csapat az Azure Event Hubs adatrögzítési
funkcióját használja az adatok data lake-ben való tárolásához.
5. A jegyzetfüzetek használatával aztán az FIA adatmérnökei az Azure Synapse
Analytics Apache Sparks-futtatókörnyezetével végezhetik el az adatok olvasását,
tisztítását, átalakítását és modellezését.
6. A megtisztított, használatra kész adatokat a rendszer az Azure Synapse Analytics
szolgáltatásból az Azure Cosmos DB-be továbbítja. Ezek a legújabb járat- és
poggyászadatokat is magukban foglalják. A repülőtéri alkalmazások és az API-k
ezután közvetlenül is lekérhetik ezeket az adatokat a Cosmos DB-ből az utasok
és a személyzet kiszolgálásához.
7. A Power BI szintén úgy van konfigurálva, hogy kiterjedtebb adatkészleteket
olvasson közvetlenül az Azure Synapse Analytics szolgáltatásból. Ezzel a módszerrel
küldött adatok például a forgalmi videóstreamek dekódolásának eredményei,
amelyeket a tömegsűrűséget ábrázoló térképek létrehozásához használnak.
8. A gépi tanulási modellek, az adatkészletek, a kísérletek és az új modellképek
menedzselése az Azure Machine Learning használatával történik. Az Azure
Machine Learning natív módon integrálható az Azure Synapse Analytics
szolgáltatással.
30 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

9. Az Azure Machine Learning szolgál továbbá a gépi tanulási modellek betanítására

és létrehozására. A kész modellek Docker-képekként tárolódnak az Azure Container
Registry szolgáltatásban. A Docker-képeket általában a gépi tanulási modellek
és a hozzájuk kapcsolódó függőségek (könyvtárak, forráskód és konfigurációs fájlok)
egyetlen telepíthető csomagként történő becsomagolásához használják. Ez javítja
a fejlesztési életciklust, és csökkenti a telepítési hibákat.
10. Az Azure Kubernetes Service úgy van konfigurálva, hogy az Azure Container
Registry szolgáltatásból lekért új gépi tanulási modelleket Kubernetes-podokként
futtassa. Ez lehetővé teszi, hogy a gépi tanulási modelleket használva egyszerű HTTP-
hívásokkal lehessen előrejelzéseket generálni. A gépi tanulási modellek közé tartozik
például egy ajánlási motor a kapuk kiosztására, valamint egy gépi tanulási modell
a parkolási igények előrejelzésére.
11. Az FIA üzletiintelligencia-csapata az új gépi tanulási modelleket az Azure
Kubernetes szolgáltatáson hosztolható webes alkalmazásokon keresztül
helyezheti üzembe. Ezek a webes alkalmazások ezután az Azure Cosmos DB-vel
kommunikálva mentik a gépi tanulási adatokat (például a repülőtéri személyzet
számára javasolt műveleteket), majd megjelenítik az olyan kiválogatott adatokat,
mint a járatütemezések és a poggyászadatok. Ilyen webes alkalmazás például
a Passengers Hub és az Airport Brain. A Passengers Hub alkalmazás központi
portálként szolgál az olyan utasadatok szolgáltatásához, mint a járatokkal
kapcsolatos részletek, a kapuszámok, az utasfelvételi pultok és az utasoknak
szóló javaslatok. Az utasok valamennyi információt áttekinthetik a mobileszközükre
letöltött repülőtéri mobilalkalmazásban. Az Airport Brain a repülőtér
menedzseléséért felelős személyzet új központi portálja. A célja, hogy megfelelő
eszközöket biztosítson az FIA vezetőségének a vállalat hatékony működtetéshez.
A portál az adatok használatával javaslatokat ad a kapuk kiosztására, az alkalmazotti
létszámra és a repülőtéri eszközök elosztására vonatkozóan.
12. A Passengers Hub és az Airport Brain egyaránt az Azure Cosmos DB-ben tárolt,
válogatott adatokat használja. Az Azure Cosmos DB emellett alkalmazásspecifikus
adattípusokat, például felhasználói munkameneteket és riasztásokat is tárol. Mindezt
az Azure Cosmos DB villámgyors lekérdezési motorja és rövid reakcióideje teszi
lehetővé.
13. A Passengers Hub és az Airport Brain alkalmazáshoz egyaránt adatvizualizációra
van szükség. A jelentéseket a Power BI segítségével hozzák létre, majd ezeket
a jelentéseket a Power BI weboldal-beágyazási funkciójával jelenítik meg az
új webes alkalmazásokban. Az adatok az utasokkal kapcsolatos adatokat, például
a járatinformációkat, a várható késéseket és a poggyászadatokat is magukban
foglalják.
 Összegzés 31

14. A Power BI-irányítópult jelentései és vizuális elemei az Azure Cosmos DB

és az Azure Synapse Analytics szolgáltatásból származó adatokat kombinálnak.

Összefoglalás
Az FIA-hez hasonló repülőterek folyamatosan működnek, és bonyolult műveleteket és
eljárásokat alkalmaznak. Így már a kisebb léptékű fejlesztések is jelentős megtakarításokat
eredményezhetnek a repülőtérnek, és jelentősen javíthatják a biztonságot, valamint
az ügyfelek elégedettségét.
Láthattuk, hogy a fejlett analitika hogyan járul hozzá a hatékonyság növeléséhez, és hogyan
eredményez több millió dollárnyi megtakarítást. Az adatok nemcsak a repülőterek működési
költségeinek csökkentésére használhatók, hanem a versenyelőny megszerzésére is.
Azt is áttekintettük, hogyan valósítható meg egy adatokra épülő megoldás az Azure
használatával, és miért az Azure a tökéletes platform az ilyen workloadok futtatásához.
Az Azure megfizethető és biztonságos, emellett pedig agilitást és skálázhatóságot biztosít
a vállalatok számára.

Összegzés
Az adatok fontos stratégiai eszközökké léptek elő, különösen a közelmúltbeli világjárványt
követően. Napjainkban a vállalatok sosem látott kihívásokkal szembesülnek, de azok
a cégek, amelyek ki tudják aknázni az adatokban rejlő erőt, felkészültebben tehetik meg
a szükséges lépéseket, amelyekkel erősebben tudnak kikerülni a nehézségekből.
Sok cég régi adatbázisrendszerekben, adattárházakban vagy data lake-ekben tárolja
adatvagyonát. A régebbi adatvagyonokból jelentős kihívás lehet információkat kinyerni.
Ahogy ebből a kiadványból megtudhatta, a vállalatok csak úgy felelhetnek meg ezeknek
az elvárásoknak, ha gyorsabb és skálázhatóbb adatmegoldásra váltanak, ez pedig csak régi
adatvagyonuk migrálásával és modernizálásával érhető el.
Az adatbázis-menedzsment szinte minden olyan vállalatnál kiemelt fontosságra tett szert,
amelynél az adatok dinamikusan mozognak a hibrid és többfelhős környezetek között.
A teljesítményt, a biztonságot és a rendelkezésre állást érintő folyamatos innovációival
az Azure egyesíti az operatív adatbázisokat, az analitikát és az adatgazdálkodást. Ez
lehetővé teszi a vállalatok számára, hogy közel valós idejű információkhoz jussanak,
és hatékonyabban működjenek.
Bemutattuk, hogyan segíti hozzá a vállalatot a régi adatvagyonának Azure segítségével
történő migrálása és modernizálása ahhoz, hogy a legújabb felhőalapú adatszolgáltatásokat
használhassa, és növekedhessen. Ez lehetővé teszi a vállalatok számára, hogy gyorsan
le tudják vonni a fontos következtetéseket, és megalapozhassák az üzleti innovációkat.
Ilyen innovációk közé tartozik az üzleti tevékenységek optimalizálása, az ügyfelekkel
való kapcsolat erősítése, valamint a termékek és szolgáltatások átfogó fejlesztése.
32 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Hasznos források
Íme néhány hasznos forrás, amely segíthet az adatvagyon migrálásának
és modernizálásának megkezdésében:

• Azure SQL Database

https://azure.microsoft.com/products/azure-sql/database/
• Azure SQL Managed Instance
https://learn.microsoft.com/azure/azure-sql/managed-instance/
sql-managed-instance-paas-overview
• SQL Server Windows rendszerű Azure virtuális gépeken
https://learn.microsoft.com/azure/azure-sql/virtual-machines/
windows/sql-server-on-azure-vm-iaas-what-is-overview
• SQL Server Linux rendszerű Azure virtuális gépeken
https://learn.microsoft.com/azure/azure-sql/virtual-machines/
linux/sql-server-on-linux-vm-what-is-iaas-overview
• Azure Cosmos DB
https://azure.microsoft.com/products/cosmos-db/
• Azure Database for MySQL
https://azure.microsoft.com/products/mysql
• Azure Database for PostgreSQL
https://azure.microsoft.com/products/postgresql/
• Azure Database for MariaDB
https://azure.microsoft.com/products/mariadb
• Azure Arc
https://azure.microsoft.com/products/azure-arc/
• Azure Arc-kompatibilis adatszolgáltatások
https://azure.microsoft.com/products/azure-arc/hybrid-data-
services/
• Azure adatbázis-migrációs útmutatók – részletes útmutatás az adateszközök
modernizálásához
https://learn.microsoft.com/data-migration/
 Hasznos források 33

• Azure Database Migration Service

https://azure.microsoft.com/products/database-migration/
• Azure Migrate
https://azure.microsoft.com/products/azure-migrate
• Az Azure migrációs és modernizációs programja
https://azure.microsoft.com/solutions/migration/migration-
modernization-program/
• Hogyan migrálhatja relációs adatbázisát az Azure-ba?
https://learn.microsoft.com/dotnet/architecture/modernize-
with-azure-containers/migrate-your-relational-databases-to-
azure
• Azure Data Studio
https://azure.microsoft.com/products/data-studio/
• Azure SQL Migration bővítmény az Azure Data Studióhoz
https://learn.microsoft.com/sql/azure-data-studio/extensions/
azure-sql-migration-extension
• Azure Synapse Link for SQL
https://learn.microsoft.com/azure/synapse-analytics/synapse-
link/sql-synapse-link-overview
• Azure Synapse Analytics
https://azure.microsoft.com/products/synapse-analytics/
• Microsoft SQL Server 2022
https://www.microsoft.com/sql-server/sql-server-2022
34 A modern adatvagyon: a digitális átalakulás felgyorsításának alapja

Hasznos információk kinyerése az adatokból

Egységes környezet a teljes portfólióban, az üzemeltetési lehetőségek átfogó
választékával. Az Azure intelligens és biztonságos adatbázis-szolgáltatásai
megkönnyítik a következőket:

Modern felhőalkalmazások
Az adatworkloadok migrálása
támogatása az Azure SQL database
az Azure Migrate segítségével.
segítségével.

Meglévő alkalmazásai modernizálása

vagy a hibrid rendszerek Az alkalmazások kibővítése
rugalmasságának kihasználása az IoT-peremátjárókra és -eszközökre
az Azure SQL Managed Instance az Azure SQL Edge használatával.
segítségével.

Tudjon meg többet az idő- és

Tekintse át az Azure adatbázis-
pénzmegtakarításról az Azure
migrációs útmutatóit a Microsoft
migrációs és modernizációs
Learn rendszerében.
központjában.

Próbálja ki ingyenes Azure-fiókkal!

Találja meg a megfelelő Azure-partnert, ha szakértő

segítséget szeretne kapni

Forduljon az Azure értékesítési szakértőjéhez

további információért.