Heute müssen Unternehmen in der Lage sein, schnell zu reagieren, wenn sich Anforderungen ändern. Das funktioniert nur, wenn sich möglichst viele Daten zentral erfassen, analysieren und in verwertbare Informationen umsetzen lassen.
Solche übergreifenden Analysen sind der Schlüssel, um digitale Zwillinge (Digital Twins) in der Industrie aufzubauen oder den Kundensupport zu optimieren. Sie ermöglichen auch datenbasierte Geschäftsmodelle, zum Beispiel Services rund um die vorausschauende Wartung (Predictive Mainenance).
Um das zu erreichen, ist eine zentrale, integrierte Datenplattform wie die Microsoft Data Platform unerlässlich. Sie dient als Sammelpunkt für alle Daten, von Geschäftsinformationen bis hin zu IoT-Daten. Dies ist Voraussetzung dafür, um verwertbare Erkenntnisse zu gewinnen und mithilfe von BI-Tools zu visualisieren.
Cloudbasierte Lösungen wie die Microsoft Data Platform gehen dabei einen Schritt weiter. Sie erlauben es Data Scientists, auf einfache Weise Lösungen wie Power BI mit KI- und Machine-Learning-Applikationen zu ergänzen. Ein Beispiel sind die . Mit ihnen können Entwickler*innen Apps um KI-Funktionen wie die Sprach- und Bildanalyse erweitern.
Aufgrund solcher Services wurde Microsoft von Gartner zum 13. Mal in Folge im jährlichen Magic Quadrant für Analytics und Business Intelligence-Plattformen als führender Anbieter ausgezeichnet. Erfahren Sie , wie Gartner die Funktionen und Eigenschaften bewertet hat, welche die Produkte im Markt voneinander unterscheiden.
Festo zum Beispiel hat mit KI und Machine Learning aus Microsoft Azure seine Produkte und Services auf smarte Produktion ausgerichtet. Der führende Anbieter von Automatisierungstechnik hat dazu Daten entlang der gesamten Wertschöpfungskette vernetzt und visualisiert. Die wichtigsten Meilensteine dazu zeigt .
Wichtig ist, dass eine Datenplattform dem Anwender mehrere Optionen bietet, um Daten zu speichern:
- im eigenen Rechenzentrum,
- mit Ressourcen, die eine Cloud-Plattform zur Verfügung stellt,
- oder in einer Hybrid-Cloud, die das Unternehmensrechenzentrum mit einer Cloud-Plattform kombiniert
Sensible Informationen lassen sich dann im eigenen Rechenzentrum bearbeiten, wenige sensitive Informationen in der Public Cloud.
Aus strategischer Sicht spricht ein weiterer Faktor für eine Cloud-gestützte Data Platform: Sie ermöglicht es Unternehmen, ihre Datenbestände auf eine moderne Grundlage zu stellen. So bietet Microsoft beispielsweise im Rahmen der Azure Data Services gemanagte Datenbanklösungen an. Dazu gehören die Azure-SQL-Datenbank, SQL Managed Instance, Azure Database for postgresql und MySql. Hinzu kommen Azure Cosmos DB und weitere hybride Datenlösungen wie Azure Arc und Azure SQL Edge.
Dabei stellt Microsoft den technischen Betrieb in Form von Patches, Backup und Überwachung sicher. Diese Datenplattformen in Microsoft Azure lassen sich nach Bedarf erweitern ebenso wie die zugehörigen Speicher- und Server-Ressourcen. Das ermöglicht es, Datenprojekte in sehr kurzer Zeit zu starten und Investitionen niedrig zu halten. Die Anbindung von Datenquellen im Rechenzentrum erfolgt verschlüsselt über VPN-Technologien oder über spezialisierte Gateways von Microsoft.
Dank der Automatisierungsfunktionen der Azure Data Services bleibt zudem Entwickler*innen und IT-Fachleuten mehr Zeit für ihre eigentlichen Aufgaben: Apps zu entwickeln und die Digitalisierung im Unternehmen voranzutreiben.
Der End-to-End-Ansatz und die Integrationsfähigkeiten der Microsoft-Azure-Systeme haben dazu beigetragen, dass Microsoft 2021 im Magic Quadrant for Cloud Database Management System als Leader genannt wurde. Lesen Sie , um in diesem komplexen und sich schnell entwickelnden Markt die richtigen Entscheidungen zu treffen.
Unternehmen, die ihre Datenbanken auf der Microsoft Data Platform konsolidieren möchten, empfiehlt Microsoft ein schrittweises Vorgehen:
1. Eine Bestandsaufnahme durchführen: Nutzer*innen sollten zuerst die Daten und Applikationen, die für die Modernisierung in Betracht kommen, erfassen und einordnen. Kriterien sind beispielsweise Applikationsabhängigkeiten, wem die Daten gehören („Ownership“) und für welchen Zweck sie genutzt werden dürfen.
2. Einsatzszenarien ermitteln: Anschließend werden mithilfe von Best Practices und „Blueprints“ Nutzungsszenarien definiert. Dabei helfen Fragen wie „Welchen Nutzen sollen die Daten bringen?“ und „Wie lassen sich sinnvolle Erkenntnisse aus einer Kombination von Datenpunkten gewinnen?“
3. Die Cloud-Migration planen: Im dritten Schritt wird ein Einführungsplan für die Cloud-Services erarbeitet, die das Unternehmen nutzen will. Dabei kommen mehrere Szenarien in Betracht, darunter eine Multi-Hybrid-Cloud. Sie erlaubt es dem Unternehmen, sensible Daten im eigenen Rechenzentrum oder mehreren Cloud-Umgebungen zu speichern und zu bearbeiten.
Mit der Migration Ihrer SQL Server-Workloads zu Azure können Sie den Verwaltungsaufwand senken und die Produktivität steigern. Genaue Anleitungen, wie Sie lokale Datenbank-Workloads in eine Azure SQL-Datenbank migrieren, finden Sie in diesem Whitepaper „Wege zur Datenbankmigration zu Azure“.