Foto: Microsoft
Die Suite verknüpft verschiedene Microsoft-Technologien wie Power BI, Machine Learning und HD Insight, die bisher bereits für die Vorhersage von Trends und Entwicklungen zur Verfügung standen. Darüber hinaus gehören Tools zur Analyse von Texten, Bildern und komplexen Daten zur Suite.
Die Cortana Analytics Suite ist eine Cloud-Lösung von Microsoft, welche die Analyse von Unternehmensdaten für Big Data und Business Intelligence ermöglicht. Um die Umgebung zu nutzen, benötigen Unternehmen keinerlei eigene Server. Natürlich lassen sich für die Auswertung der Daten aber lokale Server mit der Cloud-Lösung verbinden.
Komponenten der Cortana Analytics Suite
Cortana Analytics Suite besteht aus verschiedenen Komponenten zur Analyse von Daten. Dazu gehören folgende Elemente:
• Power BI
• Azure HDInsight
• Azure Stream Analytics
• Azure Data Lake
• Azure SQL Data Warehouse
• Azure Data Factory
• Azure Data Catalog
• Azure Event Hubs
Außerdem soll die Suite mit dem Sprachassistenten Cortana von Windows 10 zusammenarbeiten, um Anwendern eine bessere Möglichkeit zur Datenanalyse zu geben. Dazu will Microsoft auch APIs für die Verwendung von Cortana anbieten, mit denen sich eigene Anwendungen und Analyseergebnisse über Cortana anbinden lassen.
Darüber hinaus soll es möglich sein, dass Anwender per Sprache mit Cortana Analyseanfragen stellen können, die durch die Cloud-Dienste berechnet und ausgegeben werden. Durch die Verwendung der natürlichen Sprache soll Cortana Unternehmen einen echten Mehrwert bieten.
Microsoft fasst aber nicht nur die einzelnen Cloud-Dienste in der Cortana Analytics Suite zusammen, sondern bietet bei Erscheinen der Lösung auch vorkonfigurierte Analyse-Szenarien, welche die einzelnen Dienste einbinden. Außerdem werden Analyse-Werkzeuge, SDKs und Zusatztools integriert, mit denen sich die Daten besser analysieren lassen.
Zum Video: Business Intelligence aus der Cloud
Daten mit Cortana Analytics Suite verarbeiten
Durch die verschiedenen Cloud-Komponenten erlaubt Cortana Analystics umfassende Analysen von Daten. Zentrales Element ist Power BI 2. Dabei handelt es sich um eine Software-as-a-Service-Lösung (SaaS), die Anwendern eine grafische Oberfläche für die Analyse von Daten zur Verfügung stellt. Power BI besteht aus einem Onlinedienst und Apps für Windows, Android und iOS. Microsoft Power BI kann verschiedene Quellen anbinden, zum Beispiel die anderen Komponenten aus Cortana Analytics. Die kostenlose Version ist etwas eingeschränkt, bietet aber bereits einen guten Überblick.
Power BI kann Daten aus der Big Data-Lösung Hadoop auslesen sowie aus der Hadoop-Lösung in Microsoft Azure, mit der Bezeichnung Azure HDInsight. Anwender können von Windows aus mit der Business-Intelligence-Lösung arbeiten.
Power BI Desktop kann Daten in Power BI importieren, bearbeiten und auch Berichte abrufen und visualisieren. Nutzer können Berichte mit anderen Anwendern teilen. Die verschiedenen Daten, die Power BI anzeigen kann, stammen entweder von lokalen Servern im Unternehmen, oder von den Diensten aus Microsoft Azure, die ebenfalls in Cortana Analytics Suite angebunden werden können.
Microsoft Azure Machine Learning
Neben den bereits bekannten Produkten zur Analyse von Daten, enthält Cortana Analytics Suite auch die beiden Cloud-Dienste Azure Machine Learning und Azure Data Lake. Microsoft Azure Machine Learning bietet die Möglichkeit Predictive-Analyse-Modelle auf Basis von Machine-Learning-Modellen zu erstellen. Machine Learning besteht darin, dass ein Computerprogramm auf Basis bestimmter Daten eine Vorhersage in der Zukunft treffen soll.
Foto: Thomas Joos
Typische Beispiele für Machine Learning, sind beispielsweise die Empfehlungen in Netflix oder Amazon Prime Instant Video. Parallel zu diesem Cloud-Dienst, bietet Microsoft das Azure Machine Learning Studio an. Diese erlaubt die Erstellung von Vorhersageanalysen.
Microsoft bietet für den Einstieg in Azure Machine Learning verschiedene Lernvideos:
• Einführung in Machine Learning
• Modell in Azure Machine Learning erstellen - Teil 1
• Modell in Azure Machine Learning erstellen - Teil 2
• Azure Machine Learning Web Service erstellen
Microsoft Azure Data Lake
Azure Data Lake bietet die Speicherung beliebiger Daten in sehr großer Menge direkt in der Cloud. Azure Data Lake soll dazu dienen, große Datenmengen strukturiert oder unstrukturiert aufzunehmen und zur Analyse in Sachen Big Data bereitzustellen.
Microsoft verspricht für den Dienst eine nahezu unbegrenzte Datenspeicherung. Normalerweise liegen die Daten im Data Lake in unveränderter Form vor, sie werden nicht transformiert. Der Zugriff auf den Data Lake erfolgt mit verschiedenen Analyse-Werkzeugen, welche die Daten erst für den eigenen Gebrauch umwandeln. Beispiel dafür ist Power BI aus der Cortana Analytics Suite.
Aber auch die anderen Dienste aus Cortana Analystics Suite greifen auf Wunsch auf die Daten in Azure Data Lake zu, um diese weiter zu verarbeiten. Der HDInsight-Dienst kann auf die Daten zugreifen. Ebenso kann sich auch SQL Data Warehouse aus diesen Daten bedienen. Azure Data Lake ist kompatibel zum Hadoop File System (HDFS) und lässt sich deshalb auch mit Hadoop und der internen Azure-Lösung HDInsight nutzen.
Azure Data Catalog
Azure Data Catalog kann Unternehmensdaten aus verschiedenen Quellen bündeln und zentral zur Verfügung stellen. Auf die zentralen Daten greifen Anwender dann über Cortana Analystics Suite zu. So bündeln Verantwortliche die verschiedenen Datenquellen im Unternehmen. Dazu werden im Assistenten von Azure Data Catalog zunächst die verschiedenen Quellen angebunden.
Foto: Thomas Joos
Sobald die Datenquellen an Azure Data Catalog angebunden sind, können Anwender die Unternehmensdaten analysieren. Neben der Möglichkeit mit Power Query zu arbeiten, bietet Azure Data Catalog auch die Möglichkeit Power BI anzubinden. Neben Quellen in Microsoft Azure, lassen sich auch lokale Datenbanken verknüpfen. Nutzer können in Cortana Analytics Suite also auch Server im Unternehmen anbinden, für Anwender ist diese Anbindung vollkommen transparent.
Wie alle Dienste in Microsoft Azure, wird auch Azure Data Catalog nach Nutzung abgerechnet. Sie können mit 50 Anwendern den Dienst kostenlos testen. Um später den Dienst optimal zu nutzen, müssen Sie pro 100 Benutzern mit aktuell 42 Euro/Monat rechnen. Die ersten Schritte zeigt ein Lernprogramm. Der Dienst verfügt über eine eigene Anmeldeseite.
Azure Data Factory - Daten organisieren
Wenn Sie verschiedene Datenquellen an Cortana Analytics anbinden, können Sie diese mit Data Factory zentral verwalten und visualisieren. Auch eine Überwachung lässt sich mit Data Factory realisieren. Sinnvoll ist der Dienst also vor allem dann, wenn eine Vielzahl verschiedener Datenquellen aus dem Unternehmen und der Cloud angebunden werden sollen. Der Dienst bündelt die verschiedenen Elemente, kann Daten verschieben, unterteilen, transformieren und für andere Dienste in Microsoft Azure aufbereiten. Die Verwendung und Speicherung der Daten erfolgt ebenfalls über diesen Dienst.
Azure SQL Data Warehouse - BI aus der Cloud
Bei Azure SQL Data Warehouse handelt es sich um einen Data-Warehouse-as-a-Service-Dienst in Microsoft Azure. Dieser arbeitet mit den anderen Diensten in Cortana Analytics Suite zusammen, um BI-Funktionen bereitzustellen. Der Dienst kooperiert natürlich eng mit Azure Date Lake und kann auch die neuen Funktionen der Datenbanken in Microsoft Azure nutzen. Anbinden lässt sich die Lösung in Power BI. Azure SQL Data Warehouse stellt seine Daten aber auch anderen Diensten bereit. Beispiele dafür sind HDInsight, Azure Machine Learning und Azure Data Factory. Alle diese Dienste sind Bestandteil der Cortana Analytics Suite.
Azure Stream Analytics und Event Hubs - Echtzeitanalyse von Streams
Cortana Analytics Suite erlaubt es, Daten in Echtzeit zu verarbeiten. Dazu wurde der Dienst Azure Stream Analytics integriert. Mit dem Cloud-Dienst lassen sich sehr große Mengen an Daten in Echtzeit verarbeiten, was vor allem im Internet der Dinge (IoT) eine immer größere Rolle spielt. Die Daten lassen sich mit SQL-kompatiblen Befehlen analysieren und in Power BI visualisieren.
Azure Event Hubs protokollieren ebenfalls Daten in Echtzeit. Hier stehen vor allem Ereignisse im Mittelpunkt, und die Analyse von Geräten, also ebenfalls IoT-Szenarien. (mje)