Dataplatform i Azure
Afhængigt af forretningsbehov kan lagringen have forskellige "temperaturer" (varm, kold eller arkiv), datastrukturen varierer fra meget struktureret (med fuld styring), semi-struktureret til helt ustruktureret, og datalatens kan variere mellem batch, næsten realtid til faktisk realtid.
Når du har din Data Platform i Azure, har du mange forskellige datahåndteringsværktøjer til din rådighed, fra et klassisk ETL-værktøj (Extract Transform and Load) som Azure Data Factory til AI med Azure Machine Learning eller realtidsanalyse med IoT Hub og videre til Power BI som en selvbetjening og/eller visualiserings-front-end (du kan også bruge Synapse, som kan ses som en komplet dataserie af tjenester, der dækker alt hvad du behøver for at etablere, hvad Microsoft kalder en Data Estate).
Alt i alt betyder det, at en Azure-baseret Data Platform kan understøtte virksomheden og dens skiftende behov på en langt mere fleksibel og smidig måde. Når du har din dataplatform i Azure, kan du etablere forskellige datasæt, teste forskellige scenarier og køre PoC'er hurtigt, du kan "fejle hurtigt", lære og fortsætte med begrænsede ressourcer eller kalendertid.