在過去的兩年里，數字化轉型驟然加速；而在轉型過程中，云戰略至關重要。那么，如何選擇正確的云平臺呢？

來自某跨國企業的領導人的一席話，為云平臺“選擇困難癥”指明了方向：“上云的本質其實就是數據上云，因此，考量一個能夠真正商用的云，其是否可以真正實現數據的核心價值，是做出云平臺選擇的關鍵。”

如果用數據能力評價云平臺上數據能力的短長，究竟需要考量哪些方面呢？我們在這里總結了六大因素，供您參考。

云端數據的安全問題是首要考量的因素，云平臺必須實現安全加固，解決不同應用層面上安全的碎片化，以及安全管理、合規層面的問題。

開源生態的蓬勃發展帶來了數字化技術的多樣性，云計算作為其中翹楚體現出了其巨大的商業潛力。然而，當技術的獲取甚至計算能力不再是那么稀缺的時候？我們應該思考的是，在新時代的技術和經濟結構中，最稀缺的會是什么東西？

安全和信任將成為最稀缺的資源之一，微軟智能云 Azure 在這一領域進行了巨大的投資：

微軟雇傭了3700多名安全專家，每年在安全上花費超過10億美元。

微軟智能云 Azure 每天分析超過24萬億個安全信號。

僅在2020年，Microsoft 365 Defender 就屏蔽了60億個惡意軟件威脅。

為了保護客戶的云端創新成果，微軟智能云Azure 在架構的每一層都內置了安全功能，包括運行時的安全級別與編寫代碼時都內置安全性功能。例如，GitHub 高級安全功能使開發人員能夠提供更安全的代碼，如漏洞代碼掃描、私密掃描，以避免將密鑰和密碼等私密信息放入代碼存儲庫。

同時，微軟更利用人工智能來提升云安全，Azure 安全解決方案中使用的人工智能分析每天數萬億個安全信號，向安全團隊提出最需要優先處理的安全事件，大幅減少安全噪音，并節省 SecOps 的寶貴時間。

從具體的安全產品上看，Azure 內置有大量安全解決方案。例如，在身份管理方面，擁有 Azure Active Directory（基于混合云身份管理的云端活動目錄）等產品，解決了應用層面的安全碎片化；在管理層面上通過數字身份認證等措施，解決了數字身份方面的安全問題；在網絡安全領域，通過 Defender for Cloud 等保護網絡安全體系；在合規層面，通過90多項產品和服務，保障了數據合規性等。

同時，如何有策略地對數據進行保護呢？以 Azure 數據保護方案為例，它擁有深度和全面的保護措施：

對敏感數據進行發現、分類和標記

監視針對敏感數據的異常和威脅

加密傳輸中的敏感數據

在默認情況下啟用靜態數據加密

在需要時在靜態數據中使用客戶托管的密鑰選項

使用安全密鑰管理過程

使用安全證書管理過程

確保密鑰和證書存儲庫的安全性

2020年，Gartner 發布《Solution Comparison for the Native Security Capabilities》報告，首次全面評估了全球六大云廠商的整體安全能力。

從整體安全能力看，微軟排名第一。此次評估維度包括“基礎設施安全，云治理和合規，網絡安全，應用和容器安全，數據安全，日志和預警，應用和工作負載保護”等，這一評估結果更佐證了微軟在云安全方面的成就。

云計算領域正在向融合式發展演進。

在微軟看來，應用、數據和業務的共存共生，最終會朝著相同的方向演進，數字化技術的結構，決定了它需要構建反饋循環來實現進化自身的目的，生物學上把這稱為趨同性演化（Convergence）。這是一種源自進化論的概念，意思是說：一些原本不相關的生物，在受到相似外界作用的影響下，會進化出相同或相近的功能或器官。

在云計算領域，企業將不同來源的數據資產放到云端之后，數據資產通過數據應用的作用，針對客戶所需求的業務，最終演進為微軟一直倡導的“Digital Feedback Loop（企業數字化閉環）”這一理念。

曾幾何時，很多企業投入巨大，建設了很多數據倉庫、數據湖、大數據平臺等系統，數據庫或許采用了 SQL、NoSQL 等，但今天正在走向融合——實現湖倉一體和流批一體，即在一個體系框架內用多樣化的數據引擎進行分析，例如 Azure Synapse Data Explorer（數據瀏覽器）。

微軟 Azure Synapse Data Explorer（數據瀏覽器）最新發布的公開預覽，補充了現有的 SQL 池和 Apache Spark 引擎。微軟從產品層面，對新的數據瀏覽器的運行引擎進行了優化，并使用強大的索引技術，自動索引自由文本和半結構化數據，讓它可以近乎實時的速度查詢大量的結構化、半結構化、自由文本遙測和時間序列數據等。

其關鍵功能包括：

強大的分布式查詢引擎，索引所有數據，包括自由文本和半結構化數據。數據被自動壓縮、索引、自動優化，緩存在 SSD 上，并持久化在存儲上。計算和存儲是分離的，這給了用戶充分的彈性，實現自動伸縮，而不需要停機。

直觀的 Kusto 查詢語言（KQL），使用 Synapse 數據瀏覽器的最佳文本索引來探索原始遙測和時間序列數據，用于高效的自由文本搜索、正則表達式和對跟蹤文本數據的解析。

全面的 JSON 解析功能，用于查詢半結構化數據，包括數組和嵌套結構。

原生、高級時間序列支持創建、操作和分析多個時間序列，引擎內 Python 和 R 執行支持模型評分。

隨著科技的發展，分析的操作難度不斷降低，真正實現技術的“平民化”。

憑借多年深耕不同行業的知識積累，微軟將行業知識固化到了產品中，在 Azure Synapse 推出了行業數據分析模板——標準化的數據庫模型，方便用戶隨時根據組織需求使用和創建數據庫模型。

這些模型包含豐富的元數據，可以逐步增強對數據模型的理解。使用這些模型創建湖數據庫，并使用 Azure Synapse 在運行分析時為業務用戶提供見解。

在 Synapse 中，有專門針對行業的數據分析模版，例如銀行、保險、零售業等等。行業數據分析模版具有十分領先的意義，其核心關鍵就是解決了當下很多企業存在的豎井式數據平臺的分離問題，這一問題最終導致企業內部生產、零售、財務等部門各行其是，給數據整合和數據分析造成了巨大阻礙。

如果使用微軟的行業數據分析模版，企業各個部門將從源頭將數據徹底打通；同時更可利用微軟強大的行業生態與 Dataverse，融合來自本地、跨云端、應用程序與物聯網等的數據，實現真正的上下游數據融合。

云端的數據更需要支持“多元化消費”，主要包括數據治理能力和數據可視化能力。

數據治理能力

在今天這個多云和混合云的時代里，客戶對全面數據治理服務的需求從未如此強烈。微軟智能云 Azure 擁有業界先進的數據治理工具 Purview ，可以與微軟現有系統進行深度整合。

Azure Purview 是微軟的統一數據治理服務，可幫助企業管理和治理其本地、多云和軟件即服務 （SaaS） 數據。自 Azure Purview 全面上市以來，已經產生了超過570億的數據資產。

Azure Purview 通過與 Azure、Microsoft 365、Microsoft Power Platform 等平臺數據服務的深度集成，確保數據資產得到管理。每個組織現在都可以構建統一的數據治理解決方案，以最大限度地發揮其云中數據的價值。

數據可視化能力

鼠標拖拽，即可輕松實現數據分析

今天，無代碼化的趨勢也同樣反映在云端的數據平臺應用中。隨著數據量級的不斷擴大，需要一種機制來確保用戶可以無縫使用更新后的內容，不應該有等待的期間；于此同時，對 BI 創建來說，也應該具有更好的協同機制。

Power BI 部署管道應運而生，它誕生的目的就是進一步提升效率并解決重用問題。它可以用于 Premium 容量，管理內容生命周期，允許內容在正式使用前得到充分的開發和測試。

在此之前，實現數據管道方面的應用，需要巨大的開發投入。而如今，通過鼠標拖拽就能完成數據集成工作，這集中呈現了云端數據平臺的無代碼/低代碼化趨勢，也就是數據分析的自服務能力。在微軟智能云 Azure 之上，很多功能都已經實現了無代碼化——用戶只需拖拽鼠標就可實現數據集成、數據可視化、數據分析、數據虛擬化等功能：

數據集成

無需自行編寫代碼，就能在數據工廠視覺環境中構建混合 ETL 和 ELT 管道，攝取近 100 個本地連接器的數據；單擊幾下即可引入、移動、準備、轉換和處理數據。還可以將現有 SSIS 包直接遷移到 Azure，并在 ADF 中運行它們。

數據分析

作為首個能在千萬億字節規模級別運行所有 TPC-H 查詢的分析系統，企業可以使用 Azure Synapse 在生產環境中運行其現有的數據倉庫工作負載，將來自所有數據源、數據倉庫和大數據分析系統的見解匯集在一起。再結合 Dynamics 365 最新的 Customer Insights 模塊，幫助銷售和服務人員獲得他們進行個性化互動所需的指導。

數據可視化

利用微軟的 Power BI，可以連接到任何位置的數據，通過交互式可視化效果來瀏覽；發布報表和儀表板與團隊協作，并在組織內外共享見解；通過應用中提供的內置業務分析，推動發現更多見解。用戶也能從集成的人工智能和商業智能工具中獲益，包括 Azure 機器學習、Azure 認知服務等。

數據虛擬化

過去連接 SQL Server 數據與外部數據的難度很大；現在只需借助 PolyBase，Azure 數據倉庫就可處理從 Hadoop 中讀取數據的 Transact-SQL 查詢， 同一查詢還可以訪問 SQL Server 中的關系表。

數據分析的自服務能力對企業而言，非常關鍵——有了數據分析的自服務能力，可以節省大量的人力資源投入，全面提升分析效率。

與其他類似云平臺企業相較而言，微軟的 Power BI 是自有產品，可以與微軟 Azure 進行深度融合，而無需額外的數據匯集的開發工作。微軟 Azure Synapse 擁有自服務平臺 Workspace，搭配 Databricks 和 Power BI，就形成了一個云端的自助式數據生產力工廠。

用軟件定義一切，實現自動化和自服務，標準化、規范化管理軟件供應鏈。

便捷性配置

對于很多 Azure 的客戶而言，他們往往會忽視 Azure 一個重要的優勢——操作便捷性。

例如，在云端配置、變更參數或發布，在 Azure 上只需要輕點鼠標、選擇下拉列表，幾分鐘內，一切功能就都實現了。而無需像其他一些云平臺那樣，每次發布和配置，都需要登陸終端進行各種復雜操作，甚至重啟系統等，需要花費數個小時不等。

軟件定義一切

作為混合云方案的重要組成部分，軟件定義數據中心，以及基于軟件定義數據中心軟件的超融合基礎設施/集成系統，是企業建設私有云以及推動數字化轉型所需要的關鍵技術。

微軟希望客戶能夠用一個架構、一個管理工具來管理全部的混合云，最大限度地為客戶的云設備管理省時、省力、省錢。

微軟 Azure Stack HCI 超融合基礎架構通過 Windows Admin Center（WAC）連入 Azure 公有云，企業可以通過自己所熟悉的 Azure 門戶，統一管理包括 Azure Stack HCI 在內的各種 Azure 資源；而且，通過使用 Azure Arc 還能管理其他云服務。

低運維成本

云端的數據平臺是一個復雜的系統化工程。以本地的數據倉庫為例，如果用戶建設了一個大型數據倉庫項目，那么廠商將會每年收取高昂的運維和調優費用。

但如果在 Azure 云端托管數據倉庫服務，由于 Synapse 或 SQL MI 是微軟的自有產品，無論是虛擬化、數據庫引擎，或者調度等等，都可以交由微軟進行運維，這一點是微軟相比其他云平臺的獨特優勢，能為客戶節約大筆資金。

內部生態+外部生態的協同創新力量。

微軟智能云 Azure 的獨到之處，在于其強大的生態能力。

? 從內部生態來看，微軟 Azure 擁有60+數據中心、100+合規能力、35個國家建設有數據中心，每天分析約24萬億安全信號。

同時，在微軟智能云 Azure 身后，有一個智能云矩陣，包括 Microsoft Office 365 生產力云平臺等。

Microsoft Dynamics 365 全面整合了人工智能與商業智能，Microsoft Power Platform 提供了無需專業編程、即可快速便捷實現全民開發的低代碼應用開發工具。

在高速成長的行業云領域，微軟還陸續推出了微軟金融服務云、微軟醫療云、微軟制造云、微軟非營利組織云以及微軟零售云等云產品，受到大量全球客戶的追捧。

? 從外部生態來看，微軟智能云 Azure 擁有強大的跨云管理能力，微軟云市場支持著擁有成千上萬的合作伙伴的生態系統，具備強大的延展性和擴展性。

在微軟云生態系統中，有800多個獨立軟件供應商、17個設備合作伙伴和1000多個系統集成商。他們可以在微軟云 Marketplace 上方便迅捷地發布解決方案和服務，合作伙伴可以由此接觸到來自140多個國家的近400萬用戶。此外，合作伙伴還可以通過參與微軟的聯合銷售計劃，來創造新的機會。

原文標題：深讀 Microsoft Ignite China | 云端之上，六大數據能力論短長

文章出處：【微信公眾號：微軟科技】歡迎添加關注！文章轉載請注明出處。