#MSBIFI Goes Unrelational: how-to Datalake and Spark

Alkusyksyn tapaamisessa latasimme odotuksia uusien datalähteiden ja analytiikkamahdollisuuksien suuntaan. Puhuimme että sessio, missä käytäisiin läpi sitä mitä kone-ennustaminen on ja miten se tieto sinne Datalakeen laitetaan olisi hyvä.

Nyt ollaan saat houkuteltua mukaan poppoo, joka pystyy avaamaan meille tätä! Konkreettisena esimerkkinä Helsingin kaupunkipyörien saatavuuden ennustaminen.

Kaksi esitystä: DataBricks, SQL 2019 & Hadoop/Spark, Datalake, Datalake analytics... ainakin noita termejä ja jollainhan sitä pitää visualisoida niin ihmettelisin jos se ei olisi Power BI!

Kannattaa siis tulla ehdottomasti :)

Data Lake Analytics: Case Kaupunkipyörät

Miten hoidetaan end-to-end kaupunkipyörien saatavuuden (lähes reaaliaikainen) ennustaminen Azuren päällä hyödyntäen Data Lake Analyticsia. Demoamme toteutuksen teorialla kuorrutettuna ja tarjoamme omat käytännön havaintomme toteutuksen läpiviennistä.

Mukana menossa mm:
-Data Lake Analytics
-Azure Data Lake (Gen2)
-Azure Functions
-Azure Data Factory
-PowerShell, USQL, R

Esittäjät:
Pekka Saviharju
-.Net ja Azure kehittäjä

Tero Isoranta
-Microsoft BI ja analytiikka konsultti

Azure Data Bricks & Datalake positiointi Microsoft Data Platformissa
Mitä Pekalta ja Terolta jää esityksen ulkopuolelle ja viikon kootut perustelut miksi et vaan voi jättää DataLakeen tutustumatta.

Vesa Tikkanen
-Microsoft MVP