縱使Azure SQL Database具有合理價格、高度安全(威脅分析)、不需要自行負責管理與營運、不用擔心效能問題…種種優勢，但受限於原先在地端資料庫中包山包海的一大堆服務，為了擠進只聚焦於關聯式資料庫引擎的 Azure SQL Database，你必需瘦身做適度的改寫才能上雲。
為此微軟在2018的十月推出了Azure SQL Managed Instance(以下簡稱MI)服務，也因為相容性高達98~99%，你幾乎可以在不用修改程式碼的條件下，直接搬上雲。
SQL Server 2017 除了內建 Machine Learning的資料庫亮點，在Auto tuning或是其他方面其實也有很多值得推薦的地方，本篇將會側重在 SSIS這個強大的資料轉換工具上。
早在2000年網際網路電子商務，資料探斟(Data mining)紅極一時，但隨著有限的電腦運算能力，又逐漸冷掉。而今，隨著電腦運算能力的大幅提升，以及公有雲可以讓企業可以透過網路輕易地使用運算資料，有效地降低企業在硬體投資以及跌價損失。再加上使用深度學習的AlphaGo擊敗了世界棋王，2017是全世界AI元年，只是歐美打算發展軟體解決方案，台灣政府與一些 OEM/ODM廠商打算發展硬體解決方案，無論你的公司是哪一種類型，其實都可以參考微軟的Machine Learning Platform 名叫 Cortana Intelligence Suite
微軟的Azure Cognitive Service推出時，其產品經理突發奇想，請工程師寫了一個 How-old.net 網站並找了50個人來測水溫，想不到一下子就爆大量吸引了35000人次來訪這個網站，甚至晚間新聞就報出來了。
2017年真的是AI元年，全世界都動起來了，台灣微軟也利用了寒舍艾美酒店場地，在2017/11/23 舉辦了 Microsoft AI day。當天有一個讓全場超過六百個來賓為之驚豔的 demo，是應用Azure Custom Vision服務在 LV與Gucci名牌包的辨識，在本文中將會把它改成，應用影像辨識技術解決我對明星臉眼盲的問題。
隨著SQL2017支援在Linux以及Docker on Mac的新突破，雖然產品上市之前，已經提供了CLI的console mode指令介面給非Windows平台的使用者。但是終究還是有人反應，沒有GUI可以使用，而今SQL Operations Studio這是一個輕量且跨平台的SQL Server開源管理工具，可以提供這一類新客群的存取與管理需求。
另外，這個工具除了可以存取地端的資料庫(裝在Windows、Linux、Docker…環境)、雲端的相關資料服務(Azure SQL database、Azure Data warehouse…)也是可以的。
Microsoft SQL Server自2012版本(SP1 CU2)就開始支援雲端應用，本篇將會著重在 2016 所新增的混合雲應用，介紹微軟如何協助企業取得更經濟、更大彈性的資料庫應用
Azure HDInsight 是微軟以Open source為基礎的巨量分析解決方案，不同於其他雲端服務Provider僅是提供機房空間缺乏佈署監控與管理介面，或是沒有SLA的保障。
在完整的解決方案中，包含了 Spark、Hive、MapReduce、HBase、Storm、Kafka 和 Microsoft R 伺服器…等(雲端的特性，一直會有更新更多的服務加進來)，為客戶提供了最佳化開放原始碼分析叢集、 99.9% SLA 的支援。再加上事先整合好的ISV 應用程式，實現了企業級安全性和監視功能的巨量數據分析叢集。
OMS 是微軟在Azure公有雲平台上面的SaaS服務，包含了Insight & Analytics、Security & Compliance、Automation & Control、Protection & Recovery。而本篇只針對第一項(Log Analytics 為Azure上面的服務名稱)，它是一種雲端的萬用Log收集器暨數位儀表板的解決方案，具有快速、彈性、簡單的雲端優勢，所以接下來的內容將會包含如何應用OMS 快速地監控 SQL Server。
Azure Machine Learning 因為其提供了近乎無限的雲端運算能力，在歐美先進國家已經有許多生技醫藥公司，應用這個產品在基因工程、製藥研發…等重要生產過程，成功地縮短上市時間，創造莫大的獲利空間。
所以本篇將以微軟的機器學習雲端產品，以決策樹與羅吉斯廻歸的演算法，針對銀行的範例資料進行 Classification分類，找出客戶對於行銷活動的關鍵因素。說得較技術，就是為了達成「購買回應」的預測，將會以類別變數作為輸出變數，透過數據模型，產出分類結果預測機率！
