数据管理和分析对过去十年来的业务战略和增长至关重要。但是,随着企业导航大流行和斗争为未来计划,他们从未如此至关重要。

随着这一持续发挥作用,预计数据,分析,集成和Devops的融合会出现,为公司创造一个新的环境,以利用AI解决业务挑战和机遇。借此识谋,Tibco的首席分析官员Michael O'Connell,预测在未来几个月内观察四个主要数据分析趋势:

  1. 数据管理和分析的融合:正如我们所在在之前写的在创新的顶点,大下载188金宝搏软件流行强迫许多公司加速了他们的数字转型努力。从数据融合透视中,增加AI采用意味着自动化和低代码数据准备和机器学习可以合并到商业智能(BI),分析,数据科学,业务流程和App-Dev工作环境中。我们称之为我们的方法“超电流分析将这些领域的常规任务自动化,腾出时间进行创新和业务优化。随着这一趋势的增长,预计将看到所有职能领域和组织级别对数据素养的更大需求。
  2. 运动中的创意组合和休息数据:所有数据都以业务事件的形式开始,业务事件以不同的速度到达,用户以不同的频率使用基于这些事件的分析。在未来的几年里,动态数据和静态数据将结合起来,形成闭环、自学习的操作系统。正如Michael所说的,“具体来说,我认为涉及移动数据的解决方案会出现下降,而直接在事件流上分析数据、委托的廉价存储系统以及两者的流体组合的解决方案会出现上升。”
  3. 数据集线器的出现作为混合数据资产之间的融合桥:来自多个不同数据源的滚动更新对于加油企业的多云,以AI为中心的环境至关重要。迈克尔认为,随着经济重新开放的,我们将看到新的ad-hoc数据组合出现,因为经济重新开放,公司回应了从大流行所赋予的社会行为的变化。健康状况的融合分析,建筑物访问和占用以及人群密度只是我们可以期望在Covid时代看到的一些例子。
  4. DEVOPS,MODELES的数据科学融合:数据科学家,Devops和Modelop开发人员在生产中管理数据科学应用程序之间的更大合作不仅是遥控工作的自然副产品,而且在才能生命和工作的地方寻找人才的副产品。随着发布的持续发展为一门学科,这种融合将加速,从而产生新的机器学习(ML)工程人物。According to Michael, “In their [the engineer’s] role, they configure deployment scenarios in hybrid cloud environments, working with data scientists, data engineers, business users, DevOps, ModelOps, application development, and design teams to manage deployments, monitor and update data science workflows in production environments.”

预测整个2021年将产生的每一个无数的商业挑战都无法预测,但是可以安全地说,收敛分析对解决它们是至关重要的。阅读更多迈克尔关于上述预测和其他趋势的思考,我们可以期待全年看到。

留下一个回复

请输入您的评论!
请在这里输入您的姓名