編者按：

本文匯總了AI、數(shù)據(jù)分析、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)行業(yè)中最具創(chuàng)新性的公司對(duì)2020年的預(yù)測(cè)。

預(yù)測(cè)集中在數(shù)據(jù)、公司、數(shù)據(jù)科學(xué)民主化、自動(dòng)化機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、云技術(shù)和數(shù)據(jù)操作等領(lǐng)域。

李浩源

Alluxio創(chuàng)始人兼首席技術(shù)官

基于模型的機(jī)器學(xué)習(xí)已經(jīng)走到了拐點(diǎn)，所有公司都在朝著模型訓(xùn)練方向邁進(jìn)。雖然現(xiàn)在有幾種比較流行的模型訓(xùn)練框架，但是還沒(méi)有出現(xiàn)一種領(lǐng)先技術(shù)。

就像Apache Spark是數(shù)據(jù)轉(zhuǎn)換領(lǐng)域的領(lǐng)頭羊、Presto是交互查詢行業(yè)的佼佼者一樣，2020年會(huì)出現(xiàn)新的行業(yè)巨頭，與PyTorch、Tensorflow競(jìng)爭(zhēng)，一起主導(dǎo)更廣泛的模型訓(xùn)練行業(yè)。

雖然容器和Kubernetes在網(wǎng)絡(luò)服務(wù)器、自包含數(shù)據(jù)庫(kù)等無(wú)狀態(tài)應(yīng)用程序方面表現(xiàn)良好，但是在高級(jí)分析和AI方面，還沒(méi)有被大規(guī)模使用。

2020年，AI和數(shù)據(jù)分析會(huì)在Kubernetes中變得更加主流。Kubernetes堆棧分析，即將數(shù)據(jù)從遠(yuǎn)程數(shù)據(jù)庫(kù)轉(zhuǎn)移到K8s集群，解決數(shù)據(jù)共享和彈性問(wèn)題，使數(shù)據(jù)局部性更嚴(yán)格。

今天的AI與分析團(tuán)隊(duì)，就是昨天的Hadoop平臺(tái)團(tuán)隊(duì)。隨著時(shí)間推移，許多獲取數(shù)據(jù)信息的新方法出現(xiàn)，AI是結(jié)構(gòu)化數(shù)據(jù)分析的下一步。曾經(jīng)的統(tǒng)計(jì)模型已經(jīng)與計(jì)算機(jī)科學(xué)結(jié)合，變成了AI和機(jī)器學(xué)習(xí)。因此，數(shù)據(jù)、分析和AI團(tuán)隊(duì)需要合作，從他們使用的相同數(shù)據(jù)中獲取價(jià)值。這將通過(guò)建立正確的數(shù)據(jù)棧來(lái)實(shí)現(xiàn)——在本地、云端、或兩者上部署存儲(chǔ)庫(kù)，計(jì)算將成為規(guī)范。2020年，我們會(huì)看到更多公司圍繞數(shù)據(jù)棧建立專門(mén)的團(tuán)隊(duì)。

Alan Jacobson

Alteryx首席數(shù)據(jù)和分析官

2020年會(huì)是數(shù)據(jù)民主化的一年。數(shù)據(jù)分析從數(shù)據(jù)科學(xué)團(tuán)隊(duì)擴(kuò)散至各行各業(yè)，并且趨于飽和狀態(tài)，在過(guò)去幾年的醞釀后，最終會(huì)爆發(fā)出來(lái)。這種自助服務(wù)式革命將改變公司與數(shù)據(jù)交互的方式，彌合具有業(yè)務(wù)知識(shí)的人和具有數(shù)據(jù)知識(shí)的人之間的差距。

通過(guò)簡(jiǎn)單好用的API和大量數(shù)據(jù)源的聯(lián)合，自助服務(wù)分析將被用于數(shù)字轉(zhuǎn)換領(lǐng)域最重要的過(guò)程之一“數(shù)據(jù)集成”。典型的數(shù)據(jù)工作人員開(kāi)始從IT領(lǐng)域轉(zhuǎn)向商業(yè)領(lǐng)域，導(dǎo)致做數(shù)據(jù)任務(wù)的人數(shù)量增多。因此，會(huì)有更多數(shù)據(jù)被處理、分析，最終對(duì)商業(yè)產(chǎn)生更重大、更積極的影響。

Wilson Pang

Appen首席技術(shù)官

近兩年，我們?cè)谧匀徽Z(yǔ)言處理方面有了新的突破。例如，BERT已經(jīng)擴(kuò)展了自然語(yǔ)言處理模型的功能。2020年，我們會(huì)看到更多的AI應(yīng)用，如聊天機(jī)器人、在線問(wèn)答、情感分析等等。

過(guò)去幾年中，我們見(jiàn)證了機(jī)器學(xué)習(xí)和AI工具生態(tài)系統(tǒng)的成熟。明年，數(shù)據(jù)注釋、模型訓(xùn)練、調(diào)試、模型服務(wù)、部署和生產(chǎn)監(jiān)控等技術(shù)棧工具數(shù)量會(huì)大幅增加。為了管理這些工具，2020年會(huì)有更多公司轉(zhuǎn)向智能運(yùn)維。大公司的平臺(tái)，如AWS、GCP和Microsoft Azure等，已經(jīng)有了支持智能運(yùn)維的好工具，但許多500強(qiáng)公司仍對(duì)部署到平臺(tái)所在的云端持謹(jǐn)慎態(tài)度。

隨著越來(lái)越多的公司為他們的AI計(jì)劃試驗(yàn)了更多數(shù)據(jù)，安全道德地使用AI會(huì)變得越來(lái)越重要。他們最擔(dān)心的問(wèn)題是數(shù)據(jù)泄露，特別是個(gè)人身份信息、新產(chǎn)品創(chuàng)意和專有信息的泄露。這些問(wèn)題會(huì)導(dǎo)致更多支持AI創(chuàng)造的本地解決方案出現(xiàn)，包括數(shù)據(jù)注釋解決方案和安全利用多樣化人群數(shù)據(jù)的解決方案。確保數(shù)據(jù)安全只是合乎道德地使用AI的一部分舉措，其他舉措還包括關(guān)心人群健康、更審慎地考慮AI應(yīng)用程序?qū)⑷绾斡绊懯褂谜撸駻I如何改善目標(biāo)人群的生活。

Joe Caserta

Caserta創(chuàng)始人兼總裁

2019年，商業(yè)領(lǐng)袖們意識(shí)到只使用強(qiáng)大的分析平臺(tái)來(lái)輸出報(bào)告是不夠的。2020年，數(shù)據(jù)分析人員、流程、技術(shù)等將走向成熟。各公司開(kāi)始創(chuàng)新使用數(shù)據(jù)發(fā)現(xiàn)和商業(yè)智能的方式，并開(kāi)始使用數(shù)據(jù)蜘蛛、機(jī)器人、AI和自然語(yǔ)言處理工具來(lái)查詢數(shù)據(jù)，更快地獲得結(jié)果。我們正準(zhǔn)備迎接另一場(chǎng)數(shù)據(jù)革命，這場(chǎng)革命將徹底改變當(dāng)前格局，顛覆現(xiàn)代數(shù)據(jù)工程。

Bob Moul

機(jī)器數(shù)據(jù)智能平臺(tái)Circonus首席執(zhí)行官

通過(guò)大規(guī)模分析物聯(lián)網(wǎng)數(shù)據(jù)做出的決策將帶來(lái)巨大商機(jī)，有助于降低成本、減少停工時(shí)間、預(yù)防意外出現(xiàn)。

過(guò)去幾年中，許多人開(kāi)始嘗試使用Kubernetes，學(xué)習(xí)概念驗(yàn)證。2020年，我們將會(huì)看到大量的部署在線化，與公司內(nèi)部的DevOps功能緊密結(jié)合。需要注意的是，容器環(huán)境會(huì)產(chǎn)生大量數(shù)據(jù)記錄，許多傳統(tǒng)監(jiān)控產(chǎn)品可能無(wú)法滿足高基數(shù)需求。

據(jù)Gartner預(yù)測(cè)，2020年會(huì)有約200億臺(tái)物聯(lián)網(wǎng)設(shè)備。隨著物聯(lián)網(wǎng)越來(lái)越先進(jìn)，信息量越來(lái)越大，亟需更先進(jìn)的管理方案來(lái)管理資源和工具。公司需要采用可擴(kuò)展的存儲(chǔ)解決方案，來(lái)適應(yīng)數(shù)據(jù)的爆炸式增長(zhǎng)，從而有望以超越現(xiàn)有技術(shù)的能力來(lái)容納、處理數(shù)據(jù)，提供有價(jià)值的見(jiàn)解。

我們看到在藍(lán)綠部署等DevOps實(shí)踐推動(dòng)下，數(shù)據(jù)記錄數(shù)量大幅增加。一些有先見(jiàn)之明的公司采用這些做法并將它們與快速CI/CD工具結(jié)合起來(lái)，已經(jīng)發(fā)布了十多個(gè)版本。未來(lái)將會(huì)對(duì)這些工具進(jìn)一步大改，幫助支持這些用例。

Ryohei Fujimaki博士

dotData 首席執(zhí)行官兼創(chuàng)始人

2019年，越來(lái)越多的公司意識(shí)到擁有自動(dòng)化數(shù)據(jù)科學(xué)能力的重要性，自動(dòng)機(jī)器學(xué)習(xí)的吸引力越來(lái)越大。高度人工、耗時(shí)多的設(shè)計(jì)過(guò)程是自動(dòng)機(jī)器學(xué)習(xí)成功必不可少的，但傳統(tǒng)的自動(dòng)機(jī)器學(xué)習(xí)卻受到設(shè)計(jì)過(guò)程的阻礙。2019年，自動(dòng)機(jī)器學(xué)習(xí)2.0崛起——這是自動(dòng)機(jī)器學(xué)習(xí)體驗(yàn)的新迭代，用AI來(lái)使用關(guān)系數(shù)據(jù)集里的原始商業(yè)數(shù)據(jù)，自動(dòng)創(chuàng)建、評(píng)估和評(píng)分，然后根據(jù)機(jī)器學(xué)習(xí)算法進(jìn)行評(píng)估。

2020年，越來(lái)越多的供應(yīng)商加入自動(dòng)機(jī)器學(xué)習(xí)2.0的行列，預(yù)計(jì)這種數(shù)據(jù)科學(xué)全周期自動(dòng)化的趨勢(shì)將會(huì)加速。2020年的另一大趨勢(shì)是機(jī)器學(xué)習(xí)管道的運(yùn)營(yíng)化和產(chǎn)品化。隨著早期MLOps試驗(yàn)的實(shí)施，盡可能多的自動(dòng)化操作將變得越來(lái)越重要。

Buno Pati

Infoworks首席執(zhí)行官

未來(lái)十年，新挑戰(zhàn)者將會(huì)以前所未有的速度崛起，現(xiàn)任的行業(yè)巨頭也將以同樣快的速度隕落。波士頓咨詢公司（BCG）的研究顯示，對(duì)于大公司而言，過(guò)去、未來(lái)多年的財(cái)務(wù)情況和競(jìng)爭(zhēng)表現(xiàn)之間的關(guān)聯(lián)性變?nèi)酢?/span>

目前，各行各業(yè)的數(shù)據(jù)科學(xué)家約80%的時(shí)間都花在了一些低價(jià)值的活動(dòng)上，如獲取數(shù)據(jù)、增量更新數(shù)據(jù)、組織管理數(shù)據(jù)、優(yōu)化管道和向應(yīng)用程序提交數(shù)據(jù)。他們只將20%的時(shí)間花在開(kāi)發(fā)應(yīng)用程序上，來(lái)推動(dòng)業(yè)務(wù)進(jìn)一步增長(zhǎng)，增強(qiáng)競(jìng)爭(zhēng)優(yōu)勢(shì)。那些通過(guò)新的自動(dòng)化方法進(jìn)行數(shù)據(jù)操作和編制的人，才是真正使用數(shù)據(jù)的人。他們將快速發(fā)展，因?yàn)樗麄兡軌驅(qū)?shù)據(jù)科學(xué)才能集中在創(chuàng)造商業(yè)價(jià)值上。數(shù)字轉(zhuǎn)型將影響到經(jīng)濟(jì)領(lǐng)域的方方面面——科技、金融服務(wù)、零售或電子零售等意料之內(nèi)的領(lǐng)域和農(nóng)業(yè)、家居裝修、公共部門(mén)等意料之外的領(lǐng)域。

《通用數(shù)據(jù)保護(hù)條例》（GDPR）、《加州消費(fèi)者隱私法案》（CCPA）只是消費(fèi)者數(shù)據(jù)保護(hù)控制的冰山一角。未來(lái)十年，隨著政府和監(jiān)管機(jī)構(gòu)出臺(tái)新的隱私法案，可以預(yù)見(jiàn)消費(fèi)者對(duì)個(gè)人數(shù)據(jù)的控制力將大幅增強(qiáng)。假以時(shí)日，這些監(jiān)管行動(dòng)可能會(huì)幫助消費(fèi)者完全掌握自己的個(gè)人數(shù)據(jù)，并有機(jī)會(huì)將數(shù)據(jù)貨幣化或直接用數(shù)據(jù)交換商品和服務(wù)。

如今美國(guó)增長(zhǎng)最快的行業(yè)是太陽(yáng)能和風(fēng)能。未來(lái)十年，這些行業(yè)的就業(yè)增長(zhǎng)速度預(yù)計(jì)是其他行業(yè)的兩倍（數(shù)據(jù)來(lái)源：美國(guó)國(guó)會(huì)加州第17選區(qū)議員Ro Khanna）。這些行業(yè)的技術(shù)進(jìn)步降低了成本，引發(fā)了清潔能源運(yùn)動(dòng)，使全球可再生能源產(chǎn)能在過(guò)去九年里增加了三倍（數(shù)據(jù)來(lái)源：聯(lián)合國(guó)環(huán)境規(guī)劃署），超過(guò)了美國(guó)發(fā)電廠產(chǎn)能總和。未來(lái)十年，優(yōu)化這些技術(shù)的使用方法，能最大程度地提高效益，但將產(chǎn)生大量數(shù)據(jù)和新的用例分析。管理和利用這些海量數(shù)據(jù)需要復(fù)雜的數(shù)據(jù)操作、編制系統(tǒng)，這遠(yuǎn)勝于過(guò)去的人工密集型操作方法，使數(shù)據(jù)科學(xué)家能夠最大程度地發(fā)揮他們的才華——通過(guò)數(shù)據(jù)驅(qū)動(dòng)的過(guò)程和見(jiàn)解，推動(dòng)行業(yè)持續(xù)發(fā)展。

Izenda公司

如果2019年是機(jī)器年，那么2020年將是用戶年。

2019年，AI和機(jī)器學(xué)習(xí)將在數(shù)據(jù)分析中大規(guī)模應(yīng)用，產(chǎn)生比以往更快也更有價(jià)值的見(jiàn)解。下一步是使這一過(guò)程民主化——減輕高技能員工的數(shù)據(jù)負(fù)擔(dān)，并賦能終端的非技術(shù)性用戶同樣的見(jiàn)解。既不需要額外雇傭分析師，也不需要對(duì)用戶進(jìn)行查詢語(yǔ)言培訓(xùn)，用戶可以像使用谷歌一樣輕松瀏覽他們的數(shù)據(jù)。

通過(guò)文本或語(yǔ)音處理自然語(yǔ)言，有助于培養(yǎng)“公民數(shù)據(jù)科學(xué)家”。雖然一些BI工具（商業(yè)智能分析工具）已經(jīng)在平臺(tái)上添加了自然語(yǔ)言處理功能，但是仍有一件事使它們無(wú)法被應(yīng)用：價(jià)格。2020年，我們將開(kāi)始看到價(jià)格低廉的SaaS BI工具，用途和功能與價(jià)值數(shù)萬(wàn)美元的工具類似。把機(jī)器學(xué)習(xí)能力和自助服務(wù)功能結(jié)合，放在一個(gè)價(jià)格低廉的平臺(tái)上，使各規(guī)模的公司都有能力從數(shù)據(jù)中找到可行的見(jiàn)解。

Jeff Catlin

Lexalytics首席執(zhí)行官

作為以文本為中心的AI/ML公司經(jīng)營(yíng)者，我認(rèn)為2019年有兩大趨勢(shì)：BERT、XLNet等模型滲透到AI/ML領(lǐng)域，并且數(shù)據(jù)科學(xué)家在下半年有了重大改變——從自己完成所有工作到使用AI工具和平臺(tái)解決問(wèn)題。兩個(gè)趨勢(shì)之間是相關(guān)的：雖然BERT只使用一部分訓(xùn)練數(shù)據(jù)就能提供較為正確的結(jié)果，成為了行業(yè)規(guī)則制定者，但要精通它難度很大，因?yàn)槠脚_(tái)包含了所有內(nèi)置管道。

2020年，AI會(huì)進(jìn)一步鞏固它未來(lái)十年決定性技術(shù)的地位。供應(yīng)商將從“不可思議”的角度，傳達(dá)正確的信息，即AI可以幫助人類，讓人類更快、更好地完成工作。此外，自然語(yǔ)言處理將在機(jī)器人流程自動(dòng)化中占據(jù)更重要的地位，在這方面供應(yīng)商會(huì)嚴(yán)重滯后。隨著公司將更多流程自動(dòng)化，自然語(yǔ)言處理供應(yīng)商將提供本地+混合云選項(xiàng)、易于集成的API、快速可定制性的ROI——來(lái)滿足用戶的需求。

Bruce Tannenbaum

MathWorks產(chǎn)品管理高級(jí)經(jīng)理

隨著AI相關(guān)產(chǎn)業(yè)的持續(xù)發(fā)展，該技術(shù)的影響將不再局限于數(shù)據(jù)科學(xué)領(lǐng)域，還會(huì)影響到醫(yī)療設(shè)備、汽車設(shè)計(jì)、工業(yè)生產(chǎn)安全等領(lǐng)域。

明年，AI將被部署到低功耗、低成本設(shè)備上。AI通常使用浮點(diǎn)計(jì)算來(lái)獲得更高的精準(zhǔn)度和更簡(jiǎn)易的訓(xùn)練模型，但它無(wú)法在使用定點(diǎn)計(jì)算的低成本、低功耗設(shè)備上運(yùn)行。如今軟件工具的最新發(fā)展，支持不同層次定點(diǎn)計(jì)算的AI推理模型。

2020年，強(qiáng)化學(xué)習(xí)將從游戲領(lǐng)域轉(zhuǎn)向現(xiàn)實(shí)世界的工業(yè)應(yīng)用，特別是在自動(dòng)駕駛、自主系統(tǒng)、控制設(shè)計(jì)、機(jī)器人等方面。強(qiáng)化學(xué)習(xí)被用于改進(jìn)更大的系統(tǒng)，從而取得成功，例如改進(jìn)自動(dòng)駕駛系統(tǒng)中的駕駛員表現(xiàn)。

一項(xiàng)面向數(shù)據(jù)師的調(diào)查顯示，缺乏高質(zhì)量數(shù)據(jù)是AI成功應(yīng)用的最大障礙。每日正常的系統(tǒng)操作會(huì)產(chǎn)生大量可用數(shù)據(jù)。然而，在異常或臨界失效條件中難以找到的數(shù)據(jù)通常更有價(jià)值。訓(xùn)練精確的AI模型需要大量這樣的數(shù)據(jù)。2020年，模擬將有助于獲得數(shù)據(jù)AI，一定程度上解決這一問(wèn)題。

Matt Yonkovit

Percona首席執(zhí)行官

在數(shù)據(jù)庫(kù)領(lǐng)域，特別是云計(jì)算方面，存在著技術(shù)短缺問(wèn)題。越來(lái)越多的公司希望使用它們的數(shù)據(jù)，卻發(fā)現(xiàn)很難以希望的速度使用數(shù)據(jù)。選擇數(shù)據(jù)庫(kù)與應(yīng)用程序一起運(yùn)行的開(kāi)發(fā)人員，希望數(shù)據(jù)庫(kù)能夠正常工作，并且不需要承擔(dān)管理職責(zé)，無(wú)需成為數(shù)據(jù)庫(kù)管理員就能實(shí)現(xiàn)。

過(guò)去，數(shù)據(jù)庫(kù)供應(yīng)商通過(guò)發(fā)布更多管理服務(wù)來(lái)解決問(wèn)題，但這可能會(huì)將問(wèn)題轉(zhuǎn)移到其他方面。今年，各公司開(kāi)始討論如何管理自動(dòng)化數(shù)據(jù)庫(kù)，使其能實(shí)現(xiàn)自動(dòng)化、自主修復(fù)。在Oracle的客戶會(huì)議上，這是一個(gè)很大的主題，而Percona已經(jīng)啟動(dòng)了自己的計(jì)劃，使云數(shù)據(jù)庫(kù)更加自動(dòng)化。

明年，我們將提供更多自動(dòng)化數(shù)據(jù)庫(kù)服務(wù)，滿足客戶對(duì)速度的需求。然而，需要注意的是要如何設(shè)計(jì)和交付這個(gè)自動(dòng)化服務(wù)。對(duì)大多數(shù)人有利的事情并不一定適合所有人。

Peter Bailis

Sisu首席執(zhí)行官

如今是數(shù)據(jù)發(fā)展的黃金時(shí)代，我們通過(guò)與顧客的工作交流發(fā)現(xiàn)了2020年的三大趨勢(shì)：新的分析堆棧興起、數(shù)據(jù)分析從儀表盤(pán)變得更具診斷性、新職業(yè)運(yùn)營(yíng)分析師誕生。

從投資Redshift、Snowflake、BigQuery等云數(shù)據(jù)倉(cāng)庫(kù)開(kāi)始，各公司還使用了現(xiàn)代數(shù)據(jù)管道和Fivetran、Stitch等數(shù)據(jù)倉(cāng)庫(kù)技術(shù)工具，將更多數(shù)據(jù)導(dǎo)入這些結(jié)構(gòu)化存儲(chǔ)解決方案。接下來(lái)，公司會(huì)重建診斷工具，來(lái)應(yīng)對(duì)更豐富、更海量數(shù)據(jù)的涌入。

為了處理公司的幾十個(gè)數(shù)據(jù)源和幾乎實(shí)時(shí)的數(shù)據(jù)量，IT和數(shù)據(jù)團(tuán)隊(duì)將圍繞四個(gè)重要方面重建分析基礎(chǔ)結(jié)構(gòu):

● 云數(shù)據(jù)倉(cāng)庫(kù)，如Snowflake、BigQuery、Redshift、Azure等

● 數(shù)據(jù)管道工具，如Fivetran、Stitch等

● 靈活的儀表盤(pán)和報(bào)告工具，如Looker等

● 增強(qiáng)分析師和商業(yè)智能團(tuán)隊(duì)能力的診斷分析工具

自2020年開(kāi)始，數(shù)據(jù)治理將重回前沿。隨著數(shù)據(jù)分析、診斷平臺(tái)的發(fā)展，從數(shù)據(jù)中得出的信息將在公司中更加無(wú)縫共享，因?yàn)閿?shù)據(jù)治理工具將確保數(shù)據(jù)的保密性、使用合理性、完整性。2020年，公司在使用和理解分析方面會(huì)發(fā)生變化。

與這種基礎(chǔ)架構(gòu)變化隨之而來(lái)的是，董事會(huì)關(guān)心度量標(biāo)準(zhǔn)為什么在變化，這些變化對(duì)日常業(yè)務(wù)操作有什么影響。公司競(jìng)爭(zhēng)力建立在對(duì)數(shù)據(jù)的有效利用基礎(chǔ)之上，成功的公司將不再把他們的數(shù)據(jù)當(dāng)作無(wú)用的檔案，而是一種有競(jìng)爭(zhēng)力的資產(chǎn)。

數(shù)據(jù)分析的未來(lái)是運(yùn)營(yíng)分析師崛起，數(shù)據(jù)不再只屬于數(shù)據(jù)科學(xué)家。公司中的每個(gè)人每天都會(huì)像數(shù)據(jù)分析師一樣工作，出現(xiàn)針對(duì)特定用例的新技能和新工具。分析趨勢(shì)、變化，并利用數(shù)據(jù)做出有影響的決定，不再僅僅局限于商業(yè)分析師或市場(chǎng)分析團(tuán)隊(duì)，而成為對(duì)新員工的規(guī)范和期望。

Kirit Basu

StreamSets產(chǎn)品戰(zhàn)略副總裁

隨著各公司未來(lái)的擴(kuò)張、分析數(shù)據(jù)野心的增長(zhǎng)，數(shù)據(jù)操作將被視為克服現(xiàn)代數(shù)據(jù)分析相關(guān)的速度、碎片化、變化速度等問(wèn)題的解決方案。2019年，Gartner上“數(shù)據(jù)操作”搜索次數(shù)增長(zhǎng)了兩倍。此外，StreamSets發(fā)現(xiàn)有大量用戶使用了數(shù)據(jù)操作功能。供應(yīng)商帶著數(shù)據(jù)操作產(chǎn)品正在進(jìn)入這個(gè)領(lǐng)域，許多供應(yīng)商通過(guò)收購(gòu)小型公司來(lái)確立數(shù)據(jù)管理規(guī)則。最后，將會(huì)出現(xiàn)大量與數(shù)據(jù)操作有關(guān)的招聘信息。所有這些都指向?qū)Α皵?shù)據(jù)操作”的新理解和對(duì)其命名的認(rèn)可，使這種實(shí)踐成為數(shù)據(jù)驅(qū)動(dòng)組織的代名詞。

Arvind Prabhakar

StreamSets聯(lián)合創(chuàng)始人兼首席技術(shù)官

2020年，會(huì)出現(xiàn)更多新技術(shù)，即使公司對(duì)Apache Spark沒(méi)有深入的技術(shù)理解，也能解決核心業(yè)務(wù)問(wèn)題，并從數(shù)據(jù)中提取見(jiàn)解。公司不需要專門(mén)的技能，就能使用Apache Spark等工具。這將使公司實(shí)現(xiàn)連續(xù)數(shù)據(jù)、監(jiān)視，并能查看每個(gè)操作和應(yīng)用對(duì)公司的影響。

來(lái)源：kdnuggets

翻譯 | 田曉娜；校對(duì) | 黃一成

版面 | 尹歡歡

互動(dòng)話題：未來(lái)這些領(lǐng)域什么最重要？

每周評(píng)論區(qū)，被zan最多的評(píng)論者，將獲得造就送出的書(shū)籍一本。