数据专业人员的行业预测
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-11-17
图形数据库将为企业信息结构带来更大的价值
图形数据库专注于连接数据，以便可以通过其与其他数据的关系进行访问，图形数据库提供了在两个或多个（多个）数据集之间进行协调以提供单个视图的方法，这使我们可以跨整个数据集提出问题，而不是孤立的源数据部分，数据源和准备工作是分析的巨大瓶颈，对于新的数据科学和机器学习计划，情况更是如此，时至今日，生成的大多数数据仍然孤立于结构化和非结构化格式，今年我们将看到公司和数据科学家都将这些分散的数据结合在一起-不是通过打破孤岛-而是通过基于图形技术的统一数据结构覆盖使所有这些数据更易于访问和理解。
许多财富500强公司已经开始采取这些举措
因为它们致力于将来自不同来源的数据分类并互连起来，作为知识图表，无论它们位于何处都可以利用，数据密集型行业-尤其是石油和天然气，金融服务，生命科学，甚至政府实体-将从这种新的数据民主化方法中受益，图数据库将为数据工程提供机器学习的动力，如果说2020年确实是“图表之年”，那么2021年很容易成为“机器学习与图表相遇的年”。机器学习继续革新数据分析和软件工程的过程，但是人们越来越关注图技术如何直接帮助并加速这一发展。
用于数据发现，协调和准备的新的基于图的工具
考虑知识图和针对它们的自动查询-消除了与数据相关的障碍，从而成功实现了机器学习计划，它们可以大大加快数据科学家原本需要做的许多手动工作，图提供了针对更广泛的数据积累训练机器学习算法的方法，从而确保这些智能算法能够更快地找到更广泛的应用，为了使机器学习不辜负其在2020年享受的“炒作”，供应商将在2020年转向基于图的数据发现工具，这些工具能够更快地推动功能工程来训练有用的机器学习模型。
越来越多地使用多云和混合云架构来防止供应商锁定
基于云的基础设施服务得到广泛采用，企业反过来开始了解这种方法如何从根本上改变他们购买计算基础架构的方式，云提供商都开始使用用于开发其各自基础架构的专有API，但这已经开始改变，大多数企业对云基础架构进行的初步试验在大多数情况下都取得了巨大的成功，但现在他们开始认真考虑采用这种方法从长远来看将如何影响它们，通过使用专有API和特定于供应商服务的基础架构，企业对与一个或另一个巨型云供应商建立联系的兴趣不大，因为这会导致失去对IT成本的控制，并且如果他们留下来，终会付出高昂的代价或移动。
云基础设施供应商面临的问题恰恰相反
为了避免销售的商品变得商品化，他们正在努力快速提供差异化的非商品服务，以使其变得“黏性”并实现一定程度的客户锁定。双方都知道，一旦IT系统成功启动并运行，对其进行更改既冒险又昂贵，在近几个月中，我们看到了对多供应商云提供商策略和混合云技术的浓厚兴趣，混合云是一种IT体系结构，它使企业可以在客户拥有的自己的房屋，防火墙后面的基础架构之间无缝转移应用程序和工作负载，并转移到任何公共云服务，为我们如何看待云供应商在2019年转向更多开源和开放标准软件及云服务技术奠定了基础。
我预计随着坚持使用多云和多供应商支持的客户将采取更多行动
云客户越来越期望在云供应商之间无缝转移他们的工作负载。这意味着客户将采用许多新的抽象概念，扩展的开源平台，用于管理容器化的工作负载和服务，这有助于声明性配置和自动化，拥有一个快速增长的生态系统，该生态系统可为用户工作负载精心安排计算，网络和存储，这种用于管理容器，应用程序和微服务的通用API确保了客户可以同时管理多个云中的多个IT服务和工作流。
我们可以宣布2021年为数据结构年吗？
图形数据库专注于连接数据，以便可以通过其与其他数据的关系进行访问，图形数据库提供了在两个或多个（多个）数据集之间进行协调以提供单个视图的方法，这使我们可以跨整个数据集提出问题，而不是孤立的源数据部分，数据源和准备工作是分析的巨大瓶颈，对于新的数据科学和机器学习计划，情况更是如此，时至今日，生成的大多数数据仍然孤立于结构化和非结构化格式，今年我们将看到公司和数据科学家都将这些分散的数据结合在一起-不是通过打破孤岛-而是通过基于图形技术的统一数据结构覆盖使所有这些数据更易于访问和理解。
许多财富500强公司已经开始采取这些举措
因为它们致力于将来自不同来源的数据分类并互连起来，作为知识图表，无论它们位于何处都可以利用，数据密集型行业-尤其是石油和天然气，金融服务，生命科学，甚至政府实体-将从这种新的数据民主化方法中受益，图数据库将为数据工程提供机器学习的动力，如果说2020年确实是“图表之年”，那么2021年很容易成为“机器学习与图表相遇的年”。机器学习继续革新数据分析和软件工程的过程，但是人们越来越关注图技术如何直接帮助并加速这一发展。
用于数据发现，协调和准备的新的基于图的工具
考虑知识图和针对它们的自动查询-消除了与数据相关的障碍，从而成功实现了机器学习计划，它们可以大大加快数据科学家原本需要做的许多手动工作，图提供了针对更广泛的数据积累训练机器学习算法的方法，从而确保这些智能算法能够更快地找到更广泛的应用，为了使机器学习不辜负其在2020年享受的“炒作”，供应商将在2020年转向基于图的数据发现工具，这些工具能够更快地推动功能工程来训练有用的机器学习模型。
越来越多地使用多云和混合云架构来防止供应商锁定
基于云的基础设施服务得到广泛采用，企业反过来开始了解这种方法如何从根本上改变他们购买计算基础架构的方式，云提供商都开始使用用于开发其各自基础架构的专有API，但这已经开始改变，大多数企业对云基础架构进行的初步试验在大多数情况下都取得了巨大的成功，但现在他们开始认真考虑采用这种方法从长远来看将如何影响它们，通过使用专有API和特定于供应商服务的基础架构，企业对与一个或另一个巨型云供应商建立联系的兴趣不大，因为这会导致失去对IT成本的控制，并且如果他们留下来，终会付出高昂的代价或移动。
云基础设施供应商面临的问题恰恰相反
为了避免销售的商品变得商品化，他们正在努力快速提供差异化的非商品服务，以使其变得“黏性”并实现一定程度的客户锁定。双方都知道，一旦IT系统成功启动并运行，对其进行更改既冒险又昂贵，在近几个月中，我们看到了对多供应商云提供商策略和混合云技术的浓厚兴趣，混合云是一种IT体系结构，它使企业可以在客户拥有的自己的房屋，防火墙后面的基础架构之间无缝转移应用程序和工作负载，并转移到任何公共云服务，为我们如何看待云供应商在2019年转向更多开源和开放标准软件及云服务技术奠定了基础。
我预计随着坚持使用多云和多供应商支持的客户将采取更多行动
云客户越来越期望在云供应商之间无缝转移他们的工作负载。这意味着客户将采用许多新的抽象概念，扩展的开源平台，用于管理容器化的工作负载和服务，这有助于声明性配置和自动化，拥有一个快速增长的生态系统，该生态系统可为用户工作负载精心安排计算，网络和存储，这种用于管理容器，应用程序和微服务的通用API确保了客户可以同时管理多个云中的多个IT服务和工作流。
我们可以宣布2021年为数据结构年吗？
我们是否将2021年视为“数据结构年”，将取决于市场发展以及出现哪些其他关键技术。但是，企业信息架构师，首席数据官和其他关键IT决策者应该意识到数据结构的重要性，图形数据库对机器学习计划的影响以及在执行其过程中多重和混合云所具有的令人兴奋的可能性来年的商业计划和策略，这是2021年令人振奋的道路！
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
