数据分析师的数据分析未来发展趋势

Tibco的区域首席技术官表示，无代码和事件驱动架构的兴起是塑造数据分析师的数据分析未来的发展趋势之一数字货币数据分析。

亚太地区的一家大型银行曾经想聘请许多数据分析师组成一个团队，专注于推动数据分析计划数字货币数据分析。

Tibco 亚太和日本首席技术官罗伯特·梅利切克 (Robert Merlicek) 表示，鉴于对业务的洞察建议由当地数据分析师挖掘，这样的举措不会具有可扩展性或有效性数字货币数据分析。

Merlicek 在接受《计算机周刊》关于数据分析未来的采访时表示，一种更可行的方法是为呼叫中心、欺诈、技术支持和客户团队提供收集分析见解的工具数字货币数据分析。

“这些人可能没有编码技能，因此我们开始看到可视化分析和无代码的兴起，这将使人们能够与数据交互并建立洞察力，”他说数字货币数据分析。 “他们可以连接和监控数据源并推动他们的数字能力——这是整个地区加速发展的领域之一。”

Merlicek 表示，数据科学也将发展到可以全面嵌入本地的地步数字货币数据分析。这将使企业能够广泛利用人工智能 (AI) 和机器学习功能，包括在边缘位置。

然而，人工智能的普遍使用将给许多企业带来挑战，这些企业仍然倾向于使用紧密耦合的组件在孤岛中部署人工智能，从而限制了它们在不同项目中的重用数字货币数据分析。

“机器学习的早期阶段完全一样，”Merlicek 说，“如果我正在构建机器学习和视觉识别模型来分析视频源，我想确保我可以重用我的基础级组件数字货币数据分析。因此，我们在围绕面向服务的架构和能力中心的软件开发中应用的概念正是现在部署在分析领域的东西，以使其更容易、更快和更简单。”

事件驱动架构

数据分析的另一个增长趋势是事件驱动架构的兴起，这是一个围绕事件的生产、检测和消费以及它们引发的响应来编排行为的框架数字货币数据分析。

虽然通常从 IT 管理的角度来看事件驱动架构，但它正在以事件驱动数据结构的形式进入数据分析，它将不同的事件、领域、集成和语义数据模型以及治理，以支持数据驱动的操作数字货币数据分析。

Merlicek 表示，这样的结构将为企业带来新的挑战，这些企业需要理解其数据结构中的大量数据，并通过正确的治理来使用足够的信息来支持数据分析师的分析需求数字货币数据分析。

“因此，展望未来，我们将看到这些分析平台中的原生流媒体功能迅速加速，”他补充说，并指出技术领域已经发展到使流媒体变得可行数字货币数据分析。

其中包括开源技术，例如 Apache Pulsar，一种云原生的分布式消息传递和事件流平台，以及来自超大规模云播放器（例如 Amazon Web Services、Microsoft 和 Google Cloud）的类似功能数字货币数据分析。