现在是时候挖掘您的实时数据流了
来源：CPDA数据分析师网 / 时间：2021-04-07
大多数新设备，车辆或机器人设备中都有嵌入式传感器，供应链经理希望预测天气的变化，所有这些数据都在运动中，但是代数据虚拟化工具是为静态数据而设计的，例如这是一个要求数据工程师越来越多的要求，告诉我机器123的维护历史记录以及的传感器读数，流数据准备将运动中的数据转换为流表，表中的行随每个事件更新，它们直接连接到流，而不是连接到磁盘上的数据，无人机数据，天气预报，IoT传感器读数，它们提供了清理，汇总和扩充事件的工具。
流数据虚拟化将活动表转换为数据虚拟化数据源
对于数字转换，管理运动中的数据是一项新的至关重要的任务，流数据虚拟化可将运动中的数据转变为虚拟化见解，这是数据虚拟化的个新领域。
二：虚拟化数据科学模型输出
人工智能和数据科学是炙手可热的技术领域。数据科学家吞噬数据，并创建算法，这些算法会生成派生数据，这些数据代表基于原始数据的预测，数据虚拟化的新领域是将这些模型的输入和输出作为数据服务传递给所有相关团队，利益相关者和应用程序，典型的业务需求是这样的：
告诉我客户X购买了什么，以及他下一步可能购买什么
但是数据科学爱情故事中的反派是数据科学沙箱，数据科学家团队经常创建私有数据存储以开发其算法。数据科学沙箱就像是数学家的实验室，诀窍是从沙盒中释放算法并将其投入运营。一些公司重写算法以确保性能，安全性和可扩展性，两项新技术有助于减少这种摩擦，数据虚拟化通过为评估算法以开发准确和有用的模型的团队创建可用的数据一致视图来加速数据科学。
数据虚拟化为研究提供了高质量的数据
加速了有效算法和模型的发现，以及通过从实验室到生产的部署，预测的输出由操作系统（例如，商业智能）使用，一旦数据科学家团队找到了有前途的算法，下一步该怎么做？
一种新的选择是将它们加载到“模型可操作性”或“模型操作”工具中，Model Ops工具可管理算法的生命周期和部署，这就像一个用于算法的停车场，数据科学家使用算法来预测客户接下来可以在Model Ops工具中购买什么，数据工程师可以从车库中选择一种模型，然后将其部署到数据虚拟化结构中，分析师现在可以询问客户可能会与已经购买的商品同时购买什么。
虚拟化数据科学可帮助企业成为更多由AI驱动的企业
数据科学团队可以获得更好的数据，它改善了团队协作，找到了更多更好的主意，并使用这是一种创新的更好的方法，可以将数学转化为洞察力和投资回报率。
三：数据即服务
API是现代数字业务的“应用程序到应用程序”管道。在某些情况下，API是业务模型。但是API必须像产品一样进行管理，这就是API管理工具的用武之地，您可以在该数据上拍一个API吗？是数据工程师今天提出的另一个常见要求，当然您可以在服务上使用REST接口，但是应该吗？谁在打呢？多少次？商家会收取访问API的费用吗？多少？工具使您可以选择要作为API公开的数据视图，API管理工具将这些API作为产品进行管理，将虚拟化数据转化为服务是数据虚拟化的第三个前沿领域。
四：虚拟化元数据收集
决定颠倒他们的商业模式，他们把2000家餐馆从咖啡馆变成了杂货店，现在出售自己的食材，以便客户可以在家中食用品质的食物，这种业务转换需要元数据或有关数据的数据，将有关其数据的数据放在一个地方，即时访问菜单配方供应商和库存数据可以帮助他们在十天内更改其业务模式，对我们来说，数据是事后的想法，数据虚拟化可以使元数据工具更轻松地收集其元数据，因此数据虚拟化的第四个领域是推动元数据收集。
五：将数据虚拟化作为一项团队运动
未来大多数工人将成为知识工人，他们都需要数据，并且他们需要共享相同的数据视图，但是并非每个工人都了解数据的复杂性，公民工具使非工程师可以轻松地管理数据，这些工具是数据虚拟化的第五个前沿领域，员工共享一个数据视图，因此当他们决定出售自己的食材时，所有团队都可以作为一个团队工作这包括：
电子商务渠道经理
菜单管理
销售点
食品创新团队
清洁食材团队
厨师长
卡路里计数器
供应链经理
食品质量保证
消费者和感官测试
而且IT需要为他们设计的工具
数据科学家希望使用Jupyter笔记本管理数据
数据工程师需要工具来优化性能
自动化工程师需要实时工具
数据虚拟化必须通过为他们设计的工具来帮助所有这些角色。
六：综合数据质量
质量是数据工程师的工作之一，数据质量工具可帮助清除，重复数据删除和验证数据，数据工程师有理由期望数据质量功能将成为数据虚拟化的一部分，用于数据虚拟化的本机数据质量工具是第六个前沿领域，使用本机数据质量工具，消费者可以信任其数据的完整性，由此产生的分析见解将对业务更加准确和有影响力。