一个数据库系统来支持容器和微服务，该技术强调易用性，速度和可伸缩性，同时保留了对非常大的数据集使用SQL的能力，我们相信微服务架构一定会成功，您对已经在生产中的应用程序容器进行的操作也会很快对（容器中的）数据库产生需求。如果您没有相应的架构，则无法在容器中以可扩展的方式运行。您可以采用一个在容器中不起作用的数据库-显然，SQL在容器中工作-但您只有一个节点和一个卷，但是不能添加数百个节点。这就是为什么我认为当人们开始将数据库放入容器中时，这一点非常重要。

共识答案似乎是“取决于”，但实际上，不需要在R和Python之间进行选择，什么是“数据科学”？在讨论如何实现“数据科学”之前，我要指出“数据科学”有点奇怪。所有科学都是“数据科学”。“非数据科学”是一个完全不同的领域：哲学。“数据科学”就是一门科学，它是通过系统观察，受控实验和贝叶斯推理对思想进行公开测试的学科。

在日益拥挤的数据库世界中，深度信息科学重新构想了用于大数据和云的数据库，机器学习与关系数据库相结合，旨在在云规模上 同时运行数据流，事务和分析，如果我要完成所有这些需要我重新启动数据库的工作，或者在某些情况下要重建数据库，那我是脱机进行的，这是反复试验。他们正在针对写或读案例进行优化，而不是同时针对两者进行优化。

几乎所有人都认为图数据库是社交网站的一部分，毕竟这项技术在连接遥远的实体方面表现出色，实际上图形数据库对于连接亲朋好友以外的所有任务正变得有用。看一下（可能是使用广泛的图形数据库）所发生的情况，社交对我来说是一种祝福和诅咒，关于图数据库的一大误解是它们仅用于社交网络。

我们正在进入互联时代， 未来高度紧密地联系在一起，数据是新的石油，他指的是一种与铁路一起成为镀金时代百万富翁的商品，但这不只是数据，尽管隔离的数据非常有价值，但“连接数据的能力非常有价值。” 地球上强大的数据库：人脑它的神经元通过突触连接到其他神经元，这看起来非常像一个图形。

我们距离“支持AI的同事”可能还有好几年的距离，但是机器学习功能的个实现正逐渐被各种类型的企业所使用的日常数据分析工具所采用。认知帮助有望重塑业务流程，但前提是必须修改应用程序开发和部署工具以支持机器学习。