数据运维、数据工程、数据开发——天哪!

从新的角色和团队到新的技能和流程，每个人心中的热门话题都是数据运维。早在2015年，我就开始注意到数据运维的出现，当时公司开始着眼于敏捷开发，以快速启动新的数据功能。后来，随着数据准备进入市场，ETL开发人员被这些工具所吸引，这些工具可以快速透明地将数据加载到新形成的分析湖中。进入今天，实时运行高级分析(或者更性感的术语:机器学习)，很多人都在谈论将分析模型从实验室环境移动和更新到生产环境的挑战。

毫无疑问，像DataKitchen、DataRobot和Metis Machine这样的供应商都在传递消息，并提供工作台和功能来支持数据操作需求。当然，在Informatica和Talend等数据平台社区或CognitiveScale等数据科学工作台中，也存在许多灰色区域，这些工作台可以帮助数据管道的工程和仪器配置以及模型部署/刷新，目标是一键式地将模型推向生产或减轻负担。

此外，我们不要忘记DevOps工作台和测试平台…

但是数据操作工作台有市场吗?或者数据工程师只是更普遍，并配备了技能和创造力，以更快地帮助将模型转移到生产中——使用工具，编码，或两者兼而有之?

供应商，如果你在那里:淹没我的评论区，收件箱，简报请求，和LinkedIn展示你有什么。你可能会进入我的第四季度研究和评估。

Forrester客户:你们的数据工程师和开发人员使用哪些工具、工作台和技术来快速构建和管理质量管道，并将分析模型推向生产?帮我设定你想要的东西的评估标准。给我发邮件!

好吧，我向你挑战了。谁准备好了?

电子邮件:mgoetz@forrester.com
LinkedIn:linkedin.com/in/michelegoetz