几年前，当“数据就是新石油”这个词开始卷土重来时，它立即引起了我的共鸣。在这里-终于！-这个概念将互联网经济的反复无常的实验打包在一起，我们都活在一个很小的盒子里。数据输入，钱出，除了捕捉我的想象力之外，它还打扰了我。我们从一个化石燃料的开采和开发世纪中学到了什么吗？从世界范围看，它的位置并不理想。

为业务用户像分析师一样思考和做出决定打开了大门，基于云的商业智能和分析解决方案，使每个人都可以从其业务应用程序中分析其数据。

每日收盘价告诉我们有关股市动态的信息，有关家庭能源消耗的小型智能电表，有关运动过程中人体活动的智能手表，以及有关某些人对某个话题的自我估计的调查及时。不同类型的专家可以讲这些故事：金融分析师，CPDA数据分析师，体育科学家，社会学家，心理学家等等，基于模型，例如回归模型，时间序列模型。

英伟达被公认为图形处理单元的市场，以转移到中央处理单元或CPU中。现在，它正在推销称为DOCA或片上数据中心的产品，该体系结构可提高数据中心网络，安全性和存储的性能，关于DPU的一种简单思考方法是，它已经增强了网络接口卡或NIC的性能，可以执行服务器上CPU所执行的许多任务-SmartNIC，如VMware Inc.在与Nvidia的公告中所说的那样，通过卸载这些功能，服务器可以处理更多的裸机，虚拟或容器化工作负载。 在传统体系结构中，NIC处理基本的网络功能，而服务器上的CPU执行诸如基础结构管理以及软件定义的存储，安全性和网络等任务。

跨部门的企业正在朝着建立数据驱动型企业的方向发展，在该企业中，整个公司的所有决策都是基于数据做出的，而不一定是基于团队的直觉。他们的任务是收集有价值的数据，并有效地使用它们来自动化流程并节省时间。

软件开发人员和工程师继续编写或运行脚本，以将组件粘合到工作流中，即使这是一项耗时的任务。但是，采用机器学习或其他可以替代这些经过反复测试的脚本的新技术可能对许多人来说都是一个挑战。换句话说，很难说服工程师改变他们的工作方式，脚本编写以及机器学习，CI / CD和其他过程如何帮助指导转变。利用工程文化来充分利用时间和资源。