数据是现代世界的推动力，其在组织内部的日益扩散意味着适当的数据管理对成功至关重要，企业比以往任何时候都更在数据仓库和数据湖上进行投资，以帮助他们充分利用其宝贵的数据资产，并兑现敏捷分析和可行的业务见解的承诺。但是，识别数据并将数据移入数据仓库或数据湖的过程并不总是那么简单，这常常会阻碍进度和成功。

随着机器学习产品继续以企业为目标，它们正在分为两个渠道：为了使用机器学习本身来提高机器学习预测能力而变得越来越元化的产品。以及那些通过解决特定行业面临的特定问题而变得更加细化的解决方案。

无论您的安全软件多么复杂，都无法同时使用和保护数据。但这可能很快就会改变，自从我们首次开始处理和存储大量数据以来，保持数据安全一直是安全专业人员的不懈追求，将软件部署在我们不希望暴露的不安全区域，但是我们没有万无一失的方法来保护它，无论您的安全软件多么复杂，都有一个无法克服的简单缺陷：不能同时使用和保护数据。内存中的数据无法加密，CPU无法同时使用。

制造商需要投入更多的精力来保护对连接设备的根级访问，家庭和办公室中的绝大多数IoT硬件都容易受到攻击，这些攻击使设备很容易被恶意接管和操纵，很少有设备制造商或安全研究人员对这个问题的关注几乎与对软件漏洞的关注一样多，大多数IoT硬件对于针对旨在撬开设备固件机密的攻击的保护措施非常弱甚至没有保护措施。

监视数据的形式多种多样-有些系统会连续倒出数据，而另一些系统仅在发生罕见事件时才产生数据。一些数据对于识别问题有用；有些对调查问题有价值。这篇文章介绍了要收集哪些数据，以及如何对这些数据进行分类。

从一开始，生态系统就迅速发展以支持容器的使用，持续的风险资本投资，新公司的成立以及一系列新产品和技术计划的出现，为了更好地了解这个生态系统的动态，新堆栈发起了一项对提供或计划提供与容器相关的服务的公司的调查。我们发现供应商正在调整其服务组合，以满足应用程序开发人员和IT运营的需求。