数据科学的技术要求也出现了演变。随数据量剧增而出现了可缩放性、可用性和预算问题，因此有人开发出云数据仓库来解决这些问题。
参阅《科学家、工程师和数据仓库》白皮书，了解需要做些什么才能将云分析投入实践。
- 了解数据科学家和数据工程师这两个迥然不同的角色。
- 了解这两个角色如何就云数据仓库进行协作。
- 了解 Azure Synapse Analytics 适用于大规模解决治理、可管理性和弹性的独特性。
- 了解 Azure Synapse Analytics 如何融入用于云分析的高效基础结构。
科学家、工程师和数据仓库，都在实施云分析
发布时间：2020/6/12
组织依赖数据科学以支持创新、竞争优势和工作效率，数据科学家角色在此实践中至关重要。但要将数据科学大规模投入生产，需要超越数据科学范围的技能和方法。出现了数据工程师这一角色，他们会确保建立可投入生产的预测模型。