然后我们确保在线应用程序通过 TIBCO 数据流进入。在这里，我们对应用程序进行预处理，以流入我们的可视化工具 Spotfire，但我们也会通过我们的预测模型运行它。该模型将使用有关申请人和申请的所有相关信息。她的年薪是多少，他是现有客户吗？她上次贷款的表现怎么样？
结果是一个完全自动化的系统，可以根据我们已有的数据实时批准或拒绝 币安数据 贷款申请。或者，我们可以选择使用该模型来帮助我们完成审批流程。无论哪种选择都最能满足我们的需求和目的。
您的需求和目的
本博客的任何部分听起来对您或您的公司有用吗？那么请不要犹豫地与我们联系。我们很乐意回答您的问题或安排一次不附带任何条件的会议，以了解您想要实现的 BI 梦想。
回到云计算是否还有空间的问题：是的，还有。正如大型机和服务器不会消失一样，云计算也不会很快消失。例如，在这种情况下，云非常适合密集的机器学习算法和数据存档。例如，特斯拉这样的公司就充分利用了这一点。为了使特斯拉汽车能够自动驾驶，需要利用汽车中的计算能力和人工智能来解释来自摄像头和传感器的数据并将其转化为动作。只有一小部分数据被保留下来并在稍后发送到特斯拉云端。通过这种方式，该公司收集整个特斯拉车队的数据，然后将其作为训练自动驾驶算法的输入。这些改进从云端发送回边缘（汽车）。从这个意义上来说，云计算和边缘计算并不是相互竞争，而是互补的。
时间将告诉我们这些下一代架构的具体样子。轮廓正在缓慢但稳步地变得明显，越来越多的软件和设备开始适合边缘计算。所以现在是时候开始思考这个快速到来的时代的新可能性了。在此时期内，每个用户（无论是人类、机器还是事物）都可以直接访问适合其独特环境的正确数据。