有鑒於本書作者於資料領域打滾十餘年的經驗，對資料工程的趨勢有些想法，分享給大家

資料工具複雜度降低，更易上手

• 豐富的代管服務使應用程式開發更方便， e.g. GCP cloud function, AWS lambda
• 雲端平台結合 open source 工具(GCP cloud composer vs Airflow)，
• 現成的資料連接器愈來愈受歡迎，e.g. Fivetran, Airbyte

雲端平台改善資料互通性

• Data orchestration platform 將透過 Data catalog 及 lineage 加強資料整合及資料警示
• build, test, deploy, monitor 的資料流程將可透過 Data orchestration platform 寫在 pipeline 中
• Streaming pipeline 的建立會更加簡單，因為相關工具的興起(Apache Pulsar, Google Cloud Dataflow…等)，未來的 Streaming pipeline 會整合更好

企業級的 Data Engineer

大型企業在 Data lifecycle 使用的工具大家都使用得到，因為相關工具的開源及雲端模組化，不像以前大型企業閉關自行開發或是普遍使用封閉式商業工具。現在的工具易於上手且互通性更佳，一家1000人級別的企業與 10人的新創公司可能使用相同工具。舉例，除了雲端平台，像是 Airflow, dbt…等工具，都是業界大小公司都有在用的開源資料工具

現代資料棧→即時資料棧

當現代資料棧(Modern Data Stack) 因爲雲端資料工具的模組化越來越普及時，已經是現在式，本書指出未來的資料架構趨勢方向是即時資料棧(Live Data Stack)。 作者的想像是，Batch Data Pipeline 不會消失，但是因為 streaming data 的相關工具及環境已經越來越多，環境的部分有雲端平台的代管服務，應用於 Streaming Data 的 Database 有 Druid, ClickHouse, Rocketset, Firebolt…等。未來相關工具只會越來越易上手，即時資料棧的實現就會越普及