关系数据库在数据科学家中得到了应用。这是因为存储数据的方式保留了存储数据或存储信息之间的关系。尽管如此，数据科学家和关系数据库研究团体之间还是有差距的。结果，这导致了数据科学中低效的数据库。这使得一位研究学者在数据科学和关系数据库之间架起了一座桥梁。
作为一种实践，大多数数据科学家使用Python、R和C/ c++等分析工具进行研究。然而，由于难以将这些工具与当前的数据库系统集成，这导致了数据分析的缓慢和繁琐。
为了解决这个问题，数据库科学家们选择通过开发各种数据管理替代方案来彻底改造数据库系统。新的数据库系统执行与经典数据库管理系统类似的任务，尽管如此，仍然显示了几十年前在数据库领域解决的几个问题。
开发强大的数据库引擎完成研究社区
与此同时，数据库研究界在开发支持高效处理分析性查询的强大数据库引擎方面取得了显著进展。为了做到这一点，这位研究学者试图将数据库科学的创新与数据科学家通常使用的分析工具结合起来。该调查涉及衡量如何促进分析工具与关系数据库管理系统的高效和无痛集成的方法。
此外，在计算机科学中，标准数据库系统的使用提出了与所处理的数据大小有关的问题。
研究的重点是三种主要的数据库客户端集成方法:数据库内处理，将数据库嵌入到客户端应用程序中，以及客户端-服务器连接。对于每种方法，学者都研究了在现有数据库系统中强大的数据库引擎的实现。进一步评估了数据库引擎在大型数据集和数据科学中常见的工作负载的可用性。
