ZenLedger 任命四位新的 C 級主管

加密貨幣數據分析公司 ZenLedger 週三表示，它聘請了四名新的高階主管級別的高階主管。 根據新聞稿，該公司已 命名 Duyane Norman 擔任新任首席策略官，Daniel D. Escobar 擔任首席技術官，Jonté Harrell 擔任財務官，Greg Adams 擔任營運長。

「我們很高興歡迎 Duyane、Daniel、Jonté 和 Greg，他們帶來的豐富經驗將使 ZenLedger 達到新的高度。 在 ZenLedger 最好的納稅季節之一之後，該業務的銷售額比去年同期增長了 5 倍，為了支持這一增長，我們的員工數量增加了兩倍。 在加密貨幣稅務和會計服務市場需求不斷增長的推動下，再加上透過行業整合不斷給客戶留下深刻印象的產品，ZenLedger 已準備好成為領導者，並擴展到新產品、服務和地點。” ZenLedger 的執行長。

高階主管背景

ZenLedger 聘請 Norman 領導圍繞數據的策略計劃  分析 
分析（Analytics）

分析可以定義為數據中結果模式的檢測、分析和傳遞。 分析還試圖解釋或準確反映數據與有效決策之間的關係。 在交易領域，分析以預測方式應用，試圖更準確地預測價格。 這種預測分析模型通常涉及對歷史價格模式的分析，用於嘗試確定某些價格結果。 分析也可以用描述性模型來構建，讀者嘗試繪製相關性並更好地理解交易者如何以及為何對一組特定變量做出反應。 交易者有時會採用基於歷史數據的技術指標，例如移動平均線、布林帶和斷點，用於預測未來的價格走勢。 分析與算法交易的關係 分析依賴於算法交易的概念，其中軟件被編程為根據一系列預定因素自動發出信號和/或執行買賣訂單。 在機構領域，多年來，隨著交易機構尋求通過自動化系統和交易策略的虛擬應用超越競爭對手，算法交易已變得極具競爭力。分析的消化和計算也出現在新興的高頻領域。交易，超級計算機用於同時分析多個市場，以做出近乎即時的自動交易決策。 支持高頻交易的平台有能力顯著優於人類交易者。這是因為其天生能夠全面分析大數據集，同時考慮到人類無法以如此快的速度理解的無數因素。 此外，通過回溯測試可以看到分析。 交易者使用回測來測試交易策略和基於軟件的交易解決方案與歷史價格數據的一致性和有效性。 回測也是進一步發展高頻交易以及評估手動或自動交易性能的理想場所。 隨著新興技術和交易應用程序的進步超越人類的能力，分析將繼續在交易中發揮越來越重要的作用。

分析可以定義為數據中結果模式的檢測、分析和傳遞。 分析還試圖解釋或準確反映數據與有效決策之間的關係。 在交易領域，分析以預測方式應用，試圖更準確地預測價格。 這種預測分析模型通常涉及對歷史價格模式的分析，用於嘗試確定某些價格結果。 分析也可以用描述性模型來構建，讀者嘗試繪製相關性並更好地理解交易者如何以及為何對一組特定變量做出反應。 交易者有時會採用基於歷史數據的技術指標，例如移動平均線、布林帶和斷點，用於預測未來的價格走勢。 分析與算法交易的關係 分析依賴於算法交易的概念，其中軟件被編程為根據一系列預定因素自動發出信號和/或執行買賣訂單。 在機構領域，多年來，隨著交易機構尋求通過自動化系統和交易策略的虛擬應用超越競爭對手，算法交易已變得極具競爭力。分析的消化和計算也出現在新興的高頻領域。交易，超級計算機用於同時分析多個市場，以做出近乎即時的自動交易決策。 支持高頻交易的平台有能力顯著優於人類交易者。這是因為其天生能夠全面分析大數據集，同時考慮到人類無法以如此快的速度理解的無數因素。 此外，通過回溯測試可以看到分析。 交易者使用回測來測試交易策略和基於軟件的交易解決方案與歷史價格數據的一致性和有效性。 回測也是進一步發展高頻交易以及評估手動或自動交易性能的理想場所。 隨著新興技術和交易應用程序的進步超越人類的能力，分析將繼續在交易中發揮越來越重要的作用。
閱讀本條款 為全球政府和企業客戶提供服務。 2019 年，諾曼作為中央情報局高級情報局成員退休，此前他已服役 27 年，其中包括 XNUMX 次海外訪問。 在加入 ZenLedger 之前，Norman 擔任國防創新部門和情報界之間的連結。

此外，Escobar 在加密貨幣、企業軟體開發和 IT 諮詢領域擁有 20 多年的領導和創業經驗。 他的最後四年是在 Bitpay 擔任企業入職和工程服務主管，與美國和世界各地的加密貨幣交易所、區塊鏈、NFT、錢包和政府密切合作。

此外，Harrell 還帶來了他在擔任美國陸軍上尉和退伍軍人期間積累的 18 年金融和技術經驗。 Harrell 將領導 ZenLedger 的財務部門，該部門包括控制、財務規劃和分析、財務、稅務和內部審計。

Adams 將領導公司的全球營運、銷售和行銷以及軟體開發團隊。 此前，亞當斯是以下公司的聯合創始人兼首席執行官  機器學習 
機器學習

機器學習被定義為人工智能 (AI) 的一種應用，無需顯式編程即可自動學習和改進經驗。 機器學習是一個快速發展的領域，它還專注於開發可以訪問數據並使用數據進行自我學習的計算機程序。這對大多數行業和部門（包括金融服務業）有許多潛在的好處。 機器學習解釋機器學習可以通過觀察行為來解釋。 例如，學習過程從觀察或數據開始。這包括示例和間接經驗或指導，以幫助檢測數據中的模式。 這樣做的目的是根據提供的示例在未來做出更好的決策。 在理想的情況下，計算機無需人工干預或協助即可自動學習，並相應地調整行動。機器學習可以採取兩種不同的形式，即監督學習或無監督學習。 監督機器學習算法可以使用標記示例將過去學到的知識應用到新數據中來預測未來事件。 因此，系統能夠在經過足夠水平的培訓後為任何新輸入提供目標。 學習算法還可以比較其輸出以發現錯誤，以便相應地修改模型。推而廣之，當用於訓練的信息既未分類也未標記時，則使用無監督機器學習算法。 無監督學習研究系統如何從未標記的數據中推斷出描述隱藏結構的函數。 該系統無法找出正確的輸出，但它會探索數據並可以從數據集中進行推論，以描述未標記數據的隱藏結構。

機器學習被定義為人工智能 (AI) 的一種應用，無需顯式編程即可自動學習和改進經驗。 機器學習是一個快速發展的領域，它還專注於開發可以訪問數據並使用數據進行自我學習的計算機程序。這對大多數行業和部門（包括金融服務業）有許多潛在的好處。 機器學習解釋機器學習可以通過觀察行為來解釋。 例如，學習過程從觀察或數據開始。這包括示例和間接經驗或指導，以幫助檢測數據中的模式。 這樣做的目的是根據提供的示例在未來做出更好的決策。 在理想的情況下，計算機無需人工干預或協助即可自動學習，並相應地調整行動。機器學習可以採取兩種不同的形式，即監督學習或無監督學習。 監督機器學習算法可以使用標記示例將過去學到的知識應用到新數據中來預測未來事件。 因此，系統能夠在經過足夠水平的培訓後為任何新輸入提供目標。 學習算法還可以比較其輸出以發現錯誤，以便相應地修改模型。推而廣之，當用於訓練的信息既未分類也未標記時，則使用無監督機器學習算法。 無監督學習研究系統如何從未標記的數據中推斷出描述隱藏結構的函數。 該系統無法找出正確的輸出，但它會探索數據並可以從數據集中進行推論，以描述未標記數據的隱藏結構。
閱讀本條款 企業 SaaS 新創公司 Stabilitas，OnSolve 於 2020 年收購。作為 OnSolve 的首席策略官，他負責創新和收購。

資料來源：https://www.financemagnates.com/executives/zenledger-appoints-four-new-c-suite-level-executives/