大數(shù)據(jù)的應(yīng)用領(lǐng)域逐漸廣泛，依靠于大數(shù)據(jù)技術(shù)不斷地技術(shù)改進(jìn)，大數(shù)據(jù)的分析模型和具體的使用技術(shù)都在進(jìn)行不斷地更迭。對大數(shù)據(jù)的技術(shù)進(jìn)行分析和研究，能夠更好地了解當(dāng)前行業(yè)的發(fā)展現(xiàn)狀。

　　大數(shù)據(jù)的分析模型可以MapReduce開始講起。從MapReduce發(fā)展至今，十幾年時間，大數(shù)據(jù)完成了概念向技術(shù)的轉(zhuǎn)變，以hadoop為首，到后來的Spark和Pig,大數(shù)據(jù)的框架逐漸增加，其適用的領(lǐng)域也在隨之增加。大數(shù)據(jù)的基礎(chǔ)設(shè)施中，以數(shù)據(jù)湖和霧計算為例，數(shù)據(jù)的解決方案在不斷的增加。

　　大數(shù)據(jù)的分析技術(shù)是建立在大數(shù)據(jù)的數(shù)據(jù)模型，對數(shù)據(jù)進(jìn)行分析和預(yù)測等。大數(shù)據(jù)分析技術(shù)在近幾年發(fā)展迅速，并具備了智能化、實時化和易用性的發(fā)展特征。

　　1.大數(shù)據(jù)智能化

　　大數(shù)據(jù)的發(fā)展開始和當(dāng)前的機器學(xué)習(xí)結(jié)合，即作用于當(dāng)前的人工智能，在近幾年這種趨勢尤為明顯。這兩項技術(shù)的融合能夠提高大數(shù)據(jù)分析的敏銳性，更快地實現(xiàn)智能關(guān)系發(fā)現(xiàn)和預(yù)測。這一趨勢的典型應(yīng)用范例是AlphaGo。通過構(gòu)建海量的數(shù)據(jù)，利用深度學(xué)習(xí)對算法進(jìn)行改進(jìn)，利用大規(guī)模并行計算，最終實現(xiàn)能和人類一樣思考的人工智能。

　　大數(shù)據(jù)和機器學(xué)習(xí)整合之后的人工智能，不僅僅是使行業(yè)領(lǐng)域發(fā)生了轉(zhuǎn)變，也是一種技術(shù)上的突破，這項突破還將作用于醫(yī)療、交通、金融和教育等為代表的一些領(lǐng)域。同時，這項技術(shù)還能夠為智慧城市提供智能化的解決方案，這些都表明了大數(shù)據(jù)技術(shù)能在將來實現(xiàn)大規(guī)模的智能化。我們能夠依靠終端設(shè)備中的數(shù)據(jù)，作為數(shù)據(jù)智能化分析的依據(jù)。

　　2.大數(shù)據(jù)實時化

　　實時分析是大數(shù)據(jù)技術(shù)的另一個發(fā)展方向。隨著大數(shù)據(jù)技術(shù)的深入發(fā)展，各類應(yīng)用對于數(shù)據(jù)的實時分析和處理的要求不斷提高。與針對歷史數(shù)據(jù)的聚合和分析不同，實時數(shù)據(jù)分析具有更強的時效性，也對數(shù)據(jù)存儲、計算和呈現(xiàn)提出了更高要求。Hadoop中的批處理框架在對實效性要求較高的分析，例如，實時用戶行為分析、用戶分類和推薦等應(yīng)用場景中的局限日益凸顯。Spark Streaming、Samza、Storm等流式實時計算框架應(yīng)運而生。以Spark Streaming為代表的實時分析框架具有優(yōu)秀的調(diào)度機制，快速的分布式計算能力，在數(shù)據(jù)的匯聚和批處理之間通過關(guān)鍵參數(shù)建立平衡，提升了數(shù)據(jù)吞吐量和性能，對實時計算提供了有效支持[7]。實時性預(yù)示著大數(shù)據(jù)將更深度地融入人們的工作和生活之中，在交通、翻譯等需要及時響應(yīng)的領(lǐng)域中，大數(shù)據(jù)會體現(xiàn)出更強大的作用。

　　3.大數(shù)據(jù)易用性

　　大數(shù)據(jù)技術(shù)的基礎(chǔ)模型和核心技術(shù)不斷改進(jìn)，當(dāng)前的中小企業(yè)如果想要使用大數(shù)據(jù)的流程也趨向簡易化，谷歌，微軟都推出了大數(shù)據(jù)的使用平臺，在國內(nèi)，阿里，騰訊和百度也相繼推出了大數(shù)據(jù)平臺，同時能夠根據(jù)企業(yè)的不同需求，為企業(yè)的業(yè)務(wù)和模型方面，搭建實際的解決方案。大數(shù)據(jù)使用的門檻降低是當(dāng)前大數(shù)據(jù)得以廣泛發(fā)展的基礎(chǔ)。