从大数据行业内部来看，大数据的成功不是由实现技术的某一方面而实现的，它需要把技术、人和流程糅合到一起，收集数据、存储数据、清洗数据、查询数据、分析数据和对数据进行可视化等，是有明确分工的。有的由机器来完成，有的需要人来做，但是整体是要无缝集成起来的，也就是说，以数据为中心，公司整体以数据为驱动。

对于大数据的发展主要分为下面5大阶段：

1.部署阶段

2011 — 2013年，互联网公司开始实验大数据技术，推出了若干的 Hadoop（一个开发和处理大规模数据的软优平台）试点计划或者尝试了一些试点方案，由此出现了诸如“数据科学家”和“首席数据官”等此前并不存在的职位。他们做了很多努力，但是依然没有出现足够多的、可以展示的成果。此时，更多的公司对大数据技术持观望态度，它们寄希望于某个大型供应商可以提供一个一站式解决方案，比如IBM公司，但这种情况并没有出现。

2.生态体系正在成熟

当一部分大数据企业完成了融资，企业规模得到了扩大时，更重要的是它们从早期的失败中获得了宝贵的经验，已经可以提供成熟、经受过考验的产品。其中的佼佼者已经成功上市，比如2015年上市的Hortonworks公司；没上市的也已经获得上亿美元融资，在资金方面看起来不会显得那么单薄，比如Cloudera公司。

随着大数据领域的创业持续进行，公司的数量与日俱增，行业基本趋势也慢慢发生了变化，大数据业务的中心从基础设施（开发者和工程师）转移到了数据分析（数据科学家和分析师），甚至在应用方面已经初露端倪。

3.大数据基础设施持续创新

尽管大数据的重心已经转移，但是基础设施领域的创新仍然富有活力。 2015年，Apache Spark大热，这个利用了内存处理的开源框架受到了IBM、Cloudera等企业的拥护。Apache Spark的出现解决了一些导致Hadoop采用 放缓的关键问题：Apache Spark数据分析更快，更容易编程，并且跟机器 学习能够很好地搭配。

在数据库领域内，出现了很多新兴玩家，也出现了很多令人兴奋的技 术进步，比如图形数据库的成熟、专门数据库的出现，再比如统计时序数 据库InfluxDB。此外，数据仓库也在不断演变。

4.大数据分析与人工智能结合

大数据分析越来越关注利用人工智能来帮助分析大规模的数据。其实， 有很大一部分人工智能在某种程度上来说是大数据的产物，深度学习概念 在10年前提出，而其背后的算法在几十年前就诞生了，但它真正发挥出最 大的潜能还是在应用到大数据之后。人工智能与大数据之间的关系非常紧密，它们似乎就是天生的一对搭档。

5.大数据应用的加速发展

在大数据核心基础设施的日啊战一一得到解决之后，大数据应用必将以飞快的速度构建起来。在企业内部，已经有足够多的工具来帮助跨多个核心职能的企业用户，比如销售和营销的大数据应用通过处理大规模的内外部数据就可以分析出哪些客户会购买、续约或者流失，并且这些分析结果都将实时得出。

这些大数据应用依托在最新的大数据技术基础上开发，客户无须部署底层大数据技术，即可利用大数据；而底层的技术已经是打包的，这是未来的一个趋势。另外，人工智能在应用层也将得到广泛应用，比如在安全领域用来对付黑客。

然而，随着大数据的深度发展，这个词可能会变得越来越冷。不是因为它过时或者不重要了，而是因为它将成为未来科技的血液，在我们看不到的地方发挥作用。对于技术层面的东西，这或许就是最好的命运归宿。

大数据的盛行，受到了互联网公司的推动，人工智能的助力，数据量的快速增加，大数据的爆发，就在眼前，需要科谱大数据、人工智能和云计算的朋友，记得要关注多智时代哟。