巨量資料

企業與組織在單一站點環境內蓄積大量資料後，得一口氣將大批資料搬運到另一個站點，以便後續進行分析、記錄保存的情況可能越來越常見，如果只仰賴網路一次完成數TB資料的傳遞，恐怕會付出相當龐大的時間成本

Toyota、英特爾、日本NTT、Denso等共同成立汽車邊緣運算聯盟AECC，有鑑於未來連網汽車的產生大量資料，聯盟目的在推動分散式資源、網路拓撲能力的網路與運算架構，並推動成為全球產業標準。

趨勢科技透過Spark平臺建立雙資料流的大資料分析架構，不只不需要儲存每天暴增的Log資料，還能將同一支程式運用在即時處理和批次處理兩種不同的資料處理模式上

比Hadoop晚4年誕生的Spark，採取了和Hadoop不一樣的架構，能讓擅長大資料分析的社群來協助開發各種大資料分析模組，又可以讓擅長叢集運算和底層架構的專家來優化底層資源管理，因此吸引了大批開發者參與

大資料技術在近2年開始產生根本性的改變，不僅成為眾多技術的底層，更從靜止轉成流動型態，不僅資料更新頻率大增，資料分析速度也從批次處理進一步縮短到毫秒等級的微批次處理

不像過去需要花上數月時間、好幾臺伺服器，才能運用人工智慧，NEC新推的「RAPID機械學習」技術，能快速應用在各個不同領域，並幫助人員判斷

資料科學家有分析Big Data需要的3種能力，包括深入了解企業內的業務與組織、具備資料探勘等統計應用知識、熟悉資料分析工具操作

企業對於Hadoop的認知，至今仍舊處在天秤的兩端，只有極少數企業深入了解Hadoop，而真正決定把Hadoop叢集架構視為巨量資料處理發展主軸者，更是少之又少