1.数据科学越来越大众化

　　随着像Coursera、Udacity和Edx等这些和数据分析相关的网络教育平台的流行，越来越多的人不用花一分钱便可以学到所有的知识，从基础的统计学知识到自然语言处理和机器学习。除了这个，Oxdata化简和集成了R语言后推出的分析产品，Quid正在做的具有机器学习和人工智能概念的工具也设计了傻瓜式的使用界面和形象具体的用户展示方法。更有像Kaggle这样的公司推出了关于预测模型的众包平台。所以大数据的处理的趋势之一便是像Datahero，Infogram和Statwing他们一样，把数据分析变得易用，大众。

　　2.Hadoop对MapReduce的依赖越来越小

　　Hadoop平台只为MapReduce服务的时代从Hadoop的2.0版本开始正式结束了。新版本支持的产品和服务将会和Cloudera的Impala一样用一个SQL 查询引擎，或者其他的方法来替代MapReduce。HBase NoSQL数据库就是Hadoop离开MapReduce约束后的一个很好的例子。 大型的网络公司，像Facebook、eBay等都已经用HBase去处理事务型的应用了。
　
        3.大数据越来越多的被用到了我们身边的应用中

　　首先是大数据应用对我们的开发者的要求变低了，有时候开发大数据应用就像在你的应用的代码中加入几行，或者像是写一段儿脚本一样。其次，大数据的应用范围也得到了拓展，用户习惯分析，网络安全，人工智能，售后服务等等都可以通过将大数据处理做成产品或者应用而实现。现在的大数据技术已经被带入了许多网络和手机的应用中，从购物推荐到找到和自己有关联的人等等。

　　4.机器学习无处不在

　　很容易就可以看到机器学习越来越流行，从我们身边的小应用Prismatic、Summly、Trifacta、CloudFlare、Twitter、Google、Facebook、Bidgely、Healthrageous、Predilytics、BloomReach、DataPop、Gravity……如今很难想象一个没有机器学习技术的科技公司可以生存。Heck，甚至是微软都在机器学习上下了很大赌注它将成为一个重要的收入来源。
 
       5.手机将成为人工智能的数据来源

　　我们的手机和手机中的应用目前可能是最大的私人信息来源。通过机器学习，语音识别和其他一些技术，这些应用可以知道我们去哪儿，我们的朋友都是谁，我们的日历上都有哪些提醒，我们上网都浏览什么。通过新一代的私人助理应用(Siri，Saga和Google Now等)我们的手机更能够理解我们的言论，知道我们经常出入的地方，我们平时吃什么，我们在家、工作和郊游的时间等等。