对不同类型的业务用户提供不同类型的支持很重要。公司内部的客户服务、市场和供应链运营等部门的需求是不同的。
医疗行业是一个数据密集型行业。但因为技术掣肘，大多数EHR系统产生的数据都没有得到有效的存储和分析，这样很多医疗行业供应商不能从海量数据中提取价值。
先进的移动技术和大数据战略的部署在过去几年一直是很多公司的首选。虽然二者都很重要，但它们能否协同工作，创建一个能够提供真正价值的移动大数据系统呢？
物联网IoT风生水起，但一场关于行业标准的战争也已经悄悄打响，阻碍着行业的细分和消费者对技术的采用。
通过使用Kafka信息队列技术和自动处理脚本，网络点击数据可以进入集群，能够在20到40毫秒之间进行数据分析。报表和分析基本上是实时的，比旧系统要快很多。
Apache Spark是一个开源数据处理引擎，2010年产生于加利福尼亚大学伯克利分校的实验室，之后跻身大数据产品之列。
在大数据时代，流传着的大数据帮助我们做什么的故事常常让我们脑洞大开。比如美国职业棒球大联盟如何应用数据分析指导比赛。
随着Hadoop数据资源池的概念进入主流IT，越来越多的企业开始试水Hadoop。但很多只是将一部分数据池化，还没有开发出成熟的Hadoop环境。
去年三月份Oracle发布了Java 8，将高级自动化应用于应用发展和部署。它广为人知的秘密武器就是与Lambda的结合。
美国波士顿一家公共传媒组织WGBH，有六十年积累的数据，这些数据再说数据库中不准确、重复、无组织，这些信息只能给赞助商无价值的反馈
