在技術發展上，Google的MapReduce分散式平行計算架構亦為大數據處理的重要軟體工具。雖然MapReduce結合Hadoop平臺的解決方案已完成，但Hadoop的研發社群似乎不太重視此一方案的成長性。據推測，Hadoop社群將研發重點聚焦于以Hadoop平臺的分散式特性，提供支援即時處理和其他新的功能，讓Hadoop更適合下一代數據處理應用，而這些新功能已被其他平臺解決方案如Storm、Druid列為研發要點。

　　目前有許多新創公司如Continuuity、Infochimps和Precog等，以讓應用開發者可存取到大數據的發展策略進行技術擴展。另一個發展方式則為選擇利基應用，如使用者行為分析、網路安全、人工智能和客戶服務等使用情境做為開發標的，進而將使用案例轉為服務或產品，運用此一模式的業者包括Google、臉書（Facebook）等自身擁有大數據的公司。

　　2013年大數據技術發展的熱門應用領域為移動商務智能、物聯網和機器學習等，須要垂直整合的應用領域則為能源、公用事業、健康照護和人力資源等。在技術面，則以取得與合併數據的技術、降低初始分析因數據不足的失敗率（Start-Up Failure）、增加預測精確度與新平臺的研發為主要發展趨勢。下面將以幾個案例，來說明相關技術如何運用于各應用領域。

　　善用智能分析工具　用戶移動商務經驗提升

　　由于智能移動設備的成長與滲透率提高，智能移動設備內建多種傳感元件，例如影像傳感器、衛星定位、加速度計和高度計，使得服務營運商可自智能移動設備即時取得使用者資訊，例如定位數據、移動方向、興趣點和交易數據的方式增多，移動商務智能的獲得，將促使營運商投資大數據分析軟體與平臺建置。

　　移動商務智能分析須融合使用者、智能移動設備與環境等多方資訊，才能有效地由巨量的使用者資訊中萃取出商業價值，探勘使用者于移動環境中所需服務及偏好成為價值萃取的標的，運用此價值資訊將協助服務營運商提供最適合的資訊與服務給使用者，進而提升使用者使用移動商務的經驗并增進服務商獲利能力。

　　舉例而言，以位置為基礎的移動商務智能分析技術，可透過多種位置資訊的傳感方式來收集混合的移動軌跡數據，并增加只運用單一位置資訊傳感方式的定位精度軌跡探勘精確度。研發自動叢集多源定位的移動軌跡數據，來改善定位精度容錯范圍，以提升軌跡可探勘率為此類應用的基礎技巧，但于技術應用面須進一步考量消費者、廣告商及平臺商各自的商業利益，延展出具有三贏功效的軌跡樣式探勘處理技術，才能提升移動服務推薦滿足率及成交效益，創造大數據技術的市場價值。

　　除以定址服務（LBS）為商務智能分析的主要發展趨勢外，另一個值得關注的發展為社群資訊服務。2012年美國運用巨量連續的社群串流資訊，即時自動發現所含的熱門議題資訊，用以成功阻止流感的擴散。

　　2013年以社群串流資訊結合大數據分析技術的應用持續增加，巨集大量短訊息數據的微網誌（Microblog）社群網路平臺如Twitter、 Plurk和微博等，成為許多廠商尋找大數據商機之處。透過微網誌，使用者可發布關于自己的日常生活瑣事，以及分享每天所遭遇到的事情，亦能即時了解朋友的近況動態等。

　　此大數據分析技術的重點為當微網誌短訊息快速、連續性產生時，仍可即時處理串流訊息分群以進行議題偵測，包括如何自動偵測最新出現的熱門關鍵字，以及解決串流文字訊息概念漂移（Concept-Drift）的問題，并即時群聚串流文字短訊以偵測未知數量議題與事件。萃取出的情報資訊將可應用于新產品市場意見回饋、客戶關係管理（Customer Relation Management， CRM）、民意調查和災情追蹤等領域，以提供市場行銷決策參考依據。

　　聯網電視、移動與社群等服務結合云端計算技術的快速發展，將商務資訊匯流至服務平臺，有助于虛實整合O2O（Online to Offline）電子商務服務業者的發展。O2O將實體世界的商務發展和資通網路結合，讓資通網路成為商務交易的前臺。

　　換言之，O2O模式主要的精神是透過資通訊技術尋找消費者，然后將他們帶到實體商店中。圖1為運用數種即時巨量商務數據分析技術形成O2O商務系統平臺，分析平臺解析巨量且異質的消費者與店家數據，將適切的服務推薦至使用者來提升商務效益。同時，更貼近使用者個人化需求的服務，將隨著大數據技術的發展更加完善。

　　圖1 巨量商務分析技術于O2O商務應用　數據來源：工研院南分院云服中心整理