随着大数据工具和服务的发展，2015年，IT行业将逐渐缓解发展瓶颈的局面，许多商业用户和数据科学家将会借助相关工具和服务访问大量数据。自助服务大数据将成为IT行业的一种趋势，它允许商业用户可以通过自助服务接触大数据。自助服务还可以帮助开发者、数据科学家和数据分析师直接进行数据探索和处理工作。当我们了解大数据的时候，业务的价值和IT的成本是我们主要衡量未来IT的标准，业务价值驱动大数据创新。Hadoop 不再成为我们讨论的大数据主题。我们需要了解更多的是业务创新，数据变现和业务场景的探索。
下一代的大数据体系——数据湖：
每个数据项都应有清楚的追踪，可追溯其源系统以及该数据项产生的时间等信息。2010年 JamesDixon以此理念，创造了数据湖（data Lake）这个术语，当时他打算将数据湖泊作为单一数据源来使用，而多数据源将形成“水景园”。尽管还是最初的构想，如今最普遍的应用是将数据湖泊当做许多数据源的结合。现有数据仓库在分析能力的缺失，业务对数据获取能力的提升，高级分析方法的创新是一种必然。
数据湖泊是近十年出现的术语，用来描述数据世界中，数据分析管道的重要组成部分。作为一个信息系统，数据湖泊是大型的基于对象的存储库，数据以其原始格式存储。通过全面的监控和分析，通过数据的分析模型的建立，学习，模拟，行动，最终实现内容认知的智能。 有并行体系以及无需移动数据即可对数据进行计算操作的明显特点。
特点 1 ：数据湖泊是一个并行体系，能够存储大数据
数据湖泊的每个数据元素都有独特的标识符，并有一组扩展的元数据标签。
数据湖泊以数据源提供数据时的原格式（不论原格式是什么）存储原始数据。没有预设的数据模式，每个数据源都可以使用任何模式。由消费者根据自己的目的来理解数据。
特点 2：数据湖体系无需移动数据即可对数据进行计算操作
总结：
大数据技术自身在快速的发展，从1.0到大数据3.0的数据湖时代,我们要理性的看待大数据，在关注数据量的同时，应该更加重视数据分析的能力和方法。实用分析工具与先进分析理念，真正释放数字化分析的力量，由人类轨迹产生的数据，与机器自动产生的数据得出洞见，从管理决策推导运营方案，最终实现数据价值提升。
