由 dawei 以往人们关注了社交，移动和云平台的应用与发展。同样重要的是，在大数据时代之后涌现出的几种辅助技术得到了蓬勃发展，由此产生的基础架构，架构，以及IT挑战表明，整个数据环境发生了模式转变，这种变化是由改变业务进行方式的力量的开始决定的。
由于这种转变的迅速性和其需求的即时性，许多组织希望在市场上寻找最好的解决方案，并有大量的点解决方案来解决数据景观的大规模系统变化，而这些零碎的方法在短期内提供有限的价值，但是由于供应商的锁定和业务的需求不断变化，长期来说其最终成本更高。
此外，即时的反应需要不同的工具来管理大数据的每个方面复杂的架构，同时耗费大量的时间。这种方法的根本缺陷是，这样的工具不是明确设计用于大数据，这限制了其在大数据革命后的价值。
大数据的涌入指出了一系列跨行业因素产生创新的方式，从最初的采纳到分析。这些普遍存在的市场力量对于为数据管理过程的每个方面需要针对大数据技术设计的全面方法是有帮助的。
大量的数据使得需要一个集中的平台，应对当今和未来的数据驱动实践的每一个方面，最好以终端用户管理的自助服务智能数据湖的形式实现。
无处不在的市场力量
了解负责重塑数据环境的市场力量的性质，需要在技术和非技术方面对其进行分析。在前者中，对SMAC(社交，移动，分析和云计算)的依赖代表了访问大数据手段的最大决定因素。这些技术深深地影响了大数据对企业的获取形式和形式。它们最显著的效果可能是它们所使用外部数据创造的前所未有的价值，这反过来又有助于强调这种数据与内部数据的集成。同样，他们负责多元结构数据的突出和其固有价值的企业的复杂性。
这种复杂数据格式所带来的新颖的复杂性通过单一集中的语义平台的流线型架构而被均匀地缓解。具体来说，通过在RDF图上链接在一起的演进的语义模型来无缝地合并数据源和类型的多样性的多结构化格式。在该框架内，所有数据元素以标准化方式彼此并排表示，代替了对传统方法所要求的各种结构化数据管理不同数据库，数据模型和模式的需要。在这样的独特平台中，其架构和底层基础设施被明显简化，相应地降低了成本。