5、智能app
企业使用机器学习和AI技术的另一种方式是创建智能应用程序这些应用程序采用大数据分析技术来分析用户过往的行为，为用户提供个性化的服务。推荐引擎就是一个大家非常熟悉的例子。在2017年十大战略技术趋势列表中，高德纳公司把智能应用列在了第二位。高德纳公司副总裁大卫·希尔里(David Cearley)说：“未来10年，几乎每个app，每个应用程序和服务都将一定程度上应用AI。
6、智能安保
许多企业也将大数据分析纳入安全战略。企业的安全日志数据提供了以往未遂的网络攻击信息，企业可以利用这些数据来预测并防止未来可能发生的攻击，以减少攻击造成的损失。一些公司正将其安全信息和事件管理软件(SIEM)与大数据平台(如Hadoop)结合起来。还有一些公司选择向能够提供大数据分析能力产品的公司求助。
7、物联网
物联网也可能对大数据产生相当大的影响。根据IDC 2016年9月的报告，“31.4%的受访公司推出了物联网解决方案，另有43%希望在未来12个月内部署物联网解决方案。”随着这些新设备和应用程序上线，许多公司需要新的技术和系统，才能够处理和感知来自物联网的大量数据。
8、边缘计算
边缘计算是一种可以帮助公司处理物联网大数据的新技术。 在边缘计算中，大数据分析非常接近物联网设备和传感器，而不是数据中心或云。对于企业来说，这种方式的优点显而易见。因为在网络上流动的数据较少，可以提高网络性能并节省云计算成本。它还允许公司删除过期的和无价值的物联网数据，从而降低存储和基础架构成本。边缘计算还可以加快分析过程，使决策者能够更快地洞察情况并采取行动。
9、高薪职业
对于IT工作者来说，大数据的发展意味着大数据技能人才的高需求。IDC称，“到2018年，美国将有181，000个深度分析岗位，是数据管理和数据解读相关技能岗位数量的五倍。” 由于人才缺口过大，罗伯特·哈夫技术公司预测，到2017年数据科学家的平均薪资将增长6.5%，年薪在116，000美元到163，500美元之间(当然这是美国的标准，中国国内目前尚未统计)。同样，明年大数据工程师的薪资也将增长5.8%，在135，000美元到196，000美元之间。
10、自助服务
由于聘请高级专家的成本过高，许多公司开始转向数据分析工具。 IDC先前预测，“视觉数据发现工具的增长速度将比其他商业智能(BI)市场快2.5倍，到2018年，所有企业都将投资终端用户自助服务。
一些大数据供应商已经推出了具有“自助服务”能力的大数据分析工具，专家预计这种趋势将持续到2017年及以后。数据分析过程中，信息技术的参与将越来越少，大数据分析将越来越多地融入到所有部门工作人员的工作方式之中。