随着大数据业务的日渐火热，越来越多的分析机构着重看好这一领域。

知名分析机构Forrester最近预测，未来五年，大数据技术市场的年复合增长率将达到12.8%。Forrester将大数据市场分为六大部分：企业数据仓库、NoSQL、Hadoop、大数据集成、数据虚拟化和内存数据结构。Forrester调研发现，在2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。内存数据结构正在崛起，Forrester数据显示，内存数据结构在预测期内每年将增长29%。对非关系型数据库（NoSQL和Hadoop）的兴趣亦正在增强。NoSQL和Hadoop在预测期内每年将分别增长25%、33%。在受访者中，41%正在实施和扩大NoSQL的使用，另有20%计划在未来12个月中实施。有30%的受访者在今年实现了Hadoop，这一数字在2015年仅为26%。而采用Hadoop实现的云端非结构化数据存储的增幅将从2015年的29%增至35%。

此外，市场增长因行业而异。未来五年中，制药、运输和初级生产行业将大限度地采用大数据技术。目前，专业服务、电信、政府和金融服务业则是大的用户。

另一家分析机构ABI Research也预测。到2021年，移动运营商将投入超过500亿美元用于大数据和机器学习。ABI认为，机器学习技术将令运营商深刻改变管理电信业务的方式。

“基于机器学习的预测分析适用于电信业务的方方面面。”ABI Research常务董事、副总裁乔·霍夫曼指出，机器学习能通过经济利益导向的应用包括欺诈缓解和收入保障，为运营商的运营带来好处，这些都是最有说服力的案例。传统分析是基于规则的解决方案跟不上犯罪分子，但机器学习擅长于发现趋势异常。

用于网络性能优化和实时管理的预测性机器学习应用，将带来更多的自动化和高效的资源利用。即使是销售、市场和客户体验团队也将受益，因为机器学习有助于创新和重新设计业务流程。

电信大数据解决方案包括商业IT套件、开放源代码、基于Java的Hadoop生态系统、SQL/NoSQL数据管理和编排平台。到2021年，这部分基础设施支出将超过70亿美元。但是大的增长和大的价值来自提高电信业务绩效的预测分析，基于机器学习的预测分析将以近50%的年复合增长率增长，到2021年将达到120亿美元。

“随着商业云基础设施和机器学习服务的兴起，每家移动运营商都能成为一家大数据公司。”霍夫曼总结说，“在短短几年时间里，我们将看到明天的移动网络成为巨大的、分布式的超级计算机，带有无线连接，通过机器学习不断重新再造。”