2013年

2014年

1、数据的资源化

1、大数据从概念走向价值

2、大数据的隐私问题突出

2、大数据架构的多样化模式并存

3、大数据与云计算等深度融合

3、大数据安全与隐私

4、基于大数据的智能的出现

4、大数据分析与可视化

5、大数据分析的革命性方法

5、大数据产业成为战略性产业

6、大数据安全

6、数据商品化与数据共享联盟化

7、数据科学兴起

7、基于大数据的推荐与预测流行

8、数据共享联盟

8、深度学习与大数据智能成为支撑

9、大数据新职业

9、数据科学的兴起

10、更大的数据

10、大数据生态环境逐步完善

2015年

2016年

1、大数据分析成为数据价值化的热点

1、可视化推动大数据平民化

2、数据科学带动学科融合，但自身尚未成体系

2、多学科融合与数据科学的兴起

3、与各行业结合，跨领域应用

3、大数据安全与隐私令人忧虑

4、“物云移社”融合，产生综合价值

4、新热点融入大数据多样化处理模式

5、平台架构与基础设施

5、大数据提升社会治理和民生领域应用

6、大数据的安全与隐私保护

6、《促进大数据发展行动纲要》驱动产业生态

7、计算模式：深度学习、众包计算

7、深度分析推动大数据智能应用

8、可视化分析与可视化呈现

8、数据权属与数据主权备受关注

9、大数据人才与教育

9、互联网、金融、健康保持热度，智慧城市、企业数据化、工业大数据是新增长点

10、开源系统将成为主流

10、开源、测评、大赛催生良性人才与技术生态

2017年

1、机器学习继续成智能分析核心技术

2、人工智能和脑科学相结合，成大数据分析领域的热点

3、大数据的安全和隐私持续令人担忧

4、多学科融合与数据科学兴起

5、大数据处理多样化模式并存融合，流计算成主流模式之一

6、数据的语义化和知识化是数据价值的基础问题

7、开源成大数据技术生态主流

8、政府大数据发展迅速

9、推动数据立法，重视个人数据隐私