從公司層面上看，以 IBM 為首的 IT 巨頭在收入上遙遙領先； 創(chuàng)業(yè)型公司Cloudera、 Splunk 等的收入與巨頭廠商仍有差距。 2013 年 IBM 大數據業(yè)務收入為 13.68 億美元， HP 和 Dell 的大數據收入分別為 8.69 和 6.52 億美元，排在第二三位。三家公司的大數據業(yè)務均占總體收入的 1%左右。 收入最高的純大數據公司為Palantir（ 為政府和金融機構提供數據分析軟件服務）， Pivotal（大數據集成產品，提供 Hadoop，內存 SQL 數據庫以及 MPP 等多種服務） 和 Splunk（大規(guī)模機器數據收集，存儲，可視化分析） ， 分別為 4.18 億， 3 億， 2.83 億美元。
技術路徑之爭
大數據處理系統(tǒng)一般需要經過 4 個主要環(huán)節(jié)，包括數據準備、數據存儲與管理、計算處理、數據分析。
（ 1） 數據準備：在進行存儲和處理之前，需要對數據進行清洗、整理，傳統(tǒng)數據處理體系中稱為 ETL（ Extracting， Transforming， Loading）過程。
（ 2） 數據存儲與管理：大數據存儲系統(tǒng)不僅需要以極低的成本存儲海量數據，還要適應多樣化的非結構化數據管理需求，具備數據格式上的可擴展性。
（ 3） 計算處理環(huán)節(jié)：海量數據處理要消耗大量的計算資源，對于傳統(tǒng)單機或并行計算技術來說，速度、可擴展性和成本上都難以適應大數據計算分析的新需求。分而治之的分布式計算成為大數據的主流計算架構，但在一些特定場景下的實時性還需要大幅提升。
（ 4）數據分析環(huán)節(jié)：數據分析環(huán)節(jié)需要從紛繁復雜的數據中發(fā)現規(guī)律提取新的知識，是大數據價值挖掘的關鍵。
大數據解決方案基本可分為兩類， 由主流數據庫廠商主導的傳統(tǒng)方案升級： 數據庫一體機(例如 Oracle ExaData 以及 IBM Netezza 等)，以及以開源力量為主的大數據技術（ 以 Hadoop 為代表）。 隨著數據的海量化和快速增長的趨勢不斷增強，傳統(tǒng)關系數據庫技術表現出明顯的不足，如何以合理的成本獲得海量數據的高可用性已經成為現代 IT 領域的重大挑戰(zhàn)。 大數據對數據分析、計算和存儲三個環(huán)節(jié)影響較大，需要對技術架構和算法進行重構，是當前和未來一段時間大數據技術創(chuàng)新的焦點。在所有大數據解決方案中，最為引人注目的是由主流數據庫廠商主導的傳統(tǒng)方案升級，以及以開源力量為主的大數據技術。 兩者是相互補充的關系。
目前大數據開源技術中使用最廣的是 Hadoop， 一個能夠對大量數據進行分布式處理的軟件框架。 Hadoop 框架的核心設計是： HDFS 和 MapReduce。 HDFS 為海量的數據提供了存儲， 提供高吞吐量來訪問應用程序的數據，適合那些有著超大數據集的應用程序。 而 MapReduce 為海量的數據提供計算，它將單個任務打碎，并將碎片任務(Map)發(fā)送到多個節(jié)點上，之后再以單個數據集的形式加載(Reduce)到數據倉庫里。 基于以上特點， 用戶可以輕松地在 Hadoop 上開發(fā)和運行處理海量數據的應用程序。
Hadoop 是大數據行業(yè)應用最廣的分布式系統(tǒng)
