愿景二：简化的部署和管理
包含Hadoop和NoSQL数据库在内的大数据平台一直在努力简化其部署和管理功能，每次软件升级都会带来新的管理特性和新的内置功能，例如10gen公司在最新发布的MongoDB中新增了内置文本搜索功能和预置监控功能。Hortonwork Hadoop发行版针对微软Windows的版本嵌入Active Directory(活动目录)、System Center和虚拟化技术，用以简化大数据的部署和管理。
在构建Hadoop集群的过程中，虽然没有太多硬件方面的抱怨，但是EMC、IBM、Oracle和Teradata等硬件厂商推出Hadoop一体机，使Hadoop的部署更快速、更便捷。商用硬件的成本很高，但是Oracle称如果算上每个组件的价格、配置和调整的时间、维护和升级工作、可以直接运行的Cloudera软件，以及Oracle NoSQL数据库，一体机的成本比自己部署价格更低。
真正复杂的Hadoop管理常常出现在软件层面，而非硬件配置。例如HBase——Hadoop架构中日益重要的NoSQL数据库，很多开发者认为很难在HBase中建模和分析数据。WibiData公司提供开源库、模型和工具，使HBase中的数据更容易存储、提取和分析。该理念是将HBase运行中的技术难点可重复化，因此在解决商业问题时节省大量工程师和数据科学家等人力资源，这一准则也可以应用于其他大数据平台。
愿景三：更简单的高级分析方法
开发算法和预测模型是专业数据科学家的工作，但是他们既数量稀少，又需要支付高额报酬。因此，人才短缺是大数据、分析和商业智能厂商开发机器学习方法的原因之一。在光学字符识别、垃圾邮件过滤和计算机安全威胁检测等应用程序中证实，机器学习使用的学习算法是数据本身训练而来的。如果展示该算法扫描成千上万个文本字符、未经请求的电子邮件消息、病毒程序和恶意软件等，的确能够找到更多实例。
随着机器学习的发展，训练模型还能继续在新的数据中学习。例如Amazon.com和Netflix公司利用算法发现顾客交易规律，并向他们推荐感兴趣的书或电影。每当新书或者电影发行时，这些公司可以利用算法洞察数据中的偏好模式，推荐给相关顾客。
Apache Mahout是全球领先的部署机器学习基础集群、分类、Hadoop协同过滤算法的项目，该技术同样是由R统计编程语言支持的。支持或嵌入机器学习技术的厂商还包括Alpine数据实验室、Birst、Causata、Lionsolver、Revolution Analytics等。
