大数据与神经计算、深度学习、语义计算以及人工智能其他相关技术结合，成为大数据分析领域的热点。大数据分析的核心是从数据中获取价值，价值体现在从大数据中获取更准确、更深层次的知识，而非对数据的简单统计分析。要达到这一目标，需要提升对数据的认知计算能力，让计算系统具备对数据的理解、推理、发现和决策能力，其背后的核心技术就是人工智能。近年来，人工智能的研究和应用又掀起新高潮，这一方面得益于计算机硬件性能的突破，另一方面则依靠以云计算、大数据为代表的计算技术的快速发展，使得信息处理速度和质量大为提高，能够快速、并行处理海量数据。
在大数据时代，许多学科表面上看来研究的方向大不相同，但是从数据的视角来看，其实是相通的。随着社会的数字化程度逐步加深，越来越来多的学科在数据层面趋于一致。可以采用相似的思想来进行的统一的研究。数据科学作为一个与大数据相关的新兴学科出现，真正支撑大数据发展的学科跨越还没有出现。针对大数据处理的理论研究上，新型的概率和统计模型将是主要的研究工具，学科基础理论的突破还难以在2015年出现。
跨学科领域交叉的数据融合分析与应用将成为今后大数据分析应用发展的重大趋势。大数据技术发展的目标是应用落地，因此大数据研究不能仅仅局限于计算技术本身。
由于现有的大数据平台易用性差，而垂直应用行业的数据分析又涉及到领域专家知识和领域建模，目前在大数据行业分析应用与通用的大数据技术之间存在很大的鸿沟，缺少相互的交叉融合。因此，迫切需要进行跨学科和跨领域的大数据技术和应用研究，促进和推动大数据在典型和重大行业中的应用和落地。
大数据将与物联网、云计算、移动互联、社会计算、等热点技术领域相互交叉融合，产生很多综合性应用。近年来，计算机和信息技术发展的趋势是，前端更前伸，后端更强大。物联网与移动计算加强了与物理世界和人的融合，大数据和云计算加强了后端的数据存储管理和计算能力。未来，这几个热点技术领域将相互交叉融合，产生很多综合性应用。
内存计算将继续成为提高大数据处理性能的主要手段。以Spark为代表的内存计算逐步走向商用，并与Hadoop融合共存。专为大数据处理优化的系统和硬件出现。由于大数据系统在计算、存储、高速缓存方面的需求不平衡，传统服务器与存储已经不适合构建高可靠和高性价比的大数据处理系统。大数据处理多样化模式并存融合，一体化融合的大数据处理平台逐渐成为趋势。
这是第三年关于大数据热点问题趋势的预测，每一年都有关于大数据安全和隐私问题，这反映专家和用户的一种期盼、理解和关注度。但是在大数据的安全和隐私保护方面，从技术层面来看没有取得较大的进步，仍存在一定的问题的，因此大数据的安全持续令人担忧。
近年来，深度学习引起国内不少人士的关注，但是我们发现一个很有意思的现象，就是专家和工业界的人士更关注众包技术。
进行分析之前，需要对数据进行探索式地考察。在此过程中，可视化将发挥很大的作用。对大数据进行分析以后，为了方便用户理解结果，也需要把结果展示出来。
大数据技术的快速发展和行业应用需求的快速增长，使得目前技术市场上掌握大数据技术的人才严重短缺。因此，政府、高等院校和科研院所将加快建立大数据技术人才教育和培养体系，发展数据科学和工程专业，梳理和构建跨学科和领域交叉的大数据课程体系，融合计算机、数学分析统计、应用相关的学科，推动交叉学科数据分析技术的发展以及人才的培养。
以Hadoop为代表的开源技术拉开了大数据技术的序幕，大数据应用的发展又促进了开源技术的进一步发展。开源技术的发展降低了数据处理的成本，引领了大数据生态系统的蓬勃发展，同时也给传统数据库厂商带来了挑战。据统计，目前有超过150种开源大数据平台，这个数字还在增长中。
程学旗指出，对2015年的大数据发展趋势预测的特点可以总结为四个词：融合、跨界、基础、突破。基本体现在学科、技术、系统和应用方面的融合，以及在不同学科不同行业跨界，前面五个问题涉及相关的现象。
同时，他还呼吁在大数据技术基础的夯实以及技术上的突破，这个基础包括开源软件的选择，以及其他一些单向的调研，比如相关的应用。
最后可以看到，我国大数据的最主要推动力还是来自BAT这样的大型互联网公司，这是投票的结果，政府和科研高校不是那么乐观。我们希望一个众筹模式推动大数据发展，也希望科研企业、创业企业和小机构一起推动，这样才能百花齐放，实现跨越式发展。