大数据应用（BDA)是企业级应用的新方向，大数据应用架构也成为新一代企业级应用架构的核心。大数据应用架构与传统企业架构的不同也正是体现在数据、业务和技术架构的独特性。

数据是大数据应用的基础。大数据应用处理和分析的数据是“大”数据，它们可能来自互联网、移动互联网、社区网络、物联网上的各个角落，采集这些数据本身就是一件复杂的事情，更何况还要对它们进行处理和分析。数据与业务、技术的关系是，大数据处理的业务目的是发现大数据中的“信息”和“知识”，大数据对技术的要求是能够高效地处理这么复杂的数据。

业务是大数据应用的目的。大数据处理的业务流程是采集数据、聚合数据、分析数据和展现数据。通过这样的业务流程，要发现大数据中蕴含的信息价值，发现洞察力。这种洞察力是业务系统中的传统数据分析和挖掘所不能发现的，大数据的全集数据的分析和挖掘，给了一个很令人期待的承诺：发现相关性！也许这种相关性，并不能建立传统的因果逻辑，但却能发现数据之间的更多隐藏的秘密。这种相关性的商业应用，带来了巨大的商业价值，这是传统逻辑思维所不能想象的。于是，发现相关性的算法就成为了业务架构的关键，客户细分、聚类、相关性分析、预测分析等相关的机器学习算法，应用在大数据上，成为业务分析的主流。

 技术是大数据应用的手段。在大数据上发现规律，这不是现有的数据库、数据仓库所能胜任的。在分布式文件系统（HDFS）上用分布式计算程序(MapReduce)去计算，让程序把作业进行分解，Map计算，再Reduce汇总。轻量级的内存计算工具Spark,适用于实时处理的流计算工具Storm等框架被开发出来，解决处理大数据所需要。所有这些技术，都是服务于两件事：一是处理大数据，二是为业务需要从大数据中提取出洞察力。用最擅长的工具来进行组合应用。这就让大数据的技术工具层出不穷，但处理大数据难度越来越低，业务价值的实现越来越容易。

 业务、数据和技术，大数据应用的核心要素，也是大数据产业发展的关键。实现业务大价值，需要拥有大数据，也需要掌握大数据技术工具，三者缺一不可！