Wydawało się, że rok 2012 był rokiem pojawienia się technologii big data, które stały się wszystkim dla wszystkich. Ale w 2013 roku analiza dużych zbiorów danych stała się modna. Kiedy zdobędziesz znaczną ilość danych, będziesz musiał nimi zarządzać, ale będziesz także chciał wyciągnąć ze zbiorów najbardziej przydatne informacje, a to będzie trudniejsze wyzwanie. Big data nie tylko zmienią narzędzia, których używasz, ale także zmienią sposób, w jaki ludzie myślą o ekstrakcji i interpretacji danych. Zwykle nauka o danych będzie metodą prób i błędów, co będzie niemożliwe w przypadku pracy z większymi i niejednorodnymi zbiorami danych. Jednak im więcej danych będzie dostępnych, tym zwykle będzie mniej opcji konstruowanych dla modeli predykcyjnych ze względu na małą liczbę narzędzi, które są w stanie przetworzyć ogromną ilość informacji w rozsądnym czasie. Ponadto tradycyjne rozwiązania statystyczne będą skupiać się na analizach, które są statyczne, co ograniczy próbki do analizy, które są zamrożone w czasie i zazwyczaj dadzą wyniki, które są przewyższające i niewiarygodne. Jednakże inne alternatywy rozwiążą problemy związane z dziedzinami badawczymi, które będą rozszerzane, a będzie to uczenie maszynowe. Statystyka i informatyka wychodzą na rynek aplikacje, które będą skupiać się na opracowywaniu algorytmów, które będą szybkie i wydajne w przetwarzaniu danych w czasie rzeczywistym, a celem będzie dostarczanie dokładnych prognoz. Niektóre aplikacje będą wykorzystywane w sprawach biznesowych, np. w informowaniu klientów, ile produktu powinni kupić lub w celu wykrywania oszustw. Techniki stosowane w uczeniu maszynowym rozwiązują również problemy aplikacyjne, takie jak obliczanie statystyk w czasie rzeczywistym, a także dostarczanie wiarygodnych analiz przy użyciu metod ogólnych i automatycznych w celu uproszczenia zadań analityka danych.