大数据仅在两三年前才出现。这是由于支持大数据的分析和处理技术的出现。典型的技术是Hadoop。这项技术可以分发和处理难以并行处理的多台计算机的大数据。
通过将几台计算机像一台计算机捆绑在一起，解决了存储空间和处理能力的问题。例如，KT推出的最近基于Hadoop的大数据平台正在解决呼叫拥塞和用户模式分析等问题，这些问题由于智能手机的增加而成为问题。
实际上，许多公司正在使用Hadoop处理大数据。除了诸如IBM，Oracle和Microsoft之类的现有关系数据库管理系统（RDBMS）公司之外，诸如SAS和Informatica之类的数据分析人员也在尝试与Hadoop连接。
关注世界教育行业的“拒绝采矿”技术
数据挖掘也成为人们关注的焦点。它是指通过分析各种数据之间的相关性来提取必要信息的技术。如果使用得当，它可以揭示以前从未见过的新事实，例如事件之间的关系，事件之间的连续性和数据移动。
该技术的最新进展令人惊讶。根据《纽约时报》最近的一份报道，哥伦比亚大学和斯坦福大学的研究人员发现，同时使用抗抑郁药帕罗西汀和抗高血脂药普伐他汀有副作用。
但是，研究方法非常不寻常。从2010年开始，研究人员进行了8000万次搜索，其中包括Google，Microsoft和Yahoo。对两种药物分别服用和分开服用时的分析表明，它们很可能引起高血糖症。
这是数据挖掘技术的首次使用。Google先前使用其搜索引擎来构建Google流感趋势（一种早期的流感检测系统），也与数据挖掘技术无关。
世界教育界也将重点放在这种数据挖掘技术上。该技术有望在学生学习，教师教学，教育统计管理以及教育政策研究与建立等许多领域得到有效利用。
” Learning Analytics” Technology预测未来
永东大学嵌入式软件系的Je-Young Choi教授说，“对从在线教育站点收集的学习数据进行分类，并通过题为“智能环境中的大数据趋势”的报告来寻找关系。”新的预测模型是可能的。”
“这种预测模型将在构建个性化学习系统中发挥重要作用，这将进一步使学习支持多样化。” 期望它将为学生，老师和其他人提供以前从未见过的反馈，从而有助于改善学习方式。
学习分析是热点之一。如果数据挖掘专注于数据的相互关系，则该技术具有使用计算机科学，数学和统计从大量数据中提取有用信息的能力。
数据挖掘技术使用统计和机器学习等技术将推理模型应用于特定情况。另一方面，学习分析使用信息科学，社会学，心理学，统计学，计算机科学和教学法中应用的概念。
它没有像数据挖掘那样分解学习过程，而是着重于通过推理反馈预测未来的学习并支持教育以满足学生的能力和水平。在危机中干预学生，并采取向学生提供以前提取的反馈的形式。
例如，学习分析技术可用于发现学生与课程之间的联系，并确定哪些教育策略可以产生更有效，更可靠的学习。
