云计算和大数据哪个发展前景好？
说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!
大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，hadoop的产生使我们能够用普通机器建立稳定的处理tb级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为mapreduce开发复杂)，所以piglatin和hive出现了(分别是yahoo!和facebook发起的项目，说到这补充一下，在大数据领域google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类sql的操作，到这里操作方式像sql了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类sql，而处理速度也能“类sql”，google为我们带来了dremel/powerdrill等技术，cloudera(hadoop商业化最强的公司，hadoop之父cutting就在这里负责技术领导)的impala也出现了。
整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用google一篇技术论文中的话，“动一下鼠标就可以在秒级操作pb级别的数据”难道不让人兴奋吗?
在谈大数据的时候，首先谈到的就是大数据的4v特性，即类型复杂，海量，快速和价值。ibm原来谈大数据的时候谈3v，没有价值这个v。而实际我们来看4v更加恰当，价值才是大数据问题解决的最终目标，其它3v都是为价值目标服务。在有了4v的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。
数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。
传统的bi分析通过大量的etl数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的bi分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，bi分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。
谈了这么多，核心还是想说明大数据两大核心为云技术和bi，离开云技术大数据没有根基和落地可能，离开bi和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是bi，大数据实施落地式云技术。