این مقاله روش‌ها و محیط انجام تحلیل بر روی ابرها برای برنامه‌های کاربردی داده بزرگ را مورد بحث قرار می‌دهد. این بررسی حول چهار حوزه‌ی مهم تحلیل و داده‌های بزرگ است: یعنی (1)مدیریت داده‌ها و معماری‌های پشتیبان، (2)توسعه مدل و امتیازدهی، (3)بصری‌سازی و تعامل با کاربر، (4)مدل‌های کسب و کار. از طریق بررسی‌های دقیق، شکاف‌های ممکن در فن‌آوری را شناسایی کرده و توصیه‌هایی برای جامعه‌ی پژوهش در جهت آینده‌ی محاسبات داده‌های بزرگ پشتیبانی شده با ابر، و راه‌حل‌های تحلیلی، را ارائه می‌کنیم.

جامعه به طور فزاینده‌ای در حال ابزاری شدن است و در نتیجه، سازمان‌ها مقادیر زیادی از داده‌ها را تولید و ذخیره‌سازی می‌کنند. مدیریت و به دست آوردن دیدگاهی از اطلاعات تولید شده، یک چالش و کلید برتری در رقابت است. راه‌حل‌های تحلیل که داده‌های ساخت یافته و غیرساخت یافته را استخراج می‌کنند، برای این مهم هستند که بتوانند به سازمان‌ها در به دست آوردن دیدگاهی از داده‌های خصوصی و مقادیر زیادی از داده‌های عمومی در دسترس بر روی وب، کمک کنند [1]. توانایی تقابل ارتباط اطلاعات خصوصی در ترجیحات مصرف‌کننده و محصولات با اطلاعات تویت‌‌ها، وبلاگ‌‌ها، ارزیابی محصول‌ها، و داده‌ها از شبکه‌های اجتماعی، طیف گسترده‌ای از احتمالات را برای سازمان‌ها باز می‌کند که این به منظور درک نیازهای مشتریان، پیش‌بینی خواسته‌ها و مطالبات خود، و بهینه‌سازی استفاده از منابع است. این پارادایم محبوبیت داده‌ی بزرگ نامیده می‌شود.

با وجود محبوبیت داده بزرگ و تحلیل، عملی کردن آنها هنوز هم یک تلاش پیچیده و وقت‌گیر است. همان‌طور که Yu [2] اشاره می‌کند، داده‌ی بزرگ ارزش قابل توجهی را به سازمان‌هایی که مایل به اتخاذ آن هستند، ارائه می‌دهد، ولی در عین حال، تعداد قابل توجهی از چالش‌ها را برای تحقق چنین ارزش افزوده‌ای مطرح می‌کند.