Вот товарищ рассказывает, что машинное обучение в области аналитики становится всё более "онлайновым" - если раньше хранили только результаты какого-то аггрегирования, которое на этапе постановке задачи было понятным, то сейчас хранят сырую историю событий с избыточными данными (хранят тупо ВСЁ) и хотят быстро пробегаться по этим данным, применяя к ним какой-то новый алгоритм из головы аналитика.

Стали появляться продукты, интегрирующие в себе несколько отдельно существовавших до этого решений: например какая-то быстрая запись (типа buffered B-tree), какие-нибудь там очереди в ОЗУ и тесно связанный с ними движок "пробега" по всем данным с возможностью писать на каком-то простом языке правила обработки.

Пример: MongoDB aggregation pipeline. Само MongoDB может и не быстрое и глючное, но вот aggregation pipeline - это такая конфигурируемая труба с насадками, через которую ты можешь прогнать имеющееся скопление документов и породить другие документы, которые что-то аггрегируют из сырых.

Интересен какой-то обзор на эту тему. Обзор каких-нибудь идей, недо-продуктов, зарождающихся фреймворков в области BigData (ну про хадуп я знаю, это старьё изжившее себя), каких-то продуктов, ставящих на интеграции прежде существовавших концепций.