大数据在过去的几年里已经风靡时，另一项技术也进入了主流: 数据虚拟化。
数据虚拟化是通过一个单一的数据访问层抽象不同数据源的过程，它交付整合的信息对用户提供数据服务,是实时或接近实时的应用程序。明确认定IT管理人员和整合架构师可以与他们的业务同事一起使用，数据虚拟化确保数据与其他系统更好的整合，以便企业可以利用大数据分析和运营。
目前，数据虚拟化工具已经变得足够成熟,企业采用他们以降低传统整合(整个编写自定义代码,ETL和数据复制过程)的成本。这个工具还能提供数据仓库的原型或扩展的灵活性。因为数据虚拟化揭示复杂大数据的结果就像易于访问REST（代表性状态传输）数据服务，数据虚拟化工具能够整合企业和云应用程序之间的数据。
该技术还简化了数据访问的三个步骤:通过连接和抽象数据源,结合成规范的业务视图，最后作为数据服务发布它们。在这种意义上,它类似于服务器、存储和网络虚拟化,它简化了用户管理的外观的同时又包含了抽象、解耦、性能优化和有效使用(或重用)可伸缩的资源的技术。
与硬件虚拟化不同，数据虚拟化处理信息和其语义 —— 任何数据, 任何地方, 任何类型 —— 它可以更直接影响商业价值。
有了企业分析,你既需要大数据也需要访问这些数据来创建真正的价值。大数据涉及到使用开源技术比如Hadoop, Amazon S3和Google Big Query，在标准硬件集群或云资源之间的分布式计算。数据虚拟化可以也可以加入其中。在“数据虚拟化达到临界量”的报告中, Forrester Research说,“大数据整合扩大了商业洞察力的潜力”,并将这种潜能做为数据虚拟化采用的驱动。
数据虚拟化可以帮助企业有效提取大数据的价量, 执行智能缓存, 同时尽量减少不必要的复制。也使得公司有能力访问许多类型的数据源, 通过把它们与传统的关系数据库、多维数据仓库和平面文件以便商业智能（BI）用户可以对组合的数据集进行查询。例如, 一个主要农作物保险公司已经使用数据虚拟化提示其大数据源, 并结合其交易、客服和财务系统，对其销售团队提供销售的整合视图，预测和代理数据。使用数据虚拟化, 这些复杂的报表可以用比过去更少的人力资源更快地开发。
数据虚拟化代表了用一种简单的方式处理复杂的、非均质性和大量向我们袭来的信息，同时满足业务社区敏捷和几乎实时获取信息的需求。IT将需要适应这一现实，否则会由于因为业务部门越来越驱动技术决策而使IT变得无关紧要。
