第二階段，企業客戶的需求集中在如何更好地處理結構化數據，將舊的IT架構遷移到分布式架構上。各大數據平臺廠商開始在Hadoop上進行SQL領域的開發和競爭，不斷提高SQL標準的兼容性。在這個過程中，Spark誕生了，並逐漸取代了MapReduce架構，後者過於笨重，在TB級計算性能上存在缺陷。Hadoop技術開始進入結構化數據處理和分析的更深層次的應用領域。隨著Hadoop技術上SQL和解決Hadoop分布式事務問題的星環技術的不斷發展，越來越多的客戶在Hadoop上構建新壹代數據倉庫，將Hadoop技術應用到越來越多的業務生產場景中。隨著技術門檻的降低，越來越多的客戶可以利用強大的分布式計算能力輕松分析處理海量數據。在這個階段的後期，隨著企業客戶對實時數據分析和判斷的需求越來越大，流處理技術蓬勃發展。
第三階段，部分企業完成了從基於關系數據庫的數據處理系統向基於大數據技術的數據處理系統的轉型。在這個階段的初期，很多企業客戶已經不滿足於通過SQL對基於統計的數據進行分析和挖掘，這促使傳統的機器學習算法開始實現分布式，而主要集中在對結構化數據的學習和挖掘上。隨著深度學習技術和分布式技術的碰撞，新的技術應運而生。