大数据技术背后的支持力量是多方面的，主要包括以下几个方面：
1. 云计算：云计算提供了强大的计算资源和存储空间，使得大数据的处理、存储和管理变得可能。通过云计算，企业可以灵活地扩展或缩小其计算能力，以适应业务需求的变化。
2. 分布式计算：分布式计算技术使得大数据的处理更加高效。通过将数据分散到多个计算节点上进行并行处理，可以减少单个节点的负载，提高数据处理速度。
3. 大数据存储：大数据存储技术包括传统的关系型数据库和非关系型数据库（如Hadoop HDFS和NoSQL数据库）。这些存储技术提供了高吞吐量的数据读写能力，以及良好的数据可伸缩性。
4. 数据采集：数据采集技术包括网络爬虫、API接口调用等。这些技术可以帮助企业从各种来源收集数据，为后续的数据分析和挖掘提供基础。
5. 数据分析：数据分析技术包括统计分析、机器学习、深度学习等。这些技术可以帮助企业从海量数据中提取有价值的信息，为企业决策提供支持。
6. 大数据分析工具：大数据分析工具如Hadoop、Spark等，提供了快速、高效的数据处理和分析能力。这些工具支持多种数据格式，并提供了丰富的数据处理和分析功能。
7. 人工智能：人工智能技术在大数据领域的应用越来越广泛。通过机器学习和深度学习，可以从海量数据中提取模式和规律，实现智能推荐、预测等功能。
8. 物联网：物联网技术可以将传感器设备连接到互联网，实时收集和传输大量数据。这些数据可以为智慧城市、智能家居等领域提供支持。
9. 边缘计算：边缘计算技术将数据处理和分析任务部署在靠近数据源的位置，减少了数据传输的延迟和带宽消耗。这对于实时数据处理和分析非常重要。
10. 可视化技术：大数据可视化技术可以帮助用户直观地理解数据，发现数据中的模式和趋势。这对于数据分析和决策制定具有重要意义。
总之，大数据技术的发展离不开云计算、分布式计算、大数据存储、数据采集、数据分析、大数据分析工具、人工智能、物联网、边缘计算和可视化等技术支持。这些技术共同构成了大数据技术的基础设施，为大数据的应用和发展提供了有力保障。
