大数据技术背后的支持力量主要来自于以下几个方面：
1. 云计算平台：云计算平台是大数据技术的重要基础设施。通过云计算平台，企业可以将大量的数据存储在云端，实现数据的集中管理和分析。云计算平台提供了弹性计算、存储和网络资源，使得企业能够根据需求灵活调整资源，降低成本。
2. 分布式存储系统：分布式存储系统是大数据技术的核心组成部分。它允许多个计算机节点共同存储和管理数据，提高了数据的存储效率和访问速度。分布式存储系统通常采用复制或分片技术，确保数据的安全性和可靠性。
3. 数据处理框架：数据处理框架是大数据技术的关键工具，它提供了一种标准化的方式来处理、分析和可视化数据。常见的数据处理框架包括Hadoop、Spark等。这些框架提供了丰富的数据处理功能，如MapReduce、Spark SQL等，帮助企业快速构建数据分析模型。
4. 数据仓库技术：数据仓库技术是一种用于存储和管理历史数据的架构。它提供了一种结构化的方式，将原始数据转换为可查询的数据集合。数据仓库技术通常包括数据建模、数据清洗、数据集成等功能，帮助企业从海量数据中提取有价值的信息。
5. 数据挖掘与机器学习：数据挖掘和机器学习是大数据技术的重要组成部分，它们可以帮助企业从海量数据中发现模式、预测趋势和做出决策。数据挖掘技术包括分类、聚类、关联规则等算法，而机器学习技术则包括监督学习、无监督学习和强化学习等方法。
6. 数据可视化工具：数据可视化工具可以将复杂的数据以图形化的方式呈现，帮助企业更好地理解和分析数据。常见的数据可视化工具包括Tableau、Power BI等。这些工具提供了丰富的图表类型和定制选项，帮助企业将数据转化为直观的视觉表示。
7. 安全与隐私保护：大数据技术需要考虑到数据的安全和隐私问题。因此，许多大数据平台都提供了强大的安全机制，如加密、访问控制、审计等。此外，一些大数据项目还采用了差分隐私等技术，以确保在不泄露个人信息的情况下进行分析。
8. 人工智能与自然语言处理：人工智能（AI）和自然语言处理（NLP）技术在大数据领域发挥着重要作用。AI技术可以用于自动化数据分析过程，提高数据处理的效率；而NLP技术则可以用于文本分析，帮助从非结构化数据中提取有价值的信息。
9. 物联网（IoT）：物联网技术为大数据技术提供了新的数据来源。通过物联网设备，企业可以收集到大量关于环境、设备状态等方面的数据，从而丰富了大数据的来源。物联网技术还可以实现设备的远程监控和管理，提高企业的运营效率。
10. 边缘计算：随着物联网技术的发展，越来越多的数据需要在本地进行处理和分析。边缘计算技术允许将数据处理任务部署在离数据源更近的地方，即边缘设备上，从而提高数据处理的速度和效率。边缘计算技术可以减轻中心数据中心的负担，降低延迟，提高响应速度。
综上所述，大数据技术背后的力量涵盖了云计算、分布式存储、数据处理框架、数据仓库、数据挖掘与机器学习、数据可视化、安全与隐私保护、人工智能与自然语言处理、物联网和边缘计算等多个方面。这些技术支持共同构成了大数据技术的体系结构，使得企业能够有效地处理和分析海量数据，为企业的发展提供有力支持。
