目前阻礙大數據成功的常見問題有哪些

缺乏熟練的數據專業人員(例如資源和內部技術能力)是很多企業面臨最大的問題，此外，還缺乏高價值的商業案例。

如今，為了收集大數據狀態的見解，行業媒體與來自20家企業的22位高管進行了交流，他們主要從事大數據工作，或為客戶提供大數據解決方案。

當人們問：“你們認為阻止企業獲得大數據的好處的最常見的問題是什么?”以下是這些高管給出的答案：

相信如果企業建立一個大數據湖，其結果變得明顯。數據管理是一個問題。計劃預期成果和企業想要實現的見解。思考如何進行更多的高級分析。使用正確的工具作業。確定要在數據倉庫中使用的內容。

企業不了解業務層面的大數據。他們沒有確定他們需要解決的業務問題，了解什么是正常工作，以及可以做些什么來增加價值。

一半的IT項目正在整合應用程序。獲取訪問權限如何清理和應用數據治理，看到兩個整合，以及有能力外包的廠商?雖然平臺的訪問費用較低，Hadoop和Cassandra的進入障礙可能很高。

需要對不同的格式進行歸一化，收集，洞察，標記，并采用可搜索的格式。

一個常見的問題是簡單地低估了實現一個功能齊全的大數據系統的難度。還有很多其他的工具也會讓企業開始，很多開放源碼是偉大的沙盒，但對于生產級大數據系統是完全不同的。隨著業務需求的變化，保持系統的運行和發展是另一個重大挑戰。人們一再聽到同樣的故事，他們了解大數據解決方案，并說：“感謝這個想法，我們有一些大數據體驗，我們認為自己也可以建立?！蓖ǔ?，這些團隊在幾個月后將會表示，這比我們想像的還要難。

能夠動態地連接不同的來源，盡可能地保持工作的進程，使他們能夠專注于更高層次的活動。

復雜性加劇了整合和實施數據所需的技能。嘗試將所有數據集中在一起，以便企業可以更改訪問數據的80：20比例，并分析其數據。

企業找不到需要查找的數據，因為它有太多的數據。有些文件名是神秘的，害怕給人們訪問數據，因為不知道數據是什么。企業需要攝取，編目和查找數據。

對大數據集群的認知是10到50個，只有少數幾個客戶擁有數千個節點。開始運行并及時了解版本，而工具的標準化成為額外的工作。

文化。大公司受益于大數據分析，擺脫項目必須成功的假設，允許失敗和學習，允許迭代和實驗。像西門子和菲利普斯這樣的創新領導者可以向業務團隊展示當允許失敗時可以獲得多大的成功。

固定特定技術。確定正在嘗試解決什么問題，并準備隨著時間推移。

擁有合適的人選。人才問題很大。企業必須有合格的候選人。數據科學家必須保持技術前沿，知道哪些工具正在發展以解決問題。

他們需要指導。生態系統正在迅速發展，企業必須處于不利地位，才能知道問題的最佳解決方案。Spark需要從存儲密集型到計算密集型的不同架構。對于具有傳統系統的傳統企業而言更為困難。他們傾向于更加緩慢而有條不紊地采取行動。行業廠商為銀行和保健公司創建了一個商業價值顧問團隊。有客戶設定具體目標(即減少4%的流失)達到或超過目標，然后轉到下一個項目。開源的速度對大多數人來說是壓倒性的。企業需要知道接下來會發生什么，所以可以相應地進行規劃。行業廠商正在推動開放標準，使客戶更加靈活，擁有更多技能和便攜性的市場。在云計算和本地的大數據方面保證靈活性。

缺乏資源和內部的技術能力。每個人都需要了解人們在自己的網站和博客上做了什么。有幾個好產品可以告訴你這些事情，比如MixPanel和Google Analytics(谷歌分析)，而不再需要數據科學家的幫助。

存在于孤島的數據：太難以及時并入并提取有意義的見解。存儲和忘記大數據的方法：沒有明確的分析大數據的策略來實現業務收益。技能缺口：大數據系統/工具太復雜，無法用于大多數員工。

收集涉及特定個人行為的數據時，擔心法律問題。在B2B中，這是一個真正的點?！皵祿銐蚝谩钡膯栴}總是發揮作用。這是一個有效的，但是沒有做任何事情都沒有回答這個問題……如果你失敗了，就會知道你的數據收集應該在哪里改善。企業明白可以應用的用例，但它是一種新型的項目，目前還沒有很多系統集成商可以支持它們。

無法界定明確的業務目標。獲得具有技能的人實現目標。沒有足夠的人擁有提供大型數據項目所需的知識和經驗。軟件工程師不僅要了解概念和可能性，還要了解如何提供。人們經常認為他們需要數據科學家，但他們需要產品所有者，數據工程團隊，數據科學家等等。