无论从实际数据量还是业务重要性来看，大数据都是巨大的。尽管大数据很重要，但只有38%的企业准备好应对大数据的涌入。为什么？今天的数据有多种形式，来自许多不同的来源。更重要的是，大数据分析工具不是很有用，除非它们可供需要它们的人随时使用，除非可以快速获得洞察力。以下是大数据分析工具面临的四个最常见的挑战：1.需要在更短的时间内处理更多的数据。您知道每天会生成2.5x1018字节的数据吗？您能说出您业务中的所有数据源吗？面对传感器、社交媒体、交易记录、手机等众多数据源，企业完全淹没在数据的海洋中。您对数据和分析决策感到满意吗？老实说：如果获得洞察力的时间太长，即使是最先进的分析也不会对你有多大帮助。如果没有能够快速处理数据并提供实时洞察力的弹性IT基础设施，做出关键业务决策可能需要很长时间。2.确保分析工具可供合适的人使用。您是否发现您的企业难以将分析转化为行动？数字时代的消费者期望从首次搜索到购买一直获得定制化体验。虽然许多公司通过奖励计划、网站跟踪、cookie和电子邮件收集了大量数据，但未能分析数据并提供消费者特别需要的产品或服务可能会导致错失商机。如果合适的人无法使用合适的工具，那么您拥有多少客户数据都没有关系。3.有效处理数据质量和性能。大家以前都遇到过这种项目：项目太大，工期太长，项目越来越大，几乎无法跟踪性能指标。它变成了一个恶性循环：决策是在没有洞察力的情况下做出的，洞察力被多年的工作所隐藏。想象一下，在没有任何可靠或一致数据的情况下试图跟踪需求、利润、损失等。这听起来几乎不可能吗？这是。现在想象一个符合您的业务目标并提供您可以信赖的可操作的实时业务洞察的基础架构。你觉得这听起来好多了？4.需要一个可以灵活扩展，适合贵公司业务的大数据解决方案。是否曾觉得您所有数据的潜力都被完全扼杀和未开发？无论您的数据位于何处，如果没有合适的基础设施来支持它，它都不是很有用。关键是共享、安全访问并确保您的数据始终可用。在正确的时间向正确的人提供正确的见解需要一个灵活、可扩展的基础架构，该基础架构可以可靠地集成前端和后端系统并保持您的业务平稳运行。http://www.smartercomputingblog.com/big-data-analytics/big-data-analytics-pain-points/
