1. 大數據初創企業面臨的五大挑戰
大數據初創企業面臨的五大挑戰
近幾年，數據逐漸成為驅動業務的主要推動力。 更重要的是,大數據是可以幫助企業改善策略,提高運營效率和加速增長。
75% 的龍頭企業說,他們已經或計劃在未來幾年在大數據基礎設施方面布局。大量的新的和令人興奮的大數據初創公司出現來滿足企業客戶日益增長的需求。
雖然大數據吸引力巨大，但是考慮到66% 的創業公司一般會在12個月失敗，大數據初創公司們仍然面臨著很多挑戰。
挑戰一 缺乏人才
大數據市場在不斷增長，60%的領導者認為他們今年在大數據運營上會花費更多，只有5%預測預算會減少，最大的問題在於,這種增長將超過其實現它所需的人才和規模應用。
據麥肯錫的報告稱，美國的大數據人才需求在2018年將達到 170萬，大約在同一時間,美國數據市場價值將達到 415億美元。隨著行業的發展，人才技能差距將拉大。沒有簡單的解決方案,是唯一真正的修復是隨著時間的推移,人才自然會增加以滿足市場需求。
(這里還有一點諷刺,因為許多大數據初創企業試圖通過自己的軟體來解決市場上人才缺乏的問題，但他們同樣面臨招不到人。)
挑戰二 人才成本高
71% 企業和IT組織認為自己在利用數據方面剛達到平均水平或滯後。顯然需要提高整體人才能力和教育現有的勞動力。目前在員工的培訓上，為了跟上新開發產品需要大量成本。
這樣的培訓運營費用在2013年全球達到1300億，考慮到數據業務的快節奏的性質和隨後的需要更多的人員和持續培訓,這些成本只會持續上升。
挑戰三 解決理想與現實的沖突
在最近《華爾街日報》上 一篇有關Hadoop 的文章上黛博拉·蓋奇說，：一些評論把大數據捧地過於高了，對大數據的」炒作」使許多組織盲目的為採用而採用:他們急切地擁抱工具,但往往不關注他們的需求,只是因為這些工具似乎是最受歡迎的(Hadoop是一個例子)。
進一步復雜化的是,大數據平台本質上是厚數據。這使得供應商很難去表達它的功能和優點，甚至更難讓客戶們去理解。這就是為什麼, 據Gartner 說,到2017年,60%的大數據項目將無法超越試點和實驗,並將被放棄。 讓大數據項目更加落地是未來的重點。
挑戰四 融資障礙
大數據在風投界獲得了極大的關注和驚人的資金, Hortonworks和 Dataminr的 融資近1億美元就是很好的證明。 但在許多方面,爭奪現金變得不利於新公司。
由於行業的發展，風投們會更親睞具有挑戰性的企業家，很多公司喜歡Palantir,MongoDB和Mu Sigma (至少有2億美元投資)。 因為資金增加了,在某種程度上我們可以預期投資者變得更加初步承諾投資,而不是投資於更成熟的新銳品牌。
挑戰五 更殘酷的競爭
全球大數據預計在2015年產值達到 1250億美元,創業並不孤單; 他們面臨SAP微軟和IBM這樣的數十億美元的大公司的殘酷競爭。
這些巨人可以釋放功能更新產品,收購同類公司。他們的資金是無限的,而初創企業必須更加精細化他們的產品只是為了維持他們的現金消耗速率。
實際上,這是一件好事。初創公司成功的最佳方式和關注一個點和把它做好，大公司總是在尋找方法來獲得競爭優勢。 如果你在存儲、分析等方面有極大的優勢，被收購也是個不錯的選擇。
以上是小編為大家分享的關於大數據初創企業面臨的五大挑戰的相關內容，更多信息可以關注環球青藤分享更多干貨
2. 在當前大數據的新環境下 it企業面臨哪些機會與挑戰
挑戰一：數據來源錯綜復雜
豐富的數據源是大數據產業發展的前提。而我國數字化的數據資源總量遠遠低於美歐，每年新增數據量僅為美國的7%，歐洲的12%，其中政府和製造業的數據資源積累遠遠落後於國外。就已有有限的數據資源來說，還存在標准化、准確性、完整性低，利用價值不高的情況，這大大降低了數據的價值。
大數據時代，我們需要更加全面的數據來提高分析預測的准確度，因此我們就需要更多便捷、廉價、自動的數據生產工具。除了我們在網上使用的瀏覽器有意或者無意記載著個人的信息數據之外，手機、智能手錶、智能手環等各種可穿戴設備也在無時無刻地產生著數據；就連我們家裡的路由器、電視機、空調、冰箱、飲水機、凈化器等也開始越來越智能並且具備了聯網功能，這些家用電器在更好地服務我們的同時，也在產生著大量的數據；甚至我們出去逛街，商戶的WIFI,運營商的3G網路，無處不在的攝像頭電子眼，百貨大樓的自助屏幕，銀行的ATM，加油站以及遍布各個便利店的刷卡機等也都在產生著數據。
挑戰二：數據挖掘分析模型建立
步入大數據時代，人們紛紛在談論大數據，似乎這已經演化為新的潮流趨勢。數據比以往任何時候都更加根植於我們生活中的每個角落。我們試圖用數據去解決問題、改善福利，並且促成新的經濟繁榮。人們紛紛流露出去大數據的高期待以及對大數據分析技術的格外看好。然而，關於大數據分析，人們鼓吹其神奇價值的喧囂聲浪很高，卻鮮見其實際運用得法的模式和方法。造成這種窘境的原因主要有以下兩點：一是對於大數據分析的價值邏輯尚缺乏足夠深刻的洞察；其次便是大數據分析中的某些重大要件或技術還不成熟。大數據時代下數據的海量增長以及缺乏這種大數據分析邏輯以及大數據技術的待發展，正是大數據時代下我們面臨的挑戰。
大數據的大，一般人認為指的是它數據規模的海量。隨著人類在數據記錄、獲取及傳輸方面的技術革命，造成了數據獲得的便捷與低成本，這便使原有的以高成本方式獲得的描述人類態度或行為的、數據有限的小數據已然變成了一個巨大的、海量規模的數據包。這其實是一種片面認識。其實，前大數據時代也有海量的數據集，但由於其維度的單一，以及和人或社會有機活動狀態的剝離，而使其分析和認識真相的價值極為有限。大數據的真正價值不在於它的大，而在於它的全面：空間維度上的多角度、多層次信息的交叉復現；時間維度上的與人或社會有機體的活動相關聯的信息的持續呈現。
挑戰三：數據開放與隱私的權衡
數據應用的前提是數據開放，這已經是共識。有專業人士指出，中國人口居世界首位，但2010年中國新存儲的數據為250PB，僅為日本的60%和北美的7%。目前我國一些部門和機構擁有大量數據但寧願自己不用也不願提供給有關部門共享，導致信息不完整或重復投資。2012年中國的數據存儲量達到64EB，其中55%的數據需要一定程度的保護，然而目前只有不到一半的數據得到保護。
開放與隱私如何平衡，亦是一大難題。任何技術都是雙刃劍，大數據也不例外。如何在推動數據全面開放、應用和共享的同時有效地保護公民、企業隱私，逐步加強隱私立法，將是大數據時代的一個重大挑戰。
挑戰四：大數據管理與決策
大數據的技術挑戰顯而易見，但其帶來的決策挑戰更為艱巨。大數據至關重要的方面，就是它會直接影響組織怎樣作決策、誰來作決策。在信息有限、獲取成本高昂且沒有被數字化的時代，組織內作重大決策的人，都是典型的位高權重的人，要不然就是高價請來的擁有專業技能和顯赫履歷的外部智囊。但是，在今時今日的商業世界中，高管的決策仍然更多地依賴個人經驗和直覺，而不是基於數據。
大數據開發的根本目的是以數據分析為基礎，幫助人們做出更明智的決策，優化企業和社會運轉。哈佛商業評論說，大數據本質上是「一場管理革命」。大數據時代的決策不能僅憑經驗，而真正要「拿數據說話」。因此，大數據能夠真正發揮作用，深層次看，還要改善我們的管理模式，需要管理方式和架構的與大數據技術工具相適配。這或許是我們最難邁過的一道坎了。
挑戰五：大數據人才缺口
如果說，以Hadoop為代表的大數據是一頭小象，那麼企業必須有能夠馴服它的馴獸師。在很多企業熱烈擁抱這類大數據技術時，精通大數據技術的相關人才也成為一個大缺口。
大數據建設的每個環節都需要依靠專業人員完成，因此，必須培養和造就一支懂指揮、懂技術、懂管理的大數據建設專業隊伍。
3. 大數據時代的發展所面臨的挑戰有哪些
挑戰一：業復務部門沒有清晰的大制數據需求。
挑戰二：企業內部數據孤島嚴重。
挑戰三：數據可用性低，數據質量差。
挑戰四：數據相關管理技術和架構。
挑戰五：數據安全。
4. 企業大數據項目實施過程中遇到的那些挑戰
企業大數據項目實施過程中遇到的那些挑戰
說到大數據，人們很多還停留在概念的階段，不過對於一些企業來說，大數據已經就在眼前，業務的需求驅使著IT部門不得不去做大數據的分析與處理。企業需要大數據的分析和處理，但是大數據並不是想像中的那麼簡單，在實際部署實施的過程中會遇到很多方面的問題。
尤其是目前社交網路的興起帶來了更多的數據量，企業需要面對的挑戰就越來越高，因為社交網路的數據本身就是一個無底洞。一位企業CTO說：「目前我們的數據來源基本都是在社交網路上面，我么收集這些數據加以分析，幫助企業理解這些人的消費規律以及個人偏好。」
企業大數據項目遇到的那些挑戰
這位CTO所在的團隊運營著一個可以產生12億美元的數據平台，以及每天超過400萬人的PB級數據集群。所在團隊的大數據環境中包括了大量的開源平台，他們所用的技術包括：Hadoop、HBase，Hive，ElasticSearch，Scala，Storm，Node.js以及其他的很多工具。這確實是一個非常嚴峻的挑戰。
我們通過企業大數據項目的具體實施過程不難看出，在實施的過程中技術與人是最關鍵的兩個問題。選擇一個成熟的技術，並且讓最合適的人來進行實施，這樣才會有一個比較合理的結果。
目前，以及有不少的企業開始進行部署自己的大數據項目，下面我們就為大家總結一下企業在部署大數據項目過程中遇到的那些難題與挑戰。
復雜的數據計算與存儲
大數據，顧名思義海量的數據是不可避免的。這項對於傳統的數據分析而言，大數據需要大量的存儲空間來進行數據存儲，現在數據的產生量已經不是人們所能想像的，傳統的存儲介質與存儲方式並不能滿足如此快速的數據產生量。換句話來說，看看新浪微博、Facebook每分鍾產生的數據量你就會明白了，電商更是誇張，阿里雙十一，百億的交易額，這樣的數據量需要具有針對性的數據存儲方式。
而從項目的整體出發，只是存儲並不能算得上大數據。在存儲之後還需要對海量的數據進行分析與計算，只有最後得出的分析結果才會對企業有所幫助。存儲只是萬里長征的第一步，大數據處理團隊需要弄清楚這些數據背後的價值，需要合理的對數據進行歸檔，並且數據價值是需要進行計算分析得出的，龐大的數據量需要更加龐大的計算能力才能完成。
技術的成熟度的挑戰
開源技術就好比一隻小狗，它很可愛，也很好。但你需要養活它。就目前的技術發展而言，開源的大數據技術還並不是十分成熟，商業的大數據解決方案價格有非常昂貴，所以對於大部分企業來講，開源貌似是唯一的解決方向。但開源技術並不能很好的適應每一個企業的具體業務線，所以企業還要投入大量的技術力量進行維護與二次開發。開源技術是條可愛的小狗，但是你需要養活他。
許多大數據技術是在建工程。雖然基礎技術日趨完善，管理和配置的工具都處於起步階段，讓IT專業人員做工作解決的差距。企業的IT團隊不得不開發工具，從管理的角度，從工作流程的角度，從配置等不同的角度出發。
期待，努力發現人才
之前講了，大數據需要成熟的技術以及合適的人來執行，這里指的合適的人是一個真正的數據分析專家。而這樣的人往往是可遇而不可求的，除非你花重金去其他公司去挖人，而且還不能確定這個人是否能適應這個團隊。
其實從技術的角度出發，大數據的技術與工具正在迅速發展，但是這些技術與工具只掌握在少數人的手裡，並不能得到大規模的應用。所以對於企業來講，大數據的技術與人同樣重要。擁有了成熟穩定的技術，但是沒有可以執行它的人，那麼大數據項目也會相當危險，沒准什麼時候就成為了企業財政的累贅。
3產品線與項目的對接想想模塊化，准備投資
任何一個項目的組建都不可能是無成本的。每一個項目都會意味著人力與財力的投入。尤其是在大數據項目上，每一個關鍵的業務點都意味著大量的資源投入。相比於其他項目，大數據項目耗費的資源會更多，在基礎設施上的投入，伺服器、存儲以及計算資源和開發人員的投入都是相當龐大的。
模塊化的基礎設施一直是重要的，因為它可以讓IT團隊能夠處理的業務優先順序的變化，並提供業務透明度。企業的IT團隊有必要投資的管理和生產力工具。這就是20％，25％都集中在我的工程資源，生產力工具和工作流程管理。
將產品與業務線做對接
在企業中項目需要圍繞著業務進行實施，再好的產品項目如果不能很好的與業務進行對接，也是不能實現其真正的價值。這很容易讓大數據的專家緊密合作，產品專家和業務利弊談，但它可以是難以貫徹的想法。越來越多在？？過去的幾年中，我們已經給他們帶來了起來，因為雙方都需要了解的另一邊。
在很多失敗的案例中我們不難看出，企業大數據產品的最終失敗原因有一條就是產品不能很好的服務於企業核心業務，這樣就會導致大量投入的資源變成沒有價值體現的投入。
而成功的大數據產品就不是這樣子。一個成功的大數據分析產品可以為企業揭示風險並且識別新的商業機會，並且可以根據客戶的喜好進行商業活動，並獲得洞察客戶情緒-然後與該公司分享成果。大數據展示業務和IT事件有助於創造一個時髦圍繞大數據分析的潛力。
領導層到技術人的思想貫徹
這里說的還是與人有關，大數據項目在企業中算是一個牽動企業發展戰略的大項目。這需要從企業領導層到開發人員的整體投入。企業花了很多的時間映射可以利用大數據在我們的承保和理賠流程，並回饋業務線。項目團隊需要企業從領導層到技術層從上倒下的支持。ACE集團的督導委員會，負責領導公司的大數據議程。令人驚訝的是，它不是堆疊技術人員。「這是很難得的任何科技。有四個技術人員和大約20商界領袖在那個隊。
關鍵的事情之一是投資建設第一的技能和資源，在我們開始這段旅程。如果沒有，我們將不得不一個不可接受的滯後值回業務。一位成功部署大數據項目的CTO說。
4把業務人員下放到項目中去把業務人員下放到項目中去
既然大數據項目是為了企業業務服務的，而對企業業務最為熟悉就是業務人員，在整個項目中業務人員的需求往往是必然的需求。
企業需要進行完全嵌入的做法，將一線的業務人員下派到項目的每一個關鍵環節。只要這樣，整個項目完成之後才能更好的為業務服務。企業通過建立核心競爭力，搭配新的技能，在我們的業務統計人員，數據洗滌器，數據分析，工藝專家我們的賠款及承保專長。其實這是一隻搭配的意識，分享知識，發展和創新，我們利用大數據幫助業務發展。
不要小看管理供應商或系統集成商
對於一些技術力量有限的企業來說，他們更喜歡尋找一個系統集成商或者方案供應商來進行外包。在這期間會進行方案招標，而每一家集成商的方案都不盡相同，而且沒有一家可以提供即用的解決方案，對於供應商的管理也是一個挑戰，整合所有不同的系統，將這些系統整合成為一個巨大的方案進行協同運行。
獨立評估投資回報率
在很多企業中，使用大數據分析，改進和驗證的營銷活動的有效性。當大數據項目是成功的，每個人都希望它的一部分，當你走在你開始為公司創造新的收入，項目帶來這么多錢，大家突然出來的木製品和希望聲稱。對於他的團隊，問題解決了，當CFO加強仲裁，提供獨立意見的投資回報率，公司就會更加承認大數據計劃。
轉變並不會在一夜之間發生。從多來源的數據採集，到通過深度分析獲取洞察力，之間會是一段並不平坦的征程。毫無疑問，Hadoop等技術的日趨成熟，讓企業用戶可以更方便地、在更大的范圍內收集業務的相關數據，但同時真正的挑戰也會接踵而至。這就是如何高效地處理多來源的海量數據，並且為其找到適合的商業用途。
以上是小編為大家分享的關於企業大數據項目實施過程中遇到的那些挑戰的相關內容，更多信息可以關注環球青藤分享更多干貨
5. 互聯網大數據時代企業面臨的挑戰
沒有人會否定疫情下數據給全國防控帶來的幫助。得益於大數據、 雲計算 、人工智慧以及5G技術的發展,數據得以更好的共享以及分析,政府、企業推出的健康碼、防疫行程卡等應用,使得人員流通、密切接觸者排查有數可依。
也沒有企業不清楚數據在這個年代對經營管理的價值。通過將數據沉澱、清洗,並挖掘、分析,企業運營效率將得以提升、成本得以優化,經營也將得以改善。
事實正是如此。在智能終端、 物聯網 以及5G的推動下,全球數據量正呈指數般增長:2010年全球數據量剛剛突破1ZB,而今年全球數據量預計將超過40ZB。相關數據表明,到2025年時,全球的數據量將達到163ZB。
數據洪流下,全球也正從IT信息時代走向DT數據時代。由大數據引發的產業變革已經開始。IDC發布的《全球半年度大數據支出指南,2018H2》曾預計, 2019年大數據與商業分析解決方案全球市場的整體收益將達到1896.6億美元,同比增長12.1%。
同時,在2019-2023年預測期內,全球大數據市場相關收益將實現13.1%的CAGR(復合年均增長率),並預計總收益於2023年達到3126.7億美元。
具體到中國大數據市場, 2019-2023年預測期內的年CAGR(復合年均增長率)為23.5%,增速高於全球平均水平。到2023年,中國大數據市場規模則將增長至224.9億美元。
盡管大數據市場前景一片光明,但真正能很好把握數據,充分發揮數據價值的企業,往往是少數在技術、資本、人才均占據優勢的行業領導者。
而絕多數長尾企業,本就在行業競爭中處於劣勢,在大數據產業變革中,盡管知道數據對經營管理那麼重要。但受限於運營成本、人才以及技術,很難找到一款合適的工具,去抓住這些數據中蘊藏的商機。
數字經濟下的企業經營困擾
眾所周知的是,無論是國家層面「新基建」概念的提出,還是受疫情影響企業、組織加速數字化轉型的步伐,這些均代表著數字經濟時代的到來。
數據最直觀:到2021年,全球數字經濟規模將達到45萬億美元,全球數字經濟的比重將超過50%。中國是全球數字經濟的引領者之一。到2021年,中國數字經濟規模將達到8.5萬億美元,其中數字經濟所佔比重將超過55%。截止目前,中國數字經濟增速已連續3年排名世界第一。
但作為數字經濟的推動者,企業在面對錯綜繁雜的 互聯網 大數據時,依然不能採取行之有效的方案,將其妥善的用於經營管理。具體來看的話,企業在藉助互聯網大數據幫助經營管理時面臨的挑戰主要在以下幾方面:
一是缺乏專業的市場研究工具或團隊。 相比企業現在所使用的IT技術,大數據可以說是一門新技術。對於沒有部署這一技術的企業而言,由於沒有專業的市場研究工具或者研究團隊,一方面將由於數據質量不佳面臨產品開發設計難題。
這是因為企業無法對所處的市場進行量化統計分析,如市場規模是否增加,友商最近有何動態,是否有新入局者,該市場某細分市場是否有潛在機會。同時,由於不知道市場上有哪些爆款產品、創新產品,友商的競品有何特性以及潛在市場的需求,導致企業在產品開發、策劃、推廣時沒有針對性,難以形成爆款。
另一方面導致店鋪運營效率不佳: 同樣,由於缺乏專業的監控、分析工具,企業無法對友商線上渠道布局清晰掌握,無法實現自營/經銷店鋪的批量監控、店鋪異動的自動記錄以及爆款產品的促銷復盤。並且,由於無法及時獲取用戶的吐槽、建議等,店鋪在改善運營上也存在難度。
二是部署大數據技術面臨的資金、周期等問題。 使用大數據改善經營管理是大勢所趨,所以企業要麼已經部署大數據要麼考慮部署。而在自行部署大數據技術時,不免要多方考慮,既要考慮新硬體的采購費用或者雲服務的購買費用,同時還要考慮開發人員的招聘費用,開發周期及運維等。而對 中小企業 而言,這無疑又是一項重大開支。
三是數據的安全問題。大數據技術從誕生到現在,其發展並不算太完善,因此自身安全性相對弱一些。同時,大數據平台又存在諸多組件,以Hadoop為例,至少包含了二三十個組件,這意味著黑客入侵某一個組件便可對整個組群整個平台進行控制。
不可避免,企業在開發大數據方案時需要與公司原有IT系統以及各部門數據間打通,這些入口也增加了大數據平台的安全風險。
不難看出,數字經濟時代,企業在藉助互聯網大數據改善經營管理過程中,主要面臨的便是大數據平台的部署、應用以及運維難題。
○本文節選自DOIT傳媒《釋放數據紅利 美雲智數互聯網大數據與企業掘金數字經濟》，圖片為陰山所加。
6. 中國大數據行業發展的挑戰有哪些
挑戰一：大數據行業發展良莠不濟
我國大數據仍處於起步發展階段，在「萬眾創新，大眾創業」的大環境下，大量的大數據企業不斷涌現，但企業發展良莠不濟。
挑戰二：大數據創新、創業盲目
企業在創新、創業過程，由於缺乏對大數據產業鏈的認識，出現許多跟風扎堆的情況，沒有有效發揮自身優勢，造成巨大的資源浪費。創新的時候，我們往往會看到一些標桿出來。通俗來講，看到人家風光，沒有看到人家背後受罪的時候。往往一窩蜂跟去的時候就會發現全是坑，而且
「此去華山一條道」，滿滿的全是競爭對手。因此我們做這個排行的初衷就是為大家梳理一下，哪些行業、哪些板塊、哪些領域是什麼樣的狀況，精確的找到自己的優勢方向，去做創新和努力。
挑戰三：投資盲目
霍華德.馬克思說過「投資者們明確達成的廣泛共識差不多都是錯的」。究其原因是資本在選擇大數據項目、企業的時候，由於沒有客觀的評價標准，同時也缺乏對產業鏈的整體認知，導致投資市場追逐熱點，存在一定的盲目性，大大降低了資本對大數據行業發展的正向推動力。
挑戰四：監管的盲目性
目前，監管層很難對大數據企業和機構進行有效的監管以及正確引導，要為大數據發展打造一個良性的生態環境就比較困難。其核心原因是對大數據企業的識別評價缺乏標准和規范。
挑戰五：大數據項目建設盲目
由於人才缺乏、大數據咨詢服務還沒有發展起來等原因，用戶很難對大數據項目有全面的認識，容易受到廠商的左右，導致建設內容的盲目;由於缺乏對產業的整體認識和大數據企業評價標准、方法，所以在大數據服務商選擇上也存在一定的盲目性。
7. 在當前大數據的新環境下it企業面臨哪些機會與挑戰
挑戰一：數據來源錯綜復雜，豐富的數據源是大數據產業發展的前提。而我國數字化的數據資源總量遠遠低於美歐。
挑戰二：數據挖掘分析模型建立，關於大數據分析，人們鼓吹其神奇價值的喧囂聲浪很高，卻鮮見其實際運用得法的模式和方法。
挑戰三：數據開放與隱私的權衡，目前我國一些部門和機構擁有大量數據但寧願自己不用也不願提供給有關部門共享，導致信息不完整或重復投資。
挑戰四：大數據管理與決策，在今時今日的商業世界中，高管的決策仍然更多地依賴個人經驗和直覺，而不是基於數據。
挑戰五：大數據人才缺口，精通大數據技術的相關人才也成為一個大缺口。
8. 大數據精準營銷面臨挑戰
大數據抄精準營銷面臨挑戰襲
一般認為，大數據技術是精準營銷的重要推動力量，但在實際應用中，依然面臨以下挑戰,需要營銷管理人員慎重思考：
1、渠道數據要整合：
全球數據爆炸、移動互聯網、社會化媒體、可選渠道和設備增加、不斷變化的消費者特徵、營銷自動化、營銷和銷售行為、供應鏈、客戶關系都整合在一起。如何更好的實現將各渠道數據融合對提高精準營銷的准確度提出挑戰。
2、地理位置要精確：
最近幾年，互聯網的產品呈現出一輪爆發性發展態勢。尤其是移動終端的普及，使得很多傳統的互聯網產品也開始移動化。地理位置融入社會化媒體營銷是精準營銷要考慮的問題。
3、數據分析要快速：
企業如今正在漸漸遠離批量處理，轉向實時分析來獲取競爭優勢。精準營銷也要求在活動的同時我們就能得到數據，立即優化營銷效果。
9. 大數據 商業或技術的挑戰
大數據：商業或技術的挑戰
大數據已經被證明是一個重要的趨勢，並且對來年的大數據市場進行了很多的預測。現實情況是，客戶將最終決定大數據的發展趨勢，也將決定使用哪些技術解決方案來解決他們的獨特業務問題。
在如今由數據驅動發展的世界裡，企業為了保持競爭力，大數據已成為它們必須解決問題。就像雲計算發展在過去的幾年中的起起伏伏，它現在已經開始促使企業改變其基礎設施建設，以應對復雜的挑戰。根據最近的一項研究表明，大數據的數量預計將在2013年增加約60%，這個問題預計不會很快消失。
所以應該能看到，企業在2013年會面對大數據帶來的商業或技術方面的挑戰。我們可以肯定一件事——在2013年，無論是大數據方面的技術變革還是公司董事會在產業上的決策，都將產生變化。
預測1：企業大數據主動從Sandbox遷出，並定義一套明確的業務和技術需求
在2012年，企業在大數據上面的主動升級，超過了大多數人的預測。根據對世界上300個大企業的研究顯示，數據量預計將在2013年增加約60%。13%的受訪者表示他們對大數據的准備已經到位。另外有38%的公司有了實施計劃。
企業正在形成專門的大數據團隊，對很多人來說這在預算上已經成為一系列的項目，因為企業需要繼續尋找更好的方法來管理、存儲和分析他們持續增長的、必須保持在線的、可用於分析的數據據資產。我們將會看到更多明確定義的需求開始出現——無論是在業務方面還是在IT方面，如低成本的可擴展性、快速響應的查詢和分析，以及充分利用現有的基於標準的工具（包括SQL和BI）的能力等。這是除了內置的安全性和數據可用性功能外，企業期待出現的功能。
預測2：公司在管理大數據時將尋求除了Hadoop以外新的技術組合
過去一年，Hadoop的勢頭越來越猛。Hadoop通過Web 2.0組織的推廣，現在受到了銀行、金融機構、電信運行商、大型零售商和其他企業的重視。然而，大數據的舉措不僅集中在Hadoop平台。
業務和IT的挑戰在於在不同的部門甚至於不同的公司之間組合使用各種不同的技術協調工作。企業部署私有雲來管理數據財產與傳統的資料庫和數據倉庫環境這兩者的結合，以及在各種硬體上運行的Hadoop基礎環境。所有企業大數據項目的一個共同的主題是渴望可以快速啟動和運行而不會造成干擾到現有的IT環境。
預測3：預算限制是解決大數據挑戰的最大障礙之一
大數據的支出正在上升，在未來一年，成本問題仍將是啟動大數據項目時最大的一個障礙之一。根據最近的一項分析報告顯示，大數據支出在2013年預計達到340億美元。這些支出一方面是因為某些特殊行業組織由於行業的特殊性，必須保持數據在線和可用性；另一方面是由於企業想要利用來自多個源的數據的更多的信息，以進行更好的分析。這需要進行一個適當的平衡——在滿足業務需求的同時，尋找最高效的技術基礎設施——是一個挑戰。
大數據的增長速度不會減慢。現有需求和未來需求的建設能力是至關重要的。太多太快不是要走的路，大數據並不一定意味著大筆的預算。
預測4：大數據工具必須同時滿足業務和技術用戶
在2013年，我們將看到大數據工具和應用程序的需求增長，它們將變得更容易使用，並且將同時滿足業務和技術用戶。如果你深入了解下Hadoop的基礎技術能力，就會看到其在許多方面仍不成熟，需要獨特的專業技能。我們已經看到了許多解決這方面的需求的新產品，包括Cloudera Impala和微軟Polybase。事實上，今天已經存在的一些功能，使其更容易在正確的時間用最好的工具集訪問正確的數據。
預測5：重量級廠商，如甲骨文和IBM，將會大數據市場進行收購
在過去一年，隨著大數據市場的成熟，大型組織已經接受了大數據。我們預計，一些缺乏獨特的技術能力或專業知識的廠商將會在2013年被收購。兩個明顯的重量級廠商是甲骨文和IBM——它們已經在數據管理領域構建了多樣化的產品。但更應該看到，產品上市時間是企業獲得更強大的立足點的關鍵。
聚光燈下的大數據
隨著越來越需要利用大數據擴大自身競爭優勢，以及創新產品的興起，會改變企業存儲、管理和分析他們的最重要的資產——數據。使企業找到一個更有效和更符合成本效益的管理PB級別的數據環境的方式。在接下來的12個月里，數據管理將會是關注的焦點，因為它是每個公司都要面對的問題。
以上是小編為大家分享的關於大數據 商業或技術的挑戰的相關內容，更多信息可以關注環球青藤分享更多干貨