盡管大數據宣傳與炒作可謂如火如荼，但仍有92%的企業(yè)始終保持中立態(tài)度，即計劃在“合適的時間”著手實施或者表示不打算接觸大數據項目。大數據目前已經成為萬眾矚目的焦點，已經有眾多企業(yè)在拼命把自己的數據投付使用、希望借此為重要決策提供支持。而在那些已經親身實踐大數據項目的企業(yè)中，多數遭遇失敗、而且往往是掉進了同樣的幾個陷阱當中。取得大數據項目成功的關鍵在于構建一套迭代型方案，鼓勵現(xiàn)有員工參與并使用，從而在一系列無關緊要的失敗中學習知識并積累經驗。
1、從眾心理
大數據絕對是項轉折性的偉大技術成果。根據Gartner公司的調查，2013年中64%的受訪企業(yè)表示已經購買或者正計劃在大數據系統(tǒng)領域進行投資，這一比例高于2012年調查中的58%。越來越多的企業(yè)開始深入探索自己的數據，嘗試利用蘊藏在其中的信息最大程度減少客戶流失、分析財務風險并改善客戶體驗。
在這64%認同大數據思路的受訪者中，又有30%已經在大數據技術方面投入資金、19%計劃在未來一年中進行投資、另外15%則計劃在未來兩年內進行投資。不過在Gartner的全部720位調查對象中，只有不到8%已經實際部署了大數據技術方案。
這樣的結果實在很糟糕，不過造成項目失敗的理由明顯更加糟糕：大多數企業(yè)根本不知道自己在邁入大數據領域后應該做些什么。
難怪現(xiàn)在有那么多企業(yè)開出可觀的薪酬數字來招徠并雇用數據科學家，目前其平均收入已經達到每年12萬3千美元。
2、八種導致失敗的理由
由于眾多企業(yè)在探索自有數據的過程中完全是在胡打誤撞，因此在意識到這一點后、他們決定向能帶來更具可預測性方案的專業(yè)人士求援(包括認為數據科學家能夠奇跡般地隨手化解他們面臨的現(xiàn)實難題，甚至還有不少更夸張的預期)。Gartnerwngr Svetlana Sicular為我們匯總出八種導致大數據項目失敗的常見原因，它們分別是：
·管理層阻力。盡管數據當中包含大量重要信息，但Fortune Knowledge公司發(fā)現(xiàn)有62%的企業(yè)領導者仍然傾向于相信自己的直覺，更有61%的受訪者認為領導者的實際洞察力在決策過程中擁有高于數據分析結論的優(yōu)先參考價值。
·選擇錯誤的使用方法。企業(yè)往往會犯下兩種錯誤，要么構建起一套過分激進、自己根本無法駕馭的大數據項目，要么嘗試利用傳統(tǒng)數據技術處理大數據問題。無論是哪種情況，都很有可能導致項目陷入困境。
·提出錯誤的問題。數據科學非常復雜，其中包含專業(yè)知識門類(需要深入了解銀行、零售或者其它行業(yè)的實際業(yè)務狀況);數學與統(tǒng)計學經驗以及編程技能等等。很多企業(yè)所雇用的數據科學家只了解數學與編程方面的知識，卻欠缺最重要的技能組成部分：對相關行業(yè)的了解。Sicular的觀點很對，她表示大家最好能從企業(yè)內部出發(fā)尋找數據科學家，因為“學習Hadoop比學習相關行業(yè)的知識更簡單”。
·缺乏必要的技能組合。這項理由與“提出錯誤的問題”緊密相關。很多大數據項目之所以陷入困境甚至最終失敗，正是因為不具備必要的相關技能。通常負責此類項目的都是IT技術人員——而他們往往無法向數據提出足以指導決策的正確問題。
·在大數據技術之外遇到了其它意外狀況。數據分析僅僅是大數據項目當中的組成部分之一，訪問并處理數據的能力同樣重要。除此之外，常常被忽略的因素還有網絡傳輸能力限制與人員培訓等等。
· 與企業(yè)戰(zhàn)略存在沖突。要讓大數據項目獲得成功，大家必須擺脫將其作為單一“項目”的