企业面临的最具挑战性的障碍是认识到他们是否拥有需要使用大数据技术的有效用例。拥有大量数据并不需要部署大数据解决方案架构。企业应根据特征和预期用途决定是否使用大数据解决方案？那么，这将使得可操作性更容易推导出来。

其他障碍还包括缺乏管理和构建解决方案的技术资源，这会导致低估部署解决方案努力的风险，以及导致性能问题低于标准的体系结构。另外两个问题是与受影响的业务流程和组织变更管理相关的治理不足，并且误解了大数据技术及其不断扩大的生态系统的局限性。

企业还必须适应不断推出的新技术和工具集。有些非常成熟，有些则相当新生。确保选择和部署正确的工具集可能非常具有挑战性。有了这些，企业往往会尽快解决太多问题。所选用例的规模可能过于庞大而复杂，从而无法在合理的时间内产生任何可操作的见解。

克服大数据障碍

确保已识别的用例适用于大数据解决方案。传统数据库管理系统可以更好地服务于高度结构化和面向事务的数据。大数据解决方案非常适合非结构化和半结构化数据。结构化数据也可以根据需要进行存储和转换，并与非结构化数据集成以提供更丰富的见解。

企业不应该吝啬培训或招聘。拥有技术资源对于及时交付高效且符合消费者分析要求的大数据解决方案至关重要。这应该包括了解大数据生态系统以及工具集如何与特定用例以及相互关联。这将为正确的工作带来正确的工具。

企业还应该关注治理和安全流程的定义，数据存储，移动和分析组建的部署。这将确保发现的洞察力与所确定的使用案例和目标受众保持相关。选择一个很好理解的用例，提供持续的功能交付，更容易验证结果并提供学习机会。

考虑利用基于云的解决方案。云供应商提供的解决方案可以非常快速地部署（几分钟到几小时）。这些解决方案可以按需提供动态缩放。当分析需求发生变化时，解决方案可以根据需要进行扩展，从而提供更复杂，更深入的洞察力（数据可视化，机器学习）。

最后，如果使用专用分析工具，请确保该工具具有本地大数据集成。这将有助于开发自助式分析和洞察力，并提供灵活决策过程。

大数据的未来

从增长的角度来看，大数据的未来是强劲而快速的：

新的数据类型不断出现：大数据工具和技术正在不断发展。例如，与虚拟助理和AI（人工智能）应用程序相关的数据正在飞速增长。存储和检索这些数据的新方法不断在研发中。

开发，部署和与大数据解决方案交互变得越来越容易。这表明进入大数据世界的障碍正在减少。