随着更多新兴工具和技术的出现，许多企业正在努力应对当今大数据和数据科学生态系统的复杂性。
根据TDWI（数据仓库研究所）的最新研究，专业数据科学家的短缺仍然是企业面临的数据科学的挑战之一。
TDWI公司副总裁兼研究总监Fern Halper说：“我们经常听到很多组织表示，在数据科学环境中面临的最大挑战是找到合适的技术和工具。”
该研究收集了超过300家企业的大数据和数据科学经验。大数据分析和数据科学经验这两个主题越来越融合，因为组织需要了解过去几年中收集大量数据的工作者。
此次调查的受访者列举的其他常见挑战还有：缺乏对大数据工具的了解，缺乏利用大数据所需的企业架构，安全和隐私问题以及治理协议不足等问题。
尤其是技术方面的问题特别棘手。Halper表示，在过去几年中出现了许多新工具，包括Hadoop，Spark，Python等等，企业很难确保跟上这些新工具、新技术快速发展的步伐。
有些受访者认为很多技术让人眼花缭乱，其中不乏炒作的因素，他们有时不知道该怎样面对技术的迭代更新。另外一些人认为技术和工具变更速度很快，如果缺乏敏捷性，他们不一定能保持最好的架构。
现在，企业都在使用自己熟悉的工具和技术应对数据科学的挑战。约80％的受访者表示他们目前使用数据仓库工具作为主要数据源。对于分析而言，简单的查询和数据可视化工具是最常用的。在接下来的两年中，数据仓库工具将依然广受欢迎，与此同时，Hadoop和开源R也受到更多企业的青睐。
Halper说，调查结果显示出非结构化数据查询和预测分析（包括机器学习）的强劲势头。这些新兴工具和技术似乎将在未来将彻底取代更多的工具。
“数据仓库不会消失，但它正被其他类型的平台取代，并创建一个生态系统，” Halper说， “预测分析是一项热门技术，再加上机器学习的驱动，未来的发展势头不可小觑。”
本文转自d1net（转载）
