在企业的数据仓库和数据集市中，他们的数据通常太旧，处理过于繁琐，而且成本太高。
当今基于云计算的数据分析有能力实时处理，数据库能够以“需求速度”运行，甚至小型企业也可以将数据分析处理与最新的新兴技术结合在一起，例如机器学习和预测算法。
但事实证明，基于云计算的数据分析的路径比许多企业预计的要漫长而艰难。因此，随着IT遇到成本超支，技术无法达到预期，以及数据庞大的数据证明存在等问题，企业的业务就开始出现问题。这是为什么。
首先，从企业向公共云传输数据比预期的更麻烦，而且由于工作的大部分人工处理性质而加剧。AWS、Google、Microsoft和其他公司都有自己的技术，比如AWS的Snowball。然而，即使使用这些工具，通过流程来移动数PB字节的数据也是非常棘手的，至少可以这么说。
其次，数据集成仍然是云计算面临的一个问题。迁移数据并不会奇迹般地解决企业的集成挑战。此外，记录系统可能仍然保留在内部部署的数据中心中，因此需要及时与云中现在存储的数据同步以获得最新结果。这意味着要结合使用新旧数据集成技术，并建立包括数据移动和结构转换的流程。
最后，基于云的分析数据库本身很复杂且难以配置。其中一些复杂性是由于数据库中的安全子系统造成的。这些都是必要的，但必须在数据库和数据分析的背景下弄清楚。数据分析系统的其他系统(无论是在云中还是在内部部署的数据中心)都必须具有系统安全性，这可能意味着大多数其他需要实时分析的操作系统。
虽然这些云计算分析的挑战都可以克服，但IT部门应该了解，当它认为(或者更有可能被告知)它将是一半时，其努力水平实际上可能是百分之百。
因此，企业需要为项目准备时间更长，预算更快耗尽，以及由于这些问题导致的未能上升的情况做好准备。
原文发布时间为：2018-05-22
本文作者：Harris编译
