如今的數據具有多種多樣的形式，而且來自許多不同的數據源。更為重要的是，除非有需要的那些人易于獲得大數據，除非能迅速獲得洞察力，否則大數據分析工具的用處并不是很大。那么大數據分析會遇到怎樣的難題？

1．很難獲得用戶操作行為完整日志。現階段數據分析以統計為主，如用戶量、使用時間點時長和使用頻率等。一是需要識別用戶，二是記錄行為容易引起程序運行速度，三是開發成本較高。

2．產品缺乏核心指標，這需要分析人員足夠的了解產品。產品有了核心指標，拆分用戶操作任務和目的，分析才會有目的，否則拿到一堆數據不知如何下手。比如講輸入法的核心指標設為每分鐘輸入頻率，順著這個目標可以分析出哪些因素正向影響（如按鍵容易點擊）和反向影響（如模糊音、誤點擊和點擊退格鍵的次數）核心指標。

3．短期內可能難以發揮作用。數據分析需要不斷的試錯，很難在短期內證明方法的有效性，可能難以獲得其他角色的支持。

4．將分析轉化為有指導意義的結論或者設計。看過某應用的近四十個設置項的使用比例，免備案服務器，修改皮膚使用率較高，而個別選項使用率不到0．1％，依次數據可以調整設置項的層級關系，重要的選項放置到一級強調顯示，香港服務器租用，低于5％的可以放置二三級。功能使用率的分析是比較容易的切入點。

5．明確用戶操作目的。功能對于用戶而言，使用率不是越高越好。增加達到的目標的途徑，用戶思考成本增加，操作次數會增加，比如搜索。在應用中使用搜索可能說明用戶沒有通過瀏覽找到想要的內容，如果用戶搜索熱門內容，說明應用展示信息的方式出現問題。

6．考慮到運營需求。之前做過的工具型應用，設計的核心指標是提高操作效率，減少點擊次數、等待時間和手指位移等，最快的時間完成操作。而一些瀏覽型產品用戶的目的并不明確，大致有瀏覽、查詢、對比和確定目標等四類用戶行為，需要兼容用戶目標不明確情況下操作，引導用戶選擇的同時還要在過程中展現更多的內容，刺激用戶點擊。

大數據分析有什么難題．中琛魔方大數據平臺表示了解大數據面臨的成長困難，規避其帶來的風險，是企業必須要做的，而要想規避風險，就要有更多的數據支撐，挖掘和分析，這樣才能夠讓有用的價值呈現在企業面前，為企業提供前進的指引。