云計較是大數據的運行平臺，非布局化數據發作式生長，大數據的智能闡明和決定被點綴的神乎其神，不外針對應用規模，尚有五個要素將影響大數據成長：
1.預測后不敢用
假如把大數據比作算命顯然有點欺負了這位IT新寵，但從今朝的大數據闡明規模看，在許多行業應用上還存在敢測不敢用的難過，預測功效更多是印證而不是取代決定，除了大數據自己預測精確率以外，系統性風險帶來的決定失誤很大概最終讓大數據背鍋，信息部分以及咨詢機構憑空擔了責任，想想就以為冤枉。
2.信息差池稱
大數據表此刻一個大字上，是一個公司的數據照舊一個行業的數據照舊合縱連橫參考多個維度數據來做的最終闡明？實際上各個“大數據庫”如一個個信息孤島，互相缺乏聯動，而單一通過某個孤島來決定自然生態顯然是瞽者摸象，禁絕也就不敷為奇了。
3.非布局化難明人性
布局化數據的最大特點是基于考量數據做推演，總結已往做預測，可當前大數據面對太多的非布局化數據，這里包括了錯亂的社會信息和滋擾信息，假如我們憑據布局化數據的方法來看，從已往10年環境來預測本年的走勢，也許會獲得一個顛簸不太大的功效，但假如我們發明某位用戶衣服買了綠色，褲子買了綠色，深圳論壇空間 香港主機，襯衫買了綠色，然后系統認為用戶在衣飾選擇上偏幸綠色的話，那有一天用戶想買頂帽子時，系統推薦的商品也許會激憤用戶。
這應該是大數據面對最難過的一點，假如說大數據是基本，深度進修和人工智能才是要害，因為這兩項必需依靠大數據作為基石，會讓決定精確度實現指數級晉升，當這兩項技能程度獲得相識放，大數據才完整浮現了代價。
4.利用逾期數據
數據的新鮮水平將極大影響最后的闡明功效，差異的行業的數據保鮮時間也會有很大不同，譬喻打扮業的潮水變革速度明明快于其他行業，許多大數據最終功效毛病都是由于數據更新的不實時性導致，因此如何確保數據不絕隨時更新對付大數據來言是一個很大的挑戰。
5.走不出安詳隱私困局
安詳是一個永久話題，數據越多，泄露后帶來的風險和損失越大，“大數據庫”越大，一鍋端后看著越辣眼睛。
