不适合大数据处理的
七件事情
在大数据时代下，随着大数据巨大价值的凸显，很多企业看到大数据价值的同时，开始将大数据应用于企业发展中，许多企业领导人接纳大数据处理并期待神奇和奇迹，但却发现大数据带来新的复杂性--且从中获益所需要付出的努力要预计中的多得多。
大数据不会处理业务问题。人们可以做的，就是要坐下来，在开始使用大数据之前，讨论决定放弃大数据，就使用商业智能取得共识。
每一天都会产生250万字节的数据，其中大部分属于大数据。不出预料，世界范围内企业所需要管理的数据量呈现指数级增长，由于缺乏清晰有效地数据存储和使用策略，数据将不断堆积，每个企业都陷于数据管理的工作。
95%以上的大数据属于“噪音”,对于商业智能的贡献很小或几乎没有。通过数据筛选来进行企业掘金，帮助企业业务进步，这是一个非常艰巨的任务。
大数据处理数据库管理、服务器管理、软件开发、业务分析技能短缺，许多IT部门关键IT技能的缺失会不断成为企业的负担。
如果有的话，遗留系统记录会较之任何大数据更具有价值。通常情况下，正是这些遗留系统可以为大数据分析提供重要线索，用于回答重要的业务问题。
传统事务处理系统美妙之处在于其拥有固定长度的数据字段以及全面的数据编辑和验证发方式，这有助于得到一个相对干净的表格呈现。大数据不是这样，他们是非结构化的数据，可以表现为几乎任何形式。这让大数据的质量成为一个令人头痛的难题。数据质量至关重要，如果你没有它，就不能信任数据查询的结果。
衡量系统投资回报率最常用的方法是监测交易速度，然后推断其获利能力（例如酒店每分钟有多少新的预订）。对于大数据处理来说，交易速度不是好的衡量指标，大数据缓存和运行分析可能需要数小时甚至数天才可以杀青。衡量大数据处理有效性的一个最好的指标应该是利用率，它应该保持在90%以上（相比于交易系统，其利用率可能只有20%）。对于大数据来说，确定新的ROI指标尤为重要，因为你还有说服CFO以及其他业务部门的领导。
