误区一：大数据技术会自行识别商机 危险：尽管投入了大量的资金和时间，但这种投资所产生的回报非常有限。失败的技术布局往往是以假想这种新工具会自行产生价值开始。成功利用大数据能量的企业往往都是在重金投入大数据技术前，先将高级分析应用于少量高价值商业问题的解决。
如何避免陷入误区 品牌企业之所以走入上述误区，我认为主要原因有两个：其一，品牌企业缺乏清晰的数字化营销整体战略；其次，品牌企业没有认识到整合数字化营销对整个企业的价值。 我先说第一点。
误区二：只有大数据才能拯救世界大数据目前的技术和应用都是在数据分析、数据仓库等方面，主要针对OLAP（Online Analytical System），从技术角度来说，包含我总结的两条腿：一条腿是批量数据处理（包括MR、MPP等），另一条腿实时数据流处理（Storm、内存数据库等）。
大数据是资讯部门的问题 大数据的收集与储存，的确可以归类为资讯部门的业务。但定义该收集什么，如何收集，收集后该如何应用，绝对是业务主导部门该负责的。要求IT部门把大数据做好，就好像要求财务部门提升公司获利一样，是本末倒置的。关于大数据中存在哪些误区，青藤小编就和您分享到这里了。
1、一是缺乏专业的市场研究工具或团队。 相比企业现在所使用的IT技术，大数据可以说是一门新技术。对于没有部署这一技术的企业而言，由于没有专业的市场研究工具或者研究团队，一方面将由于数据质量不佳面临产品开发设计难题。
2、挑战五：大数据人才缺口 如果说，以Hadoop为代表的大数据是一头小象，那么企业必须有能够驯服它的驯兽师。在很多企业热烈拥抱这类大数据技术时，精通大数据技术的相关人才也成为一个大缺口。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。
3、大数据时代面临的挑战 （1）运营商带宽能力与对数据洪流的适应能力面临前所未有的挑战，管道化压力化解及“云－管－端”的有效装备也均面临新挑战。（2）大数据的“四V”特征在数据存储、传输、分析、处理等方面均带来本质变化。
1、运营分析难：现有的大多数基础监控工具，多数都是从自己的管理阈例如系统管理、网络管理出发看待问题，缺乏端到端的分析能力，没办法以业务视角从综合运营分析的角度，去看待多样化指标对系统的影响。而智能运维是一种全新的数字化运维能力，也将是数字化转型的必备能力。
2、企业缺乏对数据治理成果的感知，导致数据治理缺乏存在感，特别是企业的领导决策层，自然不会痛快地对项目进行验收。
3、信息人员素质不高。从事企业信息工作的人员既应该掌握信息管理的专门知识和技术，又要通晓有关企业生产经营的工业、经济、社会、管理等知识，这样的人才才合乎市场竞争的需要。但事实上，绝大多数企业的信息管理人员素质和工作能力不够理想。
4、日常获取的数据中充斥着大量失真、标准混乱的数据，而企业缺乏有效手段对其进行甄别筛选和规范统一；导致数据化运营实现进程受阻。企业信息化资源投入不足，缺少科学规划导致资源浪费，使得数据化未能有效转变为运营生产力。
1、制造业质量数据分析遇到的难点：产品质量缺陷追溯周期长，找寻规律较慢。数据跨工厂/跨车间/跨业务系统，只做数据展示，无法关联分析。数据不全，数据准确性不稳定，数据分析决策支持功能弱。很难发现经验已知之外的影响产品质量的因素。
2、无思路：数据杂乱，不知到从何入手 成因：分析的业务目标不明晰，致使数据采集过剩；分析方法与分析的场景不懂得怎样结合，导致无从下手。对策：首先，学会理解业务背景和团队的业务目标；熟悉各分析方法及应用场景，后面有介绍。
3、通过特定的算法和分析软件对生产过程进行实时监控、趋势分析、判断预警及质量追溯，确保工作人员实时掌握运行状态，或通过历史记录回溯查阅排气系统的安装流程以及安装位置。为后期质量提升指明方向，形成制造数据的闭环管理。