尽管大数据宣传与炒作可谓如火如荼，但仍有92%的企业始终保持中立态度，即计划在“合适的时间”着手实施或者表示不打算接触大数据项目。大数据目前已经成为万众瞩目的焦点，已经有众多企业在拼命把自己的数据投付使用、希望借此为重要决策提供支持。而在那些已经亲身实践大数据项目的企业中，多数遭遇失败、而且往往是掉进了同样的几个陷阱当中。取得大数据项目成功的关键在于构建一套迭代型方案，鼓励现有员工参与并使用，从而在一系列无关紧要的失败中学习知识并积累经验。
1、从众心理
大数据绝对是项转折性的伟大技术成果。根据Gartner公司的调查，2013年中64%的受访企业表示已经购买或者正计划在大数据系统领域进行投资，这一比例高于2012年调查中的58%。越来越多的企业开始深入探索自己的数据，尝试利用蕴藏在其中的信息最大程度减少客户流失、分析财务风险并改善客户体验。
在这64%认同大数据思路的受访者中，又有30%已经在大数据技术方面投入资金、19%计划在未来一年中进行投资、另外15%则计划在未来两年内进行投资。不过在Gartner的全部720位调查对象中，只有不到8%已经实际部署了大数据技术方案。
这样的结果实在很糟糕，不过造成项目失败的理由明显更加糟糕：大多数企业根本不知道自己在迈入大数据领域后应该做些什么。
难怪现在有那么多企业开出可观的薪酬数字来招徕并雇用数据科学家，目前其平均收入已经达到每年12万3千美元。
2、八种导致失败的理由
由于众多企业在探索自有数据的过程中完全是在胡打误撞，因此在意识到这一点后、他们决定向能带来更具可预测性方案的专业人士求援(包括认为数据科学家能够奇迹般地随手化解他们面临的现实难题，甚至还有不少更夸张的预期)。Gartnerwngr Svetlana Sicular为我们汇总出八种导致大数据项目失败的常见原因，它们分别是：
·管理层阻力。尽管数据当中包含大量重要信息，但Fortune Knowledge公司发现有62%的企业领导者仍然倾向于相信自己的直觉，更有61%的受访者认为领导者的实际洞察力在决策过程中拥有高于数据分析结论的优先参考价值。
·选择错误的使用方法。企业往往会犯下两种错误，要么构建起一套过分激进、自己根本无法驾驭的大数据项目，要么尝试利用传统数据技术处理大数据问题。无论是哪种情况，都很有可能导致项目陷入困境。
·提出错误的问题。数据科学非常复杂，其中包含专业知识门类(需要深入了解银行、零售或者其它行业的实际业务状况);数学与统计学经验以及编程技能等等。很多企业所雇用的数据科学家只了解数学与编程方面的知识，却欠缺最重要的技能组成部分：对相关行业的了解。Sicular的观点很对，她表示大家最好能从企业内部出发寻找数据科学家，因为“学习Hadoop比学习相关行业的知识更简单”。
·缺乏必要的技能组合。这项理由与“提出错误的问题”紧密相关。很多大数据项目之所以陷入困境甚至最终失败，正是因为不具备必要的相关技能。通常负责此类项目的都是IT技术人员——而他们往往无法向数据提出足以指导决策的正确问题。
·在大数据技术之外遇到了其它意外状况。数据分析仅仅是大数据项目当中的组成部分之一，访问并处理数据的能力同样重要。除此之外，常常被忽略的因素还有网络传输能力限制与人员培训等等。
· 与企业战略存在冲突。要让大数据项目获得成功，大家必须摆脱将其作为单一“项目”的