大數據分析改善公司提供新的機會，以在幾乎所有行業提供未實現的收入。從客戶個性化等用例到風險緩解、欺詐檢測、內部運營分析，以及幾乎每天都會出現的所有其他新用例，隱藏在公司數據中的價值讓公司希望創建尖端的分析操作。在原始數據中發現價值給 IT 團隊帶來了許多挑戰。每個公司都有不同的需求和不同的數據資產。業務計劃在不斷加速的市場中變化很快，跟上新指令可能需要敏捷性和可擴展性。最重要的是，成功的大數據分析操作需要大量的計算資源、技術基礎設施和高技能人才。所有這些挑戰都可能導致許多運營在交付價值之前失敗。過去，由於缺乏計算能力和無法獲得自動化，真正的生產規模分析操作超出了大多數公司的能力：大數據太昂貴，太麻煩，而且沒有明確的投資回報率。隨著雲計算和計算資源管理新技術的興起，大數據工具比以往任何時候都更容易訪問。
今天的大數據有什麼不同？
隨著數據呈指數級增長，企業需要不斷擴展其基礎設施以最大化數據的經濟價值。在大數據的早期（大約 2008 年），當 Hadoop 第一次得到大型企業的認可時，建立一個有用的生產系統是極其昂貴和低效的。使用大數據還意味著需要合適的人員和軟件技術，以及處理數據和查詢速度的硬件。使一切同步運行是一項極其艱鉅的任務，並導致許多大數據項目失敗。到 2013 年，用於分析的企業雲的概念在亞馬遜網絡服務 (AWS) 和一些其他矽谷公司（VMWare、微軟和 IBM）開始流行，他們開始採用企業解決方案供公司採用利用雲計算的優勢。直到 AWS 在 2015 年公佈了他們近 50 億美元的年度收入，世界才真正開始注意到這一點。
為什麼您今天需要大數據？
在過去十年中，4 V 一直是眾所周知的大數據分析增長的催化劑。此外，我們已經進入了一個新的時代，新的挑戰不斷湧現，例如“各種”開源技術、機器學習用例以及整個大數據生態系統的快速發展。這些都增加了新的挑戰，即如何跟上不斷增長的信息，同時平衡如何在如此嘈雜的環境中確保高級分析的有效性。預測性和規範性分析處於暫時狀態，需要傳統數據倉庫無法提供的現代基礎設施。擁有一個大數據平台，使團隊能夠適當地自助訪問非結構化數據，使企業能夠進行更具創新性的數據運營。
