“Hadoop中有一个称为MapReduce的工具。它需要Java编程技能，而这并不是当今很多 数据分析 师具有的技能。”Priestley举例说到。而事情还不止如此。处理 大数据 的理想人员还需要了解业务流程、Java和统计知识，甚至还可能需要一些SQL技能。这是个大问题，因此很多人也认为数据科学家的短缺将成为 大数据 技术采用的一个重要阻碍。
关键事实2：明确您的目标
虽然企业不应当试图探究确定的结果，但是他们应当明确企业目标，一个需要实现的目标。例如， 大数据 可提高绩效的途径之一是收集更加准确的信息，包括个人数据、客户行为和购买决策等。
麦肯锡公司发现，数字之大令人震惊。这家企业咨询公司声称，如果美国医疗产业采用 大数据 ，全美医疗费用将削减8%。另外，麦肯锡公司提到，通过减少诈骗诉讼和增加税收，欧洲公共部门在运行效率方面可节省一千亿欧元。
关键事实3：人是推动因素
大数据 项目需要有人推动。技术并非关键问题。这不是指那些具有上述数据科学家技能的一些人，而是指那些能提出明确目标与需求，并能执行决策的一些人。
这些人并不需要特殊的管理技能。这些责任可能落在首席财务官（CFO）、首席信息（CIO）甚至首席执行官（CEO）的肩上，但最终，需要有一个人担负此重任。正如Priestley所指出的：“ 大数据 不仅仅是技术挑战，它还是业务挑战。企业需要了解这一点。对此，使用模式很重要。而在此方面，企业可以有很多种模式，并以不同方式进行建模。”
关键事实4：不仅仅是数据
大数据 分析有三大要素：数据本身， 数据分析 ，以及结果的呈现。拥有数据本身并没有实际意义。数据本身就已存在。重要的是如何处理、分析数据并呈现重要信息，以将数据转变为重要价值。开展 大数据 项目需要周密规划。最好是从小规模起步，先实施单个项目，然后逐步扩展规模。数据采集之后需要进行详细的结果分析。
关键事实5： 大数据 涉及所有人
很多关于 大数据 的讨论都聚焦在大型组织上，对于这些庞大的官僚机构来说，令人窒息的海量数据已经制约了组织的有效运行。很多率先采用 大数据 技术的组织都属于这一范畴，不过它们并不是唯一的受益者。
各类企业都希望获得评估隐藏数据并归纳模式的技能。有些小型企业需要处理大量工业数据。例如，FormulaOne设计公司的规模不大，但是管理的数据量十分庞大，因此即使是很小的企业也可以通过在日常工作中使用 大数据 而获益。
这些公司可能希望超越Excel进行客户分析，寻找客户购买模式。例如，如果您的饭店菜单上曾经有一道特色鱼，但后来取消了。那么当这道菜再次出现在菜单上可供顾客点用的时候，您就可以使用电子邮件通知之前曾经点过这道菜的所有顾客。或者，如果您是一个酒商，您的库存里有某种葡萄酒正在酿造期，当它们即将出库时，您可以提醒这种酒的爱好者。
