成功进行数据分析的秘诀不在于选择和实施完美的技术，而在于培养对普及分析可以产生更好决策和出众成果的广泛理解。通常情况下，人们可以消除技术缺陷或需求误解。但是如果无法改变心态的话，那么就很少有人会使用刚刚构建的分析工具。
随着互联网金融业务的快速发展，业务系统需要处理的数据呈爆炸式增长，传统数据库因其扩展能力有限，已无法满足业务系统越来越高的数据处理能力要求。于是，新型的分布式数据库系统应运而生。
数据信息面临的挑战之一是数据的时效性。当今社会创建数据的速度越来越快，掌握越新的数据信息，越能使得公司的决策趋向正确。数据的时效性极强，因此在收集数据的同时分析数据也显得尤为重要，这就需要我们拥有一个强大的收集系统了。
随着数据量的增长，使数据具备计算能力的任务已经变得更加复杂了，而企业只花费很少的时间和精力来开发有效的数据管理流程和平台来使数据易于操作。
业界关于计算机视觉技术已触及天花板的讨论越来越多，而源头则统一指向了深度学习算法。由于深度学习高度依赖大量的标注数据，如果计算机视觉的精确度想要再提高，如:对非常小和模糊的目标做检测，在复杂光照变化下保证分割结果稳定等，都需要分类更加细致、标注更加细化的数据去“教导”深度学习算法。
大数据为营销人员提供了正确的工具，以确保提供精心设计的全渠道客户体验。最常用的工具是客户价值分析(CVA)。客户价值分析(CVA)可以帮助营销人员了解客户何时、何地以及如何评价某个产品或服务的价值。营销人员可以相应地规划他们的营销主张。
