大数据分析现在很火。只要你浏览任何IT出版物或者网站，你都能看到商务智能供应商和他们的系统集成合作伙伴推销帮助企业实施和管理大数据分析系统的产品和服务。这些广告和大数据分析的新闻以及供应商匆匆提供的案例研究可能会使你误认为大数据是很容易的事，误认为要成功部署只需要一种特别的技术。

如果它是那么简单就好了。当BI供应商乐呵呵地告诉你他们的客户已经成功部署大数据分析项目时，他们不会告诉你还有那么多失败的案例。大数据分析项目令人失望是有一些潜在原因的。你可以找到大量关于大数据分析最佳实践的建议。但下面是一些大数据分析项目的最差实践，你需要了解如何避免它们。

盲目跟风。

这种观点重复犯了经典的错误，组织开发他们的第一套数据仓库或者BI系统时经常会犯这样的错误。太多时候，IT和BI以及分析项目管理者被技术炒作所迷惑，忘记了他们首要任务的商业价值;数据分析技术仅仅是一个用来产生商业价值的工具。大数据分析的支持者们不应该盲目地采用产品，他们首先需要判断该技术所服务的业务目标，以便建立业务案例，——然后为手头工作选择正确的分析工具。没有对业务需求的深刻理解，会存在很大风险，项目团队最终可能将创建出一个“大数据磁盘场”，而不是真正对组织有价值的东西，得到的是一个不想要的“数据狗窝”。

误认为软件可以回答所有问题。

构建一个分析系统，尤其是涉及大数据的分析系统是非常复杂的，也是资源密集的。因此，许多组织希望他们部署的软件将成为银弹，神奇地实现一切。当然，人们应该明白希望总是比现实更美好。软件确实会带来帮助，有时帮助还会很大。但是大数据分析的效果取决于被分析的数据和使用工具的分析技能。

思路太过僵硬。

通常，人们总是不断尝试他们过去的做法，即便当他们面对不同的场景时也会这样。在大数据情况下，一些组织会想当然地认为所谓“大”只是意味着更多的交易和更大的数据量。这种观点可能是正确的，但是许多大数据分析策略会涉及非结构化和半结构化信息，需要以完全不同于企业应用程序和数据仓库中结构化数据的方式管理和分析。因此，我们需要一套新的方法和工具来进行大数据捕获、清洗、存储、集成和访问。