海量数据难题：如企业数据量呈几何级数飞速增长，传统的OLAP处理模式已难以应付；数据的清洗和预处理消耗了大量时间，导致分析业务耗时漫长，跟不上决策的节奏等等。
实时交互难题：如对于企业新增的数据，需要在原有数据分析基础上进行增量结合，并且迅速得到结果；面对业务部门和管理人员频繁、临时、多变的数据分析请求无法即时的得到响应，IT部门疲于奔命的进行数据开发仍然无法满足要求。
成本过高难题：如企业花费大量人力物力财力在数据的搜集、整合、处理、分析上，且需要聘请专业的数据分析师，为掌握数据分析技能而进行长时间的人员培训，各方面都极大地增加了企业的成本支出。
数据孤岛难题：如企业中不同业务模块的数据分布在不同的系统平台，不同模块数据之间缺少关联，企业就失去了各项数据连接后所能带来的价值，管中窥豹的分析结果有可能误导决策。
