豐富的數據源是大數據產業發展的前提。而我國數字數據資源總量遠低於美國和歐洲，新增數據量僅為美國的7%，歐洲的12%，其中政府和制造業的數據資源積累遠遠落後於國外。就有限的數據資源而言，仍然存在標準化程度低、準確性低、完整性低、利用價值低的情況，大大降低了數據的價值。
在大數據時代，我們需要更全面的數據來提高分析和預測的準確性，因此我們需要更方便、廉價和自動化的數據生產工具。除了我們在互聯網上使用的瀏覽器有意無意地記錄個人信息和數據，手機、智能手表、智能手環等各種可穿戴設備也無時無刻不在產生數據；甚至我們家裏的路由器、電視、空調、冰箱、飲水機、凈化器等等。變得越來越智能，具有聯網功能。這些家用電器在更好地為我們服務的同時，也在產生大量的數據。甚至當我們去購物的時候，商家的WIFI，運營商的3G網絡，無處不在的攝像頭和電子眼，百貨公司的自助屏幕，銀行的ATM，加油站，遍布便利店的刷卡器都在產生數據。
挑戰2:建立數據挖掘分析模型
步入大數據時代，人們都在談論大數據，這似乎已經演變成壹種新的趨勢。數據比以往任何時候都更加植根於我們生活的每個角落。我們試圖用數據解決問題，改善福利，促進新的經濟繁榮。人們紛紛表達了對大數據的高度期待，以及對大數據分析技術的特別看好。然而，關於大數據分析，人們都在鼓噪它的神奇價值，卻鮮有其實際應用的模型和方法。造成這種困境的原因主要有兩個:壹是仍然缺乏對大數據分析價值邏輯的深度洞察；其次，大數據分析中的壹些重要元素或技術還不成熟。大數據時代數據的海量增長，這種大數據分析邏輯的缺失，大數據技術的發展，是我們在大數據時代面臨的挑戰。
大數據的大小壹般被認為是指其海量的數據規模。隨著人類在數據記錄、獲取和傳輸方面的技術革命，數據獲取的便捷性和低成本性，使得原本以高成本方式獲取的數據有限的小數據，描述人類的態度或行為，變成了壹個龐大而海量的數據包。這其實是壹種片面的理解。事實上，在大數據時代之前，已經有了龐大的數據集，但由於其維度單壹，脫離了人或社會的有機活動狀態，其分析和理解真相的價值極其有限。大數據的真正價值不在於它的大小，而在於它的全面性:多角度、多層次的信息在空間維度上的重疊和再現；在時間維度上持續呈現與人或社會有機體的活動相關的信息。
挑戰3:數據公開和隱私之間的權衡
數據應用的前提是數據是開放的，這已經是* * *學問了。有專業人士指出，中國人口世界第壹，但2011，中國新存儲的數據是250PB，只有日本的60%，北美的7%。目前，我國壹些部門和機構擁有大量數據，但寧願自己不用，也不願提供給相關部門，導致信息不全或重復投入。2012年，中國數據存儲容量達到64EB，其中55%的數據需要壹定的保護，但目前只有不到壹半的數據得到保護。
如何平衡開放和隱私也是壹個大問題。任何技術都是雙刃劍，大數據也不例外。如何在促進數據充分開放、應用和享用的同時，有效保護公民和企業的隱私，並逐步加強隱私立法，將是大數據時代的壹大挑戰。
挑戰4:大數據管理和決策
大數據的技術挑戰顯而易見，但它帶來的決策挑戰更加艱巨。大數據的關鍵在於，它將直接影響組織如何決策以及由誰來決策。在信息有限、獲取成本高、未被數字化的時代，組織中做出重大決策的人通常都是位高權重的人，或者是高價請來的有專業技能、簡歷優秀的外部智囊。然而，在當今的商業世界中，高管仍然更多地依賴個人經驗和直覺，而不是數據。
大數據發展的根本目的是基於數據分析，幫助人們做出更明智的決策，優化企業和社會的運行。《哈佛商業評論》稱，大數據本質上是“壹場管理革命”。大數據時代的決策不能只靠經驗，要真正“用數據說話”。所以，大數據確實可以發揮作用。在更深層次上，我們需要改進我們的管理模式，我們需要適應大數據技術工具的管理方法和架構。這也許是我們最難克服的障礙。
挑戰5:大數據人才缺口
如果說以Hadoop為代表的大數據是壹只小象，那麽企業必須要有能馴服它的馴獸師。當很多公司熱情擁抱這種大數據技術的時候，精通大數據技術的相關人才也成為了壹大缺口。
大數據建設的每壹個環節都需要專業人員來完成。因此，需要培養和造就壹支懂指揮、懂技術、懂管理的大數據建設專業隊伍。