对于大数据，在被业界热炒了几年后，已经从空中逐渐落地，用户的视角也从理解概念转变到如何从业务、应用角度出发，让大数据真正实现价值。

其实，大数据并不是一个新鲜的概念，它在物理学、生物学、环境生态学、自动控制等科学领域和军事、通信、金融等行业的存在已有些时日。从本质上来说，大数据主要解决的是海量数据存储、计算、挖掘、展现的问题，基于此之上可以诞生一系列应用或商业模式。

在目前阶段，大数据解决的问题主要分为3类:

拓展传统的商业智能（BI）领域。以前针对大数据量的统计、关联分析、趋势预测由抽样变成全量分析，将数据回流到各种报表。

业务流程改进。对各种数据进行聚合分析，用来作为业务流程改进和考核的依据。

数据产品和商业应用。通过对已有数据或数据处理能力进行服务化或产品化包装，形成数据产品或数据服务。

具体到实施层面大数据主要分为四个阶段：

1、学习阶段

2、探索阶段

3、涉足阶段（选择几个业务点，先期调研，尝试落地）

4、执行阶段（业务场景进入生产实践）

由于现在大数据对于大多数用户来说都是一个新鲜事物，也有很多随之而来的业务模式创新和改变，因此很多用户反映了不少困难和挑战：

首先，因为大数据很大程度上是业务驱动的，同时实施周期跨度也比较长，更需要IT人员能清晰地描述出业务场景以及所具有的商业价值，从而获得企业高层的支持。

其次，进入涉足阶段的用户则面对的是技术层面的挑战，这可以细分为两大类。第一是技术技能，包括传统数据仓库的技能、新技术的技能（例如基于Hadoop的新技术、IBM的流计算等等）。第二是分析能力的挑战，传统的报表已经不能满足分析的需求，未来用户更需要一些实时分析、操作分析以及预测分析的数据。第三，落地核心业务的挑战，此刻应该重视的就是数据的品质和真实性。

再次，在业务规模不大时，可以利用开源技术搭建起一整套数据处理系统。而随着业务增长，就需要根据业务特色按需修改或开发一些满足特定领域需求的系统。

最后，在一些公司，业务急速增长和扩张，业务难点和技术难点同样突出，例如数据源源不断地产生，数据的质量、安全、成本该如何保障呢？前端业务库的元数据变更会给后端的数据处理造成什么后果？这些问题处理得不好很容易功亏一篑，让数据成为一堆大垃圾和高成本的企业负担。

正是看到了这一系列的挑战和困难，也为了帮助当前中国大数据市场用户梳理当前中国市场大数据提供商的纷繁万象，从中发现各个方案的价值所在，中国赛迪采用了全新的评价方式，从用户的核心关注和解决方案提供商的供应能力及价值出发，以重点行业为基础(包括智能城市、电信、金融)，开展了一个关于大数据挑战困难的调查，以期更好地推动政府、企业、个人用户加速大数据应用。