在數據分析前期，要做到充分溝通、理解業(yè)務規(guī)則、關注業(yè)務痛點、了解用戶需求、換位思考，明確為什么要做數據分析，要達到一個什么目標。Hadoop系統(tǒng)和NoSQL數據庫已經成為管理大數據環(huán)境的重要工具。這樣才能保證后續(xù)的收集數據、確定分析主題、分析數據、分析結果應用等工作都能夠圍繞分析目標開展，保證終能夠從整體目標的角度去總結分析成果。

對于數據分析師，分析經驗的積累與專業(yè)知識的提升同樣重要，因為有些問題不是只用專業(yè)知識就能解決的，所以在平時的工作中要有意識的去學習業(yè)務知識、掌握先進的分析工具，做一個有心人！

　  當基于分布式存儲計算的大數據處理技術出現后，我們所面對的則是來自離線和在線的多個不同數據流，系統(tǒng)需要實時響應數據查詢請求，還需要處理分布式系統(tǒng)的分區(qū)和問題，以及滿足高容錯和可擴展的要求，于是就有了lambda架構，但其也存在著不足之處：整體架構比較復雜，資源開銷比較大，對軟硬件的需求較高；很多分析場景實現困難，增加了應用開發(fā)難度；數據流水線較長，系統(tǒng)運維復雜。但是，由于不斷增加的數據容量和更廣泛多樣的數據類型，特別是當涉及結構化和非結構化數據混合時，就會對一個大數據的實施增加難度系數。

　　通過以上可以發(fā)現，現有的數據處理技術都存在一定缺陷，在面對今天日益復雜的企業(yè)大數據分析需求時顯得力不從心，如何采用架構技術來解決這些問題，這也是數據分析廠商所面對的挑戰(zhàn)。

　  數據倉儲的一個核心要求是處理和存儲大數據集的能力。但并不是所有數據倉庫在這方面都滿足要求?！绊椖繑祿治觥币詫I(yè)技術的身份出現在經濟、管理和投資金融專業(yè)等領域，是信息化時代發(fā)展的必然結果。一些是針對復雜查詢處理進行優(yōu)化，而其他的則并非如此。并且在許多大數據應用程序中，相較于事務系統(tǒng)，由于添加了非結構化數據還有數據的創(chuàng)建和收集增速迅猛，用Hadoop和NoSQL技術增強數據倉庫就成為必要。對于一個希望獲取并分析大數據的組織來說，光有存儲容量是不夠的；而重要的部分在于將數據置于何處才是佳的，這樣數據就可以轉化為有用信息并為數據科學家和其他用戶所利用。

項目風險評估一般有定性和定量兩種方法。在項目管理實踐中，將項目管理人員的估計與有限數據相結合，成為項目風險評估中運用較多的方法。通過選取指標，針對不同的分析事項建立具體的分析模型，將主觀的經驗固化為客觀的分析模型，從而指導以后項目實踐中的數據分析。因此，金融組織信譽評級的風險性要比一般公司企業(yè)來得大，評估工作也更復雜。證券信譽評級。包括長期、短期融資券、優(yōu)先股、各種商業(yè)等的信譽評級。因為如果一個公司的管理不能與世界接軌，它將無法得到任何風險投資的支持；風險投資可以幫助創(chuàng)新企業(yè)不斷的修訂其商業(yè)計劃和發(fā)展戰(zhàn)略。