如今的数据具有多种多样的形式，而且来自许多不同的数据源。更为重要的是，除非有需要的那些人易于获得大数据，除非能迅速获得洞察力，否则大数据分析工具的用处并不是很大。那么大数据分析会遇到怎样的难题?
1.很难获得用户操作行为完整日志。现阶段数据分析以统计为主，如用户量、使用时间点时长和使用频率等。一是需要识别用户，二是记录行为容易引起程序运行速度，三是开发成本较高。
2.产品缺乏核心指标，这需要分析人员足够的了解产品。产品有了核心指标，拆分用户操作任务和目的，分析才会有目的，否则拿到一堆数据不知如何下手。比如讲输入法的核心指标设为每分钟输入频率，顺着这个目标可以分析出哪些因素正向影响(如按键容易点击)和反向影响(如模糊音、误点击和点击退格键的次数)核心指标。
3.短期内可能难以发挥作用。数据分析需要不断的试错，很难在短期内证明方法的有效性，可能难以获得其他角色的支持。
4.将分析转化为有指导意义的结论或者设计。看过某应用的近四十个设置项的使用比例，修改皮肤使用率较高，而个别选项使用率不到0.1%，依次数据可以调整设置项的层级关系，重要的选项放置到一级强调显示，低于5%的可以放置二三级。功能使用率的分析是比较容易的切入点。
5.明确用户操作目的。功能对于用户而言，使用率不是越高越好。增加达到的目标的途径，用户思考成本增加，操作次数会增加，比如搜索。在应用中使用搜索可能说明用户没有通过浏览找到想要的内容，如果用户搜索热门内容，说明应用展示信息的方式出现问题。
6.考虑到运营需求。之前做过的工具型应用，设计的核心指标是提高操作效率，减少点击次数、等待时间和手指位移等，最快的时间完成操作。而一些浏览型产品用户的目的并不明确，大致有浏览、查询、对比和确定目标等四类用户行为，需要兼容用户目标不明确情况下操作，引导用户选择的同时还要在过程中展现更多的内容，刺激用户点击。
大数据分析有什么难题.中琛魔方大数据平台表示了解大数据面临的成长困难，规避其带来的风险，是企业必须要做的，而要想规避风险，就要有更多的数据支撑，挖掘和分析，这样才能够让有用的价值呈现在企业面前，为企业提供前进的指引。
