问：
大数据是万能解决方案吗？
A：在整个大数据生态系统或行业的概念内，大数据策略的应用特定于特定企业或组织的需求。 高管和其他专业人员犯的最大错误之一是对大数据采取通用方法，并试图将系统放入以前使用的模板中。
大数据的哲学与对大量信息的针对性和微观管理使用有关。 例如，一家拥有成千上万客户的公司将进行一个大数据项目，以利用其拥有的有关这些客户的所有信息-他们的姓名，他们的住所，以前购买的物品等。但是，结果是与仅仅为收集和“运行”这些海量数据集而做的工作相比，建立与数据处理和报告有关的特定结构要做的更多。
大数据面临的挑战之一是它需要更专业的硬件流程。 公司经常使用诸如Apache Hadoop之类的开源系统以及诸如MapReduce之类的特定相关工具来发挥大数据解决方案的作用。 除了建立Microsoft Access表或追求其他一些更简单的数据库技术外，这还需要其他技术知识。
为了使大数据有效，公司必须研究实施以及如何避免破坏其正常的业务活动。 为了使其最有效，他们必须准确地查看哪些数据集对他们最有用。 例如，如果销售人员或其他人员可以仅使用姓氏，州和电话号码的简单报告来完成他们需要做的事情，那么尝试通过系统运行更广泛的数据并尝试收集和显示就没有意义了。其他标识符或关键信息。
有效性，易于实施和成本驱动着特定于公司的大数据解决方案的出现。 这些创新绝对取决于特定的业务模型以及必须解决的问题。
