问题的起因就是大数据太“大”了。考虑到我们拥有的数据量，有时甚至使用有缺陷的模型来产生有用的结果。有时侯对自己的技术过于自负，当模型出现故障时，结果就会变得非常难看。

大数据失败案例

Google在2008年推出了大数据这项服务，目的是要预测25个国家的流感疫情。逻辑很简单：分析谷歌在特定地区的流感搜索查询。将搜索结果与该地区流感活动的历史记录进行比较。基于这些结果，活动水平被分为低、中、高或极高。乍一看，这似乎是一个很合理的想法，但实际上并不是这样。在2013年流感高峰期，Google的流感分析一塌糊涂。原因是算法有缺陷，没有考虑到几个因素。例如，如果搜索“冷”或“发烧”这类词，并不一定意味着搜索人正在找流感症状。Google无法从这场灾难般的失误中恢复过来，最终导致了这个项目在2013年崩溃了。

大数据失败的原因

我们需要吸取教训，以下是导致大数据失败的一些原因：

缺乏数据调配和数据管理

通常情况下，组织往往不完全了解他们已有的数据，但仍然决定在此基础上开展新的项目。缺乏关于数据处理的文档、存储、策略和其他的程序。这种情况下，大数据咨询公司可以为您的企业提供一个清晰的路线图和指导，说明应该如何处理您已经拥有的数据，这才是正确战胜大数据的第一步。

未定目标和战略

有太多难以理解的IT术语和营销术语，此外，市场上有太多大数据产品，选择合适的产品很困难。在做任何决定之前，找出实现目标所需的服务和技术非常重要。……