钱伯斯是IBM公司分析解决方案事业部副总裁。她表示，许多客户够买了大数据和预测分析的服务，但却希望其实现他们已经适应了的老的商业智能工具和数据库工具。
“通常情况下，客户做的往往就是依靠他们已经知道的东西。”钱伯斯在2012年Hadoop峰会上说。“他们希望利用他们现有的基础设施、使用现有的数据和工具。他们不想有任何的不同和改变。所以我告诉我的客户说，如果你不执行不同的操作的话，你不会得到任何不同的结果。”
新的方法，技术和工具需求
钱伯斯是完全正确的，如下从三个方面分析了原因：
1、基础设施。处理和存储大量、多结构化数据集的新方法不断涌现，正是因为传统的关系型技术不能够在单位时间内完成工作或者不具备成本效益。例如，Hadoop允许你在合理的时间内运行开放源码软件以非常低廉的价格存储和处理大数据规模。现在，尝试利用甲骨文的服务。可以节省300万美元的费用，以及6个月的时间。
2、数据。大数据是丰富现有的内部交易数据与其他不同来源的数据，这些来源是来自您的企业之外。这可能意味着这些数据是来自Twitter或Facebook这样的社交媒体、或来自国家气象局、教育部门的公共部门的数据、来自彭博、道琼斯的市场数据。如果你没有混搭数据，你可能不必要进行大数据分析。
3、工具。因为它们必须在新的，更大，更多样化的数据量并行计算基础设施之上，大多数最传统的商业智能工具不会削减。你需要的是现代化的数据可视化和分析平台，使用户能够轻松地处理大数据可视化。为了公平起见，极少数现有的商务智能供应商，如Tableau和MicroStrategy正在努力让自己的产品更好地融入大数据。但是，总的来说，你在过去的十年左右已经使用的旧的报告工具无法为当前的大数据提供足够的可操作的见解。
风险的博弈
但据我所知，这种改变是很难的，所以有时IT部门是为了规避风险。但是，我们正处在一个十字路口。大数据绝不是昙花一现或轻微更好方式的商业智能。这是一个全新的模式，需要思维的重大转变。换句话说，“你已经在经历一些额外的风险了。”按照钱伯斯所说的那样，实现大数据的成功。
她说，这意味着“如果你想有更多的见解，你一定要注入您的应用程序，你的数据网新信息。”这意味着你必须投资新的基础设施技术等，诸如Hadoop和其他平台上，形成一个新的大数据分析的基础。你需要采用新的最终用户工具，把所有的大数据转换成易于理解的见解。
好消息是，你不必将您的整个现有的基础设施和工具集推倒重来。事实上，我强烈反对那样做。你现在所使用的商业智能和数据仓库有可能是一个原因，因为他们已经在为您提供相应的业务价值。事实上，许多大数据技术确实能帮助你从现有的数据库和工具获得更多的价值。
当涉及到大的数据，从小事做起。确定一个特定的需要解决的业务问题，一个固定的业务才能带来实实在在的利益。与大数据行业的同行们交流学习。