随着生活越来越丰富，大数据也变得越来越难以处理；同时因为数据体积增大、数据类型繁多，技术人员在分析过程中不得不克服大量的挑战和障碍。本文将讨论为什么数据会变得越来越复杂及难以管理，以及在我们分析、整合及存储这些数据时又会面临哪些挑战及障碍，当然还有大数据又会给未来带来什么样的机遇。
大数据确实很大并且很复杂
举个简单的例子，去参加一个小朋友的生日派对。在出发时，你会发送一个tweet说明一下，数据随之产生。车在半路上，停车加油，付款时果断产生了数据。在超市购买生日卡片，扫描购物卡、结账同样产生了数据。在生日派对中，拍个照片，录段视频，当你在Facebook、Flickr以及Youtube上发布时同样产生了数据。在派对过程中发送的消息，同样产生了数据。贯穿整个过程，你的手机因不停的发送GPS位置而产生数据，你的车因为不停的追踪燃耗而产生数据。由此可见，我们在日常行为活动中产生了大量的数据。
通过IBM了解到，我们每天大约建立2.5 quintillion（1 000 0003）字节的数据，而在过去两年建立了总数据量的90%，同时数据体积以指数的方式增加。随着公司数据捕获能力的增强、多媒体变得流行、社交媒体会话的增加以及使用互联网做更多的事情，数据的体积也不可思议的速度激增。
大数据究竟有多复杂
大数据是复杂的。之所以复杂因为数据的多样性，其中包括结构化数据和非结构化数据。大数据的复杂还在于交付和使用的速度，比如“实时”。并且，大数据的复杂还在于数据的体积。以前家用存储说的是MB和GB，现在讲的已经是TB了，而企业早已跨入PB单元。
大数据市场
大数据增加了信息管理业务的需求，比如Software AG、Oracle Corporation、IBM、Microsoft、SAP、EMC和HP已经支付150亿美元给专门从事数据管理和分析的软件公司。在2010年，这个产业自身的价值已经超过1000亿美元，并以每年10%的速度增长着——比整个软件业务快2倍。
发达经济体让大数据密集型技术得到更广泛的使用。世界范围内，有46亿的移动终端在产生数据，有10到20亿人在访问互联网。在1990到2005期间，超过10亿人进入了中产阶级，更多富起来的人同样导致了信息的增长。在1986年，世界电信网络有效的信息交互能力为281 PB，1993年为471 PB，2000年为2.2 EB，2007年为65EB，而在2013年，预计的通信总量为667 EB。
大数据分析
大数据需求在可容忍时间内对大体积数据进行处理特殊的技术，大数据分析实践者通常不喜欢共享储存，更倾向于直接连接存储（Direct Attached Storage，DAS），在并行的内部处理节点中混合使用了高速SSD与高容量SATA磁盘。而当下的共享储存架构SAN及NAS已被扣上缓慢、复杂及昂贵的头衔，该类型架构完全不符合现下大数据技术在性能、商用服务器及低成本上的标准。
实时及近实时的信息交付已成为大数据分析的界定特征，尽可能的避免延时同样成为大数据技术的首要挑战之一。数据更希望被存储在内存中，而不是其他终端FC SAN连接的机械硬盘上。同样在大数据情景下，SAN模式下对分析应用程序的要求上比其它类型存储要高得多。
当然，共享存储在大数据分析情景下也有着自己的优势，但是自2011年以后，已不为绝大多数大数据实践者所采纳。
大数据挑战及障碍
鉴于复杂性，大数据处理面临着一系列挑战：
