大數(shù)據(jù)分析依賴于及時處理和查詢復(fù)雜數(shù)據(jù)的能力。一個很好地例子就是：一家公司開發(fā)了一個數(shù)據(jù)倉庫用來維護(hù)從能源使用計收集到的數(shù)據(jù)。在產(chǎn)品評估過程中，某供應(yīng)商的系統(tǒng)有能力在15分鐘內(nèi)處理七百萬條記錄，而另一家則在相同時間內(nèi)可以處理三十萬條記錄。另外，分析數(shù)據(jù)的范圍除了重點關(guān)注的業(yè)務(wù)指標(biāo)數(shù)據(jù)，還要盡量考慮擴展外延數(shù)據(jù)，比如經(jīng)濟指標(biāo)數(shù)據(jù)、氣象數(shù)據(jù)、財務(wù)數(shù)據(jù)等。能否識別正確的基礎(chǔ)設(shè)施來支持快速的數(shù)據(jù)可用性和查詢就意味著成功還是失敗。

　   數(shù)據(jù)倉庫與數(shù)據(jù)集成和數(shù)據(jù)質(zhì)量工具一起，能夠通過為管理BI和分析數(shù)據(jù)提供標(biāo)準(zhǔn)化流程來幫助樹立信心。但是，由于不斷增加的數(shù)據(jù)容量和更廣泛多樣的數(shù)據(jù)類型，特別是當(dāng)涉及結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)混合時，就會對一個大數(shù)據(jù)的實施增加難度系數(shù)。建立評估數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)以及對它們進(jìn)行升級以處理那些更大、更多樣數(shù)據(jù)集，對于大數(shù)據(jù)實施的成功和分析框架的使用是至關(guān)重要的。無論一個公司部署什么類型的大數(shù)據(jù)技術(shù)棧，有一些共通的因素必須加以考量，以保證為大數(shù)據(jù)分析工作提供一個有效的框架。

　  數(shù)據(jù)倉儲的一個核心要求是處理和存儲大數(shù)據(jù)集的能力。但并不是所有數(shù)據(jù)倉庫在這方面都滿足要求。一些是針對復(fù)雜查詢處理進(jìn)行優(yōu)化，而其他的則并非如此。并且在許多大數(shù)據(jù)應(yīng)用程序中，相較于事務(wù)系統(tǒng)，由于添加了非結(jié)構(gòu)化數(shù)據(jù)還有數(shù)據(jù)的創(chuàng)建和收集增速迅猛，用Hadoop和NoSQL技術(shù)增強數(shù)據(jù)倉庫就成為必要。對于一個希望獲取并分析大數(shù)據(jù)的組織來說，光有存儲容量是不夠的；而重要的部分在于將數(shù)據(jù)置于何處才是佳的，這樣數(shù)據(jù)就可以轉(zhuǎn)化為有用信息并為數(shù)據(jù)科學(xué)家和其他用戶所利用。在對被分析的項目總體掌握的基礎(chǔ)上，根據(jù)被分析項目特點，通過具體的趨勢分析、對比分析等手段，合理的確定分析的重點，協(xié)助分析人員作出正確的項目分析決策，調(diào)整人力物力等資源達(dá)到好的狀態(tài)。

 這個時候如果你按照這個階段的財務(wù)數(shù)據(jù)進(jìn)行估值，對它的市場發(fā)展趨勢就是缺少遠(yuǎn)見的。要善于識別偽市場。真正的創(chuàng)新市場有很多偽市場投資泡沫帶來的市場也有很多偽市場。通常來講有一個顯著性的相關(guān)的指標(biāo)，這個指標(biāo)和資產(chǎn)估值有系數(shù)關(guān)系，通過兩三個指標(biāo)系數(shù)關(guān)系進(jìn)行校準(zhǔn)。行業(yè)市場因市場因素對公司資產(chǎn)價值估值有很多的調(diào)整。發(fā)達(dá)國家的做法是對項目的最終決策，一切以科學(xué)定量分析的項目數(shù)據(jù)為依據(jù)。判斷該公司進(jìn)入的是新興市場還是成熟市場。