伴随着大数据的来临和应用的不断增长，新的问题将会出现。由于传统的IT设施在当初设计的时候，没有考虑到大数据的情形，瓶颈问题将变得更加普遍，尤其是在存储一端，问题更加明显。

数据分析是体现企业业务数据价值的前提，对于大数据也是如此。只是，相对传统的结构化数据，大数据通常意味着更大的数据量，同时其可利用价值(或者性价比)要低一些，这就决定了大数据的分析和处理方法提出了更好的要求。

但如何利用这些数据背后所承载的价值是目前业界思考的热切话题以及接下来需要面对的大数据挑战。

首先大数据的出现催生出产业人才缺口瓶颈，在大数据项目的实施方面，被调查公司普遍缺乏相关的技术能力。75%以上的公司表示在人员和培训方面存在障碍，会开源大数据技术Hadoop的人才很热门，但是比较难找而且昂贵。其它技术方面的挑战还包括实时数据的处理、大数据与传统的BI和数据仓库工具的整合、数据的安全性等。

其次是商业模式问题，一个产业获得良性发展，需要好的商业模式加以驱动才能持续发展，有业内专家表示不同行业数据需用不同的商业模式加以驱动，落地之前还需要细化与深化，特别是具体的行业应用，也有人认为，想清楚商业模式，价值才有根基，有了商业模式，大数据模型、算法也有了方向。就如啤酒与尿布，发现这个规律，数据价值方向也就彰显端倪。

有数据显示：在拥有高效节能的数据中心的IT企业中，有21%的企业能够推出较以往多出50%的新计划和创新项目。正是这样的现实，让高效节能的数据中心成为造福IT界可持续发展的重要利器，而未来IT企业在数据中心上的竞争也将愈来愈激烈。