如果企業希望在云計算的新平臺上實現數據倉庫和數據集市的現代化，那么請注意，這并不像人們想象的那么容易。
在企業的數據倉庫和數據集市中，他們的數據通常太舊，處理過于繁瑣，而且成本太高。
當今基于云計算的數據分析有能力實時處理，數據庫能夠以“需求速度”運行，甚至小型企業也可以將數據分析處理與最新的新興技術結合在一起，例如機器學習和預測算法。
但事實證明，基于云計算的數據分析的路徑比許多企業預計的要漫長而艱難。因此，隨著IT遇到成本超支，技術無法達到預期，以及數據龐大的數據證明存在等問題，企業的業務就開始出現問題。這是為什么。
首先，從企業向公共云傳輸數據比預期的更麻煩，而且由于工作的大部分人工處理性質而加劇。AWS、Google、Microsoft和其他公司都有自己的技術，比如AWS的Snowball。然而，即使使用這些工具，通過流程來移動數PB字節的數據也是非常棘手的，至少可以這么說。
其次，數據集成仍然是云計算面臨的一個問題。遷移數據并不會奇跡般地解決企業的集成挑戰。此外，記錄系統可能仍然保留在內部部署的數據中心中，因此需要及時與云中現在存儲的數據同步以獲得最新結果。這意味著要結合使用新舊數據集成技術，并建立包括數據移動和結構轉換的流程。
最后，基于云的分析數據庫本身很復雜且難以配置。其中一些復雜性是由于數據庫中的安全子系統造成的。這些都是必要的，但必須在數據庫和數據分析的背景下弄清楚。數據分析系統的其他系統（無論是在云中還是在內部部署的數據中心）都必須具有系統安全性，這可能意味著大多數其他需要實時分析的操作系統。
雖然這些云計算分析的挑戰都可以克服，但IT部門應該了解，當它認為（或者更有可能被告知）它將是一半時，其努力水平實際上可能是百分之百。
因此，企業需要為項目準備時間更長，預算更快耗盡，以及由于這些問題導致的未能上升的情況做好準備。
