如果企业希望在云计算的新平台上实现数据仓库和数据集市的现代化，那么请注意，这并不像人们想象的那么容易。

在企业的数据仓库和数据集市中，他们的数据通常太旧，处理过于繁琐，而且成本太高。

当今基于云计算的数据分析有能力实时处理，数据库能够以“需求速度”运行，甚至小型企业也可以将数据分析处理与最新的新兴技术结合在一起，例如机器学习和预测算法。

但事实证明，基于云计算的数据分析的路径比许多企业预计的要漫长而艰难。因此，随着IT遇到成本超支，技术无法达到预期，以及数据庞大的数据证明存在等问题，企业的业务就开始出现问题。这是为什么。

首先，从企业向公共云传输数据比预期的更麻烦，而且由于工作的大部分人工处理性质而加剧。AWS、Google、Microsoft和其他公司都有自己的技术，比如AWS的Snowball。然而，即使使用这些工具，通过流程来移动数PB字节的数据也是非常棘手的，至少可以这么说。

其次，数据集成仍然是云计算面临的一个问题。迁移数据并不会奇迹般地解决企业的集成挑战。此外，记录系统可能仍然保留在内部部署的数据中心中，因此需要及时与云中现在存储的数据同步以获得最新结果。这意味着要结合使用新旧数据集成技术，并建立包括数据移动和结构转换的流程。

最后，基于云的分析数据库本身很复杂且难以配置。其中一些复杂性是由于数据库中的安全子系统造成的。这些都是必要的，但必须在数据库和数据分析的背景下弄清楚。数据分析系统的其他系统（无论是在云中还是在内部部署的数据中心）都必须具有系统安全性，这可能意味着大多数其他需要实时分析的操作系统。

虽然这些云计算分析的挑战都可以克服，但IT部门应该了解，当它认为（或者更有可能被告知）它将是一半时，其努力水平实际上可能是百分之百。

因此，企业需要为项目准备时间更长，预算更快耗尽，以及由于这些问题导致的未能上升的情况做好准备。