数据分析行业面临的挑战
1、在传统的中介市场下，其他行业各自占据行政支持领域，某些观念已经深入人心，数据分析行业在传统观念的壁垒中夹缝求生存。在新形势重新洗牌的时候，被切割的行政影响力的惯性作用的依旧存在，数据分析行业在传统观念充斥的领域有被视为和泊来物加以排斥的危险。
2、数据分析行业是一个跨学科的边缘科学行业，很多方法和模型的使用要借鉴其他行业学科的理论体系，发
项目股权投资价值分析及潜在收益论证报告
数据分析行业面临的挑战
1、在传统的中介市场下，其他行业各自占据行政支持领域，某些观念已经深入人心，数据分析行业在传统观念的壁垒中夹缝求生存。在新形势重新洗牌的时候，被切割的行政影响力的惯性作用的依旧存在，数据分析行业在传统观念充斥的领域有被视为和泊来物加以排斥的危险。
2、数据分析行业是一个跨学科的边缘科学行业，很多方法和模型的使用要借鉴其他行业学科的理论体系，发达在数据分析领域已经有了很多成熟、成功的研究方法及案例并可以加以推广，但在我国还处于探索阶段。
3、数据分析师的水平良莠不齐，数据分析师事务所的发展参差不齐。部分分析师们不结合事务所的实际，或是不深化分析水平、一味追求“短平快”的投资分析或投资评估业务，失去真正的研究能力；或是被“高大上”“神圣的”大数据分析业务的光环所惑，与其临渊羡鱼，不如退而结网，从适合初创阶段自身特点的基础数据分析业务入手，反而能步步为营，避免出现步履维艰的局。
项目数据分析构架需要权衡四大要素
Hadoop系统和NoSQL数据库已经成为管理大数据环境的重要工具。不过，在很多情况下，企业利用他们现有的数据仓库设施，或是一个新老混合的技术来对大数据流入他们的系统进行管理。
无论一个公司部署什么类型的大数据技术栈，有一些共通的因素必须加以考量,以保证为大数据分析工作提供一个有效的框架。在开始一个大数据项目之前，去审视项目所要承担的新数据需求的更大图景显得尤为关键。下面来让我们检视四个需要加以考量的因素。
数据准确性
数据质量问题对于BI和数据管理人士来说一定不陌生。很多BI和分析团队努力保证数据的有效性并说服业务使用人员去信任信息资产的准确性和可靠性。作为个性化分析库而得以广泛使用的电子表格或电子报表软件可以对数据中信任缺乏的问题加以弥补：在Excel中存储和操作分析数据的功能为支持自助分析能力创造了环境，但可能不会激发其他用户对结果的自信心。数据仓库与数据集成和数据质量工具一起，能够通过为管理BI和分析数据提供标准化流程来帮助树立信心。但是，由于不断增加的数据容量和更广泛多样的数据类型，特别是当涉及结构化和非结构化数据混合时，就会对一个大数据的实施增加难度系数。建立评估数据质量标准以及对它们进行升级以处理那些更大、更多样数据集，对于大数据实施的成功和分析框架的使用是至关重要的。
二、评估人员要充分关注到企业改善收入状况所采取的具体措施，比如人员补充、资金预算，宣传推广等配套措施规划情况，并根据以往的投入产出数据或行业的投入产出数据进行分析。
三、评估人员要对被评估企业的经营及盈利模式进行了充分分析，尤其是影视、游戏等TMT行业，并结合行业竞争状况、技术替代等因素，挖掘企业竞争力，以及判断该竞争力对持续盈利能力的支撑程度和可持续性，谨慎评估技术优势为企业带来超额收益的可持续性。
四、收入预测数据避免按照企业提供的乐观估计和未来愿景进行预测，评估人员要把握市场竞争或发展规律，将企业的经营规划放在行业发展中进行考量对比，找出被评估企业相对于市场的优势和劣势，以及优势的可持续程度和劣势的可控制程度，并通过数据对比的方式进行量化分析，判断收入预测是否合理。
（作者： 来源：）
