越来越多的企业开始重视对大数据的分析与利用。据贝恩咨询公司的一份全球调研报告显示，在其调研的超过400家年营业额高于5亿美元的企业中，有大约60%的企业正积极在大数据方面进行投资，以期获取企业发展的新动力。大数据已经从高端化、差异化的决策工具，渐渐演化为各企业常规化的决策工具。
同时，人们对于大数据价值的看法也在发生转变。在大数据研究的早期，极端乐观的态度是当时的主流，但近年来，这类观点开始受到反思与质疑。“如果对大数据解读得过度，实际上就是滥用数据”。研究大数据，诚然可以让企业更好地发现数据背后的商机，但是，把大数据运用到商业决策也存在不少局限。
以舍恩伯格之见，大数据用于商业决策存在以下三大难点。
难点一：只分析相关关系，导致商业决策出现盲区。
科研领域的很多统计和分析方法未必适合信息时代的商业领域，舍恩伯格说：“很多人把数据间的相关关系看成是因果关系，这有可能造成对大数据的过度解读。”美国旧金山游戏公司Zynga的兴衰，正是这样一个例证。
Zynga公司的联合创始人马克·平卡斯（Mark Pincus）非常笃信大数据的力量。他在公司创立之初就搭建了一套完整的数据分析系统，并组建了以谷歌公司数据分析专家领衔的大数据团队。Zynga公司在数据仓库、A/B测试工具和大数据分析方法上的领先，使其较其他游戏公司而言，可以更快按用户反馈意见调整各类决策和设置。比如，游戏中的草地到底是设为红色还是绿色，Zynga公司管理层不做决策，而是同时设置红绿两套颜色方案，哪一边用户付费程度高，Zynga公司就迅速把草地定调为哪种颜色。这样的优势，也确实让Zynga公司在草创时期获益良多，其最热门的一款游戏《Farm Ville》曾创下月活跃用户8300万的纪录。
但时间一长，这套体系的弊端也渐渐浮现。这种完全按当前用户喜好决策的模式，或许能分析游戏何以畅销的相关因素，但无法分析游戏何以畅销的因果因素。这使得Zynga公司的新游戏产品持续产生同质化迭代。公司上下从领导层到各部门员工，关注游戏商业模式创新者日益减少。而在竞争激烈、变化速度极快的游戏行业，失去创新精神就意味着全面落后。随着Supercell公司、King公司等对手不断推出创新型游戏，Zynga公司也在市值蒸发逾100亿美元后，逐渐淡出主流游戏公司阵营。
当前，商业环境的多变，令企业在做商业决策时更像是在面临一个充满突变的混沌系统。此时，基于陈旧数据、基于相关关系分析得出的结论，哪怕分析过程中数据量再大、分析方法再繁复，也难保企业不走进决策的盲区。
难点二：完整的大数据难以被企业获取。
所谓“大数据”，指的是总量的全体数据。但囿于人类在数据采集、存储与处理等方面的种种客观限制，要获得这样的数据往往难度巨大。
一方面，完整大数据的采集非常困难。舍恩伯格表示：“大数据应用通常分为三个步骤：第一步是搜集数据，第二步是分析数据，第三步是根据数据分析结果做出决策。其中，对很多公司而言，最难的一点就是搜集数据。”
另一方面，随着数据规模变得越来越庞大，企业的大数据存储与处理能力也在不断受到挑战。在传统介质存储数据已愈发不现实的今天，商业数据的存储往往更依赖云储存等方式。这样一来，企业在添置云服务及Hadoop分布计算平台等方面的预算，将是一笔不小支出。另外，由于完整的、结构化的数据难以获取，大数据在很大程度上存在着非结构化的特征。例如，舍恩伯格就在《大数据时代》一书中有写道，“只有5%的数字数据是结构化的且能适用于传统数据库”。可见，企业在采用智能分析、图像识别等一系列先进算法来使大数据结构化时，将面临高额花费。一旦企业的相关投入跟不上，其所获得的大数据就难言完整。
并不足够完整的大数据，不仅不能为企业决策提供帮助，反而可能起到误导的作用。在影视行业，就发生过试图利用大数据预测影片票房，结果却与实际票房差距甚远的事例。比如，爱梦娱乐公司就曾利用其大数据建模，为电影《后会无期》推算了影片总票房收入，其推算结果为4.3亿到4.8亿元。而该影片的实际票房则突破了6.2亿元。这样的推算结果，显然难以帮助影业公司在产品宣传、渠道建设等方面进行理性决策。事实上，爱奇艺公司CEO龚宇也曾表示，百度和爱奇艺也有相关的大数据，但因为在这些搜集到的数据中仍有涉及不到的因素，所以这类预测的准确率不算太高。由此可见，只要大数据中仍存在遗漏和偏差，其对企业潜在的误导可能性就不容忽视。
