首先，金融業(yè)的企業(yè)文化還沒有改變過來。用產業(yè)興衰的基因論來衡量，當上一波產業(yè)浪潮的獲勝者被鞏固以后，會不斷地固化他的企業(yè)文化、思維模式、運營架構，這些基因不代表他在下一波產業(yè)浪潮中能獲勝，所以很多銀行是安于現(xiàn)有組織架構和組織流程，對那些新生的創(chuàng)新性的事物有一個文化上天然的排斥感。
“所以當大家說金融業(yè)應用大數據應該是最好的領域時，我卻在不同場合都會講：我們的小數據還沒用好，對大數據，在文化上有一種排斥感。”王玉海說。
第二就是成本和管理因素。不管從人還是從實際硬件，從數據結構還是數據源，金融行業(yè)還都是傳統(tǒng)意義上的管理模式。大數據是基于生命周期的數據管理，但目前的金融業(yè)還是割裂的、碎片化的管理。尤其傳統(tǒng)分析方法已經不適合大數據碎片式、非結構性的數據，像影像、圖片、音頻大家都是覺得這個很美好，但是一旦接觸它的話發(fā)覺很棘手。怎么樣把非結構性的傳統(tǒng)方法用于大數據管理？實際上從軟件、硬件、基礎設施上來看都沒有完全成熟，成本更高了?，F(xiàn)在傳統(tǒng)銀行每一個部門有傳統(tǒng)的成熟的成本控制，銀行不敢冒險投入很多的財力、人力來開發(fā)不能肯定回報的新的方法，這是管理和成本的制約。
第三是技術的挑戰(zhàn)。傳統(tǒng)的數據庫都是事務型的而不是分析型的，我們都習慣于從原數據抓過來，從文本文件變成一個數據倉庫，但是事務型數據庫把分析和倉庫割裂起來?，F(xiàn)在，基于過去的這種分析需求是沒有問題的，但是要應用到快速數據使用、需要快速結果的時候就無能為力了，所以一些審批要經過數天數周，因為在數據庫里面不能實時進行創(chuàng)造性的分析。因此，從技術層面講，需要更大的儲存和更強的技術能力，也就是云計算和Hadoop。
第四就是人才的挑戰(zhàn)，其實大數據應用不僅僅是需要一些計算機行業(yè)的、數學行業(yè)的人才，它更需要的是對傳統(tǒng)的金融領域及其未來發(fā)展更了解、更熟悉，同時又有能力進行數據搭建儲存和分析，這些人才目前非常稀缺，雖然每年有大量的統(tǒng)計學、金融學的大學畢業(yè)生，但是他們是割裂的，很多人都是偏才。
