如今的資料具有多種多樣的形式，而且來自許多不同的資料來源。更為重要的是，除非有需要的那些人易於獲得大資料，除非能迅速獲得洞察力，否則大資料分析工具的用處並不是很大。那麼大資料分析會遇到怎樣的難題？

1．很難獲得使用者操作行為完整日誌。現階段資料分析以統計為主，如使用者量、使用時間點時長和使用頻率等。一是需要識別使用者，二是記錄行為容易引起程式執行速度，三是開發成本較高。

3．短期內可能難以發揮作用。資料分析需要不斷的試錯，很難在短期內證明方法的有效性，可能難以獲得其他角色的支援。

4．將分析轉化為有指導意義的結論或者設計。看過某應用的近四十個設定項的使用比例，修改面板使用率較高，而個別選項使用率不到0．1％，依次資料可以調整設定項的層級關係，重要的選項放置到一級強調顯示，低於5％的可以放置二三級。功能使用率的分析是比較容易的切入點。

5．明確使用者操作目的。功能對於使用者而言，使用率不是越高越好。增加達到的目標的途徑，使用者思考成本增加，操作次數會增加，比如搜尋。在應用中使用搜索可能說明使用者沒有透過瀏覽找到想要的內容，如果使用者搜尋熱門內容，說明應用展示資訊的方式出現問題。

6．考慮到運營需求。之前做過的工具型應用，設計的核心指標是提高操作效率，減少點選次數、等待時間和手指位移等，最快的時間完成操作。而一些瀏覽型產品使用者的目的並不明確，大致有瀏覽、查詢、對比和確定目標等四類使用者行為，需要相容使用者目標不明確情況下操作，引導使用者選擇的同時還要在過程中展現更多的內容，刺激使用者點選。