1.很难获得用户操作行为完整日志。现阶段数据分析以统计为主，如用户量、使用时间点时长和使用频率等。一是需要识别用户，二是记录行为容易引起程序运行速度，三是开发成本较高。
2.产品缺乏核心指标，这需要分析人员足够的了解产品。产品有了核心指标，拆分用户操作任务和目的，分析才会有目的，否则拿到一堆数据不知如何下手。比如讲输入法的核心指标设为每分钟输入频率，顺着这个目标可以分析出哪些因素正向影响(如按键容易点击)和反向影响(如模糊音、误点击和点击退格键的次数)核心指标。
3.短期内可能难以发挥作用。数据分析需要不断的试错，很难在短期内证明方法的有效性，可能难以获得其他角色的支持。
4.将分析转化为有指导意义的结论或者设计。看过某应用的近四十个设置项的使用比例，修改皮肤使用率较高，而个别选项使用率不到0.1%，依次数据可以调整设置项的层级关系，重要的选项放置到一级强调显示，低于5%的可以放置二三级。功能使用率的分析是比较容易的切入点。
5.明确用户操作目的。功能对于用户而言，使用率不是越高越好。增加达到的目标的途径，用户思考成本增加，操作次数会增加，比如搜索。在应用中使用搜索可能说明用户没有通过浏览找到想要的内容，如果用户搜索热门内容，说明应用展示信息的方式出现问题。
关于大数据分析会遇到什么苦难，青藤小编就和您分享到这里了。如果你对大数据工程有浓厚的兴趣，希望这篇文章能够对你有所帮助。如果您还想了解更多数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。