人是習慣的動物
人是「理所當然」（Take for Granted）的動物，習慣於既有的模式以及做事情的方式。今日成功的商業模式、行為模式，往往都是在過去時空背景下所發展出來的最佳案例（Best Practice）。面對「範式轉移」，人們卻往往習慣於既有的模式以及做事情的方式。然而當昔日的假設前提都已經改變了，昔日的最佳案例變成習以為常的包袱時，人們常常不自知，做事情的方式沒有跟著調整，企業運作模式也沒有跟著改變，後知後覺，改變的速度沒有跟上科技發展與進步的速度。
面對源源不絕、持續積累的「活數據」，傳統的數據工作者去常不知水深，從一萬筆、十萬筆、一百萬筆、一千萬筆、一億筆、十億筆到一百億筆的「活數據」，不同的處理階段代表著不同的問題。專家們習以為常的包袱越重，越是習慣於昔日處理數據的模式：需要數據分析時才耗時耗力的下載數據，批次處理，而以當下的商業目標為導向用專案方式執行數據工作。
科技讓數據變的更活了，企業做事情需要跟著調整，運作模式要跟著改變。
數據與分析是兩碼子事
世界是活的，數據是反映世界的，所以數據是活的。企業內常存在一個現象：每個人都在等著數據被處理好，然後，分析數據，最後，每個人都認為自己是數據專家，了解數據。卻不知道活數據的處理與分析是兩碼事，是需要不同的專業。
分析是有成就感的事，因為可以看得到成果；反之，數據處理卻是吃力不討好的事。當數據分析協助完成一個決策時，老闆會稱讚分析師分析的好，可是不會想到稱讚工程師數據清理的好。由於活數據整理是件吃力不討好的工作，所以人們習慣去追尋分析的甜美成果，而不願意、也不喜歡去做整理數據的苦工。因此，活數據的處理與分析是很不同的，專業養成不同，工作內容是必須清楚切割的。
苦盡甘來 – 數據處理是苦的，分析結果是甘的。
供給與需求的鴻溝 – Gap between Business and Technology
活數據基礎建設與分析，常不知從何開始，不知要收集甚麼數據，處理甚麼數據。當企業主管要求從數據中尋找商機、發覺新的營運模式時，常碰到營運／業務人員（Business Users）「問」不對題，數據工作者又答非所問或是用錯誤或局部的數據來分析。雙方雞同鴨講（Gap），導致，數據分析師最怕聽到的一句話: 「你不說我都知道」。
數據的出題與解答是門學問，定義正確的問題、洞察問題背後的問題（QBQ = Question Behind Question），減少供給與需求的鴻溝，問對問題才能收集對的數據，找到對的答案。面對活數據基礎建設與分析，企業需要一套數據方法論來啟動。
