對于很多企業來說，大數據意味著有權使用它們一直用的數據倉庫。數據倉庫已經并將繼續作為企業級組織的關鍵組成部分。
這樣的系統通過組織提供數據集合并且可以將數據分解并打包，使業務分析師能夠對業務狀況進行深入分析。
正是這種數據形式(經分析處理轉化為可操作的信息)，將被集成到數據中心，用于應用程序和基礎設施，作為輸入信息進入無數的系統和程序來進行近實時決策。
但是，數據倉庫的設計并不是為了這些形式的大量的集成和訪問量，也不是為了各種各樣的協助處理數據的商業智能系統。
有時候大量的輸入數據會使支持系統崩潰，加上那些大量的試圖訪問精確數據的系統，這樣的應用程序不大可能支撐住如此大的壓力。
如果企業中的大數據成為用來發展業務和操作的成功平臺，那么必須將它視為一個更重要的數據中心資產。這一途徑需要長時間艱苦的努力進行基礎設施和體系結構的建設，以保證對該系統的訪問并且可以擴展以滿足更多需要。
與用在面向公眾的應用程序一樣的體系結構，我們幾乎肯定會用于實現模型中，該模型中大數據可以像傳統使用一樣(每天甚至每周)以及接近實時。這是我們期待的下一代數據中心模型的發展方向，也是最有價值的地方。
數據檢索堵塞
可靠性是最重要的，尤其是涉及基礎設施的地方。基礎設施和應用服務的整合經常會出現障礙，這會導致系統在實時檢索數據時需要進行等待。它就是不能連續處理，直到該進程完成或者以其他方式成功。
當服務運行良好的時候，堵塞不再是什么問題。數據幾乎可以立即重新獲取，并繼續進行處理。但是當服務不堪重負時，對此依賴的系統將陷入等待響應。
這種延遲會影響數據供應鏈，從服務本身到相依系統以及最終的用戶，這些用戶不明白為什么系統會反應遲鈍，因為它深深隱藏在幾個體系架構層下，還沒有辦法通過系統及時通知他們。
因此，大數據系統的可靠性和性能是必須保證的。一個適當的設計架構，要聚焦可擴展性和內部關聯性，這是大數據驅動組織的特點。
今天所關注的投入體系結構的建設以實現可擴展性的路肯定需要很長的時間，才能使整個數據中心能夠廣泛的使用大數據。
