四、我国城市大数据发展面临的问题和挑战
由于行政体制的不同，我国作为社会主义国家，对于重大工程尤其是“一把手工程”，往往能够集中力量办大事，办事效率之高令人叹服。但如果没有“一把手”的高度关心重视，甚至亲力亲为，受现行体制下部门利益的驱使，各部门往往职责不清、权责脱节、相互推诿，易将部门数据作为私有资源加以垄断占有，不愿实现数据的开放共享，管理方式落后，行政效率低下；同时，我国在数据隐私保护和开放共享方面还没有相应的法律法规，助长了部分政府部门的不作为和不担当。在欧美等数据开放程度较高的国家，他们有完备的法律作为保障，有清晰的数据分类，哪些数据是保密的，哪些数据是能够开放的，哪些数据是必须共享的，都有明确的说明，这就意味着对于国家要求开放的数据必须主动开放，否则就是违法。以上原因使得我国“信息孤岛”普遍存在，这将在一定程度上对我国的大数据发展产生负面影响。同时，城市大数据的有效应用对于城市的发展具有双轮驱动的作用，但当前主要关注大数据对于民生的提升，而对经济的发展的关注还有待加强。
当前，我国发展大数据挑战和机遇并存。随着从前几年的预期膨胀阶段、炒作阶段，到现在逐渐转入理性发展阶段、落地应用阶段，大数据在飞速发展过程中，也面临着不少问题和挑战。
（一）现有体制机制致使数据资源整合共享难度大
我国政务信息系统受制于早先垂直化自建、自管、自用模式的制约，加上整合机制的缺失，造成了目前不同区域不同部门信息系统相互独立、政务数据资源应用纵强横弱的局面，无法进行高效便捷的协同运作；而且有些部门受现行体制下利益分配关系驱使，将业务数据作为独家资源加以垄断，不愿实现政务数据共享开放。有数据显示，部委专网实现横向交互的信息比例不到0.1%（吕欣等，2013）。再加上，政务信息系统往往重建设轻运营，对数据更新和开发利用往往规划不足，导致数据更新的及时性、规范性无法得以保证。多头数据采集和管理，甚至部门内有些数据也未曾得到有效整合，更无从谈起部门间的比对与应用，导致同一类数据在不同部门、行业间的冲突和矛盾，缺乏实际使用价值，大数据开发利用缺乏基础。
（二）信息安全和开放共享标准法规体系亟待建立
信息安全和数据开放共享是大数据开发利用的两个重要前提。大数据发展既需要满足面向公众、服务社会的数据挖掘利用，又需要保护个体隐私和国家安全；既应提倡数据共享，又应防止数据被滥用。目前，我国保护信息安全的法律法规尚不完善，“数据割据”和“数据孤岛”的现象十分严重，没有建立起有效的信息安全和数据开放的平衡体系，难以提升用户对大数据服务的使用热情，也使得大数据的价值不能完全释放。数据泄露事件的频繁发生也极大地损伤了用户对使用数据产品的积极性。如2014年12月，我国铁路客户服务中心12306网站出现高危漏洞，导致大量个人隐私数据泄露。同时，由于缺乏数据交换、交易、共享和开放的相关标准和规范，导致在对某一信息资源是否适合公开、是否涉密进行界定时，部门间标准不一，定密范围不准，在无法预计信息公开会造成什么后果的情况下，不敢将信息进行开放，造成大量的沉淀数据无法面向社会、公众开放，也就无法挖掘更多的大数据价值，帮助经济增长和技术创新。
（三）技术创新滞后阻碍大数据发展进程
大数据数据类型庞杂多样，存在难以有效集成与管理、难以自动化处理与分析的问题，对信息系统的数据处理和挖掘能力提出了巨大挑战，需要新技术将庞杂无序的数据进行清洗、分析和集成，变成有用的信息。目前，我国这方面技术的基础还非常薄弱，若不尽快加强攻关、实现突破，就会丧失大数据时代的发展主动权。在如何有效利用新技术，通过数据分析来支撑政府决策，提升企业竞争力方面，我国与国外相比，还有较大差距。随着我国企业信息化系统的深入部署和逐步完善，大数据技术创新和应用能力所引发的商业模式的改变，将直接影响我国产业和企业的竞争能力。
（四）商业模式不清晰影响大数据可持续发展
目前，大数据产业仍缺乏有效运营的商业模式。如何捕捉、存储、整合、管理和分析海量数据，让大数据与制造业、信息服务业、智能城市等领域深度融合，形成基于大数据生命周期和基于服务对象扩展的大数据产业发展模式，真正实现从小数据的服务到大数据的服务转变，从数据搜索服务等低层次服务向数据挖掘服务等高层次大数据服务转变，实现大数据的商业价值，目前并不是特别明朗。
（五）人才供应不足制约大数据发展
与信息技术其他细分领域人才相比，大数据发展对人才的复合型能力要求更高，需要掌握计算机软件技术，并具备数学、统计学等方面知识以及应用领域的专业知识。目前，我国可承担分析和挖掘的复合型人才、高端数据科学家以及管理人才的缺口很大。
（六）大数据集中管理对IT运维提出新要求
Gartner指出：随着IT网络的不断变化，IT运维管理呈现六大趋势，其中对大数据的管理居于首位（亮亮，2014）。当前，大数据正在从专注于个别项目向对企业战略信息架构的影响上转移，对大容量、多类型、高速度和复杂性的应对处理，正迫使许多传统方法需要发生改变，也为企业内部和运维产品提供商带来前所未有的难题。大数据时代，随着企业IT架构的不断扩展，服务器、存储设备的数量越来越多，网络也变得更加复杂，从而给运维工作带来了巨大的挑战，特别是分支机构众多的大型企业或垂直层级较多的政府单位，为了保障良好的用户体验和数据时效性，运维工作显得十分艰巨。