而且，现在的数据公司也在以此进行更进一步的研发，予以企业更多灵活性，无论他们采用了怎样的技术，让企业能够在数据产生的见解中获得自己所需的信息，得到关键解决方案，借此提升企业业务。
在Hadoop中，通过执行分析本地内部集群、完全集成的YARN和YARN资源管理器等得出数据结果，而这些投入和使用也是企业为Hadoop提供了这么多基础设施后实现其价值的重要一步。
工具都在，结果却不同
AWS做过一个实验，他们只给企业提供一个分析环境和先进的分析技术，然后给企业一定的资本和时间让企业自己进行分析。结果，企业得到了很多个结果，他们在数据之中所获取的回报也不尽相同。
在本质意义是来讲，工具是连接了数据分析师和大数据的存在。而事实上，大多数的开源软件中，先进的分析软件包在设计时并没有考虑到业务分析师。他们所访问的数据超出了简单的商业智能和报表使用的范围，让他们的工作变的更难。
敏捷性与易用性
目前有很多的工具已经适用于Hadoop，但是他们并不是专门设计用来在Hadoop中运行的，而是优胜劣汰中生存下来的软件。这些工具往往需要将数据提取到另一个专用的平台中，使得分析工作规模变大，难度上升。
这一问题的解决需要新的方法更为简化，分析更先进，能够很好的适应于Hadoop环境中运行，让分析师在扩展SQL指令中进行更有价值的任务，获得更精准的分析结果和信息。
敏捷易用的工具，可暂缓人才难
例如，他们可以进行路径分析，了解客户的动态、转换，或者进行图形分析，进一步揭示对用户的影响因素。而机器学习可通过传感器数据来预测未来情况，投资的成败。事实上，在很多先进的分析工具帮助下，Hadoop数据直接进行分析也并非遥不可及。
以AWS为例，他们为用户提供了快速配置解析沙箱给企业，提供预编译的SQL分析加和随时代发展的模型，帮助企业提供分析结果。只要分析师需要，他们可以采用多个流派分析方法获得大量数据的分析结果，获得了巨大的敏捷性。
另一方面，由于数据存储在Hadoop和云中，这些新的功能为企业提供了一个在移动端提高企业业务的方法。而没有新的硬件、设置和基础设施的增加，企业的成本并不会有更高的提升，业务却可以得到大幅上涨。
因此，我们不难看出，人才缺乏诚然会对企业的发展有一定影响，但是工具和技术的进步也是解决这一问题的关键。在这个发展的时代，没有什么问题是会被一条路堵死的。
