现有的企业内部数据平台中，可能存在多个面向批处理和交互式分析的数据湖和数据仓库，需要配合其他丰富的组件来构建完整的数据处理流程。这些组件数量多，需要一个庞大的团队进行维护。使用这样的数据平台也非常复杂，需要掌握多个工具、平台和技术，难以进行统一的管理和使用。

在当前的企业内部数据平台中，存在大量平行的数据系统，导致同一份数据有可能会被多个组件存储多次，造成存储上的浪费。此外，数据具有冷热之分，历史数据虽然很重要，但不一定会被频繁地使用。这种强耦合的设计，导致系统扩容带来了相当大的资源浪费。

当前的企业内部数据平台系统更加注重可扩展性，而非单节点性能极致。由于组件众多且数据链路长，数据处理的延迟也较高。然而，随着在线数据应用越来越多地出现，急需新的数据分析和报表服务，这些服务需要更高的并发性能和更低的延迟。

由于不同系统配合衔接的复杂性，数据平台引入新功能变得极为困难。技术架构限制了企业的应对能力，难以应对灵活的业务需求和变化。同时，云上和私有化部署之间的兼容性也相对较低，导致开放性不足。