Errori software o umani. L'errore umano negli aggiornamenti software durante l'esecuzione di operazioni sui dati Hadoop può dare luogo a comportamenti errati che possono determinare risultati imprevisti dal lavoro. In tal caso, dobbiamo proteggere i dati per evitare errori o risultati irragionevoli. Ad esempio, a seguito di un aggiornamento software eseguito male in un'applicazione di analisi dei segnali stradali, una nuova funzionalità non riesce ad analizzare correttamente i dati dei segnali stradali in formato testo normale. Il software analizza ancora JSON e altri formati di file non di testo, con il risultato che il sistema di analisi del controllo del traffico in tempo reale produce risultati di previsione in cui mancano punti dati. Questa situazione può causare errori di output che potrebbero causare incidenti ai semafori. La protezione dei dati può risolvere questo problema offrendo la possibilità di ripristinare rapidamente la versione precedente dell'applicazione funzionante.

Dimensioni e scala. La dimensione dei dati analitici aumenta di giorno in giorno a causa del numero sempre crescente di fonti di dati e del loro volume. I social media, le app mobili, l'analisi dei dati e le piattaforme di cloud computing sono le principali fonti di dati nell'attuale mercato dei big data, che è in rapida crescita e pertanto i dati devono essere protetti per garantire operazioni accurate.

Protezione dati nativa di Hadoop. Hadoop ha un comando nativo per proteggere i dati, ma questo comando non garantisce la coerenza dei dati durante il backup. Supporta solo il backup a livello di directory. Gli snapshot creati da Hadoop sono di sola lettura e non possono essere utilizzati per riutilizzare direttamente i dati di backup.