大数据分析挖掘面临的挑战包括以下几个方面：

1、数据量巨大

大数据通常涉及海量的数据，需要进行高效的处理和分析，这对数据处理技术和计算能力提出了更高的要求。

2、数据多样性

大数据包含多种类型的数据，如文本、图像、视频等，需要对不同的数据类型进行有效的处理和分析，这对数据处理技术和算法提出了更高的要求。

3、数据质量

由于数据来源和采集方式的多样性，大数据中可能存在数据质量不高的情况，如数据不完整、数据重复等，这对数据预处理和数据清洗提出了更高的要求。

4、计算资源限制

大数据处理需要大量的计算资源，如CPU、内存、存储等，这对计算资源的配置和管理提出了更高的要求。

5、数据安全和隐私保护

大数据中包含大量的个人和企业信息，需要进行有效的数据安全和隐私保护，这需要对数据加密、访问控制等方面进行更加严格的控制和管理。

6、数据分析和挖掘技术的挑战

大数据分析和挖掘需要更加高效和智能的技术和方法，如机器学习、深度学习等，同时也需要更加灵活和可扩展的数据处理框架和工具，以满足不断变化的数据处理需求。

总之，大数据分析挖掘面临着多方面的挑战，需要更加高效、灵活、安全的技术和方法来处理和分析大数据，以获得更有价值的洞见和预测结果。