软件工程与大数据是两个不同的领域，它们各自具有独特的挑战性。在比较这两个领域时，我们需要从多个角度来分析。
1. 技术难度：软件工程通常涉及软件开发的整个生命周期，包括需求分析、设计、编码、测试和维护等阶段。这些阶段都需要深入的技术知识和实践经验。而大数据则涉及到海量数据的存储、处理和分析，需要掌握分布式计算、数据挖掘、机器学习等先进技术。因此，从技术难度来看，大数据领域可能更具挑战性。
2. 创新速度：软件工程领域的创新速度相对较快，因为市场需求和技术发展迅速。企业和个人需要不断学习新技术，以适应不断变化的市场环境。而大数据领域则需要持续探索新的数据处理和分析方法，以应对日益增长的数据量和多样化的数据类型。因此，从创新速度来看，大数据领域可能更具挑战性。
3. 跨学科融合：软件工程与大数据领域都需要与其他学科进行交叉融合。例如，软件工程需要与计算机科学、数学、统计学等学科相结合，以解决复杂的问题。而大数据则需要与统计学、数据科学、人工智能等学科相结合，以实现高效的数据处理和分析。因此，从跨学科融合的角度来看，大数据领域可能更具挑战性。
4. 资源投入：软件工程和大数据领域都需要大量的资源投入，包括人力、物力和财力。软件工程领域的项目通常需要较长的开发周期，且需要多人协作完成。而大数据项目则需要大量的硬件设备和服务器，以及专业的数据分析工具。因此，从资源投入的角度来看，大数据领域可能更具挑战性。
5. 社会影响：软件工程和大数据领域对社会的影响也有所不同。软件工程主要关注软件产品的开发和应用，对个人和企业的生活和工作产生直接影响。而大数据则关注数据的收集、存储和分析，对经济、社会和科技的发展产生深远影响。因此，从社会影响的角度来看，软件工程领域可能更具挑战性。
综上所述，软件工程与大数据领域各有其特点和挑战。软件工程领域需要深入的技术知识和实践经验，创新速度较快，跨学科融合程度较高，资源投入较大，而社会影响也较为直接。而大数据领域则需要掌握分布式计算、数据挖掘、机器学习等先进技术，创新速度较慢，跨学科融合程度较高，资源投入较大，但社会影响更为广泛和深远。因此，无法简单地判断哪个领域更具挑战性，而是取决于具体的应用场景和个人兴趣。
