“大数据”无处不在。从社交媒体初创公司到纽约的中央公园，每个公司似乎都在部署大数据分析。

　　著名数据分析公司Gartner的数据似乎也在证明这一点：最近的一份报告显示，大数据将带动2012年全球280亿美元的IT支出，到2016年这个数字将超过2300亿美元。2300亿美元几乎是葡萄牙全年的国内生产总值。

　　但是，你需要花大价钱来部署大数据技术解决方案。大多数公司都没有这么多IT预算，也请不起数据科学家或者数据分析团队。

　　如果那些提供大数据服务的公司想为各种规模的企业提供服务，那么有几个问题必须认识到并加以解决。

　　大数据太贵了！

　　您可能听说过那些使用大数据的辉煌案例：Facebook每天要存储大约100TB的用户数据；NASA每天要处理约24TB的数据。这些数字确实令人印象深刻。

　　那么处理这些数据所需的成本是多少呢？按照亚马逊Redshift的定价，NASA需要为45天数据存储服务支付超过100万美元。

　　根据最近的一项调查，大多数企业的CIO称他们的预算支付不起大数据部署的成本。数据存储和处理的成本实在太高，我们需要寻求其他的解决方案，让规模较小的公司不被“大数据”拒之门外。

　　大数据的关键不是“大”

　　目前全球最大的科技公司都需要和PB级规模的数据打交道。然而，SAP的研究表明，95%的企业通常只需要使用0.5TB到40TB的数据。

　　Facebook和NASA的例子是个例外，而不是常态。事实是，处理数据并不是大公司的专利。如果你研究一下美国公司的规模，你会发现有超过50000家公司只有20至500名员工，其中大部分都有解决数据问题的需求。所以大数据市场最大的需求并不是来自那些《财富》50强的大企业，而是来自《财富》500000强。为什么我们只关注那些少数的例外，而忽视了那些大多数有数据处理需求，但既不是《财富》50强也没有PB级规模数据的公司？

　　有时候我在想，如果我们改变了大数据的定义会发生什么？通常人们用3V（velocity，volume，variety）来描述大数据，我们不妨换一个说法：“大数据是一种主观状态，它描述的是一个公司的基础架构无法满足其数据处理需求时的情形。”

　　这个定义可能没有那么光鲜，但它肯定会更接近今天的现实。