[[106663]]

2012年“大數據”的發展如火如荼，然而本文的作者，數據分析公司SiSense副總裁Bruno Aziza卻認為并不是每個人都需要大數據。

“大數據”無處不在。從社交媒體初創公司到紐約的中央公園，每個公司似乎都在部署大數據分析。

著名數據分析公司Gartner的數據似乎也在證明這一點：最近的一份報告顯示，大數據將帶動2012年全球280億美元的IT支出，到2016年這個數字將超過2300億美元。2300億美元幾乎是葡萄牙全年的國內生產總值。

但是，你需要花大價錢來部署大數據技術解決方案。大多數公司都沒有這么多IT預算，也請不起數據科學家或者數據分析團隊。

如果那些提供大數據服務的公司想為各種規模的企業提供服務，那么有幾個問題必須認識到并加以解決。

大數據太貴了!

您可能聽說過那些使用大數據的輝煌案例：Facebook每天要存儲大約100TB的用戶數據;NASA每天要處理約24TB的數據。這些數字確實令人印象深刻。

那么處理這些數據所需的成本是多少呢?按照亞馬遜Redshift的定價，NASA需要為45天數據存儲服務支付超過100萬美元。

根據最近的一項調查，大多數企業的CIO稱他們的預算支付不起大數據部署的成本。數據存儲和處理的成本實在太高，我們需要尋求其他的解決方案，讓規模較小的公司不被“大數據”拒之門外。

大數據的關鍵不是“大”

目前全球最大的科技公司都需要和PB級規模的數據打交道。然而，SAP的研究表明，95%的企業通常只需要使用0.5TB到40TB的數據。

Facebook和NASA的例子是個例外，而不是常態。事實是，處理數據并不是大公司的專利。如果你研究一下美國公司的規模，你會發現有超過50000家公司只有20至500名員工，其中大部分都有解決數據問題的需求。所以大數據市場最大的需求并不是來自那些《財富》50強的大企業，而是來自《財富》500000強。為什么我們只關注那些少數的例外，而忽視了那些大多數有數據處理需求，但既不是《財富》50強也沒有PB級規模數據的公司?

有時候我在想，如果我們改變了大數據的定義會發生什么?通常人們用3V(velocity，volume，variety)來描述大數據，我們不妨換一個說法：“大數據是一種主觀狀態，它描述的是一個公司的基礎架構無法滿足其數據處理需求時的情形。”

這個定義可能沒有那么光鮮，但它肯定會更接近今天的現實。