本節書摘來自華章出版社《企業大資料系統建構實戰：技術、架構、實施與應用》一 書中的第3章，第3.2節，作者：呂兆星 鄭傳峰 宋天龍 楊曉鵬，更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。
企業選擇大資料解決方案時，需要綜合企業外部環境、企業内部環境、需求規劃、解決方案特性和解決方案費用評估分析五個方面。
1.?行業情況
企業對于行業情況的分析，側重于全面掌握未來幾年或十幾年的發展預期，大資料解決方案對企業決策會産生重要的影響，其對行業情況的分析主要包括：
業務增長規模。不同的業務規模對大資料解決方案的要求也有差異。比如，每日200萬銷售額跟每日2億銷售額完全是兩個級别，後者則對大資料解決方案的整體架構、實時計算、批量查詢、線上聯機分析等能力要求較高。
預期業務布局。業務布局導緻的行業特性變化會影響大資料方案的組建，尤其對應到頂端應用層會增加對特定垂直行業的經驗要求。對大資料解決方案提供商而言，專注于特定行業意味着具有聚焦的技術和業務能力，也更利于為特定業務做出輔助決策或形成驅動效應。
市場角色地位。企業自身的市場地位不同，對應到大資料層面的市場戰略分析、競品分析的需求和關注點也不一樣，這就對大資料解決方案提出了更高的戰略性支援需求。
客戶分析。企業的目标客戶由自身的經營方向決定，目标客戶可能包括b端（b2b，企業對企業）、c端（b2c，企業對個人消費者）、g端（b2g，企業對政府）及其他模式組合。不同的客戶群體有各自特殊的分析方法和模組化應用方案，這對大資料挖掘、計算和應用層面提出了更有側重性的要求。
業務模式分析。不同的業務模式會産生不同的資料，并對資料的生産、加工、計算和分析産生不同的影響。比如，同樣是to c的業務模式，淘寶、百度、騰訊完全是三種不同類型的業務，淘寶側重于圍繞交易形成個人生态圈，百度側重于建立個人資訊的重組，而騰訊則連接配接了個人的社交以及圍繞社交的生活。這些模式要求解決方案具備特定的采集、分析、挖掘、計算和應用支援。
2.?競争對手
在企業選擇大資料解決方案時，往往存在一種選擇“慣性”——看看競争對手在用什麼，尤其是對行業領頭羊以及跟自身相近的競争對手這兩類對象的選擇更具參考價值。為什麼企業會非常重視競争對手的解決方案選型？有以下四個方面的原因：
規避風險的需要。很多大企業在做方案選型時的一個重要出發點是最大限度地降低項目失敗的風險，而競争對手的選擇會說明其他企業也有類似的案例，尤其是案例企業具有代表性，那麼則意味着大家都比較認可該解決方案。
經驗不足的參照。雖然在大資料實踐方面有各自的差異點，但同一行業中的不同公司在業務上是相似的。企業對于自身大資料的差異點與大資料解決方案的比對可能無法做出正确判斷，但基于業務的相似性，企業可以借助于競品選擇來幫助自身做出快速且相對正确的判斷。
增加方案的說服力。很多第三方服務商在做銷售推介時，一定都會有一部分是關于銷售和應用案例的。這些資訊在企業進行内部提案時，是一個非常有效的增加方案說服力并推進落地程序的要素。
可供學習的模式。在某些情況下，如果行業内很多企業都選擇同一個服務商，那麼該服務商的産品或服務模式會基于該行業形成垂直型解決方案，這些解決方案其實是對行業經驗的總結和共享。這有利于企業迅速了解該行業有關資料和業務的通用經驗，提高自身大資料項目的實踐能力和價值産出。
1.?業務現狀
企業内部進行業務現狀分析的主要目的是了解現有業務對資料工作的認知、保障和限制，然後作為資料選型的基本出發點。
資料工作文化
資料工作文化是企業文化的一種，不同工作文化下，企業員工對于資料的價值認知、分析水準、資料結果了解和資料應用會産生不同影響。資料工作文化良好的企業由于在大資料工作方面已然形成工作機制，并且具備較高的資料工作技能，是以能借助成熟的解決方案提高大資料價值産出，即使是面對複雜的大資料解決方案也能有效加以使用；反之，大資料價值很難通過企業的工作文化融合到業務營運中，資料價值很難顯現。資料解決方案的應用流程、應用場景、規範性要求、多部門配合機制、界面友好性、功能使用習慣、工具和文檔語言限制等需要與目前工作文化相比對。
團隊組織架構
我們在第2章中已經介紹了企業大資料工作的相關組織架構和職能體系。大資料工作的不同環節需要具備特定技能的人才來實作。如果企業缺少特定的角色群組織保障，那麼在選型中就需要注意這種缺失與方案落地實施的要求是否沖突。
資料工作能力
大資料工作不僅僅是技術部門和資料部門的事情，而且需要企業所有部門公同參與。不同部門的資料工作能力（例如資料了解、資料提取、資料應用、資料分析等）會影響大資料解決方案的選擇。通常，功能強大的大資料産品會提供較多的預置功能，另外也會提供靈活的自定義配置和部署能力，這些對于沒有太多資料工作能力的人員來講是一個非常大的挑戰。是以，工具能否被有效利用，需要綜合考慮現階段人員的基本資料技能，以及掌握預選方案需要技能的上手時間和難易程度，同時還要考慮服務提供商是否有完善的教育訓練、指導、應用和售後體系。
2.?資料現狀
資料現狀是對企業環境内可接觸到資料基本情況的調查分析，包括資料源環境、資料結構類型、資料量級、資料品質、資料成長。
資料源環境
對現有資料源環境的正确認知是大資料整合應用的基礎。資料環境的分析包括資料源的業務基礎分為幾個子產品、各個業務子產品和資料子產品間的互相關系、資料存放的位置以及資料庫（或資料檔案）基本限制、不同資料庫表和資料流轉的中繼資料規範以及資料字典等。其中對選型影響最大的是源資料系統、異構複雜程度、同步更新資訊、資料關聯項等，這會影響方案對資料源抽取、內建及後面所有的應用流程。
資料結構類型
大多數企業的資料都是以結構化的形式進行存儲，而在很多業務環境中也可能存在大量的非結構化和半結構化資料，例如機器日志、報批檔案、辦公檔案等。而某些情況下，業務資料既可能存儲在結構化資料庫中，也可能以半結構化甚至結構化的檔案存儲。對于這些資訊的了解利于在選型時有針對性地考察大資料解決方案在特定方面的處理和計算能力，例如如果企業有語音資料，那麼後期可能需要大資料解決方案能夠實作語音檔案抽取、存儲、解析，以及針對解析後内容的語義分析和挖掘等。
資料量級
不同的數量級下，對應到解決方案工具本身的抽取、存儲、處理和計算的能力要求也是不同的。同時，由于資料實時性的要求，在海量資料（例如pb、zb、eb等）下，對大資料平台實時計算的要求更高。是以，在選擇解決方案時，需要重點考慮工具對于海量資料在機關時間内的抽取、計算、模組化、輸出的能力以及實時性，并且考察當資料規模上來之後對系統壓力、備援性、安全性、并發性、響應性等的影響。
在企業資料量級的評估過程中，要綜合所有可用的資料源。企業内部資料包括三類：常見的資料源都是業務類資料，包含業務營運的各個方面，例如采購、生産、庫存、調配、物流、分銷、營銷、促銷、客服等；除了業務資料外，企業的職能資料是企業内部運轉的記載，包括人事、行政、檢查、管理、計劃、評審等職能線的資料；最後一類是來自于it本身的日志記錄，這是對it機房環境、寬帶網絡、裝置軟硬體等機器運作資料（例如性能、應用、事件、錯誤等）的綜合記載。綜合這三類資料才能構成企業内部的完整資料。但是，企業不隻有内部資料，還會通過多種途徑與上下遊産業鍊、管道商、合作商等進行資料交換、整合和交易等，這些也是需要進入到企業資料量級的考慮範疇内。
資料品質
資料品質本身影響的不僅是在選擇資料解決方案後的工作，更在選擇方案之前就會對方案提出一定要求。在不同的資料品質下，對資料的加工、轉換和處理要求是不同的。比如，對資料關聯項明确、完整性高、同步及時、準确率高等的資料，由于資料品質高對大資料工具的資料品質校驗和處理要求會降低；但如果資料品質較低，那麼會針對資料品質的各個方面形成較高的要求，比如，對資料完整性、一緻性、及時性、準确性等方面的資料校驗規則、資料品質度檢查、資料異常處理、資料血緣分析、資料異動影響、資料關聯分析等具有較高要求。
資料成長
随着企業的發展壯大，資料也在不斷成長。在評估解決方案時需要有針對性地評估資料伴随業務增長帶來的預期因素，尤其是資料量、資料種類、增長速度、資料計算需求、資料整合等方面。這些對解決方案的要求主要展現在産品的性能和功能擴充時的軟硬體低成本、簡易部署和運維、功能可定制開發、系統群組件的解耦、資料遷移成本等。
3.?制度要求
制度要求指的是企業對于所有營運工作的統一制度和規範。很多大型企業、國有企業、上市公司、外資公司等在這方面的表現明顯，甚至能成為大資料方案選型的決定性因素。制度要求在資料方面的限制包括資料安全、主導權問題、資料所有權問題等。
資料安全
資料安全是企業開展大資料工作的基本前提。企業對于資料安全的要求會在資料存儲環境、整合方法、關鍵字段加密、資料流通、人員工作環境等環節形成一定限制。比如，對很多傳統銀行來講，關鍵資料不能流出資料中心是制度性要求，這在客觀上要求資料方案要支援本地化或混合雲的部署。再如，很多企業對關鍵字段的保密性要求非常高，并且即使在企業内部也會根據資料的安全性進行分區存儲、處理和接入，這就要求整體解決方案中必須具備定制加密、分區隔離、流轉控制等方面的能力。
主導權問題
企業大資料項目的牽頭部門不同，那麼在協調全部資源進行需求調研、項目規劃、開發實施到最終傳遞的整個過程中都會有所偏重。比如，如果是業務部門（或偏業務類的部門）主導和推進，那麼會更重視上層模組化、分析、應用和落地的場景、模型等應用輸出價值點；而如果是it部門（或偏技術類部門）負責主導和推進，則對架構完整性、擴充靈活性、運維低成本、技術先進性、元件解耦性、系統相容性等方面更重視。兩種不同類型的業務體系在推進過程中的重視會影響最終方案的選擇傾向。是以，如果是企業級的大資料項目，在負責總體調控的核心小組中，應該通過對核心上司小組成員的組織結構、利益構成、知識組織、技能要求、經驗模式、行業配比等有效控制來降低這種偏向性選擇風險。
資料所有權
與資料所有權問題相關的解決方案模式是雲服務方案模式。在第三方雲服務模式下，資料采集、跟蹤和存儲都是在雲端進行的。此時，雲端的所有資料是否可以完全被企業所有，并且儲存到企業内部是很多重視資料所有權的企業關心的問題。這一問題不僅關系到資料安全，更關系到企業未來資料資産。是以，如果企業對資料所有權非常重視，那麼必須要選擇本地化或可以将雲端資料完全同步到本地的解決方案。
雲端資料同步到本地，常用的方法包括api、檔案下載下傳等，這些方式可能存在請求或下載下傳次數的限制，且不太适用于海量資料尤其是大檔案類傳輸，海量原始資料更多地會采用ftp的方式将資料檔案傳送到指定伺服器上。但對于海量資料而言，這種方式受制于發送端伺服器、接收端伺服器、網絡寬帶等的穩定性、傳輸效率的影響，經常會由于傳輸中斷、網絡不穩定、伺服器權限、發送服務問題等出現資料殘缺、損壞、不完全等問題。除了這些問題，海量原始資料以及處理後資料的傳輸實時性也是企業的關注點，很多雲服務提供商可以通過一定的方式對原始資料進行實時同步，但對于處理後的資料同步則會存在一定的延遲，這種延遲根據處理的複雜度和資料量級可能延遲到以“天”為機關的時間。
評價一個整體解決方案是否合适，在成本規模的制約下往往更側重于與需求的比對度，而非功能的全面性。根據企業發展階段以及資料工作文化的不同，企業的資料需求和規劃會存在很大差異，但總體上包括企業轉型需求、業務應用需求和技術工作需求三類。
1.?企業轉型需求
在企業發展的不同階段，尤其是增長面臨困境時，企業可能面臨着轉型的需求，轉型過程中可能涉及數字化營運、個性化服務、流程模式重構、組織結構重組等内容，此時需要大資料在各個方面發揮輔助決策甚至應用驅動作用，是否具備針對這些内容的聚焦點和解決方法，是考察大資料解決方案的側重點。
2.?業務應用需求
在資料應用端，應用大資料的對象包括企業自身、企業的目标客戶、企業的合作夥伴甚至整個行業。企業需要根據自身情況通過調研總結得出具體需求，并考察解決方案的滿足或偏差程度。如下是一些常見的業務性應用需求：
方案支援多少标簽以及打标簽的方法；
如何将已有的其他工具的資料計算或挖掘直接或遷移應用到現有平台；
方案具有哪些客戶生命周期模型并如何對客戶流失進行分析；
如何通過社會化媒體提取客戶聲量、口碑和滿意度；
如何通過靈活的自定義配置新增或減少特定資料的跟蹤采集，而減少對技術的依賴；
方案提供多少種資料挖掘模型；
方案支援哪些資料挖掘或機器學習庫，是否支援第三方開源工具如r、python等的算法庫；
是否允許對特定次元定義靈活的預警規則并監控觸發，是否可以将該過程自動化；
是否支援非代碼類的資料工作流？例如拖拽式工作方法；
方案中有哪些可應用到營銷領域的分析和挖掘模型，都能得到哪些結論；
如何通過方案和工具來規範資料工作流程，并逐漸建立資料工作文化；
方案是否可以基于文本字元串進行查詢檢索，例如在搜尋框中輸入“昨日有哪些業務線銷售額異常變化”能直接得到對應的業務線名稱、銷售額以及變化量等。
3.?技術工作需求
在技術端，企業關心的問題既包括整體方案和架構等宏觀的部分，又包括具體技術和開發細節的微觀部分。如下是一些常見的大資料解決方案的技術型需求：
如何對多個資料源進行統一标記和采集，形成具備可整合和分析價值的高品質資料；
如何實作多異構、複雜資料源的資料拉通和整合；
如何實作全景資料的共享及分發；
如何對多地、不同公司主體間的中繼資料進行統一管理；
如何基于現有系統進行改造和更新，尤其是低成本、低風險、快速、安全的改造政策和方法；
如何通過統一的平台針對不同業務部門提供個性化、可定制的資料分析、應用功能，并減少産品備援和降低二次開發成本；
如何兼顧技術平台的效率、性能、安全、成本、易用性；
針對常見的大資料工作，例如實時處理、互動性分析、資料挖掘、機器學習、離線批處理、海量資料sql查詢、資料可視化、商業智能、推薦引擎等，方案中的資料分析需求通過什麼技術來實作，各自的優化點和增強點有哪些；
如何通過雲服務實作針對企業在不同國家、地域、體系來提供多租戶、高可用、虛拟化、子產品化、通用流程的靈活服務；
通過何種服務可對外提供資料管道、海量資料內建服務和資料輸出服務等。
1.?産品特性
對于大資料解決方案中的産品特征，重點考察産品層面的能力和特性，包括彈性付費、彈性配置、友善擴充、友善管理、簡單易用、靈活控制、功能豐富、海量資料支援、簡易實施、資料安全、可遷移性、運維成本等。
彈性付費。彈性付費是針對具有彈性it需求的一種靈活的付費方式，彈性付費不僅可以提高大資料投入成本的利用效率，更能減少對财務支出成本的壓力。
彈性配置。彈性配置是與彈性付費相關的特性，更多的是雲服務的配置方式，支援彈性配置的工具更能滿足企業不斷變更的需求。
友善擴充。産品擴充包括整體伺服器和叢集擴充、伺服器的硬體配置擴充、軟體環境功能更新以及元件和服務、應用場景的擴充等。
友善管理。大資料平台需要能将資料系統、業務系統關聯起來，形成對資料、功能、流程、應用的全面管理；同時通過監控報表對資料主體以及應用資料的對象的行為進行監控。
簡單易用。由于企業内會有具備不同技能層次的使用者參與産品應用，産品如果具備較好的易用性特征，則能更容易被所有人使用，也更利于資料價值的産出。
靈活控制。面對複雜的資料需求，産品需要能根據不同場景提供定制化應用能力，包括資源配置、資料管控、界面組織、功能配置、環境限制等。
功能豐富。對于一款工具而言，其功能越豐富代表可通過工具獲得的業務洞察越多。
海量資料支援。大資料的特征之一就是資料量大，工具對海量資料（資料規模）的支援程度，尤其是處理效率、結果、性能等是重要關注點。
簡易實施。在所有技術相關的解決方案中，it部署實施是一項非常耗費人力的事情。如果解決方案中的技術産品能具備一鍵部署、管理、轉移等功能，将大幅度降低實施成本。
資料安全。本書已經多次強調了資料安全的重要性，工具對于資料安全的支援是企業考慮方案采購的重要次元。
可遷移性。很多優秀的大資料解決方案在提供強大功能特性的同時，也使得企業一旦使用了這些功能後便會被其綁架而不得不繼續使用，後期在遷移時會導緻資料無法導出、結構無法識别、格式不相容等問題，是以可遷移性涉及後期系統更新換代和替換需求。
運維成本。對于完全本地化的大資料工具，其本身的軟硬體更新、擴充，服務授權，功能變更，危機故障處理等方面的成本也需要考慮。
2.?功能特性
功能特性是指大資料解決方案在技術方面的功能特征，包括基本部署、資料導入、資料存儲、資料計算、機器學習、可視化、應用支撐、雲服務、資料安全、運維管理等。
基本部署。支援基于x86的叢集方式，支援通過私有雲、混合雲等方式提供大資料服務。
資料導入。支援sqoop、goldengate、canal、java-api等技術實作抽取過程，支援檔案、結構化資料、json、流式資料等資料類型的抽取。
資料存儲。支援結構化資料、非結構化資料的存儲，支援hbase、hlve、mongodb、redis、關系型資料庫和圖形資料庫等，并可提供pb級以上應用服務的資料倉庫。
資料計算。支援離線計算，例如mapreduce、hivesql、impalasql、sparksql、rhadoop、rspark、udf（hive udf、impala udf）以及實時計算spark或storm等。
機器學習。支援監督式學習、非監督式學習、增強學習的各種算法，在實作元件或算法庫上支援mahout、r、python、mllib等開源機器學習工具及其中核心算法庫的內建。
可視化。提供豐富的可視化圖表，除了正常圖表外還包括玫瑰圖、桑基圖、熱力圖、樹圖、網絡圖、平行坐标圖等；支援對開源元件的內建，如echart、hchart、d3等；另外，可提供針對商用可視化工具例如tableau的支援，同時可将報表嵌入到其他報表系統中。
應用支撐。支援通過ide、sdk、web等方式進行應用開發，支援無需程式設計的檔案檢索、資料查詢、互動式分析、臨時分析、拖拽式應用等；提供針對應用系統的接口或內建，例如個性化推薦、精準營銷、智能客服、機器翻譯等。
雲服務。提供多租戶的軟硬體資源和資料隔離應用，提供計量計費功能，提供jdbc、odbc driver等多種驅動，以sql的方式通路大資料平台的資料。
資料安全。支援資料傳輸通道和資料加密等保密機制，企業級安全認證機制（例如ldap等），以及sso驗證；支援資料表單元格級别細粒度分析驗證；支援對關鍵資料透明加密，無需修改上層應用，同時加解密過程不會對性能造成影響；支援集中的秘鑰管理功能。
運維管理。提供基于政策的資料備份和恢複功能；提供圖形化、免維護的安裝工具及配置和部署工具；提供統一的叢集監控分析功能，支援基于事務和事件的報警等運維管理工作；提供叢集配置參數的多版本管理能力，檢視具體的修改内容，并支援版本回退；提供rest程式設計接口，能夠通過調用程式設計接口實作叢集部署、角色配置設定、服務啟動和停止等功能；能夠實作業務在無中斷的情況下進行軟體版本的更新及打更新檔。
3.?性能特性
針對不同的技術元件會有不同的評估名額，例如硬體類、存儲類、計算類、web事務類、網絡類、查詢類等，評估名額主要集中在伸縮性、容錯性、機關時間處理能力、響應時間、吞吐量、并發性、穩定性、資源占用率等方面。
伸縮性：伸縮性是一種對系統平台彈性計算處理能力的設計名額，它是考察平台對硬體的增減或不同規模下處理資料的自适應能力的重要名額。
容錯性：容錯性是指在故障存在的情況下計算機系統不失效，仍然能夠正常工作的特性。它是系統在異常情況下能良好運作的重要保障。
機關時間處理能力：處理能力幾乎是所有元件都需要考察的名額，針對不同的元件其處理能力需要綜合平台的配置情況，處理任務包括讀、寫、掃描、排序、連接配接、聚合、複雜計算等。
響應時間：響應時間是從送出請求到得到響應的時間。響應時間越短，對終端計算、應用的實時性和體驗越好。
吞吐量：吞吐量指在一次性能測試過程中網絡上傳輸的資料量的總和，它能說明系統級别的負載能力。
并發數：并發數指系統對同一事務同時處理的請求數。并發數越高說明系統對事務在同一時間下的并發支援度和寬容性越高。
穩定性：穩定性是系統在不同場景下運作的穩定效果，穩定性越好，其可适用的場景越廣泛。
可靠性：可靠性是在一定時間内、一定條件下無故障地執行指定功能的能力或可能性，大多數平台都會保證至少99.9%的可靠性，或者每年少于幾個小時的故障時間。
資源占用率：不同的服務都是基于底層軟硬體資源的支援，在總體資源有限制的情況下，資源占用越少且又能保證平台的技術元件或服務越有優勢。
如表3-1所示是某大資料産品中存儲和計算部分的性能評估規格。
4.?服務特性
大資料服務是目前大多數企業付費意願較低的内容，原因是服務很難有明顯且特别有價值感的落地傳遞物，它不像一個産品、一個報表那樣可以直接以産品化的方式展示。但服務對于企業，尤其是剛進入大資料階段的企業至關重要。大資料服務包括以下幾方面：
實施部署。服務商通常需要完成大資料系統的搭建、調試、優化、測試，使之能支援企業客戶基于大資料平台進行應用開發。
質保服務。在大資料工具傳遞之後，服務商需要提供一定時間（例如一年免費更新、三年免費故障解決等）的質保服務。
技術咨詢。調試完成後，對安裝、配置、調試的所有資訊、驗收文檔、傳遞手冊等向使用者進行全面交接，并提供技術咨詢。
駐場開發。在大資料工具實施和開發階段，客戶可能需要服務商駐場開發。
工具教育訓練。服務商需要根據企業需求和大資料解決方案本身，就實施部署、後期運維、工具開發、産品應用等方面提供教育訓練教材并作系統性的推廣教育訓練工作。
日常溝通。日常溝通的問題會涉及大資料解決方案的各個方面，支援的方式需靈活且多樣（郵件、電話、進駐企業），對于溝通的效率同時也應該有所要求（2小時答複、7×24小時服務）等。
應急故障。對于由于服務商提供的大資料工具本身的問題導緻的故障問題，服務商也需要提供針對性的響應機制，包括解決時間、解決政策、實施步驟、品質驗收等。
除了上述4個特征需要針對性的分析外，針對大資料整體解決方案的整體架構、技術細節、産品增強點、産品創新點等也是需要評估的關鍵内容。
大資料解決方案的費用，主要指的是方案采購本身，而不包括外部其他機房、硬體、人員、裝置等的投入。大資料解決方案分為雲服務和本地化兩種。
1.?雲服務費用
目前大資料解決方案中出現了多種雲端服務模式，例如iaas、oaas、paas、saas、daas等。不同的模式對應到大資料平台收費方式也有所差異，對雲端“解決方案即服務”類的費用而言，主要費用集中在雲端服務本身。不同的雲服務内容對于收費内容的定義主要側重于兩方面：
（1）按服務配置項目或需求收費
對于不同雲服務的模式，根據使用者選擇的不同配置情況以及使用的服務進行收費，适用于彈性用量以及需求變更較大的場景。如圖3-16所示為阿裡雲存儲服務計費的方法。
（2）固定/包斷收費
這是一種相對固定的收費方式，根據使用者選擇的套餐或服務按照一定周期固定計費。在該方式下服務的内容是有一定限量或限額的，适用于需求和發展規劃相對穩定且明确的場景。如圖3-17所示為阿裡雲針對電商的雲端整體解決方案收費方法。
2.?本地化費用
本地化大資料解決方案的費用通常由多種内容組成，主要包括三大類：硬體費用、産品費用和服務費用。
硬體費用：部分大資料廠商會将其解決方案與特定硬體做綁定銷售，客觀上這會增加企業前期購買和後期運維的額外成本；同時，這種“依賴式”的綁定也可能導緻軟硬體的一體化封裝，對于後期的功能擴充、性能提升、安全防護等方面造成嚴重阻礙。
産品費用：不同的大資料解決方案中對于産品費用的定義方式是不同的，例如按license收費、按資料量和計算量收費、按節點數收費、按功能收費、按功能元件收費等，不同的收費模式對應的費用結構也不同；同時，對于按照功能類的收費意味着後期在需要應用某些功能子產品時可能面臨需要支付額外費用的問題。
服務費用：服務費用主要是人力資源類的費用，可能包括技術開發人力外包、特定人員駐場、後期使用教育訓練、關鍵技術故障解決、應用場景和模型等方案，這些相對“不标準化”的費用組成與企業需求、實施難易程度、自身技術實力、後期運維實際、發展規劃等有關。
大資料解決方案的選擇，一定要結合企業現有狀态、需求規劃（包括短期、中期和長期）、預算、項目目标等，并綜合考慮服務商的客觀環境、産品、服務、預期産出價值等因素進行綜合評估。強大的工具不一定适合所有企業，而且同一個工具也不一定适合于同一個企業的不同發展階段。
綜合上述所有内容，選擇解決方案時各個因素重要性彙總如表3-2所示。