大數據概念最早被人們所熟知之時，似乎人們都認為這一產業僅僅是面向大型企業用戶的。大數據相關技術日新月異，然而其復雜程度與實施成本同樣也會兩人感到驚愕。許多小型企業用戶表面看起來也遇到了大數據問題，而最終卻發現實施成本早已超出其承受范圍，甚至連數據分析專家的工資他們都付不起。然而，大數據實際同很多其他的技術是一樣的，根本不是大型企業的“專利”。

規模較大的企業往往擁有更大的數據集對象，這使他們很容易成為大數據產業的“候選人”。但是這些大型企業的數據大都分散在多個不同的系統或平臺上，這就需要更多的預算以及更強大的基礎設施來支撐，當然還有數據質量的問題。而小規模公司的數據通常相對集中，便于統一管理，有些成長型企業甚至自主開發了一些信息系統，對數據進行捕捉、挖掘處理。

要想從數據中獲得有價值的信息，第一步只要有現成的數據即可，甚至可以說這已經成功了一半。因此成長型企業也許并不用在前期支付巨額的大數據費用。當那些大中型企業正忙于集中整理他們那分散且規模龐大的數據時，小企業管理者已經能從容地在現有數據中尋找商業價值了。

此外，正如同ERP、 CRM以及其他企業級軟件平臺，大數據正在迅速地向商品化方向發展。這就與任何持有信用卡的人都可以在僅僅幾分鐘之內就能成功訂購企業級云計算軟件平臺或是Fortune 500 IT服務是一樣的道理，大數據分析正在逐漸走出企業服務器機房。

大數據之大，最為直觀的體現之處，就在于大規模存儲陣列以及內存式數據庫技術，在這些技術上的投資通常被假設為大數據管理中無法避免的必要支出。然而，大數據同樣還與生成速度以及實時分析有關。速度不僅僅與技術功能發揮有關，還與數據實現業務提升的速度以及企業管理者根據數據分析做出決策的速度緊密相連。

在小型企業中，一般更容易制定并推行統一的管理流程與制度，更快地利用有效數據作出決策，相比之下大中型企業在這些方面并沒有什么優勢。對于很多成長型而言，利用靈活性和速度上的優勢來與大型企業進行競爭，確實是一個可行的戰略方案。當行業巨頭們還在因為價值幾百萬美元的大數據硬件設施而感到糾結的時候，成長型企業已經可以使用開源或云計算軟件工具來進行更多基礎性的分析工作，并搶在巨頭們的項目得到批準之前就根據數據分析結果做出相應的措施。

與所有的新技術一樣，大數據的成功實施更加依賴于企業對于轉型與變革的接受度以及決心，而并非購買合適的軟硬件產品。如果一家公司缺乏收集業務相關數據的意識，不能通過數據分析結果找到拓展業務的方法，沒有足夠的進取心來根據分析結果作合適的決策，那么這家企業的規模即使再大，它所有的資金投入以及人力資源優勢都將會變得毫無意義。