大數據多大才算大？“大數據”這個詞本身具有莫大的誤導性，再加上行業里動輒宣傳和鼓吹Google、Facebook的機房有多大，存量有多大，就更容易讓人們認為，必須數據量超級大才算大數據入了門，才算“大”數據。認為數據很多才算大才有價值，就好比飯越多越好吃，音樂聲音越大才越好聽一樣經不起推敲。

?

做大數據的目的究竟是什么呢？尤其是作為商業用途來說，無非是為了多賺錢或者多省錢，不論是直接的還是間接的。一旦脫離開這些，誰來買單，誰來背成本？大數據價值就成了偽命題。

Google和Facebook這樣的公司做大規模系統的目的也不是為了炫富，而是他們確實數據量膨脹到一定程度了，不得不使用一些平時應用場景里不多見的技術，所以“這些技術一定是大數據的必備條件”就自然變成了誤導人們的信息。作為挑戰尖端科技和中國這種人口基數的互聯網公司的客觀需求，研究超大規模架構集群技術是一個方向而且絕對正確，但不建議中小型公司邯鄲學步。

中小型公司需要大數據嗎？答案是肯定的，不僅需要，而且非常需要。中小型公司要用大數據做什么？這種需求多少年來一直沒有變過，還是剛剛說的要么多賺錢要么多省錢。多賺錢多省錢的途徑在數據運營中最常見的就是指標管理，再有就是諸如財務分析、人力成本分析、工作效率及成果分析等。這些東西在日常生產生活中占了絕大多數的數據應用場景。對這些對象研究明白了就已經能解決大部分運營問題了。

如果還想做得深入一些怎么辦？再把參考維度的數據增多就可以了，如剛剛這些數據指標是否和氣候變化有關？是否和地理位置有關？是否和大氣污染程度有關？是否跟當前熱播的電視劇有關？是否跟短時間內網上的一個熱詞有關？是否跟交通狀況有關？是否跟人們使用的上網設備有關等。這些數據的引入不需要做得非常多，只要相互結合有效且豐富適度，就可以挖掘。甚至指標自身前后是否彼此有影響規律，也是一個值得研究的課題。