大數據概念最早被人們所熟知之時，似乎人們都認為這壹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範圍，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壹樣的，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，便於統壹管理，有些成長型企業甚至自主開發了壹些信息系統，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，第壹步只要有現成的數據即可，甚至可以說這已經成功了壹半。因此成長型企業也許並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於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雲計算軟件平臺或是Fortune 500 IT服務是壹樣的道理，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，就在於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。