1、了解你有什么问题？
这似乎是一个非常明显的问题，不过，多数企业都有一种被“数据驱赶”的压力，这些公司可能在未弄清手中的问题或机遇时，就开始率先追赶大数据。你是一位无法将需要的数据填入电子表格的业务分析师吗？你无法率先获取公司的大数据吗？你是一位负责减少搜索等待时间的首席信息官吗？你是一位厌倦了等待搜索结果达数日之久的非技术用户吗？你的数据是结构化还是非结构化的？还是你面临着上述所有的问题？当然，你可能面临的一个问题是“预算”，特别是对初创企业和中小型企业而言，因为数据存储的价格及相关的硬件价格非常昂贵。
2、支付自由软件（开放源软件）的成本是多少？
hadoop一直有着很多争议。尽管其是一些企业所需的开放源解决方案，但是，自由并不意味着就不需要支付费用。Hadoop可以在一些日用硬件上运行，但这需要一些投资，例如需要消耗电能，并连接到其它一些设备上。
3、考虑规模因素（包括企业规模和数据规模）
大数据的规模动辄就以10的15次方字节来计算，但是，多数企业用户使用兆兆字节的数据。如果在兆兆字节的范围内工作的话，那么一大群机器所需的成本可能将难以支付。如果用户需要兆兆字节的数据规模，那么至少将需要一台单独的服务器，为此，用户需要尽可能降低成本，增强简捷性，以便一台服务器能够发挥作用。
4、你的数据在哪里？
如果用户的多数数据都是应急备用的，那么制定的战略就应当与云数据不同。例如，如果你的数据存储在 亚马逊 或Rackspace的云服务之中，那么在这样的框架内运行大数据方案将会非常有意义，因为这种数据能够很容易在那种环境下转移。不过，如果用户的多数数据都是应急备用的，而且用户还考虑在云中运行大数据，那么用户就应当三思而后行了。大数据很难随便移动，向云设备上传大数据并保持同步性将会面临很多的挑战。
5、不同技术之间的区别是什么？
目前用于大数据分析的技术有三大类型：软件数据库应用方案、硬件数据库应用方案和分发式数据库。软件数据库应用方案往往部署在日常硬件上，一般都是在一台独立的电脑上，这样的成本较低，而且便于构建，如果SQL server或MySQL。硬件数据库应用方案由与硬件捆绑在一起的软件组成。分发式数据库主要是指部署在多台电脑上的软件，这种数据库将便于用户平行存放和处理数据，但这种数据库结构较为复杂。
