和很多新的信息技術一樣，大數據可能會大幅度降低成本，減少完成一項計算任務、推出一款新產品或者新服務所需的執行時間。你希望得到哪些好處呢？大數據背后的技術和理念讓組織能夠實現很多種目標，但是你不太可能獲得所有可能的好處。明確你的組織希望從大數據中得到什么是你應該解決的一個重大問題。對這個問題的答案不僅影響者大數據的產出，還影響著整個過程——誰領導這個計劃，它需要同你的組織中的哪些部分結合以及你應當如何管理這個項目等。
如果你希望降低成本，那么你可能已經意識到處理結構化數據的MIPS和TB級的存儲由于Hadoop集群之類大數據技術的出現已經便宜很多了。例如，一家公司進行了成本對比，該公司估計是用傳統的關系型數據庫存儲1TB的數據每年大約需要花費37000美元，使用數據設備大約需要花費5000美元，如果使用Hadoop集群的話則只需要花費2000美元。當然，這些數據并不完全是直接的對比，使用傳統的技術可能會更為可靠而且更加易于管理。
如果你主要關心的是降低成本，那么你就要考慮用相對簡單的方式使用大數據工具。這種項目基本是由IT部門主要根據技術和經濟條件完成。你可能會希望讓你的一些用戶和發起者也參與到討論這種存儲方式在數據管理方面的優勢和劣勢之中，大概就是這樣了。
大數據工具的第二個重要的好處是縮短時間。Macy’s Inc.的定價機制優化應用提供了一個典型的縮短時間的例子，這個應用將復雜或大規模的分析計劃所需要的時間減少了幾個小時、甚至是幾天，把整個過程壓縮到幾分鐘甚至幾秒之內。這家連鎖商店現在已經能夠把優化7300萬件商品的價格的時間從超過27小時壓縮到不到1小時。軟件廠商SAS將其稱為“高性能分析”，或者是HPA，HPA讓Macy’s能夠更加頻繁地根據零售市場情況的變化調整商品的售價。這種HPA應用并沒有使用Hadoop集群，但是它確實利用了并行計算和駐留內存軟件架構。Macy’s還表示該公司將軟件成本降低了70%。
如果你的公司感興趣的主要是縮短時間，你就需要同相關企業的老板緊密配合。關鍵的問題是你想用流程中節省下來的時間干什么。好的答案包括：
• 我們將能夠更頻繁地調整、修改模式，以便得到更好的解決方案；
• 我們將使用更多的變量和更多的數據進行計算，為我們的客戶提供實時的推薦；
• 我們將能夠對于環境中的意外事件更快地做出響應。
壞的答案（至少從嚴格的商業角度來看）包括能夠省出更多的時間玩高爾夫、喝更多的咖啡或者終于有足夠的時間吃“三杯馬提尼酒”的午餐了。
企業通過大數據能夠做的最好的事情就是開發新產品和新服務。在這方面做的最好的公司可能是LinkedIn Corp.，這家公司利用大數據和數據專家開發了大量的產品和功能，包括“你可能認識的人”、“你可能喜歡的群組”、“你可能感興趣的工作”、“誰看了你的資料”等。通用電氣在多個目標中，更側重于利用大數據提高服務水平，優化服務合同并保持工業產品的間隔；還有很多其他的例子：谷歌公司當然利用大數據來完善其核心的搜索及廣告服務算法；Zynga公司利用大數據為客戶定位游戲和游戲相關產品；Netflix公司為能夠幫助該公司優化為客戶推薦電影功能的數據科學團隊提供了著名的Netflix獎。測試企業Kaplan利用大數據為客戶提供有效學習和測試準備策略的建議。這些公司的大數據應用都直接聚焦于產品、服務和客戶的。
事實上，這些都非常有意義。當然，是對于利用大數據和整個過程推動新產品開發的組織來說。顯然，你需要同產品開發團隊緊密合作，也許還需要和市場營銷部門密切配合。也許這些項目是由企業領導者而不是技術人員或者數據專家發起的。你可能不會節省大量的金錢或時間，但是你可能會讓你的公司的營收出現明顯的增長。
現在能夠認同明確你希望通過大數據得到什么是你首先應該利用資源去做的、最重要的事情。
