假如這個問題換做是：在電氣時代，每家公司都要有個發電廠嗎？是不是會更好答復一些？

事實上每一種重大技能的呈現，城市對財富發生大的變革。在蒸汽時代，采礦機回收蒸汽機后，會帶來出產效率的極大晉升，而汽船加上蒸汽機，再也不需要靠風才氣帆海了。在電氣時代，電燈取代了蠟燭，電報取代了快馬送信，而報紙也被廣播和電視所侵蝕。

可以說是現有財富加上新技能，形成了新財富。

我們回過甚來看這兩次家產革命，出產蒸汽機的企業只有少量幾家，而發電的企業在美國也只有通用電氣和西屋電氣。并不是每家企業都要從事這些基本設施的研發和出產，，更多的是對新技能加以應用，發揮新技能帶來的代價。

在 IT 規模，軟件剛出來時，可以說是計較和存儲完全稠濁在一起。有人實驗將計較硬件舉辦疏散，歪打正著成績了 Intel。有人實驗將存儲系統疏散，因而有了 Oracle。

Intel 和 Oracle 當然偉大，但它們的代價更多的還在于有寬大的企業回收了這些新的技能，在詳細的行業中，發生了更大的代價。

同樣，云計較這種理念當然是好，但假如每家企業都成立本身的云計較中心，從資金和人力投入上，必然是不劃算的，更嚴重的問題是做不到最優。相反，有了 AWS 和阿里云這樣的云計較提供商，讓中小企業更便捷的舉辦創新應用。

回到題目中的問題，在大數據時代，每家公司都要有本身的大數據部分嗎？結論也不能下的太武斷。

早在 2008 年，云計較的觀念方才鼓起，百度內部呈現了兩撥勢力。一撥要從零開始打造本身的大數據底層技能，把 MapReduce、GFS、BigTable 這些組件都要實現一遍，功效花了兩三年時間，也沒能不變運行。

而別的一撥勢力，直接采用開源的 Hadoop 生態，很快在公司內應用起來。而我其時做的日志統計平臺，也是回收了 Hadoop。但百度的數據局限究竟太大了，所需的集群局限，開源版本基礎撐不住，于是不得不改寫 Hadoop，這樣就和開源的版本漸行漸遠，比及厥后再也合不到一起了。

曾經有一年多的時間，我們部分新設計和實現和底層的存儲及計較系統，功效發明開源的版本也差不多實現到了同樣結果。固然很多內部的人以為我們怎么總反復造輪子，但我大白照舊需求使然，你面對的需求相對領先，但也沒有領先到像 Google 那樣提早 5 年。

但對付小公司來說，則完全沒須要從零開始做，照舊要只管用開源的產物。

整個 Hadoop 生態，要比我 2008 年剛用的時候，要成熟許多。誰人時候我們去拿開源的版本，編譯陳設，一個新手大概兩周都不必然能正常的運轉起來。而此刻下載一個 Cloudera 刊行版，兩個小時就可以正常跑任務了。

與此同時，又面對了新的問題，因為大數據平臺牽涉到數據的收羅、傳輸、建模存儲、查詢闡明、可視化等多個環節，而開源規模只是一些組件，于是各家公司都在紛紛打造本身的大數據平臺，這就像 Oracle 之前，各家都在打造本身的存儲系統。這顯然不是一件性價比高的工作。

有市場需求，就會有滿意相應需求的公司降生，于是就降生了一堆提供大數據處事的公司。

由于這一新規模還處于早期，這些創業公司所能提供的處事并不會出格的完善，要么是以項目制的方法運轉，要么是提供專門應用場景的處事。

這樣，對付一些企業來說，這些創業公司提供的處事，好像本身也能實現，那何不爽性本身做？

這創業一年多以來，我看到了太多的公司在打造本身的數據平臺，但做的還不足完善。不管是技能實力照舊人力投入上，都有點力有未逮。假如選用了這些第三方數據處事，那豈不飯碗被搶了？

可我要說的是，飯碗遲早城市被搶，只是時間遲早的問題。這里只需要問一個問題：我所做的數據平臺，是不是其他公司也是雷同的需求？假如是的話，那必定也有其他公司做著雷同的工作，做的對象會大同小異。

那么，就會呈現專門的公司，來辦理這種通用的需求。因為這些公司專注于辦理這一塊問題，所以會越發專業，而且舍得投入。而對付需求公司來說，除非本身轉型去專門做大數據平臺，否則在投入上，必定不是一件性價比很高的工作。與其如此，不如趕早偏重于本身的焦點業務，存眷應用需求自己。

那對付企業來說，在大數據時代，應該怎么做呢？我的發起是三點：

首先，要擁抱大數據技能。

新的重大技能呈現，都帶有顛覆性。一不小心，就會被革命。但也不是說企業已有的業務不消搞了，都來搞大數據吧。

在大數據這件事上，照舊要從需求出發，而不是從大數據出發。

有人會問我，我有了一些數據，給我講講怎么能發揮更大的代價。坦率來說，很多時候不相識業務場景，很難提出建樹性的意見的。