毫無疑問，當前全球最大的大數據來源是Facebook，但其實任何規模的企業均可以從大數據技術以及大數據分析中獲益。例如全球時尚在線零售商GiltGroupe，就通過近五年的網站會員數據信息收集和分析工作，并制定有針對性的營銷活動，使得其銷售額達到五億美元；每一分鐘，Fab.com這家為設計師和客戶提供交流平臺的網站，都會結合用戶的購買歷史信息、會員信息發現趨勢，以驅動業務決策。
那些傳統的實體公司可能都會面臨自己的挑戰，但并非僅僅只是這些傳統實體企業缺乏數據信息。其實，從群發的郵件、攝像機的視頻、銷售點系統、庫存系統和大多數企業的報告中，大多數企業均可以收集到足夠的數據信息來填充他們的大數據庫。將如此眾多的海量信息收集到一個單一的位置將是一個巨大的挑戰。
將磁盤或磁帶運送到一個中央位置以便上傳到一個大數據庫的方案并非總是可行或可取的，而且在整個企業的網絡中傳輸這么多的數據信息往往也是不可能的。這不僅僅只是帶寬不足的問題。即使連接數百兆的網站，高速網絡的延遲和網絡質量，也會極大地削弱實際吞吐量。例如，在100Mbps的連接情況下，端到端仍然會被限制在每流量5.24Mbps（假設有100毫秒的延遲，且無數據包丟失）。如果數據丟失哪怕只增加0.1％，吞吐量也會下降至每流量3.69Mbps。
訪問數據時，網絡的限制問題也會帶來挑戰。對于大多數數據庫，用戶通常喜歡在他們的本地設備上復制數據和工作，而這又導致了需要在整個網絡上復制千兆以上的數據。運用類似的做法實施大數據項目會導致網絡成本飆升，性能表現不佳和用戶挫折感增強。但是，企業不能限制本地用戶訪問大數據；限制員工訪問和使用大數據是大數據項目失敗的一個重要限制原因。
網絡成本的膨脹是唯一影響大數據項目成本的因素。由于Hadoop的使用和其他開放源碼軟件包和擴展存儲的使用，相對而言，較之傳統企業的數據倉庫，軟件和存儲的成本較低。但這些費用往往不會影響行業內地安全性、災難恢復和可用性等監管要求。
大部分企業未計算的還包括人力成本。鑒于今天的大數據市場的不成熟，據Gartner公司預計，企業需要在人力成本方面花費約20?25倍于供應成本的咨詢和集成服務費用。（相比之下，在成熟的市場，如商業智能系統市場，據Gartner公司預計，其咨詢服務費用僅為供應成本的三倍左右。）盡管當前人力成本很可能會持續上升。但企業仍然需要培訓或聘請相關的人員來分析大數據。“數據科學家”是結合了商業智能（BI）分析和統計學知識的專家，是那些發掘數據集以發現有價值的新見解，促進企業業務流程自動化和優化的一類熱門人才的稱號。
云計算對于大數據來說是相當完美的匹配。大數據所需要的存儲、計算、功率、復雜的數據庫的基礎設施和高端的數據處理能力均能夠被諸如亞馬遜網絡服務（AWS）這樣良好的云服務產品來滿足。
AWS以極低的價格提供無限彈性云計算（EC2）、彈性塊存儲（EBS）和簡單存儲服務（S3）。它提供的DynamoDB是一款高度可用的分布式數據庫集群；而ElasticMapReduce是一個管理平臺，支持基于Hadoop的分析棧。這些富有成本效益的資源和技術幫助企業在亞馬遜建立自己的分析，獲得更深入和更豐富的洞察。
但其面臨的挑戰仍然存在：如何將數據轉移到云或企業的數據中心。數據加速軟件解決了這個問題。通過在線路兩端運行的實例，數據加速軟件可以提高吞吐量超過200倍。例如，移動100GB的數據，僅僅只需6.2分鐘，不再是22小時。數據加速通過優化協議，以矯正延遲，復制數據，以最大限度地利用帶寬。并且，在某些情況下，可以在傳遞過程中恢復丟失的數據包，而不需要重傳上傳，破壞吞吐量。因為數據加速軟件可以按小時授權，對于那些只需一次性轉移或不常轉移的大數據而言，成本可以非常低。
數據加速軟件是任何大規模的數據部署實現的關鍵一步。無論是部署在云中或在企業內部，其都可以縮短時間，匯總數據，極大地提高企業部署大數據項目的價值。