成本

　　早期的产品通常标价很高，并提供昂贵的集成与部署售后服务。现在的工具套件可选择性多，价格模式也更容易令人接受。

　　简易

　　越来越多的工具是面向非专家级别的用户设计的。早期的产品使用者是统计师和数据家，他们不但建立模型，而且还理解这些模型具体如何工作。现在的产品不要求用户要有高级科学学历才能够理解模型结果中的业务优势。

　　性能

　　可扩展平台可以满足大数据分析对数据量和计算的需求。现在有很多开源平台具有跨分布式存储框架进行大规模并行处理的能力，这些框架部署在商业硬件上，其性价比远远高于过去的产品。

　　让大数据分析走进企业

　　使用大数据分析软件的门槛已经降低，这让那些有远见的企业能够快速试水大数据分析工具，并将这些工具整合到企业中。这样的企业有相似之处，因为他们具有以下特点：

　　数据或分析驱动的文化：业务主管认识到信息在创造企业价值所具有的潜力;

　　数据环境：主要决策者意识到各种各样的数据源可能有助于分析过程，有些是静态数据，更多的是动态数据流;

　　健康的实践环境：鼓励不断验证各种概念，并敏捷地决定采用大数据技术

　　换而言之，如果贵企业也具有这些特点的一二或全部，也可以准备将大数据分析整合到企业技术规划中，充分发挥大数据分析的优势。

　　一旦你明确大数据分析工具将会为企业带来好处，下一步将是确定企业的具体需求，将用来评估所选产品的具体条件进行优先级排序。然后，把这些需求和大数据分析工具提供的特点一一对应，用这些作为评估要素，并发给厂商投标申请书(RFI或RFP)。根据厂商的回复，再进一步加以选择，缩小大数据分析工具的选择范围。

　　责任编辑：余芯