1.套裝軟件搭配自組硬件
 
　　目前包括Hadoop、Greenplum以及Aster Data都有純軟件產品以及軟硬件整合的一體機產品，如果企業選擇以純軟件產品，雖然具有可以自由搭配硬件的優勢，但卻也相對挑戰企業的技術能力，因為軟件的數據處理效能是否可以充分發揮，往往與所搭配的硬件規格、平臺架構以及系統調校有關。
 
　　一般來說，企業在評估數據處理平臺時，如果選擇采用軟件型態的解決方案，通常都具有強大的系統架構規畫能力與維護能力。不過，臺灣有家晶圓公司為了解決大數據問題，1年多前開始尋找各種軟硬件的大數據解決方案，最后則決定以Hadoop搭配x86架構，作為發展大數據處理平臺的主軸。然而，在第一階段的概念驗證結束后，這家晶圓廠商公司小規模試行，并且部署了10～20臺服務器，卻發現數據處理效能不如預期，理論上，以Hadoop架構可以幾分鐘完成的數據量，最后卻花費了1小時，其中的關鍵在于企業IT人員對Hadoop技術的掌握能力不足，以致于造成MapReduce程式與HDFS、Linux相互爭奪硬件資源，最后導致當機。
 
　　2.軟硬件整合的一體機
 
　　相較于軟件解決方案的技術門檻，以硬件形式推出的一體機，不僅同時具有軟硬件整合的優勢，更重要是，系統效能調校也已經做到最佳化，對于企業來說，采用一體機可以大幅節省部署大數據處理平臺的時間，后續的維護也比較輕松，不過，一體機通常會配置比較貴的硬件，因此，成本效益的考量仍舊是企業必須斟酌的地方。
 
　　目前IBM、Teradata、惠普、甲骨文、精誠資訊Etu以及EMC都推出了大數據一體機產品。不過，各家廠商所采用的數據處理技術是否具有開放性，將是企業未來面臨擴充時能否無痛轉移的關鍵。以EMC的產品來說，雖然是采用MapReducer的理論來做分散運算，但儲存技術是來自EMC的MapR File System，而非Hadoop的HDFS，因此，雖然可以橫向擴充，但儲存技術就必須依循EMC的發展。
 
　　各大數據廠商為了因應大數據需求，不可能沿用10年前就開始發展的數據處理架構，因此過去2年并購動作頻頻，IBM收購數據分析公司Netezza、惠普買下了即時分析平臺Vertica、數據倉儲廠商Teradata并購Aster Data、儲存大廠EMC更接連收購數據倉儲廠商Greenplum以及磁碟陣列廠商Isilon，這些數據大廠通過并購所取得的技術，目前都已經與既有產品線完成整合，同時并相繼推出了一體機產品，例如：Teradata的Aster Data Appliance，預計未來還可看到更多有關一體機的產品。
 
　　3.采用云端巨量分析服務
 
　　然而，從企業的角度來看，大數據處理平臺并非一定得要通過軟硬件廠商取得，在美國，有不少企業的大數據處理，是部署在云端架構系統環境上，目前這個領域主要的服務供應商有Amazon，Amazon的云端服務AWS，總共有20多種服務，其中的EMR(Elastic MapReduce)服務，可以讓企業省去部署Hadoop叢集的工程，企業只需要把MapReduce程式，載入到EC2(Elastic Compute Cloud)虛擬機器執行EMR來運算即可。
 
　　除此之外，由于Amazon在臺灣并沒有機房，而大數據所處理往往是TB級以上的數據量，以這樣的數據量與目前的網路頻寬傳輸速度，絕對無法因應企業營運的大數據處理需求。業內人士指出，如果大數據處理的需求，只是一次性或者是短期的數據處理需求，可以通過Amazon這樣的云端服務模式處理數據，但若是長期需求，則不建議。
 
　　總之，究竟大數據要用哪一種平臺來處理，除了對各種技術平臺的掌握能力之外，還要看企業對大數據分析速度的期待，需要多快就要產生分析結果，幾秒鐘內就要做決策判斷，又或大數據的應用是要做長時間的大量數據分析。