对于大数据的架构，CIO面临着一个存在已久的选择困境：买入还是自建?新的业务问题、厂商方案的稀缺和大量新技术的涌现，都加大了决策的困难。而且，相关的名词是如此的模糊不清，比如大数据等。
随着特斯拉宣称将在2017年推出廉价的电动汽车，这种感觉愈发强烈。但是，在IT圈内，CIO们更关注Elon Musk(特斯拉的CEO和产品架构师)是如何让其CIO去应对这个挑战的：构建自己的企业资源规划系统(ERP)，而不是基于SAP来进行升级改造。
这不仅仅是ERP方面的工作，而是开创了一种潮流。在MIT斯隆CIO论坛上，参会者对特斯拉的决策赋予了更为深远的意义，正如同Facobook计划构建自己的CRM系统一样。这类决策背后蕴含的意义是，市场已经无法完全满足客户的定制需求，天平已经从传统厂商向特定的优化方案倾斜，尤其是在大数据逐渐渗透进业务战略的趋势下。对CIO来说，最关键的东西应该就如Babson College(位于马萨诸塞Wellesley)信息技术和管理教授Tom Davenport所说的那样。
“我不知道特斯拉的系统是否能胜过SAP或者Oracle的产品。真正让我震惊的是，决定自行开发一切的举措。但是，为了业务的差异化构建战略性的系统，永远都是有意义的。”在主持大数据相关研讨时Davenport表示。
要确定你最关键的技术需求，即那些很少能通过现有厂商获得的技术，以及那些和业务问题关联最紧密的技术。
当CIO们构建大数据系统时，可能会面对一个存在已久的IT决策困境：自建还是买入?如今，那些统治市场多年的标准化方案，已经无法彻底应对大数据基础架构所存在的瓶颈。更多的选择开始进入人们的视线，内存计算、NoSQL数据库、云计算、开源软件以及如Facebook和特斯拉那样自行开发。但是，无论如何，CIO首先要消除“大数据”这个词带来的各种混沌和疑惑，在大潮之下看清企业所面临的的技术痛点。最终，CIO们采用的很可能是那种具有较强针对性的点式方案，而不是涵盖各个方面的大一统的方案。
首先，什么是大数据？
大数据这个词问世已经不止一年了，但是其含义至今仍混淆不清。“大数据是一个无所不包的营销术语，你对什么感兴趣，都能将其囊括其中。”Monash Research(位于马萨诸塞Acton)的创始人Curt Monash表示。
Monash在其2011年的一篇博客中认为，更糟糕的情况是大数据的定义(包括Gartner的3V定义)本身就通常是具有误导性的，导致了市场的混乱。Monash认为，那种希望有一个技术栈可以解决所有新IT问题的想法，是极其幼稚的。
Fidelity Investments专业服务集团的首席信息官Darrell Fernandes认为，大数据这个词的滥用可能会对厂商的销售有所提升，但是，同时也给潜在的买家带来了很大的麻烦。在本次MIT论坛的大数据研讨会上，Fernandes认为这将给业界带来伤害，尤其是当技术投资和业务回报之间的联系含糊不清时。1990年代时，你可以明确指出CRM技术所带来的业务价值，而大数据的涵盖面太广，缺乏明确的指向，只能徒劳地带来业务和IT两端的渴望和焦虑。
持有如此的论调，并非仅仅只有Fernandes一人。比如，在其最新的报告《Reset on Big Data》中，Forrester公司(总部位于马萨诸塞Cambridge的咨询公司)就特意避免将大数据定义成一种技术或一个技术问题，否则可能导致技术人员视野过窄而错过趋势。相反，根据Forrester分析师Brian Hopkins(该报告的作者之一)的看法，大数据是“填补你的能力与已有数据之间的鸿沟，从而让信息真正转化为对业务的洞察，这将是一个持续的过程。”
在一开始，你需要知道从何入手。Forrester的建议是，在构建或买入之前，业务和IT领导共同对实用场景进行研究。有些时候，实现应用场景需要进行投资。但是，有时要求进行企业文化上的转变，即基于数据来做出决策。大数据意味着业务模型是数据驱动的。这方面的转型需要一定的能力，即CIO要在做出任何投资之前对企业当前处境有清晰的认知。
单一厂商可能无法应对
当大数据技术投资不可避免时，Hopkins提醒CIO们不要被某些名词所局限住(比如Hadoop，近来很多时候被用为大数据的代名词)，而是应该回归本质，关注实际的功能。他建议关注在Hadoop所提供的“高弹性、成本可接受的数据存储和分析方法”上。
基本可以确定的是，能够解决当前企业所面临的数据问题的技术栈，不会来自单个厂商。“你不可能得到一站式的解决方案。”Hopkins说。Monash认为，从单一厂商买入将是非常昂贵的：“高昂的投入不仅仅来自于金钱，还包括管理成本等。”
Hopkins所指的厂商包括IBM、微软和Oracle等，这些巨头拥有完整的解决方案栈：“但是我并不认为其产品如厂商们所宣传的那么适用，潜在的客户也应该明白这一点。”如果选择开源软件，Hopkins认为也会面临麻烦。诸如Cloudera、MapR和Hortonworks等厂商都选择了不同的开源版本来构建自己的产品。有些时候，这些厂商开发的新功能与开源社区有重合。于是客户可能不得不在功能模块的层面进行取舍。
对此，Monash有自己的原则：“找到自己最急迫的技术需求，即很少有厂商能满足的功能，以及那些和当前业务问题关系最紧密的技术。”
当然，对于业务问题或产出的考量也不能过分夸大。正如Fernandes所解释的，其所在公司是这样逐渐让大数据的概念变得清晰具体的：“我们这几年来一直着眼于具体的假设、具体的应用场景和具体的产出。由于关注点非常聚焦，才能持续的获得进展。”
