在互联网高速的发展下，虽然硬件能力发展速度也很快，相同的成本下每18-24个月翻一番的增长（也被称为摩尔定律），而数据的发展速度远远的高于硬件，为互联网公司造成了很大的挑战。

阿里巴巴早期使用Oracle数据库进行数据存储。这种互联网1.0时代的数据库架构很快就难以承受住电商数据的爆发式增长。阿里巴巴不得不彻底换血，重金打造和使用自己研发的数据库。

京东在2013年以前经常因访问量暴增而造成服务器瘫痪，不得不更新后台架构，用java技术取代.net技术。

我们感受最深的应该还是前几年的12306网站的购票灾难。过年要回家，这是我们中国人的传统。为了方便购票，铁道部对购票系统进行信息化升级，12306网站上线。不过当时并没有料到互联网带来的数据挑战是什么。本想方便群众购票，却首先创造了不方便，上亿人同时查询、购买车票的行为 让服务器迅速卡死。很多批评声音出现，认为程序员无能，认为换上电商工程师就能解决这个问题。

但真正关键的因素还是处理能力跟不上数据发展。有人专门比较了电商网站与12306网站。“双十一”时，淘宝等电商网站虽然也承受了海量人群的下单行为，但是这些单子被分布到数量巨大的商品上，彼此之间相关度很低，计算量也被服务器分摊了。火车票则不同，全国班次就那么多，而火车票的抢购中，每一趟火车的千余个座位很可能面临数万升至数十万人的抢购，火力及其集中。每发生一次购买行为，出飘系统不但要分析该车次所有站点的数据，还要计算数十倍于车次出票的抢票顺序数据，并实时更新沿线车站可售票数，可以说是牵一票而动全身。数据和计算量呈几何式增长，而且一切还要在瞬间完成，即便不计成本投入更多服务器也难以解决。这种难题是大电商也没有遇到过的，之后后来探索出新的计算架构和方法，才得以缓解。

BAT中最早面临大数据冲击的还有百度，“百度一下，你就知道”，全民搜索行为将海量数据发向百度服务器。日夜增长的网络信息也让百度内容爬虫疲于奔命。后来通过预搜索方式下，才得以解决。