谈到大数据，在几年前似乎还是大企业可以利用的技术。对于中小企业而言，要么是企业信息化程度不够，没有数据基础、更没有数据采集渠道。或者是数据的量级不够，不能形成规模化效应带来受益。
在这些问题之下，大数据几乎成了大企业的专权。可口可乐公司可以清楚的知道世界上每一个角落的消费者喜好变化，可那些不知名的企业却还在用粗放的方式进行生产决策。
等到如今AI技术开始得到长足发展，同样也会涉及到数据从采集到应用的全过程。而当企业想利用起AI能力时，应用数据的方法与效能也产生了全新的变化。
数据新变如何重划企业IT建设起跑线
AI技术的发展有两个重点，一方面是感知能力，像无人车就是通过雷达传感器收集周遭数据，经过计算决定行驶状态。另一方面则是决策能力，通过对数据的 挖掘，即使在小数据中都能找到规律并得出结论。
这样一来大数据就不再是大企业的专权，不论各个行业还是何种形态的企业，都能利用AI提升业务效率。大规模的通过第三方机构收集数据可以创造价值，但手机、路由器甚至蓝牙音箱这些越来越常见和廉价的产品同样可以以强大的感知能力收集数据，甚至直接作出决策。
举例来讲，沃尔玛那样的巨头可以通过机器学习提升供应链效率。而最近在一些O2O平台推出的系统中，街边小店也可以通过WiFi、蓝牙等设备将线下流量数据化，结合上线线下联动的会员系统，得出完整的用户画像，并从中挖掘更多商业价值。
在这种状况之下，数据应用产生了如下的变化：
1、 数据的量级和结构化已经不再是应用难点。 学习对小数据的利用和越来越多的传感器正在改变这一现状。
2、 分布式数据的利用正在成为大趋势。像结合线上数据和线下数据一样，现如今的数据有的被储存在本地、有的被储存在云端，甚至有的掌握在合作伙伴手中。想要获得AI赋能，或许需要把这些数据都利用起来。
3、 替代数据量级的，是数据的频繁传输和迭代。在主打计算的AI世界中，需要的是快速对数据进行计算并反馈到终端。
对于企业来讲，这些变化影响的最多的就是企业IT建设。以往我们提到企业IT建设，其中包含的或者是人事、销售、财务等等固有业务的信息化，或者是电商、网站、App等等互联网部件的组建。目的通常是为了保障数据的安全和利用数据的信息化简化办公流程。
而AI对数据提出的 挖掘、分布式应用、频繁传输等等新需求，企业以往的IT建设不一定能够应对。这也就是说在这时，不论大小企业、是否有IT建设基础，都在一定程度上面对着被重新洗牌的风险。
三个方程式：什么样的IT基础架构才能发挥数据价值？
但对于那些已经建立了IT架构，或者对IT架构有着强烈需求的企业来说，在今时今日究竟需要什么样的IT基础架构？
将基础信息化、云服务、AI技术接口等等服务都算在内，今天的IT基础架构面临着很多全新的问题，我们可以将这些问题总结成三个方程式，让读者通过“已知条件”自行“求解”。
·方程式一：AI技术的应用对于数据的要求出现了改变，IT基础架构如何应对？
如同上文所述，以往企业应用云端服务，通常是为了数据的共享、储运与协同操作。而今天云端部署的AI模型会极频繁的调用数据。像IBM和很多传统企业的合作，都是通过对IT基础结构的优化，实现数据的频繁、快速传输反馈，来保证企业可以在更低的成本之下来接入新的AI服务。
不仅是数据传输，AI还对数据提出了 挖掘、分布式应用等等新需求，企业以往的IT建设是否能够应对？
·方程式二：赋能刚刚开始，什么样的IT架构才能指向长足发展？
过去企业对于IT架构和云服务的要求很简单，能够保存数据、足够安全、价格低廉更好，导致在一段时间内云服务企业的准入门槛是很低的。而今天企业需要将自己的数据交给云服务商，让云服务商从中挖掘价值。这时的IT架构，不仅仅需要满足企业当下数据需求，还要有能力跟上未来大数据和AI技术的发展趋势。
例如最近随着传感器的增多，开始出现了数据通胀。当数据量级越来越大，出现了很多用超算挖掘大数据的应用案例，如果未来大规模的并行式计算成为企业标配，怎样的IT架构才能最快耦合这一能力？
·方程式三：企业倾向于降低新技术的学习成本，什么样的IT架构能满足这一需求？
之前提到，不管是毫无信息化基础的企业还是已经有基础IT建设的企业，都可以也都希望利用上大数据和AI的力量。目前来看，IBM、阿里、百度厂商推出一体化AI服务都很受欢迎，原因在于企业无需付出高昂的人员成本和学习成本。尤其是现在，当AI人才陷入饥荒，大多数企业可能无力雇佣 学习、机器学习方面的专业人才。更希望在不改变现有IT人员结构的前提下满足新技术的计入需求。
IT架构如果想要做到这一点，需要哪些能力？
想要得出这三个方程式解，我们或许向专业人士寻求建议。最近IBM推出了一款技术咨询小程序，从中可以了解到在大数据、AI、云计算等等技术变革之下，数据应用以及IT架构打造的专业观点。
每一次技术浪潮，都会带来商业世界的起落。而获取新知，自然是不被浪潮抛下的第一步。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
