談到大數據，在幾年前似乎還是大企業可以利用的技術。對于中小企業而言，要么是企業信息化程度不夠，沒有數據基礎、更沒有數據采集渠道。或者是數據的量級不夠，不能形成規模化效應帶來受益。

在這些問題之下，大數據幾乎成了大企業的專權。可口可樂公司可以清楚的知道世界上每一個角落的消費者喜好變化，可那些不知名的企業卻還在用粗放的方式進行生產決策。

等到如今AI技術開始得到長足發展，同樣也會涉及到數據從采集到應用的全過程。而當企業想利用起AI能力時，應用數據的方法與效能也產生了全新的變化。

數據新變如何重劃企業IT建設起跑線

AI技術的發展有兩個重點，一方面是感知能力，像無人車就是通過雷達傳感器收集周遭數據，經過計算決定行駛狀態。另一方面則是決策能力，通過對數據的深度挖掘，即使在小數據中都能找到規律并得出結論。

這樣一來大數據就不再是大企業的專權，不論各個行業還是何種形態的企業，都能利用AI提升業務效率。大規模的通過第三方機構收集數據可以創造價值，但手機、路由器甚至藍牙音箱這些越來越常見和廉價的產品同樣可以以強大的感知能力收集數據，甚至直接作出決策。

舉例來講，沃爾瑪那樣的巨頭可以通過機器學習提升供應鏈效率。而最近在一些O2O平臺推出的系統中，街邊小店也可以通過WiFi、藍牙等設備將線下流量數據化，結合上線線下聯動的會員系統，得出完整的用戶畫像，并從中挖掘更多商業價值。

在這種狀況之下，數據應用產生了如下的變化：

1、 數據的量級和結構化已經不再是應用難點。深度學習對小數據的利用和越來越多的傳感器正在改變這一現狀。

2、 分布式數據的利用正在成為大趨勢。像結合線上數據和線下數據一樣，現如今的數據有的被儲存在本地、有的被儲存在云端，甚至有的掌握在合作伙伴手中。想要獲得AI賦能，或許需要把這些數據都利用起來。

3、 替代數據量級的，是數據的頻繁傳輸和迭代。在主打計算的AI世界中，需要的是快速對數據進行計算并反饋到終端。

對于企業來講，這些變化影響的最多的就是企業IT建設。以往我們提到企業IT建設，其中包含的或者是人事、銷售、財務等等固有業務的信息化，或者是電商、網站、App等等互聯網部件的組建。目的通常是為了保障數據的安全和利用數據的信息化簡化辦公流程。

而AI對數據提出的深度挖掘、分布式應用、頻繁傳輸等等新需求，企業以往的IT建設不一定能夠應對。這也就是說在這時，不論大小企業、是否有IT建設基礎，都在一定程度上面對著被重新洗牌的風險。

三個方程式：什么樣的IT基礎架構才能發揮數據價值？

但對于那些已經建立了IT架構，或者對IT架構有著強烈需求的企業來說，在今時今日究竟需要什么樣的IT基礎架構？

將基礎信息化、云服務、AI技術接口等等服務都算在內，今天的IT基礎架構面臨著很多全新的問題，我們可以將這些問題總結成三個方程式，讓讀者通過“已知條件”自行“求解”。

·方程式一：AI技術的應用對于數據的要求出現了改變，IT基礎架構如何應對？

如同上文所述，以往企業應用云端服務，通常是為了數據的共享、儲運與協同操作。而今天云端部署的AI模型會極頻繁的調用數據。像IBM和很多傳統企業的合作，都是通過對IT基礎結構的優化，實現數據的頻繁、快速傳輸反饋，來保證企業可以在更低的成本之下來接入新的AI服務。

不僅是數據傳輸，AI還對數據提出了深度挖掘、分布式應用等等新需求，企業以往的IT建設是否能夠應對？

方程式二：賦能剛剛開始，什么樣的IT架構才能指向長足發展？

過去企業對于IT架構和云服務的要求很簡單，能夠保存數據、足夠安全、價格低廉更好，導致在一段時間內云服務企業的準入門檻是很低的。而今天企業需要將自己的數據交給云服務商，讓云服務商從中挖掘價值。這時的IT架構，不僅僅需要滿足企業當下數據需求，還要有能力跟上未來大數據和AI技術的發展趨勢。

例如最近隨著傳感器的增多，開始出現了數據通脹。當數據量級越來越大，出現了很多用超算挖掘大數據的應用案例，如果未來大規模的并行式計算成為企業標配，怎樣的IT架構才能最快耦合這一能力？

方程式三：企業傾向于降低新技術的學習成本，什么樣的IT架構能滿足這一需求？

之前提到，不管是毫無信息化基礎的企業還是已經有基礎IT建設的企業，都可以也都希望利用上大數據和AI的力量。目前來看，IBM、阿里、百度廠商推出一體化AI服務都很受歡迎，原因在于企業無需付出高昂的人員成本和學習成本。尤其是現在，當AI人才陷入饑荒，大多數企業可能無力雇傭深度學習、機器學習方面的專業人才。更希望在不改變現有IT人員結構的前提下滿足新技術的計入需求。

IT架構如果想要做到這一點，需要哪些能力？

想要得出這三個方程式解，我們或許向專業人士尋求建議。最近IBM推出了一款技術咨詢小程序，從中可以了解到在大數據、AI、云計算等等技術變革之下，數據應用以及IT架構打造的專業觀點。

每一次技術浪潮，都會帶來商業世界的起落。而獲取新知，自然是不被浪潮拋下的第一步。