大数据的商业化进程在互联网项目中比人工智能更难评估

相对于人工智能的传统行业和硬件设备的介入，大数据来自各种各样的来源，从企业传统遗留应用程序和交易系统到由机器、移动设备、网络日志和社交媒体生成的数据。这使得预测所需容量变得更加困难和低效。单个事件可能会导致数据量和工作量的突然变化。例如，一家金融服务机构在任何一天都可能会经历10倍的数量波动，而具体的波动则取决于市场状况，是很难预测的。

企业受到大数据对存储容量/基础设施日益增长的需求的挑战。企业不仅需要规划基础架构，还必须确定如何轻松扩展，以满足不断变化的存储和计算要求。对于几乎任何企业来说，将其基础架构容量规模扩展10倍来支持峰值需求，让这些额外的容量在90%的时间内均处于闲置状态，无疑是非常低效且不符合成本效益的。其他问题包括由于数据的增长所导致的基础设施和维护成本不断升高，还需通过实验来确保足够的带宽来支持创新，以及数据采集和分析的成本。

借助云服务，企业无需为最大容量调整其基础架构的规模大小。其弹性属性使企业可以根据需要实现动态扩展或缩减基础架构。随意的市场波动，以及互联网项目的繁杂和多样性决定在商业进程的缩进和难以进步。

人工智能思考