自2000年以来，IT业就不乏各类热点技术或话题，从早先的高性能和并行计算，而后的数据容灾和业务连续性，以及最近的云计算和大数据。不难看出，其中趋势在于不断由技术革新转向业务驱动，即关注在于如何真正驱动用户的业务。

而大数据的兴起也和计算技术发展的层次有关。在上世纪80年代以前，计算技术的应用仅限于对于某项特定业务或操作的高速机械化实现，通过既定的编程逻辑实现某种计算并送出结果；随着之后存储技术——主要在于内存容量的增大和处理器可编程性——的增强，IT进入可编程系统纪元，在这一阶段中我们为了个性化业务需要，搭建支撑相关业务的IT基础架构和应用，并通过各类技术，比如容灾、业务连续性、合规审计等标准，建立起业务的相应保障机制。于是我们有了对IT价值更客观的认识，比如总体拥有成本的分析、投资回报比率等。

而在今天，我们较过去有了全新的改变：数据。不论在何种情况下，数据永远保持在增长的状态，而今天数据爆炸的根本原因在于各类新技术的出现，以及原本无法记录的信息的数据化。微博、微信的兴起、视频监控的增强、各类RFID技术的普及，谁知道明天不会出现一种全新的应用开始普及在每个人的智能终端、信息交互中、甚至记录生活的一举一动。大数据的概念，包含了每个人的心中所想，手中所做。

想象下如果你掌握所有这些数据，你会怎样？你可以精确地预期下个月各类商品期货的走向，因为你知道哪些人会在那时需要什么；你可以简单地实现零库存，因为你知道哪些客户会在什么时间段进行采购；你可以清晰地安排各条产品线的生命周期以及何时应当研发哪类产品，因为你知道市场上最需要什么。

不过也可能你什么都做不了，因为你没有办法处理所有这些数据。今天的IT还无法实现《时间机器》中那位图书馆管理员的人工智能，你可以简单地问问题，他就会完善各类相关的原始数据。

所幸的是今天的数据还没有这么多，你还是可以，也应当去关注社交网络、移动数据等方面：

• 人力资源——能够符合成本效益的前提下，快速的招聘并填补职务空缺，而且能监督并提升非销售人员的生产力
• 供应链——能够针对实时的交通状况，天气影响，有效率的变更运货卡车的路径以避免昂贵的延期所造成的业务损失
• 采购&供应商管理——能够依据社交媒体所提供的信息，辨认相关趋势，而采取更聪明的采购决策
• 财务——能够分析集团内的大宗交易，并改善现金流的使用效率
• 市场行销——能够从社交媒体中挖掘现有客户及潜在客户的人格和采购特征以提供更精确的客户分层和精准的针对性行销
• 销售规划——能够根据历史及国外销售趋势，供应商网站访问率及社交网站的交谈，预测今年中秋，春节，等卖的最火的礼品
• 门店管理——当本地的竞争对手提出具有竞争力的价格时，能够及时感知并采取积极行动

如果柯达可以注意到数码照片在网上数量的激增——每半年提升一个数量级，就不会如此不注重数字影像，如果诺基亚注意到社交信息中对苹果的热议，在iPhone 4一举成名之前就可有所对策。

因此很难用一种标准来定义大数据应用下的IT环境，这种IT规模究竟应该有多大？多小？更偏重存储还是计算速率？这些都取决于用户，用户的业务目标是什么？需要哪些可监控的数据源和方法来为业务决策提供支持或告警？这些方法需要怎样的IT系统？

有些奇怪为什么市场上会有很多现成的大数据解决方案，而非是大数据咨询服务并在IT层进行部署实现。如果说数年之前的企业资源管理（ERP）各种部署之间还有共性可参考引荐，那么大数据则全然不同，大数据的目的在于帮助用户在竞争激烈的市场上找到一篇蓝海，而非让大家在红海中厮杀得更为激烈。