2018数据智能生态报告_25页-3mb

数据智能生态报告总结

核心内容概述

本报告《2018数据智能生态报告》聚焦于数据智能（Data Intelligence）的定义、技术本质、市场发展、行业痛点及未来趋势。报告指出，数据智能是大数据与人工智能技术融合的产物，旨在通过智能算法和信息处理技术，实现对海量数据的洞察与决策智能化。报告还探讨了数据智能平台/数据中台在数据行业中的关键作用，并提出了不同企业在数据智能时代的定位与应对策略。

主要观点

• 数据智能的定义：数据智能是通过大数据引擎、机器学习与深度学习技术，对数据进行处理、分析与预测，最终实现决策智能化。其核心在于“预测”与“决策”，而不仅仅是“分析”或“展示”。
• 数据智能的价值：数据智能通过降低交易成本、提高决策效率、打破有限理性、提升价值创造次数等方式，对经济产生正向促进作用。其价值公式为：数据智能价值 = （数据 + 人的智慧） × 数据智能平台。
• 数据智能平台的作用：数据智能平台是数据智能实现的关键技术载体，它提供连接、共享、安全、管理、科学与工程等核心能力，促进数据的整合与价值挖掘。
• 数据智能的发展阶段：数据智能的发展经历了技术雏形、软件时代、数据时代和数据智能时代四个阶段，当前正处于数据智能时代，数据中台类企业开始出现。
• 数据智能的经济学本质：数据智能是决策导向的，其价值在于能够通过数据和算法的结合，提高商业决策的科学性和效率。

关键信息

数据智能平台的六大核心能力

1. 连接：将多源数据融合，形成统一的数据视图。
2. 共享：在保护数据隐私的前提下，实现知识的流转与共享。
3. 安全：确保数据处理全过程的安全与合规。
4. 管理：实现数据的治理与资产化。
5. 科学：数据价值挖掘需要科学的流程和工具。
6. 工程：将数据和算法转化为可复用的解决方案。

数据智能市场的发展趋势

• 生态化：企业将构建端到端的生态体系，打通数据供给与需求端。
• 开源化：开源技术将加速数据智能的普及和应用。

数据智能平台的定位

• 数据智能平台是数据智能的核心载体，兼具数据、工具、算法和服务等要素。
• 平台的存在可以提高数据的利用率和价值产出，是企业数字化转型的关键。

行业全景与企业玩家分类

数据智能市场的痛点

• 企业层面：

  • 缺乏对数据智能构建的理解与经验。
  • 缺乏专业人才，尤其是兼具商业、编程与数学能力的数据科学家。
  • 数据与业务场景脱节，难以形成闭环。
  • 数据闭环小而封闭，解决的问题有限。

• 行业层面：

  • 数据获取成本高，数据共享受法律与合规限制。
  • 数据与商业场景的结合不够紧密，缺乏行业知识。
  • 数据平台建设成本高，企业难以自建。
  • 数据价值未能充分释放，资源浪费严重。

数据智能行业应用趋势

1. 营销行业：数据智能应用成熟，产品包括智能营销云、程序化广告投放等。
2. 金融行业：数据智能在消费金融、征信、风控、智能投顾等领域逐步落地。
3. 新零售行业：数据智能产品增长迅速，涵盖门店预测、自动推荐、选址等。
4. 智慧城市：政府对数据智能需求上升，用于人口经济、城市规划、公共安全等领域。
5. 医疗行业：数据智能主要体现在辅助诊断、临床实验等环节，尚未形成核心决策闭环。
6. 工业领域：工业物联网成为数据智能的新战场，企业仍处于数字化转型阶段。
7. 农业领域：数据采集仍是主要问题，应用方向待市场验证。

客户企业应对策略

• 大型企业应自建数据智能平台，实现内部决策自动化。
• 中小型企业应借助外部平台，避免重复投入，提高效率。
• 不同数字化转型阶段应选择不同的数据智能平台引入方式，如在决策自动化阶段可直接采购或构建内部数据中台系统。

利益相关者应对策略

1. 硬件与软件服务商：提升硬件集成性与计算能力，如GPU加速。
2. 科研机构：加强非结构化数据处理能力，推动产研学结合。
3. 行业监管部门与自治联盟：完善数据安全与合规体系，制定人才与技术标准，推动行业健康发展。

作者与参与人员

• 杨慧（Cynthiaa Yang）：现任TalkingData CEO助理、中关村大数据产业联盟数字生态行研中心首席研究专家。
• 车品觉（Herbert Chia）：红杉中国专家合伙人、TalkingData首席顾问。
• 崔晓波（Leo Cui）：TalkingData创始人，曾获多项创新与行业影响力奖项。
• 赵国栋：中关村大数据产业联盟秘书长，著有多部大数据相关著作。

结论

数据智能平台/数据中台将成为数据行业发展的核心驱动力，通过连接、共享、安全、管理、科学与工程六大能力，推动数据从采集到应用的全过程。未来，数据智能行业将呈现生态化与开源化的发展趋势，不同企业在数据智能生态中将找到适合自己的位置，通过合作与创新实现共赢。