2018数据智能生态报告_1539772265296_25页_2mb

2018数据智能生态报告总结

核心内容

本报告围绕“数据智能”这一新兴概念展开，分析其内涵、经济学本质、市场发展、行业应用及企业应对策略。数据智能是大数据与人工智能技术融合的产物，旨在通过智能算法与信息处理技术，实现对海量数据的深度洞察与决策智能化，推动企业从数据中创造价值。

主要观点

• 数据智能的终极目标是“预测”和“决策”，而非单纯的“分析”或“展示”。
• 数据智能具有可衡量的价值，其核心在于决策结果的效用。
• 数据智能平台是实现数据智能的关键技术载体，具备连接、共享、安全、管理、科学与工程六大核心能力。
• 数据智能的经济学本质在于提升决策效率、降低交易成本、打破有限理性，从而促进价值创造。
• 数据智能行业正从“数据时代”向“数据智能时代”过渡，呈现出生态化和开源化的发展趋势。

关键信息

数据智能平台的定义与特点

• 数据智能平台是承载数据生命周期、实现数据价值转化的核心载体。
• 平台具备以下特点：
  • 连接：能够整合多源异构数据。
  • 共享：在保护数据隐私的前提下实现知识共享。
  • 安全：确保数据、算法、模型等环节的安全合规。
  • 管理：实现数据治理与资源管理。
  • 科学：支持数据科学探索与模型构建。
  • 工程：提供工具与能力支持，实现数据产品工程化。

数据智能的发展阶段与市场趋势

• 数据智能发展经历了四个阶段：技术雏形、软件时代、数据时代、数据智能时代。
• 中国数据智能市场预计在2020年达到万亿级别，增长迅速。
• 数据智能平台/数据中台是数据智能发展的关键，具备强大的生态赋能能力。

数据智能平台的定位与价值

• 数据智能平台是连接数据与商业场景的桥梁，能够实现从数据到价值的转化。
• 平台的价值来源于：
  • 提高资源配置效率：集中剩余价值，打通数据价值链。
  • 降低数据处理成本：通过平台整合资源，提升整体产出。

行业全景与企业玩家分类

典型企业类型与速赢策略

数据智能的行业应用趋势

• 营销行业：数据智能应用最为成熟，包括智能营销云、程序化广告投放等。
• 金融行业：数据智能在征信、风控、智能投顾等领域应用逐步展开。
• 新零售领域：数据智能产品增长迅速，如门店选址、自动推荐等。
• 智慧城市：政府在城市规划、公共安全等方面广泛应用数据智能。
• 医疗行业：数据智能主要用于辅助医疗与临床实验，尚未实现核心决策。
• 工业领域：随着数字化转型，工业数据智能将成为下一个增长点。
• 农业领域：数据采集仍是主要问题，应用方向尚待验证。

客户企业的应对策略

• 大型企业具备构建数据智能平台的能力，可自建或引入外部平台。
• 中小企业应借力打力，避免重复开发，借助平台实现快速转型。
• 不同阶段应选择不同的平台引入方式，如决策自动化阶段可购买或自建数据中台。

利益相关者的应对策略

• 硬件与软件服务商：应提升计算能力与集成能力，开发专用设备。
• 科研机构：需加强数据智能技术输出，推动非结构化数据处理能力。
• 行业监管部门与自治联盟：应推动数据合规、安全、标准建设，促进数据流通与生态发展。

作者与参与人员

• 杨慧（Cynthiaa Yang）：现任中关村大数据产业联盟数字生态行研中心首席研究专家，TalkingData CEO助理，腾云大学执行校长。
• 车品觉（Herbert Chia）：红杉中国专家合伙人、京东金融首席数据顾问、TalkingData首席顾问。
• 崔晓波（Leo Cui）：TalkingData创始人，曾任Oracle大中国区A&C技术总监，致力于推动数据智能生态建设。
• 赵国栋：最早提出“数据资产”概念，现任中关村大数据产业联盟秘书长，多所高校大数据专业导师。

数据智能未来趋势

• 生态化：平台需打通数据供给与需求，形成端到端闭环生态。
• 开源化：开源技术将推动数据智能普及，提高行业整体能力。
• 组织结构创新：企业需整合内外部数据与人才，提升数据治理与协同能力。