2021中国数据智能产业发展研究报告

2021中国数据智能产业发展研究报告一、数据智能简介数据成为新的生产要素，日益爆发的大数据+AI技术成为数据智能的基础，并不断应用在各行业中的实际业务。1.数据智能：数据成为新的生产要素，智能化数据将成为新的竞争壁垒。在2020年4月发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》，将数据作为与劳动、资本、土地、知识、技术、管理并列的生产要素，这是第一次在中央文件中明确将数据作为一种新型生产要素。数据作为新的生产要素，在边际使用价值、产权、价值量度等方面具有独特性。2.数据智能：结合大数据+AI技术在实际商业环境中解决实际业务问题。数据智能（DataIntelligence）是什么呢？数据智能是指基于大数据，通过人工智能（AI）对海量数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，使数据具有“智能”，并通过建立模型寻求现有问题的解决方案以及实现预测等。AI主要由AI技术、算法、框架和基础算法四部分构成，在其发展历程中，先后以机器学习和深度学习作为其主流算法。3.数据智能发展历程：人工智能作为数据智能的模块之一，在AlphGo2017年成为新闻媒体焦点之后较大家熟知，此后更多在自然语言处理层面的人工智能蓬勃发展，但是数据智能在更高维度串联行业和企业业务，将人工智能的算法优势与业务结合，逐步解构和重构行业商业逻辑。4.数据智能行业发展现状：PEST分析。PEST：政治（政策优势）、经济（商业化推动）、社会（隐私）、科技（发展阶段）。5.数据智能的挑战：目前仍是间接创造价值，未来还面临数据“产权”等新挑战。数据作为新的生产要素备受关注，但是在数据智能行业里，除了数据之外，还需要机器学习的技术和AI在应用层的表现才算构成完整的数据智能。二、数据智能对行业的影响数据智能创造的新业务链条最终会影响行业格局，其在互联网、金融、新零售、医疗、教育等行业的革命性颠覆，最终描绘出一幅宏大的数据智能行业图谱。1.数据智能：从最初的业务数据化到最终改变行业格局。数据智能在各个行业中基本遵循的推动流程：单点业务模块线上化→业务与业务数据联通→终端/营销业务模式改变→供应链运营模式改变→业务智能化→商业模式改变/行业格局改变。期间投入的数据+新业务成本，会在大数据和智能化的作用下逐步发挥

效用，从单点业务的改善到整体行业格局的改变。关键数据技术节点+AI应用相结合推动行业发展。随着大数据技术的持续发展，原来割裂的各个领域技术呈现出加速融合的趋势，比如离线处理与实时处理的融合，事务数据存储与数据分析的融合，基于云平台和数据中台打通数据孤岛，这些技术的融合发展，对于突破对海量数据处理的性能瓶颈意义重大。此外，AI在数据价值挖掘方面的作用得到更多重视，AI平台和大数据平台的融合程度进一步增强。2.数据智能在各个行业的应用程度：目前数据化在各行业都逐渐成熟，在此基础上的智能化和应用层不断体现行业特色。数据智能在互联网和金融行业中的应用更为普遍和深入，虽然应用的技术各有不同，但都已有成熟业务案例，呈现改变行业格局的态势。2.1数据智能发自互联网也重构互联网：增量市场向存量市场转变，数据精细化运营地位凸显。互联网属于目前受益于数据最广泛也最前沿的行业，同时也是最先面对挑战的行业。随着互联网用户渗透率增长放缓，增量市场逐渐变为存量市场，原有的商业模式和产品模式都面对挑战，从流量思维变为数据思维，深耕细分领域，从用户增长变为用户深

耕成为趋势，另一方面消费互联网也从简单的线上零售向内容+社交转变，非标内容将面对更加个性化。同时由于国内互联网的

成长历史，互联网出海时，数据角度经常面对较大的政治层面压力。2.2互联网：市场竞争逐渐激烈，细分领域（内容/直播）仍有空间，整体市场下沉趋势明显。依据数据来源、应用形态的差异，将互联网划分为PC互联网、移动互联网、产业互联网、万物互联四个阶段。PC互联网、移动

互联网的数据主要来源于个人用户，并服务于个人用户；产业互联网新增数据则大量来源于传统企业“触网”后的业务数据化，互联网更多的走向线上线下结合，互联网对传统行业的渗透率进一步提升。随着万物互联时代的到来，现实物理世界逐步数字化，物联网、车联网、工业互联网等与消费互联网相互结合，共同构建起“互联网大脑”。人工智能在互联网的创新应用探索，衍生出精准广告、AI视频、虚拟主播、智能推荐等新的互联网业务形态。2.3数据智能在金融：改变传统信贷模式，有效提升金融运营效率。传统金融行业有线下网点众多，流程高度规范，数据化需求高等特征，数据化之后不仅仅是业务线上化的表现，在实际经营过程中，大量重复性合规的工作内容逐步被数据智能替代，极大地提升了运营效率，同时数据的打通和可视化也不断提升决策能力。同时在高端金融层面，个性化、定制化产品也逐步呈现，在普惠金融中的智能投顾产品也离不开数据智能的支撑。在不同金融细分领域中有不同的业务体现。数据智能化应用在不同的细分金融行业各有不同的业务体现，目前数据智能化从业人员比较看好的有：数据共享、智能营销和业务线上化，都是短期内有望突破落地的业务应用。技术架构和应用场景。在金融领域需要积累大量的用户数据，尤其是信用、资金相关的数据，构建统一的数据中台，然后探索智能应用场景。依据数据猿的市场调研，智能营销、大数据风控、反洗钱是比较看好的场景。另外，近来开放金融账户、对外提供金融科技服务等开放银行业务也逐渐受到关注。营销、风控、反洗钱、开放金融是重要应用场景。百融云创、东方金信、明略数据、星环数据等在金融领域均有涉猎，微众信科、元素征信、金电联行、安华金和等则在金融征信领域开辟疆土。2.4数据智能在零售：商业逻辑从“人货场”升级到“数据重构顾客和服务+商品”。互联网和物联网重构了零售渠道，线上线下以及多智能终端的售卖相互融合，加速了零售大数据的产生。通过数据的智能化，一方面对消费者进行深度洞察，构建精准营销模型，加强货品转化效率，另一方面消费者需求通过数据的形式反馈到供应链，加强供应链串联效率，提高物流仓储贡献，同时在售卖渠道端，通过数字化管理，进而减少人工成本，提高运营决策效率。零售逐步完成“前后端”数字化升级，进入从数据化到智能化的阶段。借助数据平台，从线下门店、仓库、供应链、线上平台等系统中采集数据，实现数据融合管理，进行数据分析挖掘，在此基础上重构零售行业的“人-货-场”。从后端到前端，进行全面数字化，实现供应链、门店的精准管理，创新线上渠道，深入客群洞察，以智能营销推动提升销量。阿里云、腾讯云、京东云在零售电商领域领先，网易数帆、火山引擎、有赞等提供零售数字化解决方案。菜鸟、车满满、顺丰等则在与零售相关的物流科技方面领先。2.5数据智能在医疗行业进展：我国医疗正式进入数字化、智能化与智慧化。纵观医学发展，从经验医学、循证医学到精准医学（precisionmedicine），数字化、智能化与智慧化逐步贯穿至人们健康与疾

病的全流程。如，在预防阶段，早筛通过基因检测的方式提前获知患病概率，预防风险。尤其是面对特殊人群，预防更为重要，如为慢病人群提供动态血糖/血压等体征监测，把控并发症发生风险。在治疗阶段，AI影像诊断、靶向药治疗、手术机器人的加入都是数字与智能的前提。最后，康复体现在远程随访、康复机器人等方面。数据智能是医疗的未来，然而在医疗行业的发展才刚刚起步，面临的问题与挑战较多。2.6数据智能+医疗的主要推动因素：政策引导方向，技术赋能场景。政策是引导医疗健康行业前行的主要因素，近两年我国在大数据、智慧医院、AI医疗等层面共发布了50+的政策及细则，大力推动了数据智能在公卫及院端的应用。此外，技术是数据智能落地医疗行业的基石。然而，相比其他领域，医疗与新技术的融合相

对缓慢，如云计算在三级医院的渗透率仅为16%，在三级以下医院仅为个位数。2.7数据智能+医院：以智慧医院为核心的服务协同、医疗能力提升。智慧医院的核心是构建围绕以患者为中心的医疗服务体系，构建智慧服务、智慧医疗与智慧管理。现阶段，智慧服务发展相对快

速，主要体现在对外互联网医院、家庭医生平台的搭建上。其次为智慧医疗，AI辅助诊断，临床辅助决策系统、电子病历等系统

建设多在三级医院。未来随着智慧医院的建设，数据存储、交互等需求又将会进一步提升数据智能在院端的发展。三、数据智能化对企业的影响当下数据智能在营销、运营管理、产品研发等方面都有实际应用。数据智能逐步重构企业商业逻辑，目前价值主要体现在营销、运营和产品研发三个方面依据市场调研，企业普遍关注智能营销、管理数字化和产品研发数字化方面的价值。具体来看，市场营销的数字化、智能化程度最高，涌现出营销自动化、直播电商等创新应用；企业管理和业务流程的数字化、智能化程度有待加强，重点在于通过数智化升

级提升企业管理效率，优化业务流程；产业研发数字化、智能化还处于起步阶段，其价值在于帮助研发部门更快、更深入地了解市场需求，让产品研发更有针对性。依据市场调研，企业普遍关注智能营销、管理数字化和产品研发数字化方面的价值。四、数据智能行业未来趋势4.1数据作为新的生产要素，会逐步资产化管理，释放更多数据价值。随着5G、物联网的发展，数据呈现爆发式增长状态，预计2025年全球数据量将达到175ZB，中国预计48.6ZB，成为全球第一。而作为企业来讲，数据作为资产的重要性愈加凸显，对于不同类型数据资产进行融合、打通、管理成为影响数据资产价值的关键

因素。4.2数据智能化与云计算、深度学习的结合也会更为紧密。数据智能对数据的量级存储以及计算资源要求越来越高，大数据与云计算的结合将会愈发紧密，目前云计算应用以公有云为主流，混合云随着异构计算的解决增速超过公有云和私有云。深度学习作为机器学习的一种方式，相比传统机器学习可随着数据规模的增加不断提升其性能，且可以从数据中直接提取特征，削减了对

每一个问题设计特征提取器的工作，是计算机视觉和自然语言处理取得突破性进展的关键技术。截止2020年10月底，专利申请数量已达27173件，成为创新主体最关注的创新领域之一。4.3

从用户角度，会更加看重隐私保护，数据安全性会愈发重要。根据数据猿的市场调研，绝大部分人都开始关注隐私