点击文末左下角“阅读原文”，可下载完整版《2020爱分析·数据智能厂商全景报告》。

报告摘要

在企业推进数字化转型的过程中，挖掘数据的价值以赋能业务已经成为普遍共识。如何实现数据驱动业务的场景化落地，成为企业当前亟需解决的关键问题。

基于对国内各行业甲方企业的调研，爱分析认为数据智能应用呈现以下趋势：

·  对于非结构化数据的价值挖掘的关注度和数据应用成熟度日益提升；

·  企业对于各业务场景中数据智能应用的实时性需求不断增强；

·  数据应用逐步走向平民化，一线业务人员和数据分析人员成为数据应用的重要终端用户；

·  行业内数据智能应用领先企业开始赋能行业上下游生态，将数据智能应用能力对外输出。

·  对于企业数字化转型的过程中如何推进数据智能落地，爱分析提出以下几点建议：

· 数据中台已成为支撑企业数字化转型和数据智能应用的新基础设施，建设数据中台是推进数据智能应用的有效手段；

· 数据中台建设是“一把手工程”，涉及企业各业务部门与系统，需要顶层战略规划先行，自上而下推进，并与组织与业务变革协同；

· 数据中台建设需要以明确的优先应用场景为先导，以实现快速落地和验证业务价值；

· 重视数据治理工作，从企业组织和运营层面制定统一规范，提升数据质量。

目录

01

新基建背景下，数据智能的应用趋势

随着技术发展，各行业的数字化转型都在不断深化，正逐步进入数据智能时代。相比于传统业务模式，在数据智能时代的新业务模式中，数据成为业务系统的核心，企业业务由原先的经验、流程驱动逐步转向数据驱动，企业具备面向全量数据进行数据治理的能力，同时可在数据全生命周期范围内挖掘数据价值，驱动业务决策，整个系统的迭代速度快，商业价值高。

同时，随着企业数据量不断拓展，数据中台开始兴起，中台汇聚企业的业务数据，通过自动化、智能化的数据采集与汇聚，将实时与离线数据打通关联，深度挖掘数据价值，将数据资产化，并开放数据服务至各业务场景中，具备汇聚整合、数据提纯加工、数据服务可视化、数据价值变现等核心能力。

数据智能在不同行业的应用成熟度有所差异，这由各行业的数据积累、基础设施、应用场景等多方面决定。在金融、品牌营销、政务等行业渗透率较高，大部分企业已经开始建设中台，营销与风控是数据智能的主要应用场景；而在传统工业等数字化基础设施薄弱的行业仍有大量数据洼地，数据智能渗透率低。

未来，随着国家大力发展新基建、新技术逐步成熟，传统行业对数据智能的认知增强，各行业数据基础设施逐步完善，数据智能的渗透率将会进一步提升。在金融领域，除了常见的营销、风控以外，还将拓展至市场监管、智能投研等；行业主体也将从银行、保险延伸至证券、基金等；同时，智慧城市与政府公共服务领域将成为数据智能应用的重要行业，包括智慧交通、智慧政务、智慧安防等；在工业领域，供应链管理、智能运维等将成为数据智能率先渗透的场景。

爱分析认为，随着企业数字化转型需求的推动和人工智能、5G、物联网等技术的发展，数据智能将会加速渗透传统行业，呈现出以下趋势：

· 企业大部分数据为非结构化数据，传统基于结构化数据搭建的数据中台难以应对海量非结构化数据应用的需求。未来，企业将针对非结构化数据搭建和优化底层数据架构，同时，融合知识图谱、机器学习等技术，挖掘非结构化数据的价值赋能企业业务。

· 随着数据智能应用的深入，企业追求快速响应的业务需求以及实时计算、流处理等技术应用的成熟，数据智能在传统行业业务场景中的应用实时性需求将不断提升。

· 过去，企业数据开发和应用的参与者和服务用户主要是IT部门和企业决策层，随着企业数字化转型加速，企业业务与数据紧密相关，应用场景不断拓展，要求数据应用走向平民化，数据应用将拓展到普通业务人员及数据分析人员，自助式报表分析和自助式AI建模等工具将加速数据应用平民化的趋势。

· 传统企业主要在内部搭建数据中台，支撑自身业务变革。部分行业中领先企业随着自身数据智能应用走向成熟，开始将数据智能的能力对外输出，赋能产业链上下游，构建产业数字化生态。

02

数据智能全场景地图

爱分析基于对金融、消费品与零售、政府与公共服务等行业企业和数据智能厂商的调研，梳理了21个数据智能重点应用场景，涵盖特定行业及通用职能部门。同时根据调研，爱分析遴选出在这些应用场景中具备成熟解决方案和落地能力的代表厂商，如下图所示。

（注：以下所有场景中的厂商均按音序排序）

爱分析对21个数据智能应用场景的定义以及遴选出的代表厂商如下。

2.1  通用职能部门

03

数据智能代表厂商

04

数据智能厂商解读