2021中国数据智能产业发展研究报告.pdf

2021中国数据智能产业发展研究报告2 0 2 1 年 5 月02n 报告背景数据智能（Data Intelligence），是数据化与智能化的融合。数据产业化和产业数据化同步推进，数据智能技术快速发展，业务场景、行业应用不断丰富，每个领域都涌现出诸多优秀的数据智能服务商。在这个急速变革的时期，数据猿基于长期的产业观察、深入的分析和大量的调研，推出2021中国数据智能产业发展报告，报告从数据和技术进展、业务场景、行业应用、未来趋势四个方面梳理数据智能产业近期的发展情况，致力于厘清数据智能产业的发展脉络，总结产业实践，为业界了解数据智能行业发展情况提供一份有价值的借鉴。n 报告研究方法1、桌面研究数据猿数据智能产业研究团队基于长期的行业观察，建立较为完善的产业资料库，并进行多个行业专题研究。本报告结合了行业研究、企业年报、政府数据、媒体报道等第三方公开数据。2、行业专家访谈数据猿构建的行业专家库，主要包括业界专家、企业高管、高校教授等，为本报告的撰写提供智力支持。3、问卷调查a)调研对象：数据智能产业相关从业者、企业主和相关客户；b)问卷投放时间：2021年1月-2021年3月；c)样本量N=305。2n 报告摘要数据成为新的生产要素，正在成为竞争力之一，随着算力和技术发展，大数据和AI技术融合下的数据智能，逐渐在商业环境中应用，并间接创造价值。数据智能在各行业中呈现从业务数据化到最终改变行业格局的态势，特别在互联网、金融行业和医疗行业中的应用更为普遍和深入，都有较为成熟业务案例。数据智能未来趋势：企业层面，数据资产化管理，释放更多数据价值；技术层面，与云计算、深度学习的结合更为紧密；个体层面，加强隐私保护。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。3数据智能简介数据智能对行业的影响数据智能化对企业的影响数据智能行业未来趋势4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。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。0102间接附能边际效用递增劳动、资本、土地生产要素会随着使用而消耗其价值，而数据并不会因为使用而消耗。相反，数据在流动、应用过程中能得到进一步积累，数据价值会更大。目前，数据并不能直接创造价值，其价值需要通过赋能业务、管理，通过提升企业效率来体现价值，其价值传导链条具有间接性。03数据呈指数级增长传统生产要素都是线性增长的，但数据增长轨迹却是非线性的。图灵奖获得者JimGray提出，每18个月全球新增信息量是计算机有史以来全部信息量的总和。04产权和价值界线难度增加传统劳动、资本、土地的产权归属清晰，价值大小好度量，但数据的产权归属、数据价值大小量度还没有统一、明确的标准，相关的法律法规体系还远未成熟。02036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（Data Intelligence）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。大数据解决采取!存储!访问 个问题!技术利用人工智能的算法和技术对数据进行分析应用针对具体业务进行应用数据访问!负载均衡数据存储!分布式存储数据采集!智能硬件、智能传感器、摄像头等#$#$技术自然语言处理（!#）、数据清洗、分析决策、机器视觉、数据挖掘、知识图谱#$#$框架!$%&()*+,+-./0%(#01203(#022./&022./(4055/(678*9#$#$算法分类、回归、降维、深度学习、聚类、规划、优化、预处理基础算法高等数学、矩阵分布、数值分析、概率统计分析分类、聚类、预测、决策、规划、推荐资料来源：中国人工智能学会，数据猿分析人工智能、机器学习、深度学习的隶属关系人工智能1950-1980机器学习1980-2010深度学习2010-至今数据智能的基础概念7数据智能发展历程人工智能作为数据智能的模块之一，在AlphGo 2017年成为新闻媒体焦点之后较大家熟知，此后更多在自然语言处理层面的人工智能蓬勃发展，但是数据智能在更高维度串联行业和企业业务，将人工智能的算法优势与业务结合，逐步解构和重构行业商业逻辑。!#!$!%!&$()(*(!)$至今未来可期:;发布第一个商用)?关系式数据库关系式数据库:;A=在日本开发的B0C7-D，可以与人沟通、阅读乐谱并演奏电子琴:;H/*-78G0*9+1/3支持向量机I算法诞生第二次爆发：机器学习由于大数据和深度学习算法的发展条件成熟DAAJ=K+1-71发表论文，首次提出L深度学习M神经网络第三次爆发：深度学习:;:=数据仓库开始涌现DAAN=分布式计算DAAOK0277&诞生数据仓库和分布式架构数据智能DA:N=深度学习在语音和视觉识别上都有重大突破DA:=P.&90Q7击败围棋世界第一棋手柯洁AI与大数据的结合:;OJ=PE的诞生，在达特茅斯会议上，名词被创造第一次爆发：+,+,诞生AI大数据8DAAJ年产生云计算的概念DA:D年以来，美国、欧盟、日本等主要发达经济体积极推进大数据发展战略。云计算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）PSET新 基 建 和 政 策 管 控2017年12月,工业和信息化部印发了发布促进新一代人工智能产业发展三年行动计划（2018-2020年）发布。2019-2020年，国家又提出“新基建”策略，奠定政策基调。商 业 化 逐 渐 成 熟，企 业 侧 降 本 增 效 明 显数据智能在各行各业的基础建设已逐步完善，应用层方面也逐步提升企业人效，加速业务链流动，提升上下游的互动和信息交换。基 础 算 力 和 A I 应 用 技术 飞 速 发 展数据智能产业的基础算力在不断突破天花板，同时AI技术也从单点技术突破走向商业驱动阶段，分支的深度学习和认知智能成为新的技术追逐点。数 据 化 渗 透，隐 私界 线 持 续 被 讨 论2020年7月3日，中华人民共和国数据安全法（草案）全文在中国人大网公开征求意见。9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。25.3%31.8%40.0%41.6%41.6%43.0%50.2%数据量的增长更快数据无处不在，万事万物都可以数据化数据的价值量大小评估更复杂，目前还没有统一的标准数据并不会因为使用而消耗，反而越用越多数据的“产权”更复杂，目前还很难确定某份数据的产权归属数据作为一种资产，目前数据资产管理方法和技术还不成熟数据是通过赋能业务来间接体现价值，而不像资本、人才直接创造价值数据作为新的生产要素的特点（N=305）10数据来源：数据猿问卷调研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。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。数据采集数据储存数据可视化单 点 业 务 模 块 线 上 化终 端/营 销 业 务 模 式改 变数据联通降低终端运营/人工成本业 务 智 能 化企业整体商业格局发生改变，数据智能附能新的业务增长点业 务 与 业 务 数 据 联 通数据融合数据分析供 应 链 运 营 模 式 改 变系统打通数据智能降本增效行 业 格 局 改 变数据的供需关系改变行业的整体商业逻辑数据智能与行业融合的过程12数据智能行业图谱13资料来源：数据猿绘制数据智能：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。3云+大 数 据 实 现 更 好 的 数 据 融 合数据中台建设，构建统一的数据标准和规范的数据接口，实现不同系统的数据打通。数据上云将分散在各个系统中的数据汇总在云端，只需通网络连接即可获得数据服务。1流 处 理 满 足 数 据 时 效 要 求离线批处理，可以实现海量数据的低成本规模化处理，流处理可以提升数据处理的实时性，满足实时监控、风险实时预警、工业互联网操作等场景需求。用 A I 赋 能 数 据 应 用4数据的最终价值在于应用，将大数据平台与人工智能平台深度融合，实现数据在大数据平台与AI平台的无缝衔接，可以帮助企业在数据存储、数据治理基础上，探索更多的数据智能应用。同 时 实 现 事 务 处 理 和 数 据 分 析2随着数据与业务的深入融合，在诸多场景中需要同时进行事务数据的处理和分析。通过事务/分析融合架构设计，可以避免以往在两类数据库中频繁数据搬运带来的效率损失。17智能语音技术数据挖掘机器人知识图谱自然语言处理生物识别人工智能技术应用机器学习计算机视觉生物识别数据智能实现的关键技术和功能14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。数据智能在行业中的具体应用互联网服务智能推荐图片/视频处理翻译语音助手安全防护旅行规划内容生产与审核金融智能风控智能投顾智能投研保险科技安全防护医疗智能影像诊疗 医学数据挖掘智能问诊健康管理药物挖掘语音电子病历教育自适应学习智能评测智能排课语音学习分级阅读视频分析零售顾客行为分析商品识别自主结算物流管理客群识别数字供应商工业制造缺陷监测生产优化安全防护机器人安防身份认证系统视频分析家庭安防智能摄像头汽车ADAS系统自动驾驶算法车载交互企业服务智能营销商业决策智能客服数据标注智能招聘CRM管理系统58.4%56.7%33.1%27.2%26.9%25.6%22.3%14.4%互联网金融医疗政府教育零售工业农业数据智能化应用在各行业的应用成熟度感知数据来源：数据猿问卷调研（N=305）15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。互联网面对的数据挑战5G时代对硬件物联的破维预期从消费互联网到内容+社交从流量思维到数据思维，精细化数据运营势在必行互联网数据智能的发展趋势16原创商业模式到原创技术应用从Copy to China 到 copy from China，中国的互联网如何保持原创动力。增量市场到存量市场根据IDG数据，中国手机出库量增速放缓，互联网用户渗透增速放缓也预示增量红利逐步消失。国际政治冲突导致出海受阻中国互联网出海在受到文化、宗教等本土化挑战外，国际政治风险徒然增加。原创人口红利出海受阻互联网：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。互联网大脑互联网智能应用智能视频推荐AI主播直播创新AI视频生成电商千人千面精准定向广告程序化广告内容合规审查智能身份认证语音搜索以图搜图APP性能安全分析PC互联网移动互联网产业互联网万物互联门 户 网 站搜 索电 商社 交移 动 社 交移 动 电 商移 动 地 图团 购、O 2 O互 联 网 教 育互 联 网 医 疗互 联 网 金 融物 联 网车 联 网工 业 互 联 网17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。数据智能改变金融行业的商业模式丰富个性化产品提升科学决策能力提升金融运营效率数据智能在实际经营中的效率提升18规模化金融定制服务成竞争焦点传统信贷模式成本高，难以覆盖大量长尾客户。通过技术创新实现下沉客户群体的精细化运营，是以商业银行为代表的金融机构绩增长的关键。互联网金融改变游戏规则互联网金融创新活跃，消费贷、手机支付、理财产品推荐等金融服务更加便捷高效，传统金融机构面临较大的客户尤其是个人用户流失的压力。大数据改变改变传统信贷模式传统信贷模式成本高，难以覆盖大量长尾客户。通过技术创新实现下沉客户群体的精细化运营，是以商业银行为代表的金融机构绩增长的关键。金融产品互联网金融信贷模式数据智能在金融：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。38.7%42.3%49.8%55.1%67.2%智能反欺诈，智能识别出欺诈风险，避免用户损失大数据风控，解决小微企业贷款难题业务线上化，更多的业务可以在线上直接办理智能营销，推荐更符合用户需求的金融产品开放银行，银行将账户数据、金融数据等有限制地开放出来，推动民间金融发展数据智能化过程中，比较看好的方面（N=305）数据共享智能营销业务线上化小微贷风控反欺诈银行业企业借贷与融资、支付（刷脸付）、清结算、DCEP、风控、开放银行领域保险业全域数字化、新一代核心系统及数字中台建设AB证券业在资产管理监管创新（区块链股权登记托管系统）基金业未实现金融科技效能的较大突破CD数据智能应用层面在金融各个细分领域的体现19数据来源：数据猿问卷调研数据智能在金融：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。数据中台客户基础数据职业信息教育信息年龄性别地址信息证券资产保险贷款负债信用卡负债股票买卖数据信贷数据人行征信数据保单数据网购数据社交数据旅游数据交通出行资产负债数据金融行为数据其他数据信贷业务智能投顾手机银行保险推荐风险合规运营管理营销管理智能金融智能风控反欺诈大数据征信大数据风控基于深度客户画像，提升营销的精准度和效率，增强获客能力和客户转化率。提升客户满意度，降低流失率。金融营销综合利用机器学习、知识图谱、NLP等技术，将金融领域的风控规则与AI模型进行结合，构建风控场景模型。针对中小微企业信贷需求，秒级审批，覆盖中长尾。金融风控将成熟的AI服务输出给生态合作伙伴，拓展新的业务模式。不断丰富AI应用场景，将用户数据反馈到AI平台，进一步优化模型，提升AI能力，形成数据-技术-服务闭环。开放金融从交易数据中自动识别洗钱可疑交易，辅助分析和案件报送。提升案件识别准确率，大幅度提升反洗钱合规工作效率。反洗钱20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。数 据 智 能 改 变 零 售 行 业 的 商 业 模 式数 据 智 能 在 实 际 经 营 中 的 效 率 提 升21提升供应链效率提升线上线下运营效率提升终端服务效率从实体场景到平台数据流服务、用户数据、多为线上/线下互动场景从门店为中心到顾客为中心原有商品陈列变成依照用户结构和画像进行大数据分配，并针对消费者的非标需求进行服务。从商品交易到个性化服务针对大众用户进行商品的再加工/附加服务升级，高端客户推荐个性化定制服务，不断提升客单价场人货数据智能在零售：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。67货仓库管理销量预测数字供应链商品管理商品质量管理爆款管理商品物流库存告警场人抖音、快手短视频渠道线下门店电商渠道管理自有线上渠道(APP、公众号、社群)客群洞察门店人流分析智能营销用户行为分析用户流失预警粉丝管理智能客服客户交叉销售数字采集数据存储数据治理数据融合数据分析数据可视化数据平台智 能 营 销06客 群 识 别05数 字 供 应 链01线 上 渠 道 创 新04数 据 融 合02智 慧 门 店03数字化提升服务模式：商品转移、消费体验、需求预测/需求前置22零售案例：面对消费升级，零售龙头企业需持续保持产品与品牌竞争优势23从线下实体门店到互联网电商以及线上线下融合，零售一直经历着各种变革的冲击，名创优品作为零售龙头企业，如何顺应时代潮流，以新技术、新产品、新销售继续保持竞争优势，成为企业进行数据智能的核心目的。通过前后端数据融合，网易数帆帮助名创优品在智能分析与决策的基础上创新产品模式，从而保持品牌持续增长。拥有门店近4000家覆盖全球超80个国家店均SKU3000+案例：名创优品自2013年创始以来，一直保持超高速的增长态势面对消费环境的变化，企业让数据充分发挥其价值，保持产品与品牌的竞争优势132消费者：需求与决策习惯变化基于品类与消费数据，进行品类预测、精准营销、销售模式升级。基础设施升级：人工智能、5G等技术不断被应用大数据与AI产品结合，一方面提高生产、管理、销售等效率，另一方面创造个性化顾客服务。竞争环境：竞争者多元化，甚至降维打击基于门店、生产、物流等数据，进行市场细分、产品供应链与渠道管理模式升级等，降本增效。DATA零售案例：网易数帆通过搭建全链路数据中台，打造企业数字化转型的创新发展引擎通过网易数帆-有数大数据平台和可视化分析体系，支撑大数据应用研发，降低开发与管理的难度；建设数据中台全局架构，“数据向上、业务向下”同步覆盖会员、产品、门店、交易支付、供应链、公共六大数据域；建设会员中心、产品中心、门店中心三大主题数据中心，统一消费者、产品、门店的数据的采集、加工与分析应用；数据分析中台：设计并搭建管理者和店长看板，结合业务实际情况梳理各用户关注的数据指标及提供数据分析思路，为各类用户提供快捷的数据获取与探索分析渠道。零售行业数据中台架构图实时数据快速响应，提升运营效率数据响应时间从天级别直接下降到分钟级别，同时促使不同门店会员复购率提升5-10%，会员销售贡献提升10-50%管理看板提高决策能力数据报表覆盖常用业务场景，节省了人力成本BCDA打破数据孤岛：指标数量下降40%，模型数据下降30%，硬件成本下降15%；经营大屏实现全球数据互联互通数据智能应用效果24用户管理权限管理数据权限身份认证集团组织全局配置应用配置系统管理外部服务管理系统日志数据来源采集数据(IOT数据、其他采集、)业务系统数据(POS、ERP、MDM、CRM、采购订货、EWM、营促销系统、财务系统、会员卡、供应商管理)数据中心商品域会员域交易域财务域营销域售后域.域数仓层门店中心门店营销货架管理库存管理运营管理商品中心商品洞察生命周期SKU管理异常分析用户中心生命周期忠诚度积分管理权益激励数据仓库数据工具数仓设计中心数仓分层主题域管理指标设计数据字典离线开发中心离线开发任务运维租户管理调度管理数据治理中心元数据管理数据地图数据质量数据资产大数据中心数据存储计算引擎OLAP引擎分布式架构数据接入数据传输工具EasyDT(数据源登记、数据源管理、数据端到端传输)Pos流水仓储数据采购订货会员营促销财务.数据应用BDP数据分析平台用户洞察会员分群精准营销智慧供应链.零售多源数据融合，数据统一资产化管理 高效数据治理，有效降低数据开发成本 智能数据分析与可视，加速科学决策 对接业务系统，数据直接赋能业务 数据质量与权限管控，保障数据安全同时，网易数帆提供零售行业全链路数据中台解决方案，全面加速企业创新发展围绕以数据中台为核心，网易数帆为名创优品提供零售行业的全链路数据中台解决方案，以全链路数据中台为底座，以数据体系建设框架能力为核心，以数据资产中心、数据质量中心为保障，通过统一的数据服务来应对来自业务层的需求。而在业务层，通过网易有数承载业务数据化的能力，通过行业数据智能产品进行数据业务化的探索与落地。*网易数帆-零售行业全链路数据中台解决方案整体架构基于该架构，实现：可收集可分析可识别可运营企业CRM门店POS官网/微商城天猫企业ERP财务系统更多系统数字化媒体公域运营电商平台（数据银行等）信息分发平台（巨量引擎等）社区平台（腾讯广告等）短视频平台（dou+等）私域运营新零售门店官方旗舰店社交媒体数据整合小程序千人千面VIP ROOM智慧导购复购拉动终端赋能更多系统渠道数据系统数据媒体转化投放引流数据资产数据加工互动数据交易数据行为数据营销数据商品数据顾客数据财务数据ONE ID标签算法策略指导获客提效社交裂变与KOC定位精准数字化投放客户获取借助第三方数据补全画像第一方数据客群画像OpenIDMobile粉丝泛会员会员KOL商品生命周期商品管理选品自动化工具商品定价供销平衡销售预测策略指导运营决策门店/渠道洞察商品洞察客群洞察人-货-场洞察全域AIPL链路管理精准获客分析与管理客户生命周期管理第一方客群画像商品舆情(探索性)商品生命周期客户生命周期标签工厂消费者标签库人口统计交易行为营销行为社交行为算法商品标签库产品属性功能属性设计属性流通属性店铺标签库门店特征门店绩效设计属性门店客群营销签库媒体渠道活动主题导购属性场景行为聚类分析回归模型决策树协同过滤时间序列朴素贝叶斯关联规则报表数据分析品牌运营市场门店财务商品模型决策模型AIPL模型RFM模型客户生命周期模型B/L模型商品推荐预测模型客户运营健康度模型聚类分群模型API数据抽取API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（precision medicine），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。发展初期，未来不确定性大包括基因检测、癌症早筛、智能硬件监测干预、用药提醒等未出现典型领域，待开发康复机器人等发展初期，部分企业发展较快包括AI影像诊断、靶向药、远程会诊、手术机器人、数字医疗等康复，通过远程随访、手术机器人提升效率，弥补人力治疗，精准诊断治疗提升治愈率预防，针对健康或慢病人群的疾病防控数据智能在医疗行业进展数据智能发展基础有限数据孤岛未连通数据标准缺失使用流程缺失隐私安全风险大26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。政策引导方向技术赋能场景阶段1：20152019，围绕“健康档案、大数据云平台、数字化、电子病历、公共卫生、互联网+医疗健康”等领域提出大数据建立的重要性。阶段2：2019至今，各地政府逐渐推出相关政策，北京、上海、成都、天津等地在医疗数据智能政策推动上走在了前列，且应用场景更加细化。如在区域上的医疗大数据中心建设、区域医联体/医共体数据中心建设、健康信息平台搭建、DRG/DIP等建设。在院端包括，智慧医院、电子病历、互联互通评级等。在细分疾病包括，影像识别、慢病管理、基因检测、药物挖掘等领域。而这些细分场景的应用方向，均离不开智慧医院的建设。此外，我国正积极就医疗健康大数据的体系进行建设，明确数据标准、隐私安全、数据使用流程等法律法规。云计算：受益于智慧医院评级，基于互联网医院、影像存储调取等业务的数据计算与存储需求，近两年增长相对稳定。AI：影像识别、智能语音、新药研发等领域，近两年发展较快，但大规模推广仍面临临床验证。5G：远程会诊、远程手术，受限于会诊或医共体发展，其真实使用程度较低。机器人：手术机器人相对领先，但产品非常贵，仅有少量大三甲医院可采购试点。物联网：受益于与院内智慧管理，未来两年可能会有部分增长。大数据分析：受DIP等医保控费影像，技术应用渗透率将得到快速提升。从场景选择来看，医院是目前技术渗透的主要场景，智慧医院的建设离不开这些技术。27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。智慧服务远程医疗预约服务自助服务排队叫号便民结算智能导医信息推送患者定位陪护服务挂号服务信息公开服务满意度评价智慧医疗智慧管理临床辅助决策支持合理用药 临床数据中心 智能陪护 电子病历 门诊分诊 传染病信息上报 自助发药 实名建档 成本核算 财务管理 预算管理 培训管理 物资管理 医院运营决策管理 考试管理 医务核算与收费 医院信息综合查询互联网医院体检机构医保局卫健委数据中心养老机构药店药监局家庭医生.26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。初级初级中级中级高级高级智 能 决 策，快 速 响 应重 构 组 织 结 构，商 业 化 模 型 更 新降 本 增 效，精 细 化 运 营29.5%35.7%37.1%40.3%42.0%43.0%43.6%在某些领域实现“机器换人”，降低企业用工成本加强与上下游企业的书共享，提升产业链协同能力借助智能营销技术，提升市场营销的投入产出比实现基于数据的科学决策，提升巨经营决策的合理性通过数字化、智能化技术提升各个业务条线的运营效率借助电商、短视频、直播等数字化技术，拓展营销渠道加强对市场需求的感知能力，产品研发更符合市场需求当下数据智能化对企业的价值体现（N=305）数据来源：数据猿问卷调研30数据智能应对营销挑战智能营销：面对新的营销，数据智能从精准推荐切入，逐步向智能应用层扩展更多的领域将由增量市场转变为存量市场，对客户的争夺将日益激烈，粗放式营销难以为继，有针对性的进行智能化营销，将成为制胜的关键。现有的市场营销面对着数据孤岛、营销终端与数据中台的隔绝、缺乏精细化和个性化以及与忠诚用户缺乏互动、留存率低等问题。27在一定的预算范围内达到触达最大化，且频次控制最佳，因此对于媒介的重合与全链路归因是关键媒 介 组 合最 优精 准 推 荐承 接 链 路 最 优构建自身会员体系，进行私域营销，是提升用户忠诚，降低获客成本的有效途径，因此对于私域流量的管理，私域与公域的打通是关键会 员 体 系 与私 域 营 销用 户 触 达用 户 转 化用 户 忠 诚营 销链 条营 销关 键壁垒数 据 库 与 数 据 库 之 间 的 数 据 壁 垒数 据 中 台 与 业 务 前 端 的 业 务 链 接 壁 垒统一账户、全量数据的客户洞察营销自动化，营销方案程序化构建智能营销闭环培育私有流量，构建粉丝营销体系31真正实现千人千面，不同素材精准推荐给不同人群，对于人群的精准画像与流量的精准分配是影响精准推荐的关键因素智能营销：融合客户数据，结合算法推荐探索智能应用，结合业务场景提升终端转化实现智能营销，首先是在用户数据基础上实现多渠道、多系统数据的汇总融合，构建统一的账户体系。数据平台与AI平台深度融合，针对营销数据构建多样化的AI算法模型，探索智能营销应用。并结合业务场景不断细化业务中台能力，提升营销效率，增强用户粘性，降低用户流失率，培养忠诚用户。投放系统CRMCDP数据管理系统业务中台消费数据行为数据偏好数据年龄性别客群分层数据社交数据BI系统决策流引擎客服机器人广告投放用户流失预警个性化推荐潜在客户群体识别营销自动化应用智能营销数据结构和应用数据来源公域数据（站外媒体）：新闻资讯、综合视频、短视频、社交平台、电商平台等私域数据：官网、小程序、自有APP、微信公众号等底层数据32技术存储安全管理治理融合数据侧AI算法深度学习AI建模魔性服务AI侧场景用户精准营销智能运营智能营销案例：面对数字环境变革，某汽车品牌对销售模式进行全链路数字化升级，实现用户与业务双增长大数据和人工智能带来的不断涌现的C端场景，以及终端用户的触媒习惯改变，为车企了解用户、直接触达用户带来了新的机遇，在两者的共同影响下，车企的销售模式亟待变革，在缩短与用户距离的同时节约互动成本，促进业务真正闭环，带来品牌增长。33传统汽车销售新的数字环境销售模式全链路升级原有用户与车企的互动数据为散点式分布，在智能营销体系下，可全维度构建准确的用户画像。与用户真正的“面对面”数据的分散导致企业线上与线下动作相互割裂，各个动作之间不能形成有效闭环，合力效果被大大削弱。智能营销在数据基础上打通前后台业务，提供更多元化的用户运营服务。搭建业务增长闭环营销活动均需要运营、策划、内容、设计、数据等团队资源的整合与协调，智能营销在定位潜在用户基础上，提供个性化互动，提升用户体验，促进业务闭环。规模化地提供个性化互动+大数据、人工智能等技术在高速发展，C端场景不断涌现，出短视频、直播等新玩法，用户购买习惯已经发生了剧烈的变化，传统的汽车销售模式拥有了更多了解终端客户的机会。火山引擎搭建个性化行业营销数字化方案，扩容用户触点，有效带动销量增长火山引擎基于数据治理能力优势，在有效触达用户的基础上搭建业务增长闭环，并提供规范化+个性化的互动方式。帮助客户用数据加深对用户的理解，用数据闭环提升业务表现，用营销自动化为用户规模化提供个性化体验，从容应对低成本获客、用户激活与运营、潜客培育与转化等核心环节。A用户数据平台打 通 多 类 数 据，构 建 用 户完 整 画 像，让 数 据 可 读 可用BC增长营销平台规 模 化、自 动 化 地 为用 户 提 供 个 性 化 体 验智能数据洞察让 数 据 展 现 效 果，以 数 据驱 动 决 策，用 闭 环 持 续 增长34多领域深耕在 新 零 售、汽 车、金 融、文 旅 和 泛 互 联 网 行 业 皆 有 完 整的 营 销 解 决 方 案。个性化场景解决方案针 对 不 同 业 务 场 景 提 供 相 应 的 场 景 化 定 制 解 决 方 案，有效 实 现 业 务 闭 环。成熟的智能应用套件可灵活组合针 对 内 容 创 作、用 户 体 验、数 据 分 析、智 能 营 销 和 业 务运 营 等 不 同 智 能 套 件 可 根 据 业 务 需 求 灵 活 组 合。中 台 化 的 数 据 治 理 能 力 助 力 客 户 数 字 化 转 型基 于 多 年 平 台+数 据 治 理+算 法 的 中 台 化 能 力。运营管理：经验式管理在随着企业规模的扩大，市场环境竞争激励中很难保持高效性数据智能在运营管理中心，将经验决策管理逐步与大数据分析融合，利用数据融合、数据分析、数据可视化等一系列方法和工具，以数据驱动业务和管理决策，提升运营管理的合理性和效率，降低人工成本，在此基础上，组织管理、绩效考核和企业文化等相关管理层面也会逐步提升效率。但是在企业数字化转型中，信息化、数字化和智能化经常同步进行，那么就会面对数据与业务错位、数据孤岛、数据安全、数据资产效用不高等问题成为经营管理数据智能化道路上常见的问题。数据与组织/业务逻辑错位简单的数据化仅仅是在传统管理方式上进行系统数字化，并未跳出传统的管理刘流程和业务模式，容易忽视数据智能在企业管理与组织流程、业务模式甚至企业文化层面的效用。组织构架和人才需相应升级数字化升级会逐渐形成新的业务链，相对应的组织构架和人才需求也会发生变化。在数字化转型的前中期会给企业带来组织结构上的磨合。数据孤岛难以让规模化运营上升至科学决策各个业务系统连通性差，企业在数字化过程中，往往从不同厂商采购ERP、CRM、OA、BI等多个系统，这些系统数据无法实现数据共享，产生的“数据孤岛”，严重影响整个企业的数字化升级。数据资产管理不善，难以发挥效用目前企业对