012曾道人三尾中特书
一文看懂数据智能的前世今生:技术融合与模式跃迁
一文看懂数据智能的前世今生:技术融合与模式跃迁
作者: 李喆 来源: 爱分析ifenxi 发布时间: 2019-04-18

 数据智能是大数据的新篇章,意味着企业从业务数据化走向业务智能化。数据智能和数据中台是什么关系?进入到数据智能阶段,商业模式上会?#24515;?#20123;创新?相比技术赋能,合作分成?#24515;?#20123;价值?

数据智能是今年最火爆的名词,但数据智能究竟是什么?与大数据、?#26031;?#26234;能?#24515;?#20123;区别?数据智能会产生哪些新?#32435;?#19994;模式?数据智能和数据中台又是什么关系?

本文将从数据智能的发展历程开始,给出数据智能的定义和行业图谱,并对数据智能公司?#32435;?#19994;模式进行分析,数据智能会产生什么新商业模式将是本文核心解决的问题。

01大数据的新篇章——数据智能

数据智能的标志是数据驱动决策,让机器具备推理?#28909;?#30693;能力,大数据能够指导决策。同时完成了业务数据化进程,开始进入到业务智能化,依靠数据去改变业务。

一文看懂数据智能的前世今生:技术融合与模式跃迁

从2013年至今,大数据行业经历了四个发展阶段,代表了企业对大数据的认知和需求,也带动起一批批大数据公司。

2013年,企业已经开始认知到数据价值,金融、电信、公安等行业开始建设大数据平台,收集并存储企业业务产生的数据。同时,金融等行业开始大量购买外部数据,希望通过外部数据快速挖掘数据的价值,弥补自身数据匮乏的问题,数据堂、九次方等数据服务公司获得了发展机遇。

2015年,大数据进入?#37066;?#27979;阶段,通过数据大屏等?#38382;劍?#23454;现对业务的监测,这是大数据最先成熟的应用方向。对于政府、央企及大型国企而言,数据大屏、领导看板等数据展现应用是大数据最直接能够反映价值的方式。因此,海云数据、数?#30452;?#38649;、帆软、思迈特等公司发展迅速。

2017年,大数据平台建设基本完善,单纯数据展现也很难满足企业的需求,大数据开?#21152;?#19994;务场景结合,基于大数据实现对业务问题的洞察,呈现出百花齐放等局面,金融领域的精?#21152;?#38144;和风控反欺诈,公安领域的刑侦破案,工业领域的?#25910;?#39044;测预警等。

企业对业务场景的洞察,单?#38752;?#31616;单的数理统计已经不足以满足,因此,出现了大量数据挖掘、数据建模的需求。AI建模平台、数据科学平台开始进入人们的视野,第四范式、天云大数据、九章云极等提供建模平台的公司成为焦点,但更多公司将AI建模平台内化成自身的能力,基于AI建模平台,形成解决方案,帮助企业客户落地大数据应用。明略数据、百分点、同盾科技、百融金服等公司在这一时期成长为行业内的明星公司。

2019年,大数据要从业务洞察进入到业务决策阶段,也就是说,由机器形成数据报表或者数据报告,业务人员进行决策,变成机器直接给出决策建议,让机器具备推理能力。例如,在外卖、出行场景,美团和滴滴的系统直?#26377;?#25104;最佳调度方式,系统?#36828;?#23436;成决策?#26041;冢?#23558;任务下发给骑手和司机。这种消费互联网相对常见的场景,将在产业互联网、企业业务场景中开始出现。

让机器具备推理能力,意味着NLP、知识图谱?#28909;?#30693;技术的成熟,这也是为何2018年NLP、知识图谱成为市场的热点。数据驱动决策、数据驱动业务发展的企业新需求,必然会带动一批数据智能公司的兴起。

从这一刻开始,大数据行业进入到一个全新的阶段。之前的收集、监测和洞察阶段,大数据和业务场景的关系,更多是实现业务数据化过程,也就是通过数据去描述、跟踪业务的发展。到?#21496;?#31574;阶段,大数据已经进入到业务智能化阶段,大数据开始对业务?#26041;?#36827;行改造,依靠数据、算法模型来提升业务效?#30465;?/p>

未来,随着技术更加成熟,大数据会从决策进入到最后一个?#26041;?#34892;动,也就是业务重塑。很多执行?#26041;?#26159;可以由机器来实现,但仍然有很多?#26041;?#38656;要人参与其中,因此,人机协同会迎来迅猛发展,未来会诞生一批新数据公司。

02数据智能的定义及行业图谱

进入数据智能阶段后,整个行业呈现出几个态势:

第一,多技术融合。开源大时代,技术门槛越来越低,促?#36141;?#22810;大数据公司具备了深度学习、NLP、知识图谱等原先被认为是AI技术的能力;从客户需求来看,为了指导决策,需要汇聚海量多源数据,其中必然会涉及到非结构化数据的处理,基于复杂网络的推理和决策,单一技术很难解决问题。

第二,中台的形成。在企业数字化转型进程中,传统企业需要具备互联网公司那样快速迭代升级的能力,基于数据驱动业务发展,这就需要建立一站式技术能力、统一的数据管理、快速配置开发业务的能力。以阿里巴巴为代表的中台模式给传统企业提供了一条道路,各类中台会在企业内部逐步形成。

因此,爱分析对数据智能的定义是,基于中台、融合多种技术,利用数据解决企业客户的决策需求。

一文看懂数据智能的前世今生:技术融合与模式跃迁

上图是2018年爱分析对大数据行业图谱的划分,从底层的基础平台,到中间层的通用技术和数据服务,再到上层的行业应用。但在调研中,发现越来越多的企业在从一个细分领域向其他领域?#30001;歟?#21407;先的划分方式已经不太适合数据智能领域,因此,我们对数据智能领域的行业图谱进行了重新划分。

一文看懂数据智能的前世今生:技术融合与模式跃迁

数据智能领域核心分为两个细分领域,中台和应用场景。其中中台包含技术中台、数据中台和业务中台,应用场景则按照不同行业进行了划分。

技术中台主要是指帮助企业客户搭建技术中台的公司,从数据采集、数据处理、数据存储、数据分析等?#26041;?#30340;所有工具及平台,包括基础平台、用户行为分析、BI&可视化、数据科学平台、NLP&知识图谱等。

一文看懂数据智能的前世今生:技术融合与模式跃迁

数据中台则是指帮助企业搭建数据中台的公司,这里面有一类是提供数据服务的公司,另一类?#21069;?#21161;企业做数据治理、数据资产化的公司。

数据中台的价值是将数据资产化,实现不同体系ID账号的打通,为下一步数据应用夯实基础。

数据中台需要汇聚企业的内部数据、公开数据、线上数据和线下数据:内部数据包含企业的各业务系统中实时产生的数据,如CRM、ERP等系统,记录企业日常行为数据;公开数据主要是通过爬虫等方式抓取的数据,如电商网站商品信息、社交网站的用户评论等;线上数据指通过SDK等方?#20132;?#21462;的数据,主要是移动设备?#31995;?#29992;户行为数据、LBS位置数据等;线下数据指一类是通过WIFI、蓝牙探针获取的数据,另一类是公安、运营商、银联等高价值数据。

基于数据中台有三种应用方式:数据集,主要是数据标签、用户画像等;数据模型,融合了数据和算法,?#28909;?#38144;量预测、风控建模等;数据应用,将数据能力和软件能力封装,形成最终数据产品,如选址、用户账户管理等。

一文看懂数据智能的前世今生:技术融合与模式跃迁

业务中台是指基于数据和技术,结合行业应用场景,沉淀针对应用场景的模?#22270;安?#21697;。业务中台具备业务属性,但?#23616;?#26159;一些功能模块组件,企业基于业务中台可以快速封装出业务产品。

几乎不会有数据公司直接搭建企业的业务中台,大部分都是由技术中台和数据中台公司演化出来的。另一类是?#26377;?#19994;应?#20204;?#20837;,在大量服务垂直行业客户后,掌握大量场景需求后,逐步形成业务中台能力。

03数据智能的模式创新:从技术赋能到合作分成

大数据经历多年发展,一度出现数据交易等新模式,但因为涉及到用户隐私问题,这类模式受到很大限制。尽管与传统IT相比,大数据更加贴近业务场景,但兜兜转转一圈,最终还是回到传统IT?#32435;?#19994;模式,提供解决方案或者标准产品License为主流。

进入到数据智能阶段,爱分析认为,商业模式会发生变化,由原先提供解决方案为主的技术赋能,逐步会出现合作分成、联合运营的新模式,极大提升数据智能公司的天花板。

一文看懂数据智能的前世今生:技术融合与模式跃迁

上图是典型的技术赋能模式,基于技术中台或者数据中台形成行业解决方案,服务头部公司。通过头部公司积累业务场景能力,形成最佳?#23548;?#36171;能合作伙伴,通过合作伙伴服务其他公司。

过往技术赋能公司往往面向企业的单点问题,解决单场景需求。进入数据智能阶段后,企业的需求更加复杂,各部门协同效应越来越明显。单一场景价值度有限,多场?#23433;?#33021;发挥更大价值。

例如金融信贷领域,营销与风控必须结合,单单解决风控问题,?#23548;?#33853;地时效果非常一般,因为最初吸引的流量很大程度会决定风控水平。因此,风控前置、营销风控一体化成为金融客户的新需求。

一文看懂数据智能的前世今生:技术融合与模式跃迁

合作分成会是一种全新的模式。数据、技术和应用场景结合,形成业务中台,利用业务中台赋能头?#31185;?#19994;,和头?#31185;?#19994;客户合作,帮助企业客户解决完整场景问题,实现与企业客户的合作分成。

业务模式由原先提供技术、产品、咨询能力输出,变成重视运营能力,数据智能公司成为企业的技术外脑。

这类模式目前已经在少数领域和公司开始执行,如金融领域的助贷业务,营销领域TalkingData、泰迪熊等公司帮助家电公司和手机厂商提升广告价值,媒体领域百分点和人民出版社共同运营的“党员小书包”等。

一文看懂数据智能的前世今生:技术融合与模式跃迁

从技术赋能到合作分成,越贴近场景价值度越高。数据是兼具IT属?#38498;?#19994;务属性,仅仅解决IT需求价值度远远低于业务需求,因为企业建设IT系统的目的是为了支持业务发展,企业数字化转型的目的也是为了支持业务快速发展,实现业务的精细化运营,对云计算、大数据、?#26031;?#26234;能的投入都是为?#33487;?#20010;目的。

解决业务需求需要深入到业务场景中,也就是需要数据智能公司越来越贴近场景,只有在场景中,数据才能发挥价值。从技术赋能到合作分成,正是代表着数据智能公司与场景融?#31995;?#36234;来越紧密。

合作分成提升客户黏性,有利于数据智能公司立足行业。合作分成意味着数据智能公司深入到业务场景中。数据智能公司对客户应用场景理解能力已接近企业客户本身,远远超出其他供应商。

同时,合作分成代表着数据智能公司与企业客户深度绑定,企业客户选择这类数据公司会非常谨慎,基本需要一两年的考察期。因此,企业客户的替换成本大幅提升,轻易不会更换供应商。

合作分成会极大提升数据智能公司的天花板。合作分成意味着数据智能公司可以获得企业的业务预算,而不仅仅是IT预算,能够大幅提升数据智能公司在单一行业的天花板。

以消费金融为例,技术服务只占到整个市场的1%,而助贷业务可以占到10%,市场规模增大至原先的10倍以上。

同时,合作分成的业务?#26377;?#24615;更强。技术赋能基本都是项目制的收费模式,随机性强、受企业预算限制。合作分成意味着只要业务继续进行,就可以?#20013;?#25353;照最终利润和成效分成,业务?#20013;?#24615;强,不受企业预算限制。

那什么样的数据智能公司有机会实现与企业客户合作分成的模式?

爱分析认为,合作分成需要满足三大前提条件。

第一,做增量市场才能合作分成。做增量大于做存量,?#20113;?#19994;客户而言,利润中心的价值大于成本中心。因此,帮助企业开拓新业务、提高原有业务的产能,才能够进行合作分成。帮助企业降低成本是无法合作分成的,因为本身存在很明显的天花板。

第二,需要搭建覆盖全场景的业务中台。覆盖全场?#23433;?#33021;证明数据智能公司的价值,才能量化成果,基于可量化的成果,数据智能公司才能与企业客户进行合作分成。技术中台和数据中台都只能解决单场景或几个场景的问题,必须是业务中台能够实现全场景覆盖。

第三,具备运营能力。合作分成意味着数据智能公司要长期参与到业务过程中,具备业务运营能力,能够根据企业客户的需求,快速开发新产品及应用,不?#31995;?#20195;升级,满足企业的需求。

爱分析将在4月23?#31449;?#21150;数据智能高峰论坛,数十位数据智能领域重磅嘉宾云集。会上还将发布数据智能创新趋势报告,分享关于行业的最新洞见。

Copyright©2002-2019  中国通信标准化协会版权所有  联系我们 | 意见反馈
网站备案:京ICP备05002969号-1 网站维护:通信标准化?#24179;?#20013;心 (010)82054513, webmaster

012曾道人三尾中特书
福建快三时间查询 内蒙古快三大小走势图 极速飞艇开奖香港 浙江十一选五投注技巧 3d预测独胆毒胆公式 一肖中特准马会香港 体彩排列五走势图综合版带连 福彩3d试机号今天晚上 期特码王资料 排列三质合走势图2元网 2019年彩票头等奖号码 中国福利彩35选7 ag真人真的假的 福建快3下载安装 qq视频欢乐斗地主