数据智能

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

数据智能(Data Intelligence)

目录

什么是数据智能

  数据智能是一个跨学科的研究领域,它结合大规模数据处理数据挖掘机器学习、人机交互、可视化等多种技术,从数据中提炼、发掘、获取有揭示性和可操作性的信息,从而为人们在基于数据制定决策或执行任务时提供有效的智能支持。

数据智能的发展方向[1]

  方向一:数据战略为企业数字化转型指明方向

  数据战略当前企业普遍认可数据是核心战略资产之一,但许多企业尚未在业务能力和数据智能之间建立起有效的连接,对数据能力缺乏远景规划,或者不知如何让数据用起来,没有有效的方法和技术,这些都限制了数据应用的深度和广度。现在更多的企业将数据战略视为企业智能化战略重要组成部分,通过数据战略明确高级管理层作为数据驱动业务转型的领导者,建立数据智能与业务目标的关系,识别、发掘和创新数据应用场景,通过数据分析、建模、可视化、决策模拟等数据能力构建将数据智能内嵌到业务流程、管理机制和协作模式中,推动业务智能化发展。此外,数据智能内化将不可避免地带来组织和文化上的变革,需要对数据管理组织、人员技能、数据文化等进行全面审视和筹划,确保数据战略有效落地。

  方向二:数据治理成为数据智能的关键保障

  数据治理流程随着产业数字化转型深入和企业对于大数据应用加深,企业对于数据多样性以及“活性”要求愈高,例如实时设备数据、用户行为数据、监控图像信息等的广泛采集和应用,大大丰富了数据应用场景和可能带来的业务价值。然而,多源异构数据所带来的数据标准和质量问题却在影响数据应用的效果,对数据驱动决策以及业务智能闭环带来极大风险。更多企业意识到全面数据治理是企业构建数据智能的关键保障,从过去的主数据管理数据标准化扩展到全面数据治理,建立健全的数据治理制度、组织和流程,并在数据治理中运用智能化手段,改善大数据环境下数据管理效率,提升数据质量,从而提升数据智能效益。

  方向三:数据智能驱动决策形成智能闭环

  数据智能闭环随着数据智能的提升,企业致力于将核心业务动态数据化,对业务场景进行系统化设计,通过算法实现业务逻辑并利用机器学习进行自我优化,数据通过服务进行多样化的便捷交付,例如自助化分析与报告、基于上下文的数据应答、可视化交互与钻取、描述与预测性分析等,使业务人员快捷地参与到数据应用中,基于数据的洞察发现变得更加及时、深刻和具有启示性,企业管理者、执行者将更加依赖数据进行决策活动,数据智能与业务系统进一步融合,数据决策将驱动业务活动自动执行减少人为参与,实现业务的智能闭环。

  方向四:数据智能技术生态愈加多样化

  数据智能技术与传统意义上的数据处理、数据分析相比,新一代数据智能融合的技术更加多样化。数据湖提升了多样化数据汇聚、存储、处理能力,得到了广泛的认可和应用;数据中台已经从概念转为实践,改变了企业数据服务模式,成为企业数据能力共享平台。在可预见的几年内,增强分析、AI和机器学习、图分析、NLP、区块链、甚至元宇宙等新兴科技会成为数据智能领域最具颠覆性的技术。企业不断将多种新兴技术应用在数据价值挖掘中,形成数据智能能力。

数据智能的应用[2]

  1.数据智能发自互联网也重构互联网:

  增量市场存量市场转变,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.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。

  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。

  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。

  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,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+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。

  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。

参考文献

本条目对我有帮助3
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目投诉举报

本条目由以下用户参与贡献

essilco.

评论(共0条)

提示:评论内容为网友针对条目"数据智能"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成

闽公网安备 35020302032707号