數據智能

出自 MBA智库百科(https://wiki.mbalib.com/)

數據智能（Data Intelligence）

　　數據智能是一個跨學科的研究領域，它結合大規模數據處理、數據挖掘、機器學習、人機交互、可視化等多種技術，從數據中提煉、發掘、獲取有揭示性和可操作性的信息，從而為人們在基於數據制定決策或執行任務時提供有效的智能支持。

　　方向一：數據戰略為企業數字化轉型指明方向

　　數據戰略當前企業普遍認可數據是核心戰略資產之一，但許多企業尚未在業務能力和數據智能之間建立起有效的連接，對數據能力缺乏遠景規劃，或者不知如何讓數據用起來，沒有有效的方法和技術，這些都限制了數據應用的深度和廣度。現在更多的企業將數據戰略視為企業智能化戰略重要組成部分，通過數據戰略明確高級管理層作為數據驅動業務轉型的領導者，建立數據智能與業務目標的關係，識別、發掘和創新數據應用場景，通過數據分析、建模、可視化、決策模擬等數據能力構建將數據智能內嵌到業務流程、管理機制和協作模式中，推動業務智能化發展。此外，數據智能內化將不可避免地帶來組織和文化上的變革，需要對數據管理組織、人員技能、數據文化等進行全面審視和籌劃，確保數據戰略有效落地。

　　方向二：數據治理成為數據智能的關鍵保障

　　數據治理流程隨著產業數字化轉型深入和企業對於大數據應用加深，企業對於數據多樣性以及“活性”要求愈高，例如實時設備數據、用戶行為數據、監控圖像信息等的廣泛採集和應用，大大豐富了數據應用場景和可能帶來的業務價值。然而，多源異構數據所帶來的數據標準和質量問題卻在影響數據應用的效果，對數據驅動決策以及業務智能閉環帶來極大風險。更多企業意識到全面數據治理是企業構建數據智能的關鍵保障，從過去的主數據管理、數據標準化擴展到全面數據治理，建立健全的數據治理制度、組織和流程，併在數據治理中運用智能化手段，改善大數據環境下數據管理效率，提升數據質量，從而提升數據智能效益。

　　方向三：數據智能驅動決策形成智能閉環

　　數據智能閉環隨著數據智能的提升，企業致力於將核心業務動態數據化，對業務場景進行系統化設計，通過演算法實現業務邏輯並利用機器學習進行自我優化，數據通過服務進行多樣化的便捷交付，例如自助化分析與報告、基於上下文的數據應答、可視化交互與鑽取、描述與預測性分析等，使業務人員快捷地參與到數據應用中，基於數據的洞察發現變得更加及時、深刻和具有啟示性，企業管理者、執行者將更加依賴數據進行決策活動，數據智能與業務系統進一步融合，數據決策將驅動業務活動自動執行減少人為參與，實現業務的智能閉環。

　　方向四：數據智能技術生態愈加多樣化

　　數據智能技術與傳統意義上的數據處理、數據分析相比，新一代數據智能融合的技術更加多樣化。數據湖提升了多樣化數據匯聚、存儲、處理能力，得到了廣泛的認可和應用；數據中台已經從概念轉為實踐，改變了企業數據服務模式，成為企業數據能力共用平臺。在可預見的幾年內，增強分析、AI和機器學習、圖分析、NLP、區塊鏈、甚至元宇宙等新興科技會成為數據智能領域最具顛覆性的技術。企業不斷將多種新興技術應用在數據價值挖掘中，形成數據智能能力。

　　1.數據智能發自互聯網也重構互聯網：

　　增量市場向存量市場轉變，數據精細化運營地位凸顯。互聯網屬於目前受益於數據最廣泛也最前沿的行業，同時也是最先面對挑戰的行業。隨著互聯網用戶滲透率增長放緩，增量市場逐漸變為存量市場，原有的商業模式和產品模式都面對挑戰，從流量思維變為數據思維，深耕細分領域，從用戶增長變為用戶深耕成為趨勢，另一方面消費互聯網也從簡單的線上零售向內容+社交轉變，非標內容將面對更加個性化。同時由於國內互聯網的成長歷史，互聯網出海時，數據角度經常面對較大的政治層面壓力。

　　2.互聯網：

　　市場競爭逐漸激烈，細分領域（內容/直播）仍有空間，整體市場下沉趨勢明顯。依據數據來源、應用形態的差異，將互聯網劃分為PC互聯網、移動互聯網、產業互聯網、萬物互聯四個階段。PC互聯網、移動互聯網的數據主要來源於個人用戶，並服務於個人用戶；產業互聯網新增數據則大量來源於傳統企業“觸網”後的業務數據化，互聯網更多的走向線上線下結合，互聯網對傳統行業的滲透率進一步提升。隨著萬物互聯時代的到來，現實物理世界逐步數字化，物聯網、車聯網、工業互聯網等與消費互聯網相互結合，共同構建起“互聯網大腦”。人工智慧在互聯網的創新應用探索，衍生出精準廣告、AI視頻、虛擬主播、智能推薦等新的互聯網業務形態。

　　3.數據智能在金融：

　　改變傳統信貸模式，有效提升金融運營效率。傳統金融行業有線下網點眾多，流程高度規範，數據化需求高等特征，數據化之後不僅僅是業務線上化的表現，在實際經營過程中，大量重覆性合規的工作內容逐步被數據智能替代，極大地提升了運營效率，同時數據的打通和可視化也不斷提升決策能力。同時在高端金融層面，個性化、定製化產品也逐步呈現，在普惠金融中的智能投顧產品也離不開數據智能的支撐。

　　在不同金融細分領域中有不同的業務體現。數據智能化應用在不同的細分金融行業各有不同的業務體現，目前數據智能化從業人員比較看好的有：數據共用、智能營銷和業務線上化，都是短期內有望突破落地的業務應用。技術架構和應用場景。在金融領域需要積累大量的用戶數據，尤其是信用、資金相關的數據，構建統一的數據中台，然後探索智能應用場景。依據數據猿的市場調研，智能營銷、大數據風控、反洗錢是比較看好的場景。另外，近來開放金融賬戶、對外提供金融科技服務等開放銀行業務也逐漸受到關註。營銷、風控、反洗錢、開放金融是重要應用場景。

　　4.數據智能在零售：

　　商業邏輯從“人貨場”升級到“數據重構顧客和服務+商品”。互聯網和物聯網重構了零售渠道，線上線下以及多智能終端的售賣相互融合，加速了零售大數據的產生。通過數據的智能化，一方面對消費者進行深度洞察，構建精準營銷模型，加強貨品轉化效率，另一方面消費者需求通過數據的形式反饋到供應鏈，加強供應鏈串聯效率，提高物流倉儲貢獻，同時在售賣渠道端，通過數字化管理，進而減少人工成本，提高運營決策效率。

　　零售逐步完成“前後端”數字化升級，進入從數據化到智能化的階段。藉助數據平臺，從線下門店、倉庫、供應鏈、線上平臺等系統中採集數據，實現數據融合管理，進行數據分析挖掘，在此基礎上重構零售行業的“人-貨-場”。從後端到前端，進行全面數字化，實現供應鏈、門店的精準管理，創新線上渠道，深入客群洞察，以智能營銷推動提升銷量。阿裡雲、騰訊雲、京東雲在零售電商領域領先，網易數帆、火山引擎、有贊等提供零售數字化解決方案。菜鳥、車滿滿、順豐等則在與零售相關的物流科技方面領先。

　　5.數據智能在醫療行業進展：

　　我國醫療正式進入數字化、智能化與智慧化。縱觀醫學發展，從經驗醫學、循證醫學到精準醫學，數字化、智能化與智慧化逐步貫穿至人們健康與疾病的全流程。如，在預防階段，早篩通過基因檢測的方式提前獲知患病概率，預防風險。尤其是面對特殊人群，預防更為重要，如為慢病人群提供動態血糖/血壓等體徵監測，把控併發症發生風險。在治療階段，AI影像診斷、靶向藥治療、手術機器人的加入都是數字與智能的前提。最後，康復體現在遠程隨訪、康復機器人等方面。

　　數據智能+醫療的主要推動因素：政策引導方向，技術賦能場景。政策是引導醫療健康行業前行的主要因素，近兩年我國在大數據、智慧醫院、AI醫療等層面共發佈了50+的政策及細則，大力推動了數據智能在公衛及院端的應用。此外，技術是數據智能落地醫療行業的基石。然而，相比其他領域，醫療與新技術的融合相對緩慢，如雲計算在三級醫院的滲透率僅為16%，在三級以下醫院僅為個位數。

　　數據智能+醫院：以智慧醫院為核心的服務協同、醫療能力提升。智慧醫院的核心是構建圍繞以患者為中心的醫療服務體系，構建智慧服務、智慧醫療與智慧管理。現階段，智慧服務發展相對快速，主要體現在對外互聯網醫院、家庭醫生平臺的搭建上。其次為智慧醫療，AI輔助診斷，臨床輔助決策系統、電子病歷等系統建設多在三級醫院。未來隨著智慧醫院的建設，數據存儲、交互等需求又將會進一步提升數據智能在院端的發展。