<output id="5jfbp"><menuitem id="5jfbp"></menuitem></output>

    <form id="5jfbp"><span id="5jfbp"><progress id="5jfbp"></progress></span></form>

      <address id="5jfbp"><address id="5jfbp"><menuitem id="5jfbp"></menuitem></address></address>
      <address id="5jfbp"><listing id="5jfbp"></listing></address>
      <form id="5jfbp"></form>
      <noframes id="5jfbp">
      <address id="5jfbp"><address id="5jfbp"><listing id="5jfbp"></listing></address></address>

      論道“數據中臺”本質——IDC發布《企業數據智能實施部署智能》報告

      智能計算   作者:IDC 時間:2020-12-08來源:電子產品世界

      在一項針對全球數字化轉型先行者的調研中,IDC發現在前25%的領先者中,有25%的組織已經建立了智能核心平臺。約56%的組織已經建立了結構化的數據管理架構,即當前具備結構化的數據框架、整合的數據平臺或統一的智能核心平臺。而在后25%的組織中,50%的組織還處在數據孤島或者單純的數倉時代。無計劃的引入新興技術使得組織內數據管理架構不斷復雜化,數據煙囪現象嚴重,真正的數據分析支撐決策難以落地,影響了數據智能的落地速度。在此背景下, IDC調研中國重點行業數據智能應用市場案例,分析各行業數據智能落地現狀以及面臨的挑戰,并發布《CIO視角:企業數據智能實施部署指南》報告。報告對市場生態進行劃分,并且對如何推進數字化、智能化提出參考建議。本篇報告提到的數據智能,重點在于數據化以及初步的智能化應用,未將重點放在智能化方向,因此類似“AI中臺”概念,不在本篇報告討論范圍之內。

      image.png

      中國數據智能發展現狀

      數字化轉型的發展已有數十年的歷史,數字化轉型相對領先的行業頭部企業已經建立了較好的數字化基礎,相對落后的企業也積累了一定的實踐經驗。鑒于不同行業以及同行業不同規模的企業在數據基礎、轉型所處階段的不同,行業企業大數據建設的關注點,在技術、工程化、應用場景設計、數據源等方面各有所側重。金融行業最關注數據安全、合規保障,其次是如何打破部門間壁壘形成數據共享,在采用智能化技術時尤其關注是否合規、可解釋,最后是引入前沿技術進行金融科技創新。制造行業,最關注的是融入制造業實踐經驗的解決方案,其次是提高內外部的大數據應用能力,以及規模化復制應用場景的能力。政府行業的重點在于數據集中共享、建立大數據平臺建設標準以及確保大數據系統的穩定性。其他行業,則更多處于提升數據質量、上線一個成功的數據分析項目以及取得高管的信任與持續支持的階段。

      image.png

      數據智能面臨的挑戰

      綜合過去多年的數字化實踐案例會發現,數字化、大數據的建設,已不再是簡單的技術應用,不能再僅僅依靠單純的IT視角,成功者大都是在建設數據平臺之外,自身也進行了相應的流程與IT調整,內部具備了一定的分析能力,大膽開放地與外部合作。尚未成功的原因可能包括單純依靠內部力量基于開源技術搭建系統效果不顯著,未解決根源上的數據問題,或者業務部門配合度不高等等。所有的挑戰,都可以定位在5類要素:人、技術、流程、數據和戰略。

      image.png

      主流廠商如何解決當前挑戰

      過去的數字化歷程中,大數據、數字化的生態往往只從技術的視角劃分,如下圖所示,包括數據服務、數倉與大數據平臺、商業智能及高級分析、數據應用解決方案等。鑒于當前數字化建設已不再是簡單的技術應用,市場生態的構成由界限分明的硬件、軟件、服務廠商開始轉變為數字化平臺與服務型廠商,技術提供商與技術使用方的高度競合狀態。

      image.png

      數字化平臺提供商:以阿里云、百度、華為、微軟為代表,通常也是數據智能整體解決方案提供商,但提供的核心仍然是數字化平臺。例如,阿里云最早推出數據中臺并且受用戶高度推崇;華為從自身企業數字化轉型實踐出發強調數據使能,基于自身實踐的方法論幫助用戶從數據治理開始建立完備前瞻的數據管理體系;微軟依托具有豐富實踐經驗的大數據產品組合提供的現代數據平臺解決方案,強調業務驅動、統一數據標準、一致的用戶體驗、安全保障等。

      數據開發運營服務商:提供數據集成、數據開發服務,典型的廠商如數夢工廠、數瀾科技等。

      數據治理服務商:提供數據治理工具以及服務,典型的廠商如普元信息、中軟國際、四方偉業等。

      數據智能應用方案商:圍繞行業應用場景打造數據智能解決方案,提供AI、BI工具以及服務,典型的廠商如百分點、明略科技、字節跳動等。例如,百分點定位端到端智能化轉型解決方案,強調與行業高度結合的數據處理技術、知識圖譜及認知決策技術、數據交互和體驗技術來助力智能化轉型。明略科技定位企業級數據分析及決策智能服務商,即從數據中臺咨詢規劃到數據集成、數據開發,再到AI驅動的數據治理和數據共享,尤其強調知識圖譜、AI驅動的數據治理能力。

      咨詢服務商:提供融入企業戰略的數字化轉型咨詢,設計轉型路線,典型的廠商如埃森哲、德勤、普華永道、畢馬威、凱鵬華盈等。

      image.png

      給技術買家的建議

      今天數據智能應用成功的要素,要求企業對內將數字化戰略融入企業的核心戰略,做好持續投入的準備,可以早期引入咨詢類合作伙伴全面梳理數字化現狀、數據資源目錄以及應用場景,做好數據資源目錄與應用場景規劃,對外選擇最佳數據平臺合作伙伴,探索建立數據智能評估考核體系,內部形成全員數據素養,構建數據智能服務閉環。

      展望未來,IDC中國助理研究總監盧言霞表示:“今天的數字化建設已經向著數據智能更進一步,但絕大部分企業仍處在市場營銷智能化或客戶關系管理智能化等單個環節的數據智能階段,離規模化數據智能還有很大距離。綜合過去十年中先行者的經驗與教訓,要推進數智化,需要行業用戶在引入外部最佳數據平臺的同時,從流程、人才、戰略角度入手練好內功,建立強效機制促進業務部門與數字化部門的協同,不斷提升數據服務能力、達成規模化智能。”

      image.png

      IDC中國人工智能及大數據相關研究報告:

      中國人工智能軟件及應用市場半年度研究報告-2020H1,即將發布

      中國AI云服務市場半年度研究報告-2020H1,即將發布

      微軟:現代數據平臺助力企業實現數據智能(2020年11月)

      IDC MarketScape: 中國大數據管理平臺廠商評估,2020(2020年10月)

      中國智能流程自動化市場機會分析(2020年5月)

      IDC Marketscape:中國對話式人工智能市場,2020(2020年9月)

      Market Perspective: AI賦能的工業質檢市場分析 (2020年8月)

      Market Perspective: NVIDIA GTC 2020—AI加速技術再創新高,云邊端全面布局 (2020年4月)

      關鍵詞:

      加入微信
      獲取電子行業最新資訊
      搜索微信公眾號:電子產品世界

      或用微信掃描左側二維碼

      相關文章


      用戶評論

      請文明上網,做現代文明人
      驗證碼:
      查看電腦版
      超准十五码期期中大奖