一文看懂数据智能的前世今生：技术融合与模式跃迁

数据智能是今年最火爆的名词，但数据智能究竟是什么？与大数据、人工智能有哪些区别？数据智能会产生哪些新的商业模式？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，并对数据智能公司的商业模式进行分析，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。

数据智能的标志是数据驱动决策，让机器具备推理等认知能力，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。

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，大数据进入到监测阶段，通过数据大屏等形式，实现对业务的监测，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、数字冰雹、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，大数据开始与业务场景结合，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，金融领域的精准营销和风控反欺诈，公安领域的刑侦破案，工业领域的故障预测预警等。

企业对业务场景的洞察，单纯靠简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接形成最佳调度方式，系统自动完成决策环节，将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、知识图谱等认知技术的成熟，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。到了决策阶段，大数据已经进入到业务智能化阶段，大数据开始对业务环节进行改造，依靠数据、算法模型来提升业务效率。

未来，随着技术更加成熟，大数据会从决策进入到最后一个环节行动，也就是业务重塑。很多执行环节是可以由机器来实现，但仍然有很多环节需要人参与其中，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。

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，促使很多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。

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延伸，原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。

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、数据分析等环节的所有工具及平台，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。

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，另一类是帮助企业做数据治理、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等方式获取的数据，主要是移动设备上的用户行为数据、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，比如销量预测、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。

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型及产品。业务中台具备业务属性，但本质是一些功能模块组件，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。另一类是从行业应用切入，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。

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的商业模式，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。

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，形成最佳实践，赋能合作伙伴，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，多场景才能发挥更大价值。

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，实际落地时效果非常一般，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。

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部企业，和头部企业客户合作，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。

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属性和业务属性，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、人工智能的投入都是为了这个目的。

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合得越来越紧密。

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，合作分成的业务延续性更强。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，就可以持续按照最终利润和成效分成，业务持续性强，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，对企业客户而言，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。覆盖全场景才能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，不断迭代升级，满足企业的需求。

爱分析将在4月23日举办数据智能高峰论坛，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。