数据智能深度报告，看清数据中台和业务中台的未来（附下载）| 爱分析报告

1.1 大数据发展历程

整个大数据行业发展分为五个时期，即收集、监测、洞察、决策和重塑。五个时期对应着两大阶段，业务数据化和业务智能化，其中收集、监测和洞察是业务数据化阶段，决策和重塑是业务智能化阶段。

2019年，大数据正式进入业务智能化阶段，开启数据智能新篇章。

图1：大数据发展历程

数据来源：爱分析

2013年，企业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并购买大量外部数据，希望通过外部数据快速挖掘数据价值，因此对外输出数据的数据服务公司获得了发展机遇。

2015年，数据大屏等监测业务成为大数据最先成熟的应用，大数据进入到业务监测阶段。政府、央企以及大型国企等优质客群对于数据监测展现应用需求旺盛，BI与可视化公司发展迅速。

2017年，随着大数据平台建设完善以及企业精细化运营的需求不断提升，单纯的数据展现很难满足企业需求，大数据开始与业务场景结合，行业进入到业务洞察阶段。

此时，单纯的数理统计很难满足企业需求，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。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，大数据从业务洞察进入到业务决策阶段，即由机器形成数据报表或者数据报告，业务人员进行决策，变为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，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、企业业务场景中落地。

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。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。

未来，随着技术更加成熟，大数据会从业务决策进入业务重塑阶段。大多数执行环节将由机器来实现，但仍有众多环节需要人参与其中，因此，人机协同会迎来迅猛发展，未来会诞生一批全新的数据智能公司。

1.2 数据智能对企业业务流的改造

当大数据进入到决策阶段，企业业务由原先的经验、流程驱动逐步转向数据驱动，数据中台和业务中台在整个业务链条价值度越来越高。

图2：传统业务模式：流程驱动

数据来源：爱分析

传统业务方式，数据是副产物，业务人员基于行业经验和流程建立业务系统，数据主要用于监测业务进展和洞察规律，最终决策由业务人员进行，整个业务流程迭代速度极慢，很难满足现在快速变化的前端应用，商业价值度较低。

图3：新业务模式：数据驱动

数据来源：爱分析

新业务方式，数据为业务系统核心，基于技术中台的能力，将企业内外部数据打通形成数据中台，由数据中台驱动业务中台，并利用业务中台的组件重构业务系统。由于有中台的支撑，各类开放服务可以对前端应用的快速变化做出响应，因此商业价值会更高。

以美团为例，美团的超级大脑指挥调度着60万送外卖小哥的行动，高峰期一个小时要处理29亿次订单派遣，每天要处理2000万个订单，整个流程完全是基于数据驱动，由系统自动去运转。

图4：数据智能与传统业务方式比较

数据来源：爱分析

1.3 数据智能定义及行业图谱

1.3.1 数据智能定义

进入数据智能阶段后，整个行业呈现出两大趋势：

第一，多技术融合。开源时代，技术门槛越来越低，很多大数据公司具备了深度学习、NLP、知识图谱等技术能力；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，因此单一技术很难解决问题。

在BI领域，交互式BI是新热点，将自然语言处理技术与BI相结合。风控反欺诈领域，除了查询个人信息外，也需要通过人脸识别、声纹识别等多种方式去验证。

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。

1.3.2 数据智能行业图谱

数据智能由两大部分组成，中台和行业应用。中台包含技术中台、数据中台和业务中台，行业应用则按照不同行业进行划分。

图6：数据智能行业图谱

数据来源：爱分析

技术中台主要是指帮助企业客户搭建技术中台的公司，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，典型公司有星环科技、易观、神策数据、思迈特软件、第四范式、天云大数据等。

随着机器学习、AutoML等技术逐步成熟，以及语音识别、计算机视觉等AI感知技术的成熟，技术中台呈现自动化、低门槛化发展趋势。如数据科学平台领域，Google开源的AutoML技术，由机器可以自动实现特征提取，降低了特征工程的门槛。BI&可视化领域，交互式BI成为新的热点，主要是通过自然语言理解的方式，降低使用门槛。

图7：技术中台包含的细分领域

数据来源：爱分析

数据中台主要是指帮助企业搭建数据中台的公司，一类是提供数据服务的公司，基于自身能够触及的数据资源，形成一个第三方的数据中台，并基于数据中台服务企业客户，如TalkingData、个推、极光大数据等公司；另一类是帮助企业进行数据治理、数据资产化的公司，自身没有数据，帮助企业客户搭建数据中台的公司，如数澜科技等公司。

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、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，如数据标签、用户画像等；数据模型，融合了数据和算法，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。如个推通过服务第三方移动APP，可以获取移动设备使用APP的时长，从而推断出该设备用户的用户画像，最终用于广告营销。

图8：数据中台的业务流程

数据来源：爱分析

业务中台主要是指基于数据和技术，结合行业应用，沉淀针对行业应用的模型及产品。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。少部分从行业应用切入，在服务大量垂直行业客户后，掌握场景需求后，逐步形成业务中台能力。例如，京东超过70%的商品采购都是机器推荐的，京东自营商品已超过2600万种，只有通过数据形成业务中台才能够实现商品采购，不可能依靠业务人员去完成。

从价值度的角度来看，业务中台能够覆盖场景的全流程，解决全场景问题，实现技术赋能，按照效果进行收费，价值度最高。

图9：业务中台是基于数据中台和技术中台形成

数据来源：爱分析

数据智能时代，企业业务最为核心的是数据中台和业务中台，因此接下来对数据中台和业务中台的未来趋势进行分析，本章节将重点放在数据中台，重点分析驱动数据中台出现的背后因素以及数据中台的未来格局。

2.1 企业数字化转型诞生数据中台

企业数字化转型核心是连接，利用移动互联网、云计算、大数据、人工智能等技术，帮助企业实现企业内部各部门的连接、企业与用户的连接、企业与上下游供应商的连接，乃至未来企业与整个社会的连接。

现阶段，企业数字化转型仍处于初级阶段，重点是企业内部各部门连接和用户连接，因此，企业当前数字化建设重点是产品业务线上化和连接终端用户。

一方面，企业要去连接终端用户是因为企业更加快速、全面地了解终端用户。过往企业主要是通过GFK等市场调研公司来了解终端用户，这种方式效率很低，需要几个月才能出现结果，而且颗粒度不够细。这种方式已经很难适应当前状况，在移动互联网时代，用户关注的热点以非常快的速度迭代，企业必须能够跟上用户的变化，因此，必须要连接终端用户，快速洞察用户的需求。

面向终端用户，会让企业的业务量急剧增长，一家品牌企业，原先只需要面向上下游几百上千家供应商，现在系统需要承载上千万甚至过亿的用户，同时，还需要不断根据用户的需求，上线新的产品功能。

因此，企业不论是数据层面还是技术层面，都需要统一管理、统一调度，需要一个技术平台和数据平台能够支撑，而这个平台又不同于过往的后端大数据平台，这个平台是与业务密切相关的，因此是一个中台的概念。

另一方面，业务线上化意味着企业与用户的交互更加频繁、交互方式更加多样，业务系统必须根据用户需求能够快速迭代升级，需要通过技术手段实时监控业务的运转，并根据业务过程中的用户反馈数据不断优化业务。

基于上述情况，企业必须基于数据驱动业务发展，利用数据更好地了解终端用户的需求，利用数据更好地优化产品与业务。

同时，随着企业业务场景深化，单一数据源已经很难满足企业需求。营销场景中，通过微信小程序、线下门店、官网等方式进入的用户，需要做归一处理；线下零售场景，必须实现“人、货、场”的统一调度，才能保证业务高效运转。

因此，企业必须建设统一的数据中台，汇聚多源数据，对数据进行资产化，实现内外部数据的整合，才能更加有效地支撑数字化转型的需求。

2.2 单场景数据中台会发展成业务中台

企业在建设数据中台过程中，很难一下子建立大一统的数据中台，而会先从单场景出发建设数据中台。这并不是说数据中台具备行业属性，而是企业搭建数据中台是为了解决这个场景的需求。

例如，数梦工场在帮助政府搭建数据中台时，是通过“最多跑一次”、精准扶贫等应用为切入点，直接自下而上搭建数据中台很难实现政府各个部门数据打通，通过一个应用问题，自上而下去推进数据打通，更容易实现。

因此，在发展初期，企业会存在很多针对单场景的数据中台，这些数据中台对企业的价值是将数据资产化，帮助企业探索数据价值。

随着这些单场景的数据中台逐步成熟，业务将逐步由数据驱动，数据不再是业务系统的副产物，而是业务系统的根基，因此，数据中台在越来越多融合业务场景需求后，会逐步发展成业务中台。

这些单场景数据中台的数据处理、资产化能力则会逐步汇聚，形成企业内部的统一中台，支持企业的各个业务场景的发展。也就是说，企业的数据中台会从单场景数据中台向多场景数据中台，最终变成整个企业的数据中台。

2.3 垂直行业的数据中台呈现寡头格局

图12：未来数据中台的业务模式 

数据来源：爱分析

数据中台的能力最终由汇聚的数据种类和数量决定，数据中台本身的能力会影响基于数据中台之上承载的业务中台能力，同时，业务中台之上的业务系统产生的数据，也会不断反馈到数据中台。因此，数据中台的能力会越来越强，具备很强的马太效应。

当企业完成了数字化转型第一步，企业内部和用户连接后，企业的下一步将是连接上下游厂商，实现与上下游厂商的系统对接和数据对接。连接了终端用户，了解用户需求后，企业的生产环节必须适应用户的需求，这就要求企业不仅仅是改造自身的生产系统，同时也要对上游供应商的系统进行改造升级。

以滴滴为例，从2016年开始，滴滴开始将自身的业务系统能力提供给出租车公司、汽车租赁公司，从最早的“梧桐”系统，到后面的“谷雨”系统，帮助这些公司实现系统升级。

垂直行业中，随着核心企业连接更多的上下游厂商，核心企业的业务量会越来越大。业务量越大，数据越多，系统的智能化程度会越高，反过来会带动业务进一步增长。因此，核心企业承载业务的数据中台天然具备优势，能力会越来越强。未来只有核心企业才会搭建数据中台，基于数据中台能力，核心企业可以服务自身业务事业群和上下游厂商。

综上，数据中台未来将呈现出寡头局面，只有少数企业会搭建数据中台，大部分数据智能的机会都将是基于数据中台之上的业务中台，搭建业务中台的价值将决定数据智能公司的天花板。