2021年全球数据智能行业发展现状及安全保障措施分析.docxVIP

2021年全球数据智能行业发展现状及安全保障措施分析 ? ? 数据智能是指基于大数据引擎，通过大规模机器学习和深度学习等技术，对海量数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，使数据具有“智能”，并通过建立模型寻求现有问题的解决方案以及实现预测等。 ? ? 大数据时代，数据已经渗透到每一个行业和领域中。为了让数据发挥它最大的价值，数据智能应运而生，帮助我们从数据中提炼和发掘、获取有效信息，进而提供决策支持。人工智能作为数据智能的模块之一，在AlphGo2017年成为新闻媒体焦点之后较大家熟知，此后更多在自然语言处理层面的人工智能蓬勃发展。 数据智能的发展历程 ? ? 我们正处于大数据和数字化转型的时代：数据无处不在；运用数据驱动的思想和策略在实践中逐渐成为共识；数据的价值已在科学研究和工商业的不同领域得到充分展现。数据作为新的生产要素备受关注，但是在数据智能行业里，除了数据之外，还需要机器学习的技术和AI在应用层的表现才算构成完整的数据智能。从数据作为新的生产要素的特点来看，数据是通过赋能业务来间接体现价值，而不像资本、人才直接创造价值占比高过50.2%；数据作为一种资产，目前数据资产管理方法和技术还不成熟占43%；数据的“产权”更复杂，目前还很难确定某份数据的产权归属占41.6%；数据并不会因为使用而消耗，反而越用越多占41.6%；数据的价值量大小评估更复杂，目前还没有统一的标准占40%；数据无处不在，万事万物都可以数据化占31.8%；数据量的增长更快占25.3%。 数据作为新的生产要素的特点 ? ? 数据智能在各个行业中基本遵循的推动流程∶单点业务模块线上化→业务与业务数据联通→终端/营销业务模式改变→供应链运营模式改变→业务智能化→商业模式改变/行业格局改变。 数据智能与行业融合的过程 ? ? 随着大数据技术的持续发展，原来割裂的各个领域技术呈现出加速融合的趋势。此外，AI在数据价值挖掘方面的作用得到更多重视，A平台和大数据平台的融合程度进一步增强。 数据智能实现的关键技术和功能 ? ? 目前数据化在各行业都逐渐成熟，在此基础上的智能化和应用层不断体现行业特色。数据智能化在互联网行业的应用成熟度为58.40%；金融行业的应用成熟度为56.70%；医疗行业的应用成熟度为33.10%；政府行业的应用成熟度为27.20%；教育行业的应用成熟度为26.90%；零售行业的应用成熟度为25.60%；工业行业的应用成熟度为22.30%；农业行业的应用成熟度为14.40%。 数据智能化应用在各行业的应用成熟度感知（N=305） ? ? 数据智能逐步重构企业商业逻辑，目前价值主要体现在营销、运营和产品研发三个方面。数据智能在加强对市场需求的感知能力，产品研发更符合市场需求对企业的价值体现43.6%；借助电商、短视频、直播等数字化技术，拓展营销渠道对企业的价值体现43%；通过数字化、智能化技术提升各个业务条线的运营效率对企业的价值体现42%；实现基于数据的科学决策，提升巨经营决策的合理性对企业的价值体现40.3%；借助智能营销技术，提升市场营销的投入产出比对企业的价值体现37.1%；加强与上下游企业的书共享，提升产业链协同能力对企业的价值体现35.7%；在某些领域实现“机器换人”，降低企业用工成本对企业的价值体现29.5%。 当下数据智能化对企业的价值体现 ? ? 目前数据智能化在人力资源/研发/管理层面都有较多应用，在人力资源方面成熟度为34.10%；技术产品研发方面成熟度为33.10%；运营管理方面成熟度为32.80%；物流管理方面成熟度为32.80%；财务方面成熟度为30.20%；供应链管理方面成熟度为29.20%；经营决策方面成熟度为26.60%；生产管理方面成熟度为24.90%；资产管理方面成熟度为24.60%。 数据智能化过程中，已经比较成熟的应用情况 ? ? 在人工智能关键通用技术中，机器学习和知识图谱是应用场景最多的两种。其中机器学习在产品质量与风险预测、管理中的人机交互效率至关重要。2020年前三季度中国机器学习获投企业在金融领域业务赛道热度为94.70%；互联网/TMT领域业务赛道热度为32.50%；工业领域业务赛道热度为26.00%；政务领域业务赛道热度为25.40%；医疗领域业务赛道热度为24.60%；营销服务领域业务赛道热度为21.90%；能源领域业务赛道热度为18.40%；公安领域业务赛道热度为13.20%；电信领域业务赛道热度为9.60%；交互服务领域业务赛道热度为4.40%；司法领域业务赛道热度为1.80%。 2017-2020年前三季度中国机器学习获投企业业务赛道热度统计 ? ? 随着5G、物联网的发展，2010-2020年数据呈现爆发式增长状态，2020年全球数据量为6