数据分析平台市场厂商评估报告：衡石科技.docxVIP

目录 研究范围定义 1 市场洞察 4 数据分析平台市场分析 9 厂商评估：衡石科技 13 研究范围定义 研究范围定义 利用多种数据智能技术，实现数据驱动的分析与决策，已经成为当前企业数字化转型最重要的目标之一。随着数据来源日益丰富、数据体量快速增长，企业对数据的依赖和挖掘愈发深入，不仅带来了数据应用场景、数据用户角色的复杂和多元，也使得企业对数据应用的敏捷性和即时性的要求越来越高。 为解决企业日益增长的数据应用需求，爱分析进行了系统调研，并总结出以下趋势： 数据能力建设核心逻辑转向实现业务价值。 企业以往构建数据能力，通常由技术部门或数据部门统一规划，并进行数据开发与管理，业务部门被动的使用数据能力。然而，随着业务部门对数据价值的逐渐重视，以及对数据应用需求的增加， 技术部门或数据部门已经不能满足业务部门的用数需求。 为赋能业务部门更好地用数，企业数据智能基础设施的构建正逐渐转变为以业务部门为核心，如尝试通过 DataOps、指标中台等概念，实现数据和业务部门之间的高效协作。 面向业务场景价值实现，数据应用解决方案更细分、更聚焦。 过去几年实践表明，功能大而全的数据中台并不适合所有企业，根据企业内数据源、数据用途的差别，市场上分化出了多种针对特定场景的数据平台解决方案，如针对风控、营销场景的实时数据平台，针对工业、物联网场景的边云协同数据平台，为加速多数据源联合分析的数据联邦分析平台， 为加速异构数据分析的异构数据即时分析平台等。 基于以上背景，爱分析将数据智能市场划分为数据基础设施和应用解决方案。数据基础设施覆盖数据生命周期的多个技术栈，应用解决方案覆盖多个垂直行业与通用智能解决方案，具体市场划分详见下图。 本评估报告聚焦数据分析平台市场，爱分析遴选出具备成熟解决方案和落地能力的厂商，为企业做数据分析平台厂商选型时提供参考。同时，在该市场下，爱分析重点选取了数据分析平台厂商衡石科技进行能力评估。 市场洞察 3 | 数据分析平台市场?商评估-衡?科技 市场洞察 统一的指标管理渐成数据分析平台的标配，助力业务高效用数 传统的数据分析需要数据和业务部门紧密协作，数据部门根据业务部门的需求，进行数据开发工作， 并将计算结果整合成报表，整个过程会消耗大量的时间和计算资源。随着企业数字化转型的深入， 业务部门对于数据分析的需求变得更广泛、更灵活、更丰富，传统的数据分析方式正显著制约业务部门的用数需求。 为了应对这样的需求变化，国内的领先企业正逐渐在数据分析中引入统一的的指标层，建立以指标为核心的数据分析平台。 通常而言，指标分析与管理需要在原始数据与分析引擎之间构建统一的语义层，并将 ETL 转化为 ELT， 用户因此能从业务逻辑的角度定义指标的计算口径，减少对中间表的依赖，从而降低数据分析的门槛。区别于以往指标分析，指标层更着重赋予业务用户自主定义指标，并进行体系化管理的能力。 通过建立以指标为核心的数据分析平台，企业内业务及管理人员可以更加便捷高效地访问数据化、体系化的业务经营指标，从而更加及时、准确了解经营情况，构建以指标为中心的数字化经营体系。一方面，管理层、业务部门和数据部门都能理解指标及其背后的含义，另一方面，指标与底层数据相连，指标不断下钻分析，可以下钻到底层数据反应日常经营状况，不仅仅是描述和诊断业务，还能发现指标背后的问题，真正指导决策。 因此，国内企业纷纷采取行动，投入资源建立或升级指标分析与管理能力。根据爱分析调研，行业头部企业中，77%的企业计划或已经采取行动，85%的企业明确将投入资源，指标分析与管理的价值得到重视。 图 1：头部企业中计划建设或升级指标分析与管理能力的比例 大模型赋能 AI 增强分析，有望实现真正的数据分析平民化 “数据分析民主化”在业内由来已久，其根本目标是帮助用户降低或克服学习 SQL 等复杂查询语句的难度，让更广泛的业务用户可以自助进行数据分析。要实现这一目标，通过自然语言进行数据查询和分析是其中的关键。然而，传统的 Text to SQL 技术对语义理解的准确性不足，效果往往不如人意。 图 2：对话式交互促进数据分析平民化 随着大模型的问世，用自然语言进行数据分析有望实现真正的落地。通过对大模型进行针对性的微调，使得用户在具体使用场景中，只需用自然语言提出查询需求，大模型就可以准确理解用户查询需求中的业务知识，并翻译为准确的 SQL，从而获得准确的数据结果。 因此，大模型降低了交互难度，提升了交互体验，让更多业务人员自主使用 BI 进行分析，从而推动了企业数据平民化进程，并在企业内塑造深入的数据分析文化。 爱分析认为，大模型赋能的 AI 增强分析可以有效降低用户的使用门槛，非专业人员也可以