商业数据智能是基于数据科学、服务于企业决策的一系列数字化工具、服务和解决方案，此处的“企业决策”是涵盖基层员工的业务决策、中层管理者管理决策和企业高管战略决策的广义概念，而上述的数字化工具整体来看包括局部数字化、全局可视化以及分析智能化应用三大类。
市场洞察：估算2021年中国商业数据智能市场规模为1182亿元，同比增长28.4%，到2025年该市场规模将增至3460亿元，2020至2025年间复合增速约为30.3%，呈高速增长态势。按应用大类划分，行业垂直应用的市场份额最重且将持续提升，到2025年约占整个商业数据智能市场2/3的比例，其中，金融、零售电商、制造业垂直应用的份额靠前，我们看好制造业商业数据智能应用的发展前景。
产业趋势：目前中国商业数据智能发展表现出由IT侧向业务侧倾斜、服务平台化、事务&分析一体化等特点，在甲方企业数字化需求不断提升、乙方厂商技术创新能力持续增强的市场环境下，中国商业数据智能产业将在产品设计、交付等方面继续得到发展，并将对高性能计算硬件以及企业数字化人才培 训等协同行业产生带动作用。
我们将商业数据智能定义为基于数据科学，并服务于企业决策的一系列数字化工具、服务和解决方案。从技术范畴上看，商业数据智能一定是基于数据分析和AI技术的，其中数据分析技术包括数据库、大数据分析框架、数据可视化等，AI技术包括机器学习、知识图谱等。上述技术应用于企业经营的多个领域，基于“辅助决策”这一目的，直接产品化或是用于替代重复人工的数据分析和AI应用不属于本报告所指的商业数据智能范畴，但值得注意的是，这些应用仍然是企业数字化转型中重要的环节，并与商业数据智能应用有着密切的协同关系。
商业数据智能应用是建立在统一格式和一定规模的企业数据基础之上的数据分析应用。因此，对于尚未进行数字化转型的企业而言，构建商业数据智能体系的第一步是对企业数据进行“电子化”处理。此处的数据包括企业经营、决策和管理的方方面面，如财务数据、员工信息、客户信息、市场数据等，经由一系列数据库架构工具的整理，最终展现为各类通用或行业垂直的企业级基础软件及其他符合企业需求的数据集。从市场的一般观点来看，上述基础软件一般不被视为商业数据智能工具，然而它们本身包含了基础的数据整理、查询以及报表生成功能，已经能够为企业经营管理提供一定的赋能功效。
全局可视化工具以企业级数据库或本地数据文件为基础，经过数据接入、清理、建模、图形构建等一系列流程，将企业数据进行整理和提炼，最终呈现为静态的数据报表或动态的数据仪表盘。可视化工具帮助企业提高数据分析和报表产出的效率，并提升数据的可读性以及可理解性，帮助企业更深度地开发数据价值。除常规理解的报表生成之外，全局可视化工具和厂商的另一重要能力是打通企业数据库和基础软件中的数据流，解决数据孤岛问题，对于一些底层商务数据逻辑相对简单的企业和行业，全局可视化的部分底层工具甚至本身就能充当基础软件帮助企业实现一定程度的信息电子化和分发协作。
分析智能化应用是利用大数据、人工智能等技术进行数据挖掘的过程，能够帮助企业提升业务推进效率、设置和优化核心KPI、预测未来经营成果等，进而指导企业制定市场营销、人力招聘等关键政策，提升企业决策的效率和水平。从数据本身出发，企业既可以通过成熟的分析框架和工具进行历史数据分析，也可以将数据作为“原材料”，通过大数据和AI开发框架进行模型训练。无论以何种方式进行数据挖掘，都需要企业构建以数据为核心的经营和管理理念，培养相应的数据文化氛围，并配置数据分析以及IT开发相关的内外部团队。可以认为，实现分析智能化也意味着企业进入了数字化转型的成熟阶段。
对于一般企业和机构而言，基层业务在企业全部经营活动中总是占据最大的比例，也涉及最多的企业员工。尽管基层业务的单次决策对企业整体的重要性比较小，但如何做此类决策却体现并影响着企业的文化氛围、管理水平和执行能力。对于基层业务员工而言，此类决策数量大、频率高、窗口期短，而个人的精力和经验有限，由商业数据智能工具进行决策辅助能够帮助员工提升效率和决策的正确率。同时，考虑到商业数据智能工具提供的可视化面板、标准化流程，其应用也能够帮助企业减少团队和部门间的合作摩擦、增加协作的流畅度，从而优化企业整体的经营效率。
我们认为企业的“中层管理”是对基层业务工作进行统筹规划，但尚未上升到企业的整体战略部署的决策层级，包括对部门业务和业绩的管理，以及对企业整体的人力、成本或财务等单一维度的透视和分析，其执行者可能为部门领导、BU领导乃至企业高管。相较于基层业务，中层管理决策频率较低，但需要决策者考虑更多维度的信息，决策难度和影响面都更广。在这一环节中，查询搜索以及可视化工具为决策者主要使用的商业数据智能工具，以直观的形式向决策者提供所需的数据信息，并生成美观的图表供企业内外部交流沟通，提升信息传递的流畅程度。
我们将企业战略决策定义为由高管制定、影响企业重大发展方向的决策，这样的决策可能包括产品种类的拓展、地域业务的开拓以及并购等资本运作等。此类决策频率低，但需要决策者考虑的企业内外部因素极多，也因此决策窗口期长，往往需要企业内多个部门配合进行反复研讨。在这一过程中，商业数据智能工具能够帮助员工更高效地进行数据展示和信息分发，为高管决策提供更全面和有效的信息，同时也能够在潜移默化中提升企业整体的数字化氛围以及以数据为核心进行决策和工作习惯，帮助企业更好地适应信息化时代的经营环境。
商业数据智能对企业经营发展的价值变化可以用下图曲线来代表。横轴代表企业投入的时间和成本，纵轴代表商业数据智能对企业的贡献：①对于缺乏信息化基础的企业而言，局部数字化阶段耗时长、人工成本也较高，本身对企业的价值贡献相对有限，但对于企业的数字化整体建设而言具备基础性地位；②全局可视化阶段本身需要投入的成本较低，迈入这一阶段的企业将清晰体会到数字化给企业经营管理带来的便捷度提升，这一阶段商业数据智能应用对企业的价值贡献将有着高速增长；③可视化阶段后期，企业的商业数据智能应用乃至数字化转型将迎来瓶颈，此时由于数据质量、算法精度等问题，企业尚无法顺利迈入分析智能化阶段，但经过一段时间的数据积淀、算法升级，进入分析智能化的企业将再次感受到商业数据智能应用价值的腾飞。
结合前文对商业数据智能工具层次和企业的决策层次的拆解，我们对各个板块二者的应用契合度进行了总结，我们认为局部数字化、可视化、智能化分别对基层员工、高层领导和中层管理者最具有使用价值。这是由于：尽管成熟的商业数据智能应用是一套贯穿企业各层员工、连接企业全线业务的体系，然而在实际使用中由于各层员工的工作内容和性质不同，最常接触和使用的工具自然不同。同时，考虑到现阶段大部分企业尚未进入分析智能化应用阶段，我们特别就这一阶段的现状和成熟状态进行对比后认为：企业战略决策层的数据智能应用现阶段处于极低的成熟度水平，未来的提升空间最大。
数字孪生融合大数据、人工智能、物联网等技术，利用数据工具和软件对真实工作流进行数字化模拟，在仿真的基础上进行全方位的分析和预测，帮助企业实现一体化的生产排程、供应链协调、销售预测等工作流的管理。这一应用形式对于制造业、政务&城市治理、航空等领域具有较高的适配度。商业数据智能应用是企业由真实工作流向数字孪生环境过渡的关键，其核心价值在于将基础的流程数据、客户信息、价格数据、生产数据等按照业务和市场逻辑协调统一，为企业提供商业洞察和预测。目前数字孪生行业还处于成熟度曲线中的“初创期”阶段，包括商业数据智能领域在内的诸多技术还有待成熟，但数字孪生概念已经深入市场，并受到包括“十四五”规划在内的核心政策支持，未来发展确定性较高。
我们采取相对保守和客观的口径对中国商业数据智能应用的市场规模进行统计：以供应商收入为基本核算口径，剔除数字化项目中的硬件部分，并根据数据应用企业决策的赋能程度进行调整，从而排除不属于本报告所指“商业数据智能”概念的应用。经核算，2020年中国商业数据智能应用市场规模为921亿元，同比增长35.2%，估算2021年该市场规模将达到1182亿元，到2025年该市场规模将增至3460亿元，2020至2025年间复合增速约为30.3%，呈高速增长态势。本市场规模不含数据库市场规模，但商业数据库作为企业数字化的底层基础设施，在中国市场上也有着良好的发展前景，其市场规模请参考艾瑞咨询《2021年中国数据库行业研究报告》。
根商业数据智能产业各版块的普适性和在产品架构中所处的位置，我们将大数据分析平台、报表/分析/可视化平台、面向企业应用的AI开发平台归类为商业数据智能基础应用，将偏上层的通用功能型应用和垂直行业型应用归类为商业数据智能扩展应用，统计期间基础应用和扩展应用市场规模基本维持在2:8的水平上下浮动。在商业数据智能扩展应用大类中，垂直行业智能应用份额较大且未来5年以超过32%的复合增速高速增长，在基础应用大类中，面向企业应用的AI开发平台目前规模较小，但随着人工智能技术的成熟和企业级应用普及，未来市场规模增速较快。
2020年商业数据智能市场结构中垂直行业扩展应用占比最高，达62.0%，对应市场规模569亿元；这一比例未来5年内还将进一步提升，2025年有望增至67.8%，对应市场规模2345亿元，期间复合增速高于行业整体水平。行业垂直应用份额的提升主要源于我国产业数字化经济规模的持续增长，且国内部分传统行业的数字化进程还相对滞后，未来释放的智能化转型增长空间十分广阔，从而为行业垂直商业数据智能市场带来充分增长动力。同时，尽管市场规模比例有所下降，其他大类商业数据智能应用行业也具备良好的发展前景。
当前我国不同大类行业的数字化发展水平差异较大，而作为数字化进程的重要部分，各行业商业数据智能的发展也随之处于显著不同的阶段和发展水平；同时，由于企业规模、信息化投入和企业战略的差异，同行业中各企业的商业数据智能应用成熟度也存在差异。从商业数据智能水平的角度上看，零售电商、金融、交运物流和医疗等行业基本已经迈过了全局可视化阶段，正在持续提升其智能化水平；从同业差异的角度，金融、教育和医疗机构的同业差异性相对较小。值得一提的是，制造业商业数据智能应用规模近年来高速增长，目前市场呈现出供应商市场分散、不同制造企业发展水平差异大的特点，但在工业互联网、智能制造领域政策和技术创新的促进下，具备高度确定的发展前景。
从国内的商业数据智能市场整体结构上看，垂直行业类的商业数据智能应用占据最大比例，我们从数据角度就其内部结构进行进一步细分，以观察商业数据智能应用发展前景较好的下业。基于2020年和2025年预测值，我们认为到金融、零售电商、制造业、医疗行业的垂直行业市场规模占比较高。其中，金融行业是我国传统数字化转型开启最早、平均发展水平最高的行业，目前在商业数据智能应用市场中占据最高的比例，2020-2025年期间也仍将维持约28%的复合增速，而制造业商业数据智能应用将随着制造业企业大规模数字化转型的深化不断渗透，应用规模在这一期间的复合增速将超过45%，在市场比例上的提升也最为显著。
本章节我们从商业数据智能产品设计、服务交付、协同产业发展以及未来衍生形态四个维度对该产业的发展趋势进行理解：分析性能和使用体验的提升是产品设计的两大主要方向；在面向客户进行交付和服务的过程中，企业将通过更加广泛的产品协同和便捷的解决方案封装，实现交付环节效率的提升和成本节约；商业数据智能行业的发展伴随着的是数字化产业的协同推进，我们认为高性能计算设备的应用以及针对数字/数据能力的企业培训产业将推动数据应用效果实现突破；长期来看，随着物联网、5G通信等技术的进一步成熟，商业数据智能产品有望向数字孪生类产品形态延伸，为企业提供更高透明度的业务洞察和未来预测。
商业数据智能赋能企业决策的分析能力将从“深度”和“密度”两个方面得到提升，前者体现为人工智能更深度融入商业数据智能产品，为企业提供更具备前瞻性、指导性、准确度的意见，后者体现为实时计算能力的提升，缩短企业的获取决策信息的滞后期间，提高智能决策的频率。事实上，人工智能产业通过三大要素的不断优化也将同时对深度和密度两个方面进行提升，而这三大要素中的数据环节是国内颈部以下企业普遍较为薄弱的部分，但相比于算法和算力，企业数据治理的优化并不需要突破性的技术，预计在未来3年的完备程度将会大幅上升，为企业的数据应用奠定更扎实的基础。另一方面，商业数据智能应用提升实时计算能力将从软件架构以及硬件升级两方面推进，其中，针对硬件的升级创新有望成为国内数据经济的一个重要协同产业，本章后文将进一步展开。
在开发侧，低代码工具与商业数据智能功能有着天然契合，前者帮助企业自主定制数据表单、打通数据流，为后者提供数据源和基础分析能力；二者的融合在市场端已有所体现，部分商业数据智能企业开始研发自己的低代码产品，低代码厂商也在不断丰富和提升数据分析工具——位于同一生态体系下的商业数据智能与低代码工具之间的数据交互更加流畅，客户的使用体验也将提升。在使用侧，随着市场需求的演化，我们认为商业数据智能应用的交互方式将持续朝着软件操作和信息读取两个环节的便捷化方向发展，对使用者的IT技术、数据能力的要求都将不断下降，并将这部分技能内化为软件自身的功能，使商业数据智能应用的使用门槛进一步降低，惠及更多的行业和企业。
以中大型客户为核心是国内数字化市场绝大多数赛道和企业的共识，但是在服务中大客户的时候，企业往往需要面对客户系统架构复杂、需求多、定制化内容多等问题，当前国内数字化供应商的主要业务模式是在交付环节逐一应付客户的需求，这导致了客户侧无法迅速上线、后续自主研发空间狭小，以及供应商成本高企、产品可复用度低的问题，要实现数字化产品的规模经济，上述的开发和交付模式需要改变——我们用“工程化”来表达这一理念：数据智能和AI产品的工程化需要厂商提供一系列经反复打磨的产品和服务，在需求收集、产品设计到应用后运维等环节提供更加标准化、模块化、灵活度高的产品，在低人工投入的条件下，与客户协同进行商业数据智能产品的部署，加快应用上线流程乃至整个数字化转型的进度。
大模型（超大规模预训练模型）的开发是为了在预置阶段囊括尽可能多的潜在模型变量，从而减少模型投入使用时的二次开发以及后续更新的工作量。自2020年6月OpenAI发布GPT-3以来，全球各大AI服务供应商开启了大模型竞赛，目前大模型参数规模已经达到了10万亿量级。如果将AI应用的过程因素从服务商和应用侧分别划分为算力、数据和算法三个部分，大模型的研发实际上是供应商利用其海量算力和数据资源，将原本在应用侧（包括定制开发阶段）完成的模型训练过程迁移到了供应商。我们认为“大模型”理念符合IT服务产业分工和效率提升的根本长期趋势，但目前其落地能力、商业化能力和实际效果还未经市场检测。
前文已经提及，数据计算设备的优化是AI能力深度融入商业数据智能产品的推动因素之一，和其他的两个因素（数据、算法）不同，高性能计算设备业务一般独立于数据智能以及AI服务商，形成一个独立的、市场空间广大的产业，且在国内乃至全球范围内都处于发展初期，技术路径和市场格局都不稳定。目前市场上前景较为明朗的计算设备包括AI加速器和DPU设备等，其中AI加速器又包括GPU、FPGA等设备，DPU则是2020-2021年开始兴起并获得大量关注的一类基础架构设备，其主要功能是承担原来由CPU负责的数据存储、传输和安全等模块，进一步细化IT基础设备的分工，提升数据处理效率。
尽管自动化是商业数据智能数据应用的一大特征重要优势，但中短期之内商业数据智能还无法脱离使用者的经验和判断；在调研中我们也了解到，对于许多已经部署了商业数据智能应用的甲方企业而言，pg电子游戏官网使用者缺乏相应的IT技能和数据科学知识是导致商业数据智能应用无法充分发挥价值的重要原因。从社会分工的角度上讲，商业数据智能的普及将促使过去从事于企业级基础软件和底层数据库架构的开发型IT人才更加集中于乙方企业，而甲方企业更需要具备基础数据科学与应用级IT能力的综合性人才，目前我国数据科学人才整体存在一定缺口，且近年来此类人才大量流向互联网科技企业，给甲方企业的人才建设带来压力，未来人才市场上甲方企业对于数据科学家的争夺势必将白热化。
针对甲方企业对员工数据能力和IT能力的综合需求，职业培训市场有望迎来新的爆发点。我们认为，促进这一市场增长的要素既包括企业数字化转型的内生驱动，也包括原学生教育机构开展业务转型和相关培训技术成熟等外部因素——多个因素共同促进，使得这一市场的供给端和需求端均得到了保障。另一方面，数据显示，大学教育所培养出的人工智能大数据人才尚无法满足企业的实务要求，进一步凸显了入职后的职业阶段培训的重要性。这一领域的发展将提升我国企业员工普遍的IT能力，同时针对这类能力的测评和考试或将得到更高的重视，这也将反哺商业数据智能的发展，促进产业繁荣。
数字孪生融合大数据、人工智能、物联网等技术，利用数据工具和软件对真实工作流进行数字化模拟，在仿真的基础上进行全方位的分析和预测，帮助企业实现一体化的生产排程、供应链协调、销售预测等工作流的管理。这一应用形式对于制造业、政务&城市治理、航空等领域具有较高的适配度。商业数据智能应用是企业由真实工作流向数字孪生环境过渡的关键，其核心价值在于将基础的流程数据、客户信息、价格数据、生产数据等按照业务和市场逻辑协调统一，为企业提供商业洞察和预测。目前数字孪生行业还处于成熟度曲线中的“初创期”阶段，包括商业数据智能领域在内的诸多技术还有待成熟，但数字孪生概念已经深入市场，并受到包括“十四五”规划在内的核心政策支持，未来发展确定性较高。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
A股，冲上热搜！券商部分岗位已复工，交易所明日测试，任泽平：下周开盘即收盘！新股民假期忙开户，但第一天还不能交易
沙特将11月销往亚洲的阿拉伯轻质原油官方售价定为较阿曼/迪拜均价升水2.20美元
OpenAI CFO：1570亿美元估值，历史上最大规模融资，凭什么？
影游《亿万游戏财产》国庆史低！购买送正版写线RE》Steam特别好评：还原度高体验优秀
