2021年中国数据中台行业白皮书.docx

《2021年中国数据中台行业白皮书.docx》由会员分享，可在线阅读，更多相关《2021年中国数据中台行业白皮书.docx（57页珍藏版）》请在优知文库上搜索。

1、Leoeso*l数据中台不是简单的一套软件系统或者标准化产品，更多的是一种强调资源整合、集中配置、能力沉淀、分步执行的运作机制，是一系列数据组件或模块的集合，为企业数据治理效率的提升、业务流程与组织架构的升级、运营与决策的精细化赋能。2020年数据中台市场规模达到68.2亿元。随着企业数字化转型驱动，市场需求将持续增加，数据中台行业增长势头明显，市场规模快速扩张，预计将在2023年达到183.2亿元。当前数据中台行业集中度较低，公有云厂商、数字化解决方案提供商、数据与智能公司及垂直的独立中台开发商纷纷入局。但随着数据中台的技术架构和方法论趋于完善，现阶段建设的难点更多聚焦在如何将成熟的技术方案

2、与行业及企业的实际情况和特征结合，即企业更需要厂商切身的咨询规划服努，以发挥数据中台的效能。数据中台应用的业务领域和场景众多，其中营销领域发展最早，目前应用也最广泛成熟；而在管理会计领域，由于数据价值高且对经营决策意义重大，数据中台深化管理运营的效用明显。从行业来看，当前数据中台在金融和泛零售行业的应用和部署程度高，在政务、工业、医疗等行业仍有较大的发展空间.数据中台发展的驱动因素数据中台概述2数据中台的行业发展现状3数据中台应用的挑战数据中台的未来发展趋势4I5政策推动企业信息化转型各行业陆续颁布核心政策，为信息化转型提供支持和引导顺应信息化时代发展，我国很早便部署了信息化发展规划，自起步以

3、来，多呈现政策先行的节奏，为行业的转型提供了战略参考。近年来，随着5G技术和标准的发展，我国加快、提前部署各类基础设施，本着适度超前的原则，为企业的转型、创新提供土壤。简而言之，我国信息化建设紧密围绕着打造网络强国、建设数字中国、互联网+彳亍动计划等国家战略，充分发挥信息化驱动引领作用，积极推进以物联网、云计算、大数据、人工智能、区块链等为代表的新一代信息技术与行业深度融合。各领域信息化建设紧紧围绕行业任务部署及关键战略统筹，以新技术、新模式为支撑，强调网络安全保障能力的同时，积极规划产业进程，稳步促进信息化转型。2015-2020年中国信息化建设主要政策指导时间核心政策2015-2020年中

4、国重点行业推进信息化建设重点政策统计注释：仅统计5个重点行业政策密集度.2015中国国民经济和社会发展第十三个五年规划纲要国家信息化发展战略纲要十三五国家信息化规划2017十九大报告7ir政府工作报告工业物联网发展行动计划（2018年-2020年）2019十九届四中全会十四五规划方案中小企业数字化赋能专项行动方案2020关于构建更加完善的要素市场化配置体制机制的意见关于推进上云用数赚智行动，培育新经济发展实施方案关于加快推进国有企业数字化转型工作的通知关于深入推进移动物联网全面发展的通知注释：仅统计重要指导性政策.数字经济规模稳步扩张数字经济结构优化升级，对GDP贡献持续增强我国数字经济维持高

5、速增长，在信息通信新技术、新业态的带动下，传统行业焕发出新的活力，质量效益显著提升，2019年数字经济对GDP增长的贡献率达到67.7%,已经成为国民经济增长强大的引擎之一。数字产业例口产业数字化是数字经济发展的核心。数字产业化不断演进升级，与服务业全面融合发展后，正向实体经济范围拓展。产业数字化从单点应用向行业协同发展演进，利用数字技术进行全方位、全链条的降本增效，促进高质量发展，成为数字经济越来越重要的增长动力。两化协同发展，数字经济内部结构持续优化，为市场创造新动能的同时也带来了新的挑战，如何价值化数据并与传统生产要素融合，驱动传统产业向信息化、智能化转型升级，已经成为数字经济发展的关键

6、问题，这既是挑战也是机遇,所以加快推进数据价值化进程是企业发展的本质要求。2015-2019年中国数逑济规模及占GDP比重2015-2019年中国数字经济内部结构来源：工信部，根据公开资料研究及绘制.客户为导向的市场环境企业向精细化运营、信息化经营决策改进近十年数字技术被中国消费者广泛接受，消费者对产品和服务的需求升级带动各类触点场景和产品延伸服务不断变化，迫使各行业在服务市场和消费者时需要充分发挥信息化技术的作用。此外，互联网以消费和服务为主线，与人们的生活场景深度融合，电商、媒体、金融等行业已经走在领先地位，逐渐多样化和个性化。快消品、地产、汽车等贴近消费者的行业也随之跟进，而传统制造行业

7、由于行业特征、产品形态、商业模式等原因发展空间相对较大。如今，在接入流量增速放缓,用户流量红利逐渐见顶的背景下，消费互联网的格局和竞争态势日趋稳定和饱和。如何促进企业内的人、物、业务、产品、生态以及企业与用户、企业间的互联互通，加速线上线下融合，推进资源与要素融合是企业发展的下一个方向。中台技术就是可行的解决方案之一，它实现了业务创新的基础保障，提供了技术平台和全网数据运营能力，为数字经济时代用技术解决商业领域问题提供支撑。2016-2020年互联网业务收入增长情况2016-2020年移动互联网接入流量增长情况I互联网业务收入（亿元） 来源：工信部，自主研究及绘制.14952016201720

8、1820192020移动互联网接入流量（亿GB ）来源：工信部，自主研究及绘制.数据孤岛林立的系统架构底层计算和存储架构的多源和异构形成系统烟囱和数据孤岛早期业务发展过程中，企业为了解决一些当下的业务问题，按照垂直的、个性化的业务逻辑部署系统，各种信息系统大多是独立采购与建设的，与流程、底层系统耦合较深，横向和上下游系统之间的交叉关联也较多，导致企业内部形成多个数据孤岛，很难做到信息的完全互联互通。同时在新平台、新业务、新市场的拓展过程中，系统没法直接复用和快速迭代，产生的数据也无法与传统模式下积累的数据互通，进一步加剧了数据孤岛的问题。分散的数据无法很好地应对前端业务变化，难以支撑企业的经营

9、决策，因此亟需一套机制将新老模式融合，整合分散在各个孤岛的数据,形成数据服务能力。传统企业的系统架构痛点ICRMWMSOAERP功能重复建设，数据重复且不一致，烟囱型 系统间的集成和协作成本高.数据和业务被分散在多个系统中，不利于业 务沉淀和发展.基于老旧的技术体系构建的单体应用不能支 撑现阶段互联网的高并发环境.IaaS数据数据数据来派：根据公开资料自主研究及绘制.数据IaaS大量数据被闲置、忽略，不能聚合成为有价值的资产.前台商业场景不断变化，企业无法打破原有的组织壁垒进行高效协作.数据的价值化需求形成数据全生命周期的闭环为企业赋能近年，多数企业的认知已经从跟风转型过渡到数据驱动转型，认识

10、到数据是企业的新型资产。而数据收集、存储和处理成本的大幅下降和计算能力的大幅提高，为数据资产化应用提供了经济环境基础.事实上，多数企业已经拥有了较好的数据基础，然而在现实情况中，并不是所有的企业都能获得显著的收益，其主要原因之一在于没有形成数据全生命周期的闭环，所以价值化数据的比例低，无法作为关键生产要素为企业注入新动能。如今，数据资产化程度低、数据服务提供效率与业务诉求不匹配等让数据用起来的问题成为摆在企业面前的新型数字化转型难题。数据使用能力的演进数据治理数据定义不同，字段命名不规范、口径不统一、算法不一致面向各业务线的烟囱式数据开发，浪费技术资源的同时造成数据重复且不可信 缺乏全局规划，

11、业务方获取数据途径繁杂数据服努来源：根据1开发周期长、效率低、服务响应速度慢重读建设导致任务链冗长、人物繁多、计算资源紧张、数据时效性不强 上线容易下线难，源业务系统或自身变更不能及时反映到数据上业务的快速上线和迭代试错，更加 敏捷的面对市场，提供更多场景的 服务，加速业务响应能力，为业务 部门带来可上手的运行方式.无法获得数据在应用场景中的具体价值和热度价值化数据无法复用数据链路割裂前端新生成的数据可被处理分析， 数据、流程与逻辑经过沉淀，形成 数据资产，为后续服务和决策提供 标准依据，实现数据全生命周期打 通，进而推动业务创新.数据处理能力的演进为多业务场景的实现提供可能需求为技术提供了具

12、象的场景表现，技术同时是各类场景实现的基础。首先，在企业业务多元化、复杂化的形势下，大数据技术与业务场景的融合不断深化，企业不再满足于简单的业务数据统计与分析，而是需要提升数据的可用性，进行数据服务的个性化应用。其次，在运算能力方面，我国在终端和服务领域优势明显，随着5G和工业互联网等新场景的拓展，云计算、边缘运算、移动边缘计算等方案的提出和算力的提升让数据的时效性和分析能力有了更大的突破。例如传统的数仓设计受限于技术体系无法实现实时计算，而分布式大数据技术不仅能构建PB级别的数据中台，还能将实时计算与历史数据结合，实现流批一体开发。最后，人工智能技术与应用场景深度融合，配合机器学习算法，大大

13、提升对异构数据的处理能力，让数据从接入、存储、分析、展现、训练到构建管道都更加自动化，同时提高数据预测能力，充分赋能企业的经营决策。技术推动数据处理能力提升大数据技术数据采集和清洗，统一数据存储、 计算口径，提供报表、数据分析 和可视化的能力.云计算确保数据运算的即时性与高效性， 提供更高的灵活性，更强的可扩展 性，是企业的降本增效的催化剂.人工智能提升对异构数据的处理能力，与应用场景深度融合，实现智能预测、智能决策等数据分析智能化，将环节中的脑力劳动知识和经验沉淀下来.来源：根据公开资料自主研究及绘制.传统组织架构的系统性问题传统组织架构难以适应信息化的发展环境职能型组织架构，项目性组织架构

14、和矩阵型组织架构是现代企业通用的组织架构，他们在支撑企业运营的同时也造成了一些系统性的问题。例如职能型的组织架构虽然使企业的部门专业化程度高，部门内部直线沟通、交流顺畅，但是也造成了:没有一个直接对接项目的负责人或团体，项目责任不明确。不以客户为导向。各部门由于只重视本部门的业务，而不重视项目整体和客户的利益，最终造成1+1 项目/客户利益来源：根据公开资料自主研究及绘制.数据中台的发展驱动因素数据中台概述数据中台的行业发展现状数据中台应用的挑战数据中台的未来发展趋势234I5是技术的概念，更是企业管理的概念数据中台居于前台和后台之间，是企业级的数据共享、能力复用平台，是数字化转型的基础和中枢系统。将企业全域海量、多源、异构的数据整合资产化，为业务前台提供数据资源和能力的支撑，以实