特别鸣谢（按拼音排序）
本报告为精简版，点击文末左下角“阅读原文”，可下载完整版《爱分析·中国数据智能应用趋势报告》。
“
报告摘要
数据中台是支撑数据智能落地的基础设施
随着企业业务发展与技术成熟，企业面临海量增长的数据，结合大数据、人工智能物联网等技术，企业对数据的应用从监测、洞察逐步向决策迈进，进入了数据智能应用的时代。
传统企业面临多种数据应用的困境：内部数据孤岛现象严重，且数据碎片化，无法统一融合赋能业务；传统企业内部通常是IT部门负责处理和管理数据，业务部门无法直接使用数据,影响业务运营与规划；数据开发工作成本高，不同需求导致企业存在数据服务能力重复建设的问题等。
而数据中台能够实现数据汇聚、统一标准与口径，形成数据资产，进而为业务提供高效的数据服务；同时数据中台面向业务场景而建，将数据抽象封装成服务，能够实现数据的资产化、服务化，具有跨部门的普适性业务价值能力，赋能业务部门人员进行数据分析和数据应用；连接数据前台和后台，实现企业的数据开发能力的复用。因此，数据中台成为企业实现数据智能应用的核心。
以业务场景应用为指引规划数据中台建设
企业建设和运营数据中台需要从业务战略目标出发，以业务场景应用为指引贯穿数据中台建设与运营全流程，包括顶层战略规划、应用场景规划、数据治理体系搭建、技术平台建设、业务价值实现、持续运营等。
第一，企业数字化转型过程中，数据中台建设的核心目的是服务于企业的整体战略目标与业务目标，企业建设数据中台建设要从顶层战略规划出发，根据业务目标，从战略层面规划数据中台建设路径、调整组织架构、调配相关资源。
第二，数据中台的价值最终需要通过在业务场景的数据应用来体现，不同行业和企业处在不同阶段所需要的数据中台是不同的，因此，应用场景需要规划先行，企业需要明确应用场景实现的优先级，率先实现部分场景应用，打造业务场景的闭环，实现业务收益。
目录
一.数据智能助力企业数字化转型
二.数据中台支撑数据智能落地
三.数据智能应用趋势展望
结语
关于爱分析
法律声明
01
数据智能助力企业数字化转型
1.1数据驱动是数字化企业的核心特征
近年来，数字化转型已经成为各行业的共识，企业在数字化转型上已经投入了大量资源，部分行业领先企业已经成功地通过数字化实现良好的客户体验，并实现敏捷运营。
与信息化企业不同，数字化企业的核心特征是数据驱动。
从应用深度来看，企业对于数据的应用是一个逐步深化的历程，整体发展经历了收集、监测、洞察、决策四个阶段，数据的应用价值不断提升，逐步从业务数据化走向业务智能化。
1.2企业迈入数据智能时代
当前，企业的数据应用已经进入到业务决策阶段，机器能够基于数据和算法自主进行决策或给出决策建议，带来更高效的业务反馈和更大的业务价值。
随着数字化转型的推进，这种数据驱动业务决策的场景也越来越多地渗透到传统行业。
1.2.1数据智能的定义
爱分析认为，数据智能是指基于中台体系，融合大数据、人工智能、云计算、物联网等多种技术，利用数据实现智能决策。
为了实现数据驱动决策，企业需要具备统一管理数据、快速配置开发业务的能力，从企业视角形成数据资产，进行数据能力的输出，充分释放数据价值，数据中台逐步在企业内部形成。
数据中台使数据具有数据服务化的能力，同时，还需要对数字资产进行运营优化，使数据资产赋能企业能力快速迭代升级。这需要与业务密切相关的技术平台的支持。
但数据中台输出的是同质化的数据服务，仅有数据中台和技术中台无法赋能不同业务场景，需要与业务系统结合，才能真正地将数据用起来。因此，数据智能以数据中台和技术中台为底座，结合业务中台，支撑企业上层智能决策和应用。
在数据智能阶段，企业可以基于数据中台和业务中台构建业务智能化闭环。
1.2.2数据智能的技术应用体系
为了实现数据驱动决策，需要汇聚并处理大量结构化、半结构化和非结构化数据，基于复杂网络进行推理和决策，单纯依靠简单的数理统计已经不足以满足需求。因此，数据智能是大数据、人工智能、云计算、物联网等多种技术融合的技术应用体系，贯穿数据采集与预处理、数据存储与计算、数据分析与挖掘、数据展现与交互的全生命周期。
1.3数据智能的应用场景
数据智能已经在各行业的具体业务场景中落地，但各行业的应用成熟度差异较大。
数据智能在不同行业的应用场景范围、渗透率均不同，这与行业本身的数字化基础设施成熟度、数据智能与行业应用场景的结合度等因素相关。
在行业应用场景中，金融与政府与公共服务属于数据智能应用的高渗透行业，金融已经能够实现基于数据的智能决策，并实现显著的效益，逐步向数据驱动阶段过渡，较为成熟的应用场景有智能营销、智能风控等；政府与公共服务领域的数据智能场景主要有智慧政务、智慧安防等；消费品与零售正在加速应用数据支撑其业务，整个消费品与零售行业的商业模式也发生了剧变，主要体现在智能营销与全渠道中台应用场景；工业与能源等传统制造领域数据来源与形式复杂，数字化程度较低，数据智能渗透率低，但企业已经意识到数据的价值，整体行业处于数据智能应用的起步阶段，目前主要在智能制造方面发力。
部分原本数字化程度很低的领域出现了基于数据智能技术应用的新业态，例如自动驾驶、在线教育等。
（1）金融
金融领域数据智能应用成熟度高，其基础设施和应用场景的成熟度都领先于其他行业。
在基础设施方面，金融行业业务对数据强依赖，因此，各金融企业基本都已经完善的数字化基础设施和数据应用，技术团队强大，数字化投入金融大，已经广泛应用大数据、云计算等技术。
在传统金融应用场景方面，营销、风控、反欺诈等场景是非常成熟的数据智能应用，已经覆盖信贷完整业务场景。目前，已经可以实现机器自动审批与放贷。金融领域的数据智能应用场景正在逐步向客户服务、产品设计等业务场景延伸。
在证券行业，机器学习及大数据将会成为新的投资策略持续产生的源泉。
在保险行业，大数据在风险评估与定义、交叉销售、客户流失管理、理赔欺诈检测与理赔预防与缓解等环节都能产生影响。
（2）政府与公共服务
政府与公共服务领域数据基础设施相对成熟，其数据应用成熟度目前处于数据决策阶段。
政务领域具有最完备的数据源，信息化投入大。智慧城市带来更加丰富的数据。同时，政府云化进程快，数据资产成熟。
在应用场景方面，早期政府主要应用数据大屏，实现业务监测。近年来，随着技术和数据资产的成熟度提升，政府部门能够实现数据洞察与数据决策。
（3）消费品与零售
受到电商的影响，消费品与零售是数据智能应用渗透率提升最快的领域之一。
在基础设施方面，消费品和零售行业的数据丰富，但一般都来源于多端多渠道，包含门店、APP、小程序、服务号等渠道，对渠道整合有强需求。零售行业目前的云化和数据资产化正在快速推进。
在应用场景方面，已经可以对用户进行全生命周期跟踪，企业可以基于海量数据形成消费者画像，线上化智能营销的应用在逐步趋于成熟。
未来，智慧门店等线下渠道的数据智能渗透率会逐步提升。
一体化数据分析平台，赋能德克士创新连锁品牌运营新模式
数据显示，目前中国餐饮市场规模达到4万亿，且以每年20%的速度增长。但餐饮业面临着堂食流量减少、运营成本增加、渠道拓展困难等问题，同时，餐饮业逐步向生鲜、团餐等多元化模式发展，数字化平台和外卖系统更加成熟，疫情更是加剧了这种趋势的发展。因此，餐饮行业逐步发展为数据驱动的业务形态，餐饮企业亟需能够敏捷应对客户需求的数字化系统。
德克士成立于年，是知名的快餐品牌，其在全国的门店数量已经突破了家。面对餐饮行业的变革与挑战，德克士也在推进数字化转型，而实现数据驱动的业务经营分析是基础。在业务经营数据分析方面，德克士面临着以下挑战。
第一，德克士连锁店覆盖多个城市，德克士连锁店和总部以及各业务系统的数据分布在多个城市的门店，有加盟店和非加盟店，涉及多个部门及系统供应商，如包括收银系统、财务系统、会员系统、外卖平台的运营，以及不同的小程序供应商等，存在大量数据孤岛情况，且其数据结构与规则均不相同，要保障在数据安全的前提下实时地向总部传输数据，对企业是一个巨大的挑战。
第二，原有系统采用多供应商，系统供应商的系统老旧，不易做大规模修改与延展，在原有的系统和数据结构下做数据分析会对企业的系统造成很大的压力；同时，旧系统难以为新形态的数据交互提供快后且准确的交互模式，企业需要不断对接不同的应用服务，重复造轮子。
第三，当前的数据系统无法支持实时运营数据及客户反馈可视化，德克士需要系统具备可视化能力，以更有效率地指导品牌运营。
为了解决上述问题，打造准确、敏捷、易用的数据分析平台，德克士与餐道合作启动了BI系统的建设。
餐道是一家智能餐饮系统服务商，产品服务涵盖全渠道管理SaaS平台+业务数据双中台，通过“系统+数据+服务”赋能餐饮零售企业线上业务，为企业提供一体化数字解决方案。截至年8月，餐道服务于国内外连锁品牌超过个，覆盖了全国多个城市的多家门店，包括汉堡王、哈根达斯、DQ等连锁餐饮集团，以及京东便利店、壳牌便利店等新零售企业。
餐道的全渠道中台连接全渠道，解决客户业务中“数据孤岛”的问题、统一输出可视化信息助力客户高效分析业务，同时，提供共享API服务与服务对接，为餐饮新零售提供业务系统重构基础，连接前后端应用，满足数据实时互通、快速拓展新渠道业务需求。
在不断服务客户的过程中，餐道也逐步完善和迭代其产品模块。餐道有标准化数仓平台，基于其中台系统，有超过30套大型分析工具，包括产品分析、销量分析等，共计+功能项。在数据源方面，餐道可以接入不同渠道的数据，不限制接入平台数量。因此，餐道具备平台、数据、对接等多方面的能力，赋能餐饮企业不断优化运营管理。
在数据治理方面，餐道为德克士打造数据中台与应用中台的“双中台”系统，打通数据，将德克士线上渠道和自有渠道的分散数据汇集在平台中，包括外卖数据、餐单数据、制作数据、配送数据、客户评论等，同时提供标准数据结构、定义数据内容，为不同渠道的数据制定规则，保证各平台数据的格式与定义一致，打破“业务孤岛”与“数据孤岛”，避免重复造轮子。餐道平台提供标准信息交互接口API，持续抓取各端采集数据并转换为标准格式。
同时，基于统一的数据中台与应用中台，德克士可以灵活地拓展业务，并选择最优服务供应商。
在可视化方面，基于统一的数据结构，餐道为德克士建立BI系统。
餐道提供两种OCRM报表：标准报表和自定义报表。标准报表从运营、销售、财务、用户这四个板块分别展现了不同维度的明细数据，可通过数据分析出门店日常运营情况，找出运营问题所在，是否是配送不达标或者是营运SOP不规范；自定义报表可以根据商家特定需求，如与平台对账或者自定义所需字段和计算逻辑，快速得出汇总数据。德克士可以根据业务需求将数据分派到不同业务部门里德报表分析。
例如，餐道会把各个平台的舆论、客户评价等数据采集到BI系统里面，德克士可以很方便地在系统中对各个平台客户对德客士的评价与反馈进行综合分析。
目前，BI系统上线后已经覆盖德克士多家门店，其中80%都是加盟店。
在具体项目实施过程中，德克士积累了宝贵的餐饮连锁店数字化转型经验。
首先，餐饮行业的未来是以数据为驱动的，餐饮品牌要注重数据价值，所以企业需要将数据放在战略和管理层面的首要位置。
其次，企业需要由上到下地推动数字化转型，更新组织架构，协调各方参与者，包括IT部门、业务部门和企业不同的供应商，让不同部门迅速地融合并加快项目实施进度。
未来，德克士计划进一步上线订单管理系统，接入德克士会员系统、配送系统、客服中心以及外部其他接口，并上线接单管理、聚合配送、营运与监控管理、营销管理等SaaS服务。
数字化零售平台，打造汽车品牌高端用户体验
某全球化汽车公司致力于通过提供高性能的汽车产品与极致用户体验，为用户创造愉悦的生活方式，打造全球范围内的“用户品牌”。其旗下品牌用户中心致力于为车主及其朋友打造一体化的自由空间，提供包括轻餐、精品、书籍租赁、空间租赁等一系列服务，发展多种业态服务，力求为用户带来线上线下一致性的体验。
该品牌拥有完备的开发团队和庞大数量的业务系统，在提升多业态服务质量的过程中，面临的主要挑战来自于多业态服务系统造成的前端用户体验不佳和后端运营效率低。
在用户体验方面，第一，用户支付繁琐，现金、刷卡、移动支付、企业币等多支付方式在一台设备无法集成；第二，多渠道数据割裂，不同渠道的订单、库存、促销、会员权益等数据和规则均不一致，客户多渠道消费的体验不佳。
在业务运营方面，由于存在多业态系统，且数据割裂，一方面，前端支付数据无法在后端业务系统中整合，餐饮和零售的收银和财务结算需要在两个系统中完成，操作烦琐，运营效率低；另一方面，实时数据无法及时反馈至前端业务人员，前端无法快速灵活地响应。
为了实现线上线下融合并满足消费者日益升级的消费需求，该品牌开启全渠道业务布局。多业态服务发展中所