2021中国数据中台行业白皮书.pdf

《2021中国数据中台行业白皮书.pdf》由会员分享，可在线阅读，更多相关《2021中国数据中台行业白皮书.pdf（47页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、中国数据中台行业白皮书 2021年 海量行研报告免费读 2 2021.4 iResearchInc. 摘要 来源：艾瑞咨询研究院自主研究绘制。 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

2、程与组织架构的升级、运营与决策的精细化赋能。 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务，以发挥数据中台的效能。 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。 SMS 3 1 2 3 4 数据中台发展的驱动因素 数据中台概述 数据中台的行业发

3、展现状 数据中台应用的挑战 5数据中台的未来发展趋势 4 2021.4 iResearchInc. 2021.4 iResearchInc. 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+”行动计划等国家战略， 充分发挥信息化驱动引领作用，积极推进以物联网、云计算、

4、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中国国民经济和社会发展第十三个五年规划纲要 2016 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 2018 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 2020 十四五规划方案 中小企业数字化赋能专项行动方案 关于构建更加完善的要素市场化配置体制机制的

5、意见 关于推进“上云用数赋智”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 2015-2020年中国重点行业推进信息化建设 重点政策统计 注释：仅统计重要指导性政策。 来源：中国政府网国务院政策文件库，艾瑞咨询研究院自主研究及绘制。 注释：仅统计5个重点行业政策密集度。 来源：中国政府网国务院政策文件库，艾瑞咨询研究院自主研究及绘制。 积极推进 “互联网+” 提出建设 数字中国 5G+工业互联网 222 9 5 6 3 4 5 4 5 42 5 4 4 2 2 2 1 1 1 1 2 4 1 2015201620172018201

6、92020 工业（个）卫生健康（个）农业（个） 政务（个）教育（个） 5 2021.4 iResearchInc. 2021.4 iResearchInc. 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。数字产业化和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、

7、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。 18.6 22.6 27.2 31.3 35.8 27.5% 30.3% 32.9% 34.8% 36.2% 20152016201720182019 数字经济规模（万亿元）占GDP比重（%） 74.7% 77.0%77.2% 79.5%80.2% 25.3% 23

8、.0%22.8% 20.5%19.8% 20152016201720182019 产业数字化（%）数字产业化（%） 2015-2019年中国数字经济规模及占GDP比重2015-2019年中国数字经济内部结构 来源：wind，艾瑞咨询研究院根据公开资料研究及绘制。来源：工信部，艾瑞咨询研究院根据公开资料研究及绘制。 6 2021.4 iResearchInc. 2021.4 iResearchInc. 6651 7101 9562 12061 11466 20162017201820192020 互联网业务收入（亿元） 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

9、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

10、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。 94 246 711 1220 1495 20162017201820192020 移动互联网接入流量（亿GB） 2016-2020年移动互联网接入流量增长情况 来源：工信部，艾瑞咨询研究院自主研究及绘制。 2016-2020年互联网业务收入增长情况 来源：工信部，艾瑞咨询研究院自主研究及绘制。 7 2021.4 iResearchInc. 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

11、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 IT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。 营销自动化 CRM 客户管理 销售管理 报表分析 客服管理 库

12、存控制 WMS 库存管理 自动收货 上架管理 交叉转运 协同办公 OA 多维管理 信息记录 流程管理 人事管理 会计核算 ERP 财务管理 采购管理 分销管理 生产控制 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。 金融零售 前台业务 IaaSIaaS 数据数据数据数据 大量数据被闲置、忽略，不能聚合成为有价 值的资产。 PaaS 物流文娱 前台业务 PaaS 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。 传统企业的系统架构痛点

13、 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 8 2021.4 iResearchInc. 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

14、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。 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 数据生命周期 形成闭环 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。 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。 外部获取数据 内部数据 各端口数据 业务系统 采集 定义 清洗 业务部门 同步 联通 应用场景 数据产生 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

15、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，业务方获取数据途径繁杂 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 数据 治理 使用 可视化分析 数据闲置 管理 数据使用能力的演进 数据 服务 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 9 2021.4 iResearchInc. 能力多、成本低、应用广的技术基础 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象的场景表现，技术同时是各类场景实现的基础。首先，在

16、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，大大提升对异构数据的处理能 力，让数据从接入、

17、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 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。 大数据技术 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。 云计算 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。 人工智能 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 10 2021.4 iResearchInc. 传统组织架构的系统性问题 传统组织架构难以

18、适应信息化的发展环境 职能型组织架构，项目性组织架构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 项目成员往往不将项目当 作主要工作，积极性不高 项目沟通 和责任分 散，对客 户的需求 反应延缓 内部管理混乱 11 1 2 3 4 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

19、中台应用的挑战 5数据中台的未来发展趋势 12 2021.4 iResearchInc. 数据中台的内涵 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，以实现数据驱动的精细化运营。 数据中台不是简单的一套软件系统或者一个标准化产品，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，指向企业的业务场景。企业基于自身的信息化建设基础和业务特点对数据中 台的能力进行定义，基于能力定义选择和利用数据组件搭建中台。各类数据技术是构

20、建数据中台的基础，能够高效对数据 进行统一收集、处理、储存、计算、分析和可视化呈现，使数据最终与业务链条结合，真正转化为企业核心资产。 而从广义上，数据中台更是一种企业组织管理模式和理念，集公司战略决心、组织架构、技术架构于一体，企业从战略上 构建统一的协同基座即中台化组织，以协调和支持各业务部门，用技术拓展商业边界，为新业务、新部门提供成长空间。 来源：艾瑞咨询研究院根据公开资料及专家访谈自主研究及绘制。 是技术的概念，更是企业管理的概念 数据产品的发展阶段 数据库 存储持久化，简单的关联 查询，简单的OLTP系统， 基本、日常的事务处理； 不适用数据的多维度分析。 位于多个数据库上的存储

21、库。实现数据生命周期管 理、主题域开发，提供直 观易懂的查询结果，支持 复杂的动态数据分析。数 据处理能力较弱，在数据 和业务预测方面应用有限。 基于分布式的实时或者离 线计算框架，建立计算集 群以运行各种计算任务， 提供完善的大数据分析基 础运行环境，提供统一二 次开发接口等能力。支持 多数据集实时同步、支持 数据资产管理、实现多源 异构数据的整合管控。 数据迈向EB级别。具有全 域级、可复用的数据资产 中心与数据能力中心，在 底层通过技术手段统一数 据标准和口径，能够对接 OLTP和OLAP的需求，结 合算法，把前台业务的分 析需求和交易需求直接对 接到中台来，通过数据中 台处理和逻辑运算

22、。 数据仓库 数据平台 数据中台 13 2021.4 iResearchInc. 数据中台的架构 数据中台首先采集与引入全业务、多终端、多形态的数据，经过数据计算与处理，通过数据指标结构化、规范化的方式实 现指标口径的统一，存储到各类数据库、数据仓库或数据湖中，以实现数据资产化管理。向上提供各类数据服务，面向业 务构建统一的数据服务接口与数据查询逻辑，提供数据的分析与展示，形成以业务核心对象为中心的连接和标签体系，深 度萃取数据价值。 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 呈现统一基础层、公共中间层、多元应用层的分层架构模式 数据采集 业务数据第三方数据日志数据 结构化数据非结构化

23、数据 流式计算. 内存计算Kafka 离线计算实时处理 数据转换数据清洗 数据计算数据存储 分布式关系数据库 分布式NoSQL数据库 分布式文件系统 传统数据仓库 数 据 湖 数据治理数据服务 数据安全管理 数据质量管理 数据模型管理 数据标准管理 元数据管理 主数据管理 数据共享管理 数据 标签 数据 目录 数据 地图 数据 分析 算法 模型 服务 接口 数据分析与决策 & 业务智能应用 资产价值化 数据资产化 业务数据化 数据中台的架构 14 2021.4 iResearchInc. 数据中台vs业务中台 相比数据中台抽象数据能力的共性形成通用数据服务能力，业务中台则是抽象企业各业务流程的

24、共性形成通用业务服务能 力，更多偏向于业务流程的管控。将企业的业务规则、流程、逻辑与业务进行隔离，整合封装成微服务、组件等前台友好 的可复用共享的能力；将一切业务数据化，实现后台资源到前台敏捷复用能力的转化，提升面向终端用户的前台的速度和 效率，提高整体业务的灵活性和响应速度。 企业一般根据自身的实际情况需要进行数据中台和业务中台的规划和部署，当企业同时拥有数据中台和业务中台时，两套 中台起到相辅相成、相互支撑的作用。业务中台中沉淀的业务数据进入到数据中台进行体系化的加工，再以服务化的方式 支撑业务中台上的应用，形成循环不息的数据闭环。但业务中台只是数据中台的数据源之一，而数据中台的数据服务也

25、并 非必须经过业务中台才能作用于业务。 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 各司其职，相辅相成 数据中台vs业务中台 基础技术/计算平台 业务前台 数据中台业务中台 业务数据化 数据业务化 将业务数据化沉淀的 数据通过大数据、机 器学习等方式进行价 值提炼，形成企业数 据资产，提供决策支 持，赋能前端业务。 将企业经营管理涉及 的业务场景流程标准 化、数据化，为数据 中台提供完整的数据 源，实现数据和中台 建设的可复用性。 技术支撑 数据赋能 15 2021.4 iResearchInc. 数据中台的建设路径 数据中台的建设不是一蹴而就的，其建设路径及难度跟企业数字化变革驱动力、

26、行业背景直接相关，与企业原有机制的融 合是一个长期的过程，其建设成本在百万元以上，建设周期更是以年为单位计算。整个数据中台的建设没有一个通用的企 业级模型套用，一般需要从顶层设计出发，自上而下贯彻。根据企业自身的业务目标逐级建设，优先从小场景领域内开始 试点，逐步纳入更多的业务模块，以达到企业数字能力的逐级进化和价值的持续叠加。此外，在数据中台的建设过程中， 企业需要培养自身的数据管理团队，甚至重构整个IT团队，以提高数据服务和企业数字化运营的能力。 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 需要经历长期、分阶段的逐级建设过程 数据中台的建设路径 营销、财务或其他核心业务，企 业需找准

27、切入点，明确该业务的 目标和范围，分析需求，进行初 步的业务重塑，减少交付压力。 从试点中验证技术平台能力、消 化中台建设方法论，以完善相关 产品套件及迭代中台全局架构。 纳入企业战略，达成全员共识， 自上而下推动，分步实施，明确 分工和责任； 从数据向上，业务向下同步思考， 建立全局架构数据中台的设想， 初始化数据采集、数据公共层和 应用层建设。 能力沉淀，优化和拓展场景应用， 建设范围逐渐扩大到业务全域， 将业务资源和共享服务沉淀整合。 持续推进数据公共层的丰富完善， 提高数据应用层的算法能力，重 塑IT架构和企业全链路的运作方 式。 在使用中逐渐磨合出企业自身的 中台理念和规范，优化组织

28、，提 升中台效率。 随着业务的扩展和进步不断发展 迭代，最终构建起企业自身的数 字能力生态。 顶层设计 试点示范 深化应用 治理融合 16 2021.4 iResearchInc. 数据中台的能力保障 数据中台的搭建涉及技术诸多，在整个技术构架上需要考虑可拓展性、敏捷性、轻量化，并注重与前台的交互，灵活地通 过服务编排实现应用功能，以满足前台需求。当前数据中台遵循“高内聚、松耦合”的设计原则，融合分布式、微服务、 容器云、DevOps、大数据处理及高可用高性能高并发架构，已形成了一套较为成熟的方法论。 因此现阶段，数据中台的建设难点更多的聚焦在如何将成熟的技术方案与行业及企业的实际情况和特征结

29、合，基于真实应 用场景，规划设计数据中台建设的可行性方案。企业自身的资源配置能力、管理经验、组织架构、业务梳理能力，以及数 据中台服务商在企业中台搭建过程中为企业数据治理提供的咨询规划服务，逐渐成为数据中台建设过程中的关键性要素。 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 系统落地需要供求双方多维度的能力 基础云平台服务IaaS 容器云 运维管理 体系 DevOps 分布式配置中心工作流引擎数据库中间件 分布式消息 MQ分布式事务 GTS缓存 REDIS Docker KubernetesMarathon cri-o 数据基础层 KafkaSparkHadoop TensorFlowR

30、edisHive 微服务治理 （分布式服务框架） 配置管理服务治理集群监控容错保护 大数据工具 其他组件 服务组件 基础服务/技术服务 API 数据中台的合作模式 数据中台厂商 企业客户 咨 询 规 划 服 务 资源配置 能力 组织架构 业务梳理 能力 管理经验 17 2021.4 iResearchInc. 数据中台的核心价值（1/3） 数据中台的建设天然会帮助企业打通数据孤岛，并建设统一的数据标准，包括数据建设规范和数据消费规范。此外，数据 中台基于原有的数据关系及SOA架构等企业数据管理的经验，能解决企业信息管理中“数据烟囱”的问题，从全生命周期 的角度管理数据。随着数据中台的建设，数据

31、二义性逐渐消除，透明度和利用率大大提高，有效发挥数据及分析技术对前 台业务的复用价值，降低数据计算与数据存储成本，减少因数据体系建设不一致或重复建设导致的人力成本浪费等。 由于系统和能力容易复用，当业务量增加或数据连接点、流程发生改变时，打通的数据中台可以避免系统的重复建设，支 撑新业务形态的产生和快速发展；由于数据中台整合了业务与技术两大职能，业务产生的数据省去了跨部门传递的步骤， 而基于技术产生的数据分析结果也可直接转化为业务优化方案。数据实时共享，直接赋能业务，使企业数据治理全链条的 时效性与灵敏度得到提升，同时避免了技术与业务两部门因信息不对称而导致的认知偏差。 来源：艾瑞咨询研究院自

32、主研究及绘制。 降低数据建设成本，提高数据治理效率 数据中台改变企业数据使用模式 传统的业务数据使用模式 数据库数据库数据库 数据库数据库数据库 App官网小程序 营销财税供应链 数据中台下的业务数据使用模式 基础服务基础设施 后台 全域的业务数据、系统数据 中台 业务模块1业务模块2业务模块3. 前台 18 2021.4 iResearchInc. 2021.4 iResearchInc. 数据中台的核心价值（2/3） 激活数据商业价值，赋能企业运营与决策 提升对数据的管理利用能力是企业数字化转型的重要目标。数据中台与过去的数据工具相比，最大的优势在于基于企业组 织、战略及业务框架设计，对企

33、业全域的数据资产进行高效的开发、应用及质量管理。通过将数据资产化，将不同系统、 不同类型的数据纳入一个可对比、可计算的范围，使其更易于企业日常经营活动中进行搜索、过滤和管理，充分激活数据 的商业价值。 此外，数据中台匹配和衔接了当前业务与数据间协作的需求，形成价值链闭环。在实现数据接口标准化和在线交互实时化 的基础上，集成可快速复用的数据生产力工具或模块，使数据具备敏捷地对外服务的能力，智能服务全流程的部门及人员， 使每个层级的员工都能快速制定适合自己的数据决策服务，有效赋能业务决策。 来源：艾瑞咨询研究院自主研究及绘制。来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 PC端移动端大屏 多端

34、展示 按照业务模式对核心业务（销售金额、KPI等）拆解、追踪，企业 高层实时掌握企业运营数据，运用丰富灵活的数据可视化分析组 件科学决策分析，快速对业务作出动态调整。 服务表现形式 常规图表轮播列表 文字时间轴 数据中台赋能企业管理决策 服务表现形式更加多样化，除基础BI报表外，还有领导决策系统、 行业分析、业务洞察、自助查询等面向业务场景的服务及产品 高层决策分析 可视化组件 数据中台提供敏捷的数据服务能力 业务人员 业务系统其他数据来源 自动采集、清洗 数据存储 自动计算自动建模自动管理 集成数据服务 管理人员 数据接口标准化在线交互实时化数据开发可视化 决策 决策支持 19 2021.4

35、 iResearchInc. 2021.4 iResearchInc. 监测 洞察 数据中台的核心价值（3/3） 改造企业业务流程，升级企业组织架构 传统的作业方式通常呈现“流水线”的特点，往往由业务人员基于行业经验进行流程设计，结合商业套件建立和操作业务 系统。数据仅仅是用于监测业务进展和洞察规律的副产物，最终的决策由业务人员进行，因此决策不确定性较强，整个业 务流程的迭代速度极慢，很难与当前快速变化的前端应用匹配。而随着数据中台在整个业务链条中的部署和应用，大数据 进入决策阶段，企业的业务流程也逐渐快速、扁平化，由原先依赖业务人员经验的流程驱动逐步转向数据驱动。 另外，传统企业数据孤岛、业

36、务割裂、资源分配等问题，其根源往往来自于组织架构的分割，尤其当业务需要涉及跨部门 协同时，“部门墙”的现象十分严重，甚至出现冲突和制衡。因此数据中台的部署应用既是打通了数据的壁垒，更是打通 了部门、事业群间的壁垒，使企业组织灵敏性得到提升。 来源：艾瑞咨询研究院根据公开资料自主研究及绘制。来源：艾瑞咨询研究院根据公开资料自主研究及绘制。 职能型组织架构 项目型组织架构矩阵型组织架构 数据中台 职 能 型 组 织 架 构 项 目 型 组 织 架 构 矩 阵 型 组 织 架 构 流程审批 人员信息统一 数据中台升级企业组织架构 组织升级 以数据带动人才通、 技术通、业务通 数据中台改造企业业务流程

37、 流程驱动 数据驱动 直觉 经验 业务 系统 流程 设计 数据 仓库 BI& 可视化 业务 人员 业务 人员 挖掘建模 数据 业务系统数据中台技术中台 驱动 业务中台 业务人员辅助 20 1 2 3 4 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 5数据中台的未来发展趋势 21 2021.4 iResearchInc. 数据中台的市场规模 伴随着数据量的爆发式增长、数据处理技术的进步，以及数据中台产品逐渐实现商业化、需求端企业对数据中台的认知开 始树立，2019年可以称为数据中台元年。当前我国数据中台行业处于从萌芽转向高速发展的过渡期，整体仍处在相对基础

38、的发展阶段，但由于企业数字化转型驱动市场需求不断增加，行业增长势头明显，市场规模快速扩张。 此外，随着数据中台逐渐实现从理论架构到实际部署的落地实践，需求端企业对数据中台的理解和信任程度逐渐加深，而 行业玩家也正积极探索和拓展数据中台的更多呈现形式，例如挖掘服务于中小微企业的实施路径，以助力各类企业数字化 转型全流程。因此数据中台产品类型与服务内容有待进一步拓展，未来参与布局数据中台的企业数量也将快速增加，市场 增量空间广阔。 来源：艾瑞咨询研究院根据企业年报等公开资料、专家访谈及自有模型统计核算及绘制。 注释：报告所列规模历史数据和预测数据均取整数位（特殊情况：差值小于1时精确至小数点后一位

39、），已包含四舍五入的情况；增长率的计算均基于精确的数值进行计算。 行业增长势头明显，市场规模快速扩张 2018-2023年中国数据中台的市场规模 2018-2023CAGR49.1% 17 38 68 101 139 183 126% 80% 47% 38% 32% 2018201920202021e2022e2023e 市场规模（亿元）增长率（%） 22 2021.4 iResearchInc. 数据中台的玩家类型 数据中台行业的主要参与者指帮助下游企业搭建数据中台并提供服务的供应厂商。整体而言，数据中台行业尚处于发展成 型的早期阶段，参与者众多但行业集中度较低，尚未形成鲜明的市场竞争格局。

40、 数据中台供应商主要由五类厂商构成：头部互联网企业、数字化解决方案提供商、大数据公司、独立中台开发商及人工智 能厂商。市场不断有新玩家进入，各类型的厂商都具有不同的竞争优势，处在占领市场份额、凭借优势领域构建进入壁垒 的扩张阶段，与此同时也带来了一些产品区分度低、边界不明、业务混杂等行业乱象。 来源：艾瑞咨询研究院自主研究及绘制。 行业集中度较低，市场竞争格局尚未成型 数据中台的供应商类型 公有云厂商数字化解决方案提供商 数据与智能公司独立中台开发商 特征及优势：在内部落地中台战略，获得检 验后对外提供服务，具有先发优势；拥有底 层全量技术能力，能提供原生性、可标准化 封装输出的产品和解决方案

41、；为行业发展输 出资源、核心技术、方法论和工具体系 代表厂商：阿里云、腾讯云、AWS 特征及优势：有ToB服务经验和客户资源基 础，有获客和拓客优势；积累大量垂直行业 的认知和洞察，能快速梳理企业业务及流程， 准确识别客户需求；能基于中台架构输出综 合的数字化转型服务 代表厂商：元年科技、用友、金蝶 特征及优势：具备数据资源，能帮助企业客 户补足一些空白数据，快速开展应用落地； 人工智能技术及算法能力强，在数据采集清 洗和计算推理等环节都有优势；有客户资源 基础，积累大量垂直行业的认知和洞察 代表厂商：明略科技、星环科技、神策数据 特征及优势：以数据中台相关技术、 工具为服务核心；常作为头部公

42、司的 生态合作伙伴；业务专精，深耕场景 及垂直行业 代表厂商：数澜科技、 云徙科技、 袋鼠云 23 2021.4 iResearchInc. 数据中台的客户画像 有数据基础、多元化经营的各行业头部企业为主要客户 事实上，并非所有企业都需要或适合部署数据中台。是否进行数据中台的建设，与企业所处行业、发展阶段以及自身的数 据成熟度和数字化程度等因素相关。对于初创公司以及一些业务较为单一的企业，现阶段实际不存在数据互联互通的问题， 则并不适合也并非必须搭建中台，因为数据中台的建设模式较重，建设周期较长，需要投入较高的资金和人力成本，短期 内反而不利于这一类企业的快速发展。 我们认为，满足以下至少三种

43、情况的公司适合进行数据中台的部署：业务场景具备不确定性，迭代速度快，所处市场环 境变化快，需要具备快速试错和敏捷反应的能力；生态和流程系统复杂，有多条产品线或横跨多种业态，各业务单元间 存在功能模块低水平重复建设的问题；由于事业部等的组织架构，导致数据和信息系统存在互联互通问题，需要打通壁 垒进行统一管理；营收具有一定规模，信息化建设达到一定水平，但信息技术仍对企业发展存在制约，需要进行整体的 技术升级、业务重构；对外需要多业态扩张，多消费渠道触达，希望协调整个产业链上下游合作伙伴之间资源。 来源：艾瑞咨询研究院自主研究及绘制。 数据中台的客户画像 01 营收具有一定规模， 有实力承担大量投入

44、 02 具有数据基础，信息化 建设达到一定水平 03 行业前端需求变化快， 业务场景具备不确定性 06 组织结构复杂，跨部门 协作障碍已经影响企业 进一步发展 05 同时存在多种信息系统， 需打通壁垒、统一管理 04 多元化经营，有多条 产品线或横跨多种业态 24 2021.4 iResearchInc. 数据中台应用的业务领域（1/2） 随着进入数字化营销时代，线上营销场景已经实现云化，线下营销场景也可以通过IoT、AI等技术实现对用户行为数据的 获取和完全跟踪，目前营销获客领域的数据基础设施已达到较高的成熟度。然而企业获取的销售、营销数据也愈发零散、 且往往都是孤立存在；日益碎片化的触达时

45、段及场景、层出不穷的媒介载体和复杂的社交数据，也使全景化的消费者画像 和用户标签体系难以整合建立；与此同时，爆发式的海量数据使企业原有的CRM系统算力和能力难以满足业务的计算分析 需求。 营销数据中台在集数据采集、融通聚合、管理服务等功能于一体的基础上，基于场景的特点开发专门的数据模型、标签体 系等多种数据智能应用，构建用户360全景画像，深入洞察目标客群特征，分析交易销售数据及营销效果，助力企业实现 基于智能营销和消费者智能运营及管理的数据管理、洞察分析和决策支持。 来源：艾瑞咨询研究院自主研究及绘制。 营销领域：发展最早，落地最广泛 营销数据中台的数据智能应用 算法模型 购买时间预测个性化推荐门店销量预测交叉推荐预测用户流失预测 营销分析交易分析 ID Mapping 用户群体 画像 用户行为 特征分析 用户价值 分析 推荐效果 分析 生命周期 分析 营销渠道 流量分析 营销时段 流量分析 营销触达 效果分析 营销预警 分析 用户转化 分析 用户流失 留存分析 销售大屏物流大屏 商品销售 渠道分析 商品销售 时段分析 商品销量 分析 服务质量 分析 用户分析 25 2021.4 iResearchInc. 企业案例：阿里云 推进数智化转型，提供全域营销和分析架构 基于阿里云的云资源基础设施，在智能数据构建及管理Dataphin平