1、數據驅動型企業服務研究分析數據驅動型企業的概念土地可復制勞動力農業經濟時代資本技術工業經濟時代管理傳統生產要素新型生產要素數字經濟時代生產要素范疇拓寬：可共享無限增長和供給VS數據以數據生產要素驅動經營管理，實現持續增長和創新發展從農業經濟到工業經濟，生產要素經歷了由土地、勞動力向資本、技術及管理等的演進。數字經濟時代催生了以大數據為 代表的新型生產要素，企業的經營管理離不開海量數據的支撐。相較于傳統生產要素的有限增長和供給，數據具有可復制、 可共享、無限增長和供給的特性，可以通過連接物理世界和數字世界，驅動企業向數字化轉型升級，進而實現持續增長和 創新發展。需要注意的是，數字化轉型強調的是運

2、用數字技術，而數據驅動強調是以數據作為關鍵生產要素，因而數字化 轉型的范疇大于數據驅動，但數據驅動是數字化轉型的主線。生產要素的形態隨經濟發展而變遷有限增長和供給傳統生產要素的特點數據生產要素的特點273.9%74.4%77.0%77.4%79.5%80.2%26.1%25.6%23.0%22.6%20.5%19.8%26.1%27.5%30.3%32.9%34.8%36.2%201720182019產業數字化規模（萬億元）201420152016數字產業化規模（萬億元） 數字經濟占GDP比重（%）16.218.622.627.231.335.8數字技術從數字產業化到產業數字化新經濟領域高度數

3、字化，加速傳導至傳統產業的轉型升級隨著發展數字經濟上升到國家戰略高度，近年來數字經濟增速顯著高于同期的GDP增速，是帶動國民經濟發展的關鍵力 量。2019年我國數字經濟規模為35.8萬億元，占GDP比重達到36.2%。其中，數字產業化規模對應信息通信產業的增加 值，以互聯網新經濟領域的高度數字化為前提，運用“大智物移云”等數字技術降低交易費用、發揮網絡外部性、促進分 工協作等，可以為傳統產業帶來生產數量和生產效率的提升，促進傳統產業的升級轉型。2019年中國產業數字化規模達到 28.8萬億元，2014年至2019年間，產業數字化占數字經濟的比例已經由73.9%上升至80.2%。2014-201

4、9年中國數字經濟規模、結構及占GDP比重信息通信產業增加值數字產業化電子信息制造業軟件和信息技術服務業電信業互聯網行業產業數字化農業工業服務業 數字化 傳統產業應用數字技術帶來的生產數量提升和生產效率提升，其創造的新增產出大數據云計算人工智能物聯網來源：中國信通院中國數字經濟發展與就業白皮書（2019年），研究院自主研究及繪制。3大數據整體產業鏈結構涵蓋底層基礎設施、大數據平臺及面向業務場景的各類應用對于數據驅動型企業而言，擁有數據是前提條件，數據可以是來自企業自身的經營管理，也可以來自外部的如政府數據、 第三方數據等，而數據中心為數據提供數據存儲和計算的基礎設施。面對各種不同類型的離線與實時

5、、結構化與非結構化 數據，企業需要進行集成、處理、分析和可視化等工作，以應用在具體的業務場景當中。通常而言，對于有一定規模和信 息化基礎企業，會引入大數據平臺或數據中臺等對數據進行統一的全生命周期管理，而針對特定場景的業務需求，則可以 直接選擇更加產品化的大數據應用。大數據產業鏈結構概覽政府數據行業聯盟數據第三方數據數據交易數據源企業數據存儲計算網絡IDC/IaaS服務中間件數據庫操作系統基礎軟件基 礎層應 用 層技 術 層數據采集數據存儲數據集成數據處理數據分析數據可視化大數據平臺/數據中臺通用應用廣告營銷客戶服務產品開發供應鏈管理人力資源管理行業應用零售餐飲教育金融醫療地產工業政務4數據驅

6、動型企業成長路徑概覽5遵循數據產生、管理、分析到應用的路徑，各階段相互促進數據驅動型企業的成長路徑示意圖管理數字化業務數字化以數據倉庫、數據湖、數據中臺 等形式進行數據的統一管理運用數據引擎、BI報表等工具靈活分析數據場景化的數據應用工具組織 文化變革產生數據：無論是對企業管理流程或產生 效益的業務進行數字化，核心都是通過抽 象物理世界，形成其在數字世界的映射管理數據：對企業沉淀的數據資源進行盤 點、聯接和規范管理，將來自不同渠道、 結構各異的數據轉化可變現的數據資產分析數據：引入數據分析工具簡化數據的 挖掘分析及可視化過程，縮短以數據驅動 決策的時間，幫助企業靈活運用數據應用數據：在管理和分

7、析的基礎上，數據 驅動的最終目的是應用數據，圍繞場景將 數據變現，為企業帶來實際的效益增長戰略轉型：成熟的企業更傾向于從戰略層 面推動的數字化轉型，通過促進組織和文 化的變革，保障數據驅動的高效落地20數據驅動產業圖譜注釋：數據驅動細分領域眾多，以上僅列舉部分典型場景。 產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場 景協 同 場 景2020年中國企業數據驅動服務產業圖譜基 礎 層基礎云數據源技 術 層大數據平臺/數據中臺數據挖掘與可視化應 用營銷場景CDP/DMP/營銷自動化移動營銷 廣告投放新零售銷售場景銷售管理企業采購電商采購場景采購管理層生產場景人力資源票財稅協同場

8、景OA行業 應用金融城市政務公安21數據驅動營銷（1/2）數字營銷先行，線上線下加速融合，形成豐富的數據觸點廣告主調研顯示，有近7成的廣告主認為市場營銷部門的主要職責是理解消費者和市場趨勢以及實現公司業務增 長。面臨獲客成本增加、營銷渠道多樣、迭代更新快速等痛點，營銷的數字化升級將對企業的經營效益帶來直接的貢獻。 在企業經營管理的各個環節中，營銷場景具有貼近客戶、和外部互動頻繁的特點。受益于互聯網、移動互聯網的蓬勃發 展，企業與客戶之間的數據觸點不斷豐富，線上與線下的融合趨勢加強，數字營銷成為當前數據驅動最為成熟的領域。數據驅動營銷的驅動因素廣告主認為營銷技術帶來的價值分布營銷場景面臨的主要痛

9、點線 上 觸 點留存電視廣播戶外廣告線下觸點營銷場景中豐富的數據觸點信息流 社交平臺 內容營銷獲知考慮網站社交媒體直播口碑推薦 使用體驗自有商城分銷商 第三方電商平臺會員活動渠道商 直營門店短信郵件社交媒體社群活動路演點評網站社交媒體購 買傳 播獲客成本增加，營銷轉化效果不及預期營銷渠道復雜多樣，數據整合難度提高市場更新迭代頻繁，要求企業快速響應產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場 景協 同 場 景理解消費者和市場趨勢66.7%實現公司業務增長66.7%確保有效的營銷管理55.6%推動業務和戰略轉型51.1%保持良好的消費者體驗46.7%引領業務實現顛覆創新30.

10、0%來源：廣告主調研數據來自2020年中國網絡廣告市場年度洞察報告。 樣本：N=90，于2020年5月通過CMO訓練營平臺調研獲得。線上數據：CRM、SCRM、 網頁、小程序、自媒體等線下數據：門店數據等媒體生態數據：媒體和廣告監測數據供應鏈數據：供應商和合作伙伴數據第三方數據數據服務供應商和數據交易平臺數據第一方數據第二方數據22數據驅動營銷（2/2）利用多維度數據建立更完整的畫像，精準觸達目標客戶數字營銷圍繞數據、內容和觸點的全面優化展開，其中數據環節包括第一方數據運營、第三方數據、數據中臺和數據分析 等細分賽道。數據驅動營銷的目的在于以全鏈路的客戶數據采集與分析，幫助企業形成更加完整的客

11、戶畫像，從而精準觸 達目標客戶，提高營銷活動的投入產出比。企業應從全渠道接入和整合、全域客戶洞察等維度考慮，選擇合適的服務商， 產品的靈活性和可擴展性能讓企業更從容地應對未來的市場變化。數據驅動營銷流程圖及細分領域來源：參考秒針營銷科學院中國數字營銷地鐵圖全解讀，研究院自主研究及繪制。企業客戶 消費者數據數據中臺：第一方DMP、CDP第三方數據：第三方DMP、數據供應商、數據交易平臺、數據交易區塊鏈第一方數據運營：爬蟲工具、數據治理工具、營銷自 動化、用戶忠誠度平臺、智能探針、CRM、SCRM數據分析：廣告監測、可視化工具、媒體預算管理工 具、內容評估、市場洞察、數據分析工具、營銷分析、 營銷

12、人工智能、營銷效果分析內 容觸 點程序化購買用戶體驗直效營銷搜索引擎營銷選 型 依 據效 果 評 估全渠道接入能力數據整合能力數據模型建立全域客戶洞察部署和交付能力靈活性和可擴展性穩定性和可靠性數據安全保障數 據 驅 動 營 銷 的 核 心 環 節 廣汽菲克 X 明略科技：搭建DMP打通O2O數據，點擊轉 化率提升31%、注冊率提升50% 、CPSL降低71% 某知名保險公司 X Linkflow：構建CDP實現敏捷智慧的客 戶運營，代理人員展業效率提升23%，續保均價提升18%產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場景 協 同 場 景23數據驅動銷售（1/2）39.

13、0%37.3%36.2%35.1%33.8%22.4%21.9%21.4%20.1%18.4%6.1%5.3%4.7%4.4%3.3%3.5%3.3%3.2%33.90%7.9%11.1%13.8%17.1%21.9%21.3%21.0%20.6%20.0%18.9%年復合增長率（18-19）（15-19）其他5.5%4.9%-0.7%電子商務1.7%35.2%便利店35.4%0.2%雜貨店2.5%-7.2%大賣場-6.3%-3.4%超市/小超市-0.1%1.6%1.2% 林清軒 X 阿里：157家門店因疫情歇業，業績下滑90%；轉 向淘寶直播半月后全面反彈，業績同比增長45% 秀域 X 滴普

14、科技：針對會員成長路徑建設升級、傳播、激勵機制，建立自用型忠誠客戶和分享型利益客戶形態；利用數字化平臺，實現4個月40000個新會員增長效果評估消 費 者門店支付轉化為線下購買線上下單上門自提門店配送線上商城門店支付自營： PC、APP、 小程序等自營商城 第三方：天貓、京 東等電商平臺轉化為線下購買特征：商品流打通+信息流打通實體零售創新轉型，打通商品流和信息流，重構傳統人貨場無論B2C、C2C或是B2B的電商，其本質都是銷售環節的線上化轉型，是業務數字化的典型代表。以快速消費品為例， 2019年電商渠道占比達到21.9%，較2015年提高14%，大賣場、雜貨店等渠道進一步向電商銷售轉移。在

15、2020年疫情爆 發的背景下， 線上購物節和電商直播更成為了傳統零售自救的重要手段。以線上線下渠道融合為特征的新零售，強調創造 以消費者為中心的、線上與線下一致的購物體驗。從銷售環節入手打通商品流和信息流，將助推傳統線性的人貨場結構向 消費者、經銷商、生產商和零售商之間的環狀結構轉變，加速實體零售的創新轉型。數據驅動銷售之新零售2015-2019年中國快速消費品城鎮零售渠道銷售額份額線上線下渠道融合示意圖產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場 景協 同 場 景20152016201720182019注釋：大賣場是指面積超過6000平以上的商店，包括市場份額達到83%

16、（基于2018年營業額） 的主要零售商；超市/小超市是指面積在100-6000平的商店；便利店是指營業時間超過16小時的 連鎖或獨立便利店；雜貨店是指面積小于100平的商店；其他包括百貨商店、批發商店、工會發 送、直營店、專賣店、海外購物、家庭購物、藥店、美容沙龍、牛奶店和新零售商店。來源：凱度消費者指數研究、貝恩分析2020年中國購物者報告，系列一 | 疫情下的“新常態”，研究院自主研究及繪制。數據驅動銷售（2/2）10全鏈路、精細化的銷售管理，驅動企業效能提升和業績增長企業在銷售環節通常會應用CRM管理系統，將從線索、商機、訂單到回款的全鏈路數字化，精準把控銷售節奏，讓銷售效 能可分析。通

17、過多維度的銷售數據分析和可視化呈現，企業可以優化市場策略，驅動銷售業績增長；沉淀多渠道的客戶信 息，形成360客戶畫像，有助于企業提高商機響應率和贏單率；針對收款、逾期等進行精細化管理，動態追蹤回款流程， 完成銷售全流程的“最后一公里”。數據驅動銷售之精細化銷售管理建立360客戶畫像，跟蹤客戶 行為，識別高價值線索創建不同條件的制定銷售計劃 和任務，條件滿足時自動執行 或提醒銷售跟進從線索、商機、訂單到回款的全程可追溯，輔助科學制定銷 售目標全鏈路把控銷售業績涉及轉化率、客戶資產、員工 工作狀態、訂單、業績等多維 度、全流程的銷售數據分析精準評估市場營銷ROI，優化 營銷資源配置，提高營銷活動

18、 效率自定義銷售報表，多端實時可 視化呈現，把握銷售節奏精細化、自動化商機管理動態跟蹤回款流程與企業ERP系統對接，實現統 一的業務閉環覆蓋收款、催款、退款等的應 收管理，完成銷售全流程的 “最后一公里”建立回款預警、消息自動觸發，動態跟蹤回款流程，防范 應收賬款風險效果 評估效能提升 特變電工 X 紛享銷客：應用CRM系統后整體報 表統計成本降低70%，企業數據質量提高100%； 各業務線人員效率提高近40%，團隊協作更密切業績增長 美邦國際 X 銷售易：打通CRM系統與官方微信，自動創建學生線索，提醒學生完善信息，平 均每年可節省1300+小時和近5個客服人員產 業 圖 譜營 銷 場 景銷

19、 售 場 景生 產 場 景采 購 場 景協 同 場 景數據驅動生產（1/2）11來源：參考翟麗麗、王歡、祁凱、吳飛面向大規模定制的柔性生產計劃研究，研究院自主研究及繪制。應用柔性生產拓展C2M反向定制，滿足個性化的產品需求消費結構升級促使賣方市場轉向買方市場，消費者的個性化需求涌現，“先訂單后生產”的C2M模式應運而生。傳統剛性 生產過程中，一條生產線對應一個規格的產品，為實現C2M的反向定制必須轉向柔性生產。柔性生產系統能夠基于用戶需 求、產品信息、設備信息、生產計劃等大量的數據信息，選擇最合適的生產方案并最優化資源配置，從而提供符合市場需 求的、高質量的產品，減少企業在面對供應、庫存、運輸

20、等環節中的不確定性，消除牛鞭效應。數據驅動生產之C2M與柔性生產效 果 評 估 報喜鳥：通過大規模個性化定制平臺減少庫存積壓， 利用3D試衣系統實時渲染成衣，減少樣衣生產；私人 定制業務占比40%，降低成本10%，生產周期從15天 縮短至7天，合格率提高至99.8% 海爾沈陽冰箱互聯工廠：吸引510萬用戶參與社群交互， 通過大數據、AI等挖掘用戶需求，以模塊化、智能化技 術支持小批量多次生產；產品定制占比76%，研發周期 和交付周期縮短50%，用戶口碑提升30%產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場 景協 同 場 景客戶訂單訂單處理柔性生產計劃定制產品裝配計劃需求預

21、測產品族預測計劃定制件信息獲取通用件生產計劃定制件需求信息定制件生產計劃通用件物料需求 計劃“PUSH”式計劃“PULL”式計劃產品族結構 模型與管理需求與能力 平衡定制件物料清單通用件物料清單定制產品結構產品結構管理面 向 大 規 模 定 制 的 柔 性 生 產 計 劃C2M按需定制連接客戶和廠商，及時 調整選品、設計，生產 適銷對路的產品數據指導生產根據歷史數據進行產品 規格和銷量預測，動態 調整生產計劃短周期、零庫存先訂單后生產有利于減 少供應鏈中的不確定 性，消除牛鞭效應26數據驅動生產（2/2）基于工業互聯網海量實時的工業數據，探索智能化生產當前制造業是數字經濟的主戰場，規模以上工業

22、企業的生產設備數字化率、工序數控化率、數字化設備聯網率持續增長， 到2018年分別達到45.9%、48.7%、39.4%。隨著工業企業數字化基礎的穩步提升，工業互聯網的應用將助推“中國制 造”邁向“中國智造”。工業互聯網的關鍵在于海量工業數據的實時采集，通過信息的自由流轉和數據的精準分析，優化 制造資源的配置，可以實現降低成本、提高效率和提供產品和服務品質，以數據驅動生產的智能化轉型。數據驅動生產之工業互聯網與智能制造2018年中國規模以上工業企業生產數字化情況工業互聯網與智能制造效果評估來源：生產數字化數據來自兩化融合服務聯盟、國家工業信息安全發展研究中心中國 兩化融合發展數據地圖（2018

23、），研究院自主研究及繪制。降低成本降低用工量減少故障損失降低能耗降低運維成本提高效率優化業務流程提高資源利用效率提供員工工作效率提高產品和服務品質縮短研發周期降低次品率加速產品和服務更新迭代新產品研發周期產能利用率設備綜合利用率來源：績效產出數據來自兩化融合服務聯盟、國家工業信息安全發展研究中心中國兩 化融合發展數據地圖（2018），研究院自主研究及繪制。未實現實現產品全 生命周 期管控產品全生命周期管控和管控集成對企業兩化融合績效產出的影響.9%管控集成1615.7%9.5%工業互聯網 的數據循環工業數據系統基于機器的算法 和數據分析大數據 分析物理和人際網絡與正確的人和機 器分析數據遠程和

24、集中式 數據可視化原材料裝備 消費品 電子信息49.3%62.7%46.8%40.7%39.3%34.1%44.7%43.0%36.8%53.6%53.9%44.2%生產設備數字化率（%）關鍵工序數控化率（%）數字化生產設備聯網率（%）安裝儀器儀表的工專有機器數據流數據流返回機器業機器的提取和存儲產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場 景協 同 場 景數據驅動采購電商式采購精準對接供需，全流程數字化促進采購高效協同對于多數企業來說，采購金額是銷售金額中的大頭，降低采購成本對提高整體盈利能力至關重要。數字化采購從供給側和 采購側延伸出企業采購電商和采購管理系統兩條發展

25、路徑。企業采購電商將電商平臺模式引入采購環節，通過整合海量供 應商資源并以集中式采購的方式，打造陽光、低成本、高效的采購體驗；應用數字化的采購管理系統，打通從供應鏈計劃 到執行的各部門數據，圍繞全供應鏈績效進行高效協同，實現可預測戰略尋源、自動化采購執行與前瞻性的供應商管理。數據驅動采購之企業采購電商與數字化采購企業采購電商精準對接采購管理系統高效協同13產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場 景協 同 場 鏈家 X 商越：上線采購商城覆蓋全國8000多門 店，采購周期由平均25天縮減至2天，協議采購比例由30%提升至90%，采購業務效率顯著提升，有 效節省人工成本

26、，促進采購與供應的高效協同 金象化工 X 友云采：通過對接的電商平臺以及大 量供應商資源，MRO類采購成本減低10%；進行 線上尋源、微信協同以及移動報價等采購協同，縮 短采購周期，尋源效率提升了20%、節省人力15%效 果 評 估企業采購 商城可預測尋源：基于供應 鏈數據分析預測采購需 求，挖掘供應商資源自動化執行：自動批量執行重復性任務，如安全 付款、補貨申請等供應商管理：監測和評估供應商績效，建立風險 控制與規避機制自有供應商主流電商平臺整合企業自有供應商 和主流電商平臺上的 海量優質資源采用目錄式、電商式 的方式進行集中采 購，實現降本增效企業采購 部門尋源需求評估支付競價訂單執行對賬

27、景數字驅動協同連接企業內外部數據，優化管理流程，指導智能化決策管理數字化的推進為企業帶來了越來越多的數據觸點，如HR系統中的考勤數據、績效數據，財務管理系統中的發票數據、應收應付數據，OA系統中的流程審批數據，而從網絡招聘、電子發票等線上化的流程不僅大幅提升工作效率，更讓 數據以結構化的方式被企業輕松獲取和使用。協同場景下的數據應用一方面可以促進流程優化，一方面可以驅動智能化決 策，針對不同場景均有各自的模型算法與專業的第三方服務商。相比以往，當前的企業數字化轉型更強調跨系統的打通， 通過連接企業內外部數據、拉通業務場景進行一體化分析，企業將能夠更深入地洞察和指導自身經營管理。數據驅動協同的典

28、型應用人力資源管理場景應用舉例票財稅管理場景應用舉例14產 業 圖 譜營 銷 場 景銷 售 場 景生 產 場 景采 購 場 景協 同 場招聘：整合來自各渠道的招聘數據，建立標簽體系深度洞察人崗匹配度，基于能力模型精準發現和識別人才，根據全流程數據分析優化招聘流程薪酬：關聯考勤數據與績效結果精細化核算員工薪 酬，與業務、財務系統合理控制人力成本，自動生成薪酬報表，對接稅務局系統一鍵報稅繼任：基于員工基本信息、認知軌跡、項目經驗、業 績表現等構建全生命周期的人才畫像，可視化輸出團隊人才地圖，科學制定個性化的人才發展計劃采用掃碼、OCR等快速識別和歸集發票，移動端隨時 審批，簡化、自動化報銷流程，自

29、動查驗發票真偽及 進行進項抵扣，防止重復報銷和稅款損失集成ERP、HR、OA等系統，打通財務數據，形成一 體化管控；多維度分析預算、費用、合同等數據，建 立數據指標模型為成本控制提供決策依據根據公司財務規則、稅法要求等進行合規性檢查，降 低稅務風險，提高回款效率，結合外部市場環境和公 司經營狀況，判斷潛在財稅風險 大自然家居 X 北森：開展領導力發展專項方案121 工程，多維度選拔學員并進行混合式培訓，2018- 2019年新總監級以上人員70%來自121工程 建業集團 X 金蝶：建立財務共享服務中心并在200 多家公司上線，月處理單據量86193筆，人均審核 單量達到120單/天，憑證自動轉

30、換率95%效果 評估景數字化渠道域云資源層IaaS滴普科技圍繞全場景的數據智能服務商，助力企業敏捷創新滴普科技的核心產品DEEPEXI以數據智能平臺Xdata、XMind（AI算法）和XMesh(（IoT平臺）為底座，聚焦商業智能、 工業智能和空間智能三大場景，基于云原生互聯網框架，為企業提供全場景數據智能服務。其DEEPEXI D系列產品具備豐 富的微場景，平臺彈性可擴展，企業能夠結合自身問題進行按需組裝和定制，樂高式搭建專屬的數字化應用，敏捷快速地 應對市場變化及支撐業務創新。滴普科技目前已經服務超過50家大中型行業頭部客戶的數字化業務轉型，覆蓋零售、快消、汽車、3C、美妝、地產、工業、園

31、區等領域。2020年5月，滴普科技獲得由高瓴資本、BAI貝塔斯曼亞洲投資基金、 三峽鑫泰領投的5000萬美元A+輪融資。 滴普科技：全場景數據智能服務商DEEPEXI系列產品30滴普科技以數字化全棧服務能力，把握“新基建” 產業升級機遇滴普科技認為，數字化技術棧的核心是5G、IoT、AI、數據智能和云原生架構。落實到產品層面，滴普科技的技術生態A 系列產品基于云原生互聯網架構，幫助企業快速研發業務應用，在線擴展定制數字化產品，主推生態運營模式；X系列產 品在傳統的數據中臺基礎上，更多承載實時的結構化和非結構化數據的收集、存儲分析與應用，強調以數據智能驅動業務 價值；D系列產品深度覆蓋商業智能場

32、景，為從企業端到最終用戶端的全渠道觸達和運營形成全鏈條的數字化能力。面對 “新基建”背景下的產業數字化機遇，滴普科技除依托數據智能平臺、AI和 IoT平臺外，更能夠提供云邊一體化的解決方 案，在邊緣節點解決數據的實時分析問題，拓展工業互聯網、智慧園區、智慧城市等工業和空間智能場景業務。滴普科技滿足企業數字化各階段需求16信息化數據應用數據業務化業務數據化多模數據時空大數據數據智能全場景智能/實時 數倉云原生架構A系列大數據XData5G/IoT/AIXMesh/XEdge實時數據智能技術XDataD系列技術中臺數據中臺業務中臺明略科技依托具有行業“Know-how”的數據中臺落地數字化轉型明略

33、科技的前身是第三方線上營銷智能技術平臺秒針系統，在積累了豐富的數據中臺建設經驗后，明略科技將業務拓展至 政府、公安、交通、金融、工業等領域。明略科技認為，未來企業的核心資產不僅是人、財、物，數據和知識是企業的第 四大核心資產。依托明略科技具有行業“Know-how”的新一代數據中臺，企業可以沉淀自身數據和知識的核心競爭力。 基于多年服務行業客戶數字化轉型的實踐，明略科技總結了數據在線、分析洞察和閉環智能的“三步走”路徑，通過提供 持續性的服務并不斷迭代演進，可以為企業實現業務價值，幫助企業應對VUCA時代下不確定的、多變的市場環境。明略科技：具有行業“Know-how”的新一代數據中臺數字化轉

34、型的“三步走”應對VUCA時代的挑戰17具有行業“Know-how”的新一代數據中臺：數據和知識雙驅動端到端規劃與建設經驗具有行業“Know-how”面向智能時代的架構與設計中臺型組織規劃以客戶為中心的中臺建設路徑全生命周期服務能力數據安全行業知識圖譜行業業務規則與算法模型基于行業“Know-how”的實時反饋系統AI驅動的數據治理基于知識圖譜的統一數據框架數據邏輯和業務的統一管理人機協同的創新Volatility易變性 Uncertainty不確定性 Complexity復雜性 Ambiguity模糊性數據在線在業務數字化基礎上，將 所有數據集成到統一平臺分析洞察對各類數據進行多維度、 交叉

35、分析，優化關鍵節點閉環智能運用人工智能輔助企業決 策，以數據驅動自我調節明略科技18數據智能中臺探 索 式 分 析數據智能平臺DIP（Data Intelligence Platform）基于知識圖譜的新一代數據倉庫以及可視化分析套 件，發現數據歸類，輔助業務決策，啟發式地創造價 值新洞察，輔助人機同行。具備領域知識圖譜全棧技術，可實現各類結構化、非 結構化視頻、圖像、文本等多維數據的符號化過程； 結合知識圖譜技術及知識庫的成熟支持，對數據和知 識進行混合推理，為用戶實現智能化程度更高的知識 推理和推薦平臺。依托行業通用的數據處理方法論，幫助企業沉淀行業 “Know-how”，對分布式數字資產

36、進行全局統一管 理運營，打造數據與知識雙驅動賦能的數據智能中臺。提供多源異構數據的集成、分析和處理能力，在公安、 數字城市、銀行、證券、稅務、軌道交通等行業落地多 個城市級和企業級數據中臺。智能代運營 體系（有風）全域營銷 測量（OMI）全域消費者體驗管理和營銷云（MC）商業智能 分析（BIA）設備/裝備數據采集與管理HR與員工體驗管理供應鏈與ERP有機整合多源異構數據，運用知識圖譜推動智能化決策在傳統企業資源計劃ERP的基礎上，明略科技納入對企業數據和知識的智能管理，提出了企業智能管理系統EIP的概念。 數據智能平臺DIP是EIP的核心，可將人、財、物、數據和知識等核心生產要素按照最細顆粒度進行數字化，進而指導企業 的生產經營。明略科技DIP包括數據智能中臺和探索式分析兩條產品線，數據智能中臺采取自