全球经济增速下滑，叠加疫情影响，企业面临的外部环境严峻。同时，用户需求 多元化，企业战略重心由以产品为中心转变为以用户为中心。多方因素使得企业面临商业模式的重塑，企业经营由过去粗放式的流量扩张向精细化运营转变，需 要借助数字化实现加速转型，实现降本增效，提升企业竞争力。
数字化转型的核心是数据。近年，互联网&移动互联网的发展产生大量数据。同时，云计算、人工智能、5G、物联网技术的发展，推动企业数据治理能力提升，使得数据驱动业务增长成为可能。
在数字化转型的过程中，数据成为新的生产资料，挖掘数据的价值，提高企业管理和决策水平已成共识，整个行业进入数据智能时代。
从业务应用的角度，数据智能的发展经历了收集、监测、洞察、决策等四个发展阶段，数据的应用价值不断提升， 逐步从业务数据化转向业务智能化。未来，数据智能将会进入人机协同的业务重塑阶段。
中台是数据智能的核心
数据智能分为中台和应用场景两个核心领域。
中台是数据智能的核心，主要分为技术中台、数据 中台和业务中台:
技术中台主要由各类分析工具组成，帮助企业解决 技术问题的公司，如用户行为分析、数据科学平台、 BI与可视化、日志分析、NLP/知识图谱等;
数据中台主要是帮助企业做数据资产化，建立数据 中台的公司包含各类数据服务公司和数据治理公司;
业务中台是基于技术和数据，结合行业应用场景， 形成的模型、产品。
数据中台定义
数据中台汇聚企业的业务数据，包括企业经营数据、 客户行为数据、设备运转数据、生态合作数据等， 并赋能给各类不同的数据应用场景。
数据中台的价值是挖掘数据价值并服务业务场景。
数据中台通过自动化、智能化的数据采集与汇聚， 将实时与离线数据打通关联，对数据开发深度挖掘 数据价值，并开放数据服务至各业务场景中。具备 汇聚整合、数据提纯加工、数据服务可视化、数据 价值变现等核心能力。
数据驱动决策的前提是数据整合
数据智能的标志是数据驱动决策，让机器具备推理等认知能力，大 数据能够指导决策。同时完成了业务数据化进程，开始进入到业务 智能化，依靠数据改变业务。
决策需要机器具备推理能力，建立复杂关系网络，从训练模型的角 度，这意味着必须要有更大规模的数据。同时，决策意味着解决的 业务问题复杂性远远大于之前，因此，需要汇聚更多种类的数据。
信息化时代数据散落在各个系统中，数据存在脏乱差、ID不统一等 问题，数据孤岛现象严重。基础设施的云化使得基础IT资源实现了 统一管理和调度，数据的统一管理和调度就提上日程，成为下一个 需要解决的问题。
数据驱动业务需要数据中台
在企业数字化转型进程中，传统企业需要具备互联网公司快速迭代 升级的能力，基于数据驱动业务发展，这需要建立一站式技术能力、 统一的数据管理、快速配置开发业务的能力。
以阿里巴巴为代表的中台模式给传统企业提供了一条道路，各类中 台会在企业内部逐步形成。因此，形成数据中台是大势所趋。
非结构化数据管理需求
在快速增长的数据中，非结构化信息占比已达80%。据Gartner估计，从2019年到2024年，非结构化数据容量预计将增加两倍。 但企业现有架构通常无法应对海量非结构化数据的管理与应用。
非结构化数据管理需要革新的底层架构
数据整合形成数据中台，意味着大量数据治理，国内企业 信息化、数据化程度不高，存在着大量文本、图像等非结 构化数据。
非结构化数据管理需要将底层数据打通，从源头保障数据 资产的复用能力，实现数字资产统一运营、全面合规、高 效利用。
仅仅依靠数据分析技术难以解决问题，必须将计算机视觉、 NLP、知识图谱等技术融入其中，借助深度学习等人工智 能技术实现数据治理，进而实现知识复用与智能搜索。
因此，非结构化数据管理需要革新的底层数据架构，非结 构化数据中台能够满足需求。
非结构化数据管理之所以难，不仅因为其数量多、分散性高，还 在于用户对于非结构化数据的需求是多层次的。在数据、内容、 信息和知识层面分别有不同的需求。
非结构化数据中台架构
非结构化数据中台对对象数据、 元数据、索引数据进行汇集、 管理，融合人工智能技术，提 供先进的数据架构底座，进而 通过非结构化数据赋能各行各 业应用。
非结构化数据中台基于内容总 线、内容数据湖等数据架构， 能够实现智能搜索、内容窃案 洞察、内容自动化等功能，应 用于企业的多业务场景，包括 企业内容立体安全、业务流程 自动化、数据资产管理、智能 知识运营等。
（报告观点属于原作者，仅供参考。报告来源：）
如需报告原文档请登录【未来智库】。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
