2026年零点有数公司研究报告：数据智能转型推进，产品化路径待验证

公司概况：深耕数据分析服务，政务与商业双轮驱动， 向数据智能持续升级

1.1 深耕数据分析与决策支持服务，政务与商业双轮驱动，向数据 智能化持续升级

零点有数是一家以数据分析与决策支持为核心的数据科技公司。公司基于科学的数据采 集与分析方法，依托自主研发的在线数据集成技术和垂直应用算法两大核心技术，形成决策 分析报告或开发数据智能应用软件，为公共事务和商业领域客户提供数据分析与决策支持服 务。自成立以来，公司长期深耕调研咨询与数据服务赛道，业务本质并非传统意义上的单一 问卷调研或通用软件销售，而是围绕客户真实管理问题与决策需求，提供“数据获取—洞察 提炼—策略支持—工具落地”的一体化服务。 从业务结构看，公司当前主要形成公共事务与商业服务两大业务板块。公共事务数据分 析与决策支持服务主要面向从中央到基层的党政机关、事业单位、研究机构及社团组织，通 过调查研究、数据分析等方式，直接或间接服务于决策科学化、治理精准化与服务高效化； 商业数据分析与决策支持服务则主要面向消费品、金融、汽车、房地产、TMT、物流等行业 的大型企业客户，在战略管理、客户洞察、产品开发、服务优化、销售管理、供应链管理及 渠道管理等环节提供数据支持与决策服务。可以看出，公司同时覆盖政务端与企业端需求， 一端受益于治理现代化和第三方评估需求提升，另一端则受益于企业精细化运营和数字化管 理深化，双轮驱动特征较为明显。

1.2 报告+软件双轮驱动，向数据智能应用持续转型

公司当前产品体系包括定制化决策分析报告及数据智能应用软件。其中，决策分析报告 为传统核心业务，主要围绕客户特定问题进行定制化生产，强调针对性、研究深度与决策价 值，定制化程度高但可复制性有限，收入呈现一定波动特征；数据智能应用则以软件或 SaaS 形式交付，是公司在长期行业理解、数据积累和算法沉淀基础上，对业务经验进行产品化、 模块化输出的结果。也就是说，公司并不是停留在“交付一份报告”的阶段，而是在尝试将 过去沉淀的认知框架、数据能力和方法论进一步固化为可复制的软件工具与智能化解决方案， 推动商业模式从项目型服务逐步向产品化、平台化方向延伸，具备持续服务能力及一定规模 化潜力。 从产品形态看，公司已经形成“定制化报告+标准化软件”两类产品输出。从发展路径 看，公司正由“项目制咨询服务”向“数据产品+服务”模式转型，将过往在数据分析及行 业理解方面的积累逐步沉淀为标准化产品与系统工具，推动业务由一次性交付向持续服务延 伸。随着产品化程度提升，公司收入结构及盈利模式有望逐步优化。 在发展方向上，公司近年来也在由传统数据分析与咨询服务，进一步向数据智能化、垂 类模型和知识增强方向延展。2024 年，公司持续推进大模型、多模态等人工智能相关研发， 围绕政务服务、客户管理、智慧检查等场景研发系列数智化解决方案；同时，公司通过并购 海乂知切入知识图谱领域，意在增强知识组织与知识增强能力，以提升垂类大模型在具体场 景中的准确度和实用性。公司年报明确提出，知识图谱与知识增强能力有助于缓解通用大模 型在垂直领域应用中的“幻觉”问题，并进一步强化公司“数据—知识—洞察—决策智能化” 的业务能力。整体来看，公司正在尝试把过去多年积累的数据理解、行业 know-how 和咨 询交付能力，向更具复用性的软件化、智能化产品体系迁移。

1.3 数据与场景能力构筑核心基础，股权稳定支撑长期发展

公司竞争力主要来源于数据能力与行业场景理解能力的结合。一方面，公司具备多源数 据整合能力，通过样本调查、交互数据及外部数据资源形成数据基础；另一方面，公司长期 服务政务及大型企业客户，在公共治理及企业经营等复杂场景中积累经验，能够将数据分析 结果转化为可执行的决策支持。 在组织与资源方面，公司研究咨询团队与技术研发团队规模较为充足，研究与咨询人员 及研发技术人员占比均较高，形成“懂业务+懂数据”的复合型能力结构。公司较为突出的 特点，在于其业务理解能力与技术能力并非割裂，而是形成了较强融合。公司管理层及业务 骨干普遍拥有较长行业经验，研究咨询团队与研发技术团队规模较为充足。2025 年上半年 末，公司研究与咨询人员达 277 人，占总人数的 33.95%，研发和技术人员达 299 人，占总 人数的 36.64%；研究与咨询人员中 97.47%以上具有本科及以上学历。公司强调，研究咨询 能力的积淀使其能够快速理解客户业务问题、识别适用数据类型、构建解决框架，并进一步 支撑算法开发和软件产品落地。换言之，公司相对核心的竞争基础，不只是“会做软件”， 也不只是“会做研究”，而是兼具行业场景理解、数据资源整合和垂直算法开发能力，这种 “懂业务的数据智能化”能力，构成了公司区别于纯咨询公司或纯工具型软件公司的重要特 征。

同时，公司客户覆盖政务及多个行业的优质企业客户，既为传统业务提供支撑，也为数 据智能产品推广提供场景基础。公共事务领域，公司客户覆盖中央到基层各级党政机关、事 业单位、研究机构及社团组织；商业领域，公司服务对象涵盖多个行业的知名企业客户。2025 年上半年，公司在公共事务领域新增北京市发展和改革委员会等客户，在商业领域新增泡泡 玛特、王老吉药业等客户。优质且相对稳定的客户资源，一方面保障了公司传统业务的延续 性，另一方面也为新技术、新产品的推广提供了现成场景与客户入口，有利于公司在原有客 户体系中持续做深做透、提升单客户价值。 在治理结构方面，公司股权结构相对集中且稳定，实际控制人通过直接及间接方式持有 公司较高比例股份，有利于公司战略执行的持续性与稳定性。同时，公司研究咨询团队与技 术研发团队占比较高，形成“懂业务+懂数据”的复合型能力结构，为业务拓展与产品化推 进提供支撑。

1.4 盈利承压体现转型阶段特征，商业模式优化仍需验证

2025 年前三季度，公司实现营业收入 1.38 亿元，同比下降 4.82%；归母净利润为 -5403.13 万元，亏损同比收窄 19.54%。从报表表现看，公司当前仍处于转型推进阶段，收 入端仍有承压，利润端则呈现一定边际改善特征。这意味着，公司虽然在产品化、智能化和 AI 相关方向持续投入，但从报表端看，新能力向规模化收入和盈利改善的传导仍需时间验 证。因此，现阶段更适合将公司理解为：以政务与商业数据分析服务为基本盘、以软件化和 智能化升级为中期方向、正在探索 AI 与知识增强落地的数据科技公司。 从盈利模式看，公司传统项目制业务占比较高，导致收入稳定性与规模化能力相对有限； 同时，尽管公司持续推进数据智能应用及 SaaS 业务，但产品化程度及持续付费能力仍有提 升空间。相较部分成熟软件公司，公司当前盈利能力仍有待改善，但若数据智能应用实现规 模化落地，盈利结构有望逐步优化。

行业分析：数据要素与 AI 驱动行业升级，数据智能应 用空间打开

2.1 数据要素价值加速释放，数据驱动决策成为核心趋势

在数字经济持续推进背景下，数据逐步由生产要素向核心资产演进，政务治理与企业经 营决策由经验驱动向数据驱动转变。随着数据采集、存储及处理能力提升，多源数据融合与 数据挖掘能力成为提升决策效率的重要工具，推动数据分析与决策支持行业持续发展。 在政务端，国家持续推进数字政府建设，第三方评估、绩效管理及公共服务优化需求不 断提升；在企业端，精细化运营趋势下，客户洞察、营销优化及供应链管理等环节对数据分 析依赖度持续提升，行业需求具备中长期增长基础。 政策层面，“数据二十条”从数据产权、流通交易、收益分配与安全治理等方面构建数 据基础制度框架，为数据要素市场化配置提供顶层制度保障；《数字中国建设整体布局规划》 进一步将数据资源体系作为“两大基础”之一，并提出到 2025 年数据要素价值有效释放、 政务数字化智能化水平明显提升等目标。数据层面，我国数字经济规模由 2012 年的 11.2 万 亿元增长至 2023 年的 53.9 万亿元，数字经济占 GDP 比重提升至 42.8%；同时，全国年度 数据生产总量 2024 年达 41.06ZB，同比+25%，数据资源供给与用数活跃度同步提升，数据 驱动决策需求具备持续扩张基础。

2.2 技术演进推动行业从“调研咨询”向“数据智能应用”升级

传统调研咨询行业以人工分析为主，存在效率较低、可复制性弱等问题。随着大数据、 云计算及人工智能技术发展，行业正由“人力驱动”向“数据+技术驱动”转型，数据智能 应用及平台化服务成为重要发展方向。 具体来看，数据服务模式正由一次性项目交付向持续服务转变，数据采集、分析模型及 应用系统逐步沉淀为标准化产品，推动行业由“卖报告”向“卖系统+服务”升级。同时， 数据与行业场景深度结合成为核心竞争要素，具备数据积累与行业理解能力的企业更具转型 基础。 从技术供给看，中国信息通信研究院（CAICT）将数据技术演进划分为 DT1.0—DT3.0： 第一阶段（DT1.0 时代），数据技术支撑业务贯通。在此阶段，数据主要来自于业务运转， 在不同的业务系统中进行统术为代表，目前 DT1.0 时代已经非常成熟。在 DT2.0 阶段，以 数据仓库、数据湖、湖仓一体等为代表的技术体系支撑数据分析治理并推动“数智决策”； 在 DT3.0 阶段，数据技术进入可信流通对外赋能阶段，以隐私计算、区块链等技术支撑数据 “可控、可计量、可流通”。从市场形态看，全国已先后成立 53 家数据交易机构，活跃机构 上架数据产品超 12000 种；同时数据产品登记等机制逐步完善，显示数据服务正在从“非标 项目”向“可复用产品/标准化服务”迁移。

2.3 AI 及 Agent 技术重塑数据服务模式，行业机遇与挑战并存

随着人工智能及自动化技术发展，数据分析与决策支持方式正在发生深刻变化。以大模 型与 Agent 为代表的新一代技术，有望显著提升数据处理效率，并推动部分标准化分析任务 自动化执行，从而对传统依赖人工分析的业务模式形成冲击。目前，市场上已经涌现出大量 产品。从产品落地看，生成式 AI 已开始进入主流数据分析软件：在 Power BI 中，Copilot 支持聊天式的即时分析、生成 DAX、创建报告页等能力；同时微软明确提示：需要对数据进 行准备，否则输出可能泛化或不准确，因此 AI 虽然能提升效率但更依赖数据治理及语义层。 Salesforce 推出的 Tableau Pulse 通过生成式 AI 将“指标＋洞察摘要”嵌入业务工作流， 并提供自动化、个性化的洞察总结。Databricks Assistant 可把自然语言问题转成 SQL 并解 释复杂查询；LakehouseIQ 强调让员工用自然语言搜索、理解、查询企业数据，让自助分析 门槛显著下降。OpenAI 的 function calling / Agents 能让模型调用外部工具与系统，支撑多 步骤工作流。 从产业结构看，数据服务行业正逐步向“数据平台+智能应用”演进，前端操作环节可 能被弱化，而数据处理能力、系统接口能力及业务规则沉淀的重要性持续提升。对于行业参 与者而言，一方面 AI 技术为数据分析效率提升与产品化落地提供新机遇，另一方面也对传 统项目制服务模式形成一定替代压力。例如在“Agent 化”方面，Gartner 相关研究被媒体 引用指出：超过 40%的 agentic AI 项目可能在 2027 年前因成本上升、价值不清晰等因素被 取消；同时 Gartner 也预计 agentic AI 会逐步进入企业应用（例如到 2028 年部分日常业务 决策会由 agentic AI 支持自动完成，企业软件中 agentic 组件渗透率提升）。 整体来看，行业正处于技术驱动的重构阶段，具备数据积累、场景理解及产品化能力的 企业有望实现转型升级，而缺乏核心能力的企业则面临竞争加剧风险。