不同行业的数据、信息转型处于什么状态？

以下重 点呈现政府、金融、制造、零售四个典型行业的相关情况。

1.政府行业：已经具备一定的数据资产管理能力

政务信息化已具备深厚基础，政务大数据正迈向全面融合与智能，城市大脑、一网统管、一网通 办等一批跨部门、跨行业、跨领域的创新应用体现了充分的数据融合与成果共享，疫情防控等突 发场景也进一步推升了数据智能的应用成效。政府行业在“数据-信息”和“ 知识/洞察 - 决策 - 行 动/应用 ”等环节仍有较大进步空间，其对数据价值认知度较高，但深化数据应用面临一定的管 理条线壁垒。政府应用领域的外部生态多样，内部跨部门协作的复杂性、合规性需求较高。同时， 受内部流程的谨慎性制约，大部分应用的智能化程度不高，发展较为缓慢。政府行业应在扩展数 据驱动应用的广度以及改善数据挖掘效率的同时，更加重视数据价值链条各环节的响应度，深 化数据与业务领域知识的融合度。

2.金融行业：具备领先的数字化基础和数据资产管理能力

在安全性和合规性的要求下，金融行业依托深厚的数字化基础，在互联网业务拓展、风控、监管、 智能检索等领域对数据智能进行了深入实践，实现了一大批场景化应用，也切实取得了丰富的 业务成果。金融行业新业务拓展迅速，竞争激烈，数据价值有待进一步深入挖掘。金融业务创新 面临严格的监管限制，合规性需求较高。金融IT基础架构仍处在向云化转型的阶段，需要不断关 注基础架构与业务的协同转型与升级。

3制造行业：高度异构的应用和数据环境

当前制造行业对数据资产管理能力的诉求，主要体现在利用物联网IoT技术加强过程数据采集， 通过实时和离线数据分析提升生产和供应链过程的观测能力等方面，努力实现预测性维护、流 程优化、节能减排、供应链优化等业务成效。制造行业数字化转型理念相对保守，数字化应用具 有较高的生态联动性，有高度异构的应用和数据环境，需要扩展数据驱动应用的广度，并更多地 兼顾“体验”类和“决策”类应用场景。

4.零售行业：积极推进数字资产转型

传统零售企业正在积极推进数字化转型，大批线下商超已开始利用数字化手段推进线上线下一 体化建设，数字化运营平台对品类、价格、消费行为和库存管理等数据进行持续积累，并加强分 析和挖掘力度，增加个性化营销等创新模式，提升整体运营效率，拓展业务空间，推动决策优化。 零售行业对数据价值的总体认知仍需进一步提升，在推进线上线下一体化的过程中，努力应对 快速演变的应用和数据环境，并克服组织和人员技能相对稀缺等客观问题。