中国非结构化数据中台实践白皮书

报告摘要：

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。

报告节选：

（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。）