中國數據智能市場生態圖譜V5.0正式發布
加入技術交流群
大數據市場正在穩步前進，生成式AI已成為廠商服務的重點方向，其發展離不開數據底座建設和數據工程管理，反過來AI也會幫助開發運維人員、業務人員和管理層更好地使用、查詢數據。IDC調研數據顯示，在生成式AI的驅動下，未來5年企業在數據管理和數據分析基礎設施建設的投資增長率將分別達到8.7%和9.2%。IDC于近日發布了《數據智能市場趨勢分析》（Doc#CHC51598824，2024年7月），繪制了中國數據智能市場生態圖譜V5.0和核心技術趨勢圖V2.0，以供市場參考。
本文引用地址：http://www.j9360.com/article/202408/461595.htmIDC預測，全球2024年將生成159.2ZB的數據，中國占24.2%，將生成38.6ZB數據，未來5年CAGR達到25.7%，僅次于北美地區。數據量的快速增長以及數據流動性的加快使得用戶必須考慮其他解決方案來管理數據。
生成式AI的出現為數據服務帶來了新的機會，包括合成數據、向量數據庫、更快的檢索和查詢、GBI、智能決策、知識庫等，智能問答、問數、數字人、元數據補齊等容錯率更高的場景率先落地，預計下半年以Gen AI需求帶動的項目將有明顯增長，且會更多選擇整體解決方案對外采購和依據項目需求的混合開發。
數據智能基礎支撐層包括數據采集、數據集成、智算服務，數據湖成為終端用戶采購重點，無論政府還是企業，都在積極升級底層大數據中心，同時總部與分部之間也存在建立總湖和區域湖的需求。同時由于數據的多樣性以及業務復雜性，廠商在提供解決方案時往往需要搭配多種數據格式，但也會導致數據的多次復制且難以追溯源頭，數據權限的打通在實際業務落地中通常無法實現，因此企業更多設置規則來規范管理。
數據管理和智能開發服務層包括數據管理與分析、GBI、指標分析、Agent開發、知識庫、數據資產化，數據與管理分析市場仍保持了較高速增長，但對于數據的開發、數據關系和價值挖掘并沒有發現更好的手段，各技術供應商提供的算法和能力驅動。IDC認為，廠商想要突出差異化優勢的關鍵在于利用大模型技術來自主挖掘存儲數據之間的關系，一方面需要利用數據虛擬化來獲取多源數據；另一方面也需利用知識庫、算法來實現主動數據分析。
同時封裝開源、通用大模型無法獲得更多客戶認可，也無法帶來實際效益，Agent智能體開發核心價值點在于技術供應商可以提供專業場景大模型、算力優勢、知識庫，平臺工具完整性和自動化水平并非核心競爭力。
行業應用層仍主要集中在政府、金融、通信、工業、營銷等方向，一方面需求來自于終端用戶需求的持續迭代升級，對規模節點的擴大、對數據中臺和開發平臺的升級，以及對生成式AI服務的探索和提前布局，另一方面需求來自于中小型客戶的整體解決方案的采購和替換。通常來看，大數據廠商的客戶訂單持續周期在3到5年，由數據底座逐漸豐富到上層各種平臺能力，因此新客戶的挖掘往往更加困難。同時，IDC注意到汽車、自動駕駛方向今年也將會有更多需求，業務需求正在逐漸興起，主要來源于政策和市場的帶動，以及自動駕駛、輔助駕駛帶來的數據管理和智能決策需求。
數據要素政策推動今年區塊鏈、隱私計算、數據交割、流通平臺需求明顯增長，目前來看，各個廠商在數據安全、權限管理方面的技術差距相差不大，目前也不太需要更前沿、更復雜的安全技術，更多的需要在數據標識、身份認證和安全流通上。
IDC給技術買家的建議：
● 盡快更新技術架構。目前來看，生成式AI不會對傳統IT架構產生完全顛覆的影響，但需要重點圍繞多模態數據管理、數據節點擴容、知識圖譜/知識庫、向量數據庫等模塊進行產品升級，同時確保數據可以在各數據存儲和平臺間自由的流動并保證數據一致性，利用數據虛擬化、區塊鏈等減少數據的多次復制、追蹤數據鏈路，這將為后續數據治理和資產管理產生重要作用。
● 做好數據治理與資產管理。傳統的數據中臺已經無法產生更多新的價值，而是更需要去發現數據之間的關系，并將數據與能帶來的業務價值連通起來，確定分析數據的目的和最終效果。當前不要直接預想數據資產帶來的流動和價值收益，而是先將業務數據管理起來，連通業務、開發、財務、銷售、人力和日常工作數據，這些數據的連接將直接會為企業帶來意想不到的洞察，對于后續資產的對外供給，整體市場還在前沿探索階段。
● 選擇升級更易落地的應用場景。各技術供應商在以低價來推銷自己的內容生成、知識庫、代碼生成等產品，盡管現在GenAI技術還不能完全代替人類，但更早選擇GenAI應用落地的廠商將在效率提升和成本降低上帶來明顯效果，因此終端用戶應該盡快確定預算，進行POC測試，來與廠商共同探索可落地的場景，明顯現在各廠商在積極的免費的提供咨詢服務。
分析師觀點
IDC中國新興科技研究組高級分析師李浩然表示， 數據智能市場在快速變化，盡管Gen AI并未重塑IT架構，但涌現出的更多工具和專業化能力，將使得CIO有更多選擇來組織、搭建專業智能底座，但也需要注意數據在多平臺之間的流動、共享和追蹤，并充分利用圖技術、Data Fabric、知識工程、數據工程來從市場上脫穎而出。
免責聲明
本文中的內容和數據均來源于IDC所發布的報告，所有內容及數據均為我公司所有。未經IDC書面許可，任何機構和個人不得以任何形式翻版、復制、刊登、發表或引用。
評論