2019-2020中国大数据应用市场研究报告.pptx

2019-2020中国大数据应用市场研究报告,目 录,背景：变革绽放中的大数据应用,现实：细分深耕中的大数据应用,应用：以用户为中心的典型案例,未来：大数据应用未来趋势发展,01020304,背景：变革绽放中的大数据应用,大数据广泛的应用到各个行业各个领域，带来商业变革、管理 变革和思维变革,分析认为，随着人类社会的不断发展，大数据带来的变革不言而喻。从思维变革到管理变革再到商业变革，大数据带来量到质的改变。一方面，可 以带来更高的经济价值，另一方面，大数据的发展撼动着我们生活的方方面面，从学术到商业，从政府到百姓，从医疗、家居、教育、金融、安防、建筑、交通、 制造、农业、仓储、化工和酒店服务，这种改变渗透到生活的每个领域。,医疗,家居,教育,金融,安防,建筑,交通,制造,农业,仓储,化工,酒店服务,“这仅仅只是一个开始，大数据时代对我们的生活，以及与世界交流的方式都提出了挑战。最惊人的是，社会需要放弃它对因果关,系的渴求，而仅需要关注相互关系。这就推翻了自古以来的惯例，而我们做决定和理解现实的最基本方式也将受到挑战。”大数据时代,大数据,思维变革更好、更杂和更多,商业变革数据化和价值,管理变革风险和掌控,大数据应用百花齐放，主要受到政策支持、技术推动、资本 助力和企业数字化转型需求推动,中央和地方政府纷纷出台大数据应用相关政策“数字中国”的提出加快我国大数据的发展。加快政务大数据汇聚管理，完 善基础信息资源库和推动重点领域数据资源共享应用是地方政府更多倾向的 大数据相关政策方向,政府、金融和电商成为“火热”落地场景政府、金融和电商积累了大量优质可衡量数据，为数据服务SaaS商提供了更 多可落地和可执行的方案,来趋势属性,技术未来发展具有趋势属性大数据+人工智能、大数据+云计算、数据中台化和数据资产管理理论具有未,16.67%,1500万,250万,市场有付费能力 和习惯的客户,市场目前成熟度 情况市场有成长潜力 的客户,市场预计规模 情况,25000亿,大数据应用市场目前仍在“野蛮成长”，整体提升空间巨大2019年市场有付费能力的客户约53万家，市场有成长潜力的客户数量约749万家，整体市场成熟度为7.07%，市场规模9000亿元。预计3年后的2022 年，整体市场规模快速提升，有望达到25000亿元2019年市场情况2022年市场趋势整体情况描述,7.07%,749万,53万,9000亿,数据说明：根据市场公开数据和行业访谈以及相关数据模型估算,用户成功成为大数据应用的指导思想中国移动互联网市场增速已经明显放缓，人口红利逐渐消失，移动互联网进 入了下半场，市场竞争已经从增量用户竞争阶段逐步转化成为存量用户竞争 的阶段,WEBINAR,大数据应用政策的相对落地助推细分行业和领域的迅速发展,大数据应用政策具体解读：以“城市大脑”建设应用的行动方案，以大数据优秀产品和应用的解决方案，以首批交通领域大数据融合应用试点方案的出 台来看，从政策层面发出了明确的大数据应用落地信号，同时标志着我国大数据应用将进入新的水平阶段,大数据应用是基于数据采集、处理、分析这些流程之后的产物,事件分析热图分析 用户分群,转化漏斗渠道分析 属性分析,实时分析Session分析 用户APP偏好,留存分析智能路径 用户场景偏好,间隔分析分布分析 用户领域偏好,可视化用户分析界面,即席查询,自定义SQL查询,用户行为分析,产品移动数据分析,KPI量化体系监测,产品业务数据分析,运营和业务数据打通,投放渠道评估诊断,活动效果评估诊断,版本更新评估诊断,业务场景转化分析,内容运营转化分析,产品优化效果分析,用户触达效果分析,APP,H5,WEB,小程序,业务数据对接CRMERP数据库API,后端数据采集服务端日志数据库API,前端数据采集,可视化埋点,代码埋点,埋点方式,OLAPIOTA,Ad hocEasy Scheduler,USER去ETL,EVENT统一视图,数仓模型,查询引擎,分布缓存,计算引擎,指标规范,数据同步,数据清洗,任务调度,监控告警,数据采集,数据处理,大数据中间件,数据分析,了解用户的产品使用情况，通过用户行为数据分析迭代 产品。根据用户的消费行为、渠道偏好、互联网行为等 细分客群，了解用户差异化需求,大数据技术本质是推动无差异的、平民化的数据应用时代的 来临，当前可通过产品/服务、用户和运营数字化转型推进,不到2年,2-5年,5-10年,超过10年,高,分布式技术 高并发处理 实时性计算,数据中台化 智能应用,数据资产管理理论,数据闭环 数字经济 数据战略,中,计算机视觉 集成学习 知识图谱 数据安全 边缘计算,深度神经网络 预测分析 机器学习 深度学习,数据治理 增强现实 数字化伦理 规范性分析,低,知识管理工具 应用数学 统计学,获得主流接受的年限,好 处,大数据技术趋势优先级矩阵,用户数字化,依据业务数据进行产品运营决策，提升运营效率，降低运 营成本，实现服务数字化、智能化,运营数字化,产品/服务数字化,数字化产品实质上是用户的数字化触 点，可以随时触达用户、并提供满足 个性化客户需求的产品和服务,大数据技术驱动大数据应用 的数字化转型,基于位置、大数据存储、营销场景化和数据智能化的大数据厂商 更受2019年上半年投资者青睐,大数据应用进入高速发展期，未来新商业模式的出现有望带动更大发展,大数据产业在 中国逐步受到,关注， 部分先,发展道路， 但 是此时的探索 还处于早期阶 段,2 0 1 5 年， 国 务 院 正 式 印 发 促 进 大 数 据 发 展 行 动 纲 要 ， 纲 要 明 确 推 动 大 数 据 发 展 和 应 用,大 数 据 市 场 产 品 概 念 普 同 质 化 程 及 ， 资 度 加 强 ， 本 市 场 各 色 数 据 不 断 关 分 析 厂 商 注 ， 具 借 机 粉 墨 有 数 据 登 场 。 大 资 产 的 量 资 金 涌 企 业 谋 入 ， 人 才 求 转 型 集 聚 增 长,2016年，,大数据,“十三五”,规划将出 台,探索期（-2011）,早期阶段（2012-2016）,高速发展期（2017-2025）,市场成熟期（2025-）,信息化改造时期,互联网化改造时期,数据应用大量落地时期,共赢时期,大数据市场陆续出现 新商业模式，细分市 场涌现出更加勃勃的,生机，人工智能在里,面功不可没,多种商业模式得到 市场印证， 新产品 和服务具有稳定的 刚性需求， 细分市 场走向差异化竞争,行业发展阶段,市场认可度,A,B,C,D,E,F,G,H,I,大数据发展的快速程度超出想象。,不仅在TO B端，TO C端普通用 户越来越多的感受到大数据的浪 潮，企业用大数据进行决策，普 通大众无形中被大数据裹挟,H a d o o p 项目,于2005年诞生， 行者开始探索,这是大数据技 术实现的基础 技 术 原 型 。2008年，计算 社区联盟发布 大数据白皮书， 获得广泛认可,“很多人还没搞清楚什么是PC互联网，移动互联网来了，我们还没搞清楚移动互联的时候，大数据时代又来了”马云卸任时候的演讲摘录2019年大数据应用市场AMC模型,大数据应用可以按照应用延展、企业级应用和行业级应用进行划分,企业级应用,行业级应用,数据分析平台,AI,商业,互金,政府,医疗,金融,零售/电商,教育,娱乐,法律,客服,企业生 产力,后 台自 动 化,安全,人力资源,营销B2B,数据分析,BI平台,可视化,计算机视觉,垂直AI,搜索,日志分析,社交分析,数据服务,金融和经济,物联网,云服务,人/实体,数据监测,数据交易,数据自采,数据挖掘,数据清洗,数据处理,数据转化,数据存储,数据算法,技术支撑,INFRASTRUCTURE,FRAMEWORK,QUERY/DATA FLOW,DATA ACCESS,STREAMING,AI/ML/DL,L O G G I N G & MONITORING,SECURITY,MPP DBs,数据智能平台,HADOOP,HADOOP IN THE CLOUD,数据统计,房产,数据来源数据采集大数据中间件应用延展,数据科学平台移动应用分析/网页分析,营销自动化,销售自动化,A/B测试/个性化,客户体验/用户成功,基于账号营 销(ABM),用户营销,CRM,裂变营销,现实：细分深耕中的大数据应用,大数据行业级应用,在行业级应用中，大数据的这个特性可以被应用到方方面面，各个行业。其中，在金 融、电商、政府和物流等行业，大数据的发展有着先天的优势，通过数据再利用、数 据重组和数据公开，数据价值和应用得到进一步提升,不同行业的大数据应用看点各不相同，但都在往更好的方向发展， 同时注重与每个消费个体进行联结是其本质特征,医疗未来应用看点,智能医疗平台化深化发展电子病历完善医疗大数据水平医疗大数据将在CDSS上获得突破电子病历临床辅助决策支持数据整合后的全智能诊疗,新零售未来应用看点,消费者全过程数据描述产业链营销重构线上线下数据融合和系统对接提升运营效率供应链环节新商业模式,政府公共服务未来应用看点政府的智能化数据驱动政府公共服务促进政府的数据治理加强统筹规划提高智慧城市感知水平提高经济社会智慧化水平,金融未来应用看点,大数据风控建立客户信用评分、,监测对照体系进一步完善数据整合效率提升，数据价值 深挖客户行为分析金融风险分析,通信未来应用看点客户体验分析客户价值分析支撑营销运营管理应用客户体验管理促进智能管道运营应用,汽车未来应用看点,无人驾驶车载信息服务数据精准数据分析车+人的数据模式数据驱动无人驾驶进一步提升,电子商务未来应用看点市场营销个性化导购千人千面数据化运营数据资产化,物流未来应用看点,提高物流的智能化水平降低物流成本提高用户服务水平库存预测、设备修理预测、 供应链协同管理,sale,大数据在金融、电商领域的应用相对成熟，教育、医疗、物流等 行业加速落地,金 融,医 学,物 流,金融行业，大数据在高频交易、社交情绪分析和信贷风险分 析三大金融创新领域发挥重大作用,生物医学，大数据可以帮助我们实现流行病预测、智慧医疗、 健康管理，同时还可以帮助我们解读DNA，了解人类自己,物流行业，利用大数据优化物流网络，提高物流效率，降 低物流成本,电电商行业在大数据应用方面经验丰富，比较充分的有用户 商画像、精准投放、数据可视化和智能推荐等,政府,主要落地行业为金融、互联网等数字化程度较高的行业大数据领域应用行业渗透情况,物流,医疗,智慧城市,金融电商 银行数字资产信息安全,流程优化,医疗辅助,汽车无人驾驶,基础设施,政 府,城市管理，可以利用大数据实现智能交通、环保监测、城市 规划和智能安防,分析认为，大数据的价值在于可以被重复和反复利用。大数据被应用到方方面面，各个行业。其中，在金融、电商、政府和物流等领域，大数据 的发展有着先天的优势，通过数据再利用、数据重组和数据公开，数据价值和应用得到进一步提升。以电商为例，通过数据分析精准触达，可以有效提升用户活 跃和用户粘性，促进用户消费和复购,大数据企业级应用,企业级应用的关键是用户挖掘大数据在企业级应用更加落地，通过帮助客户实现降本增效、数字化转型 等助力客户快速发展,大数据企业级应用通过挖掘用户在商业发展及数字化场景得以实现,热数据：根据时间维度，可以在关键时 间节点如生日、纪念日等；生活场景维 度，可以在家人聚会、好友聚餐、志同 道合的朋友相聚等,温数据：行为数据，如偏好、活跃时间,冷数据：基础数据，如人口特征,基本属性年龄、性别、消费 能力、城市层级,精 准 推 送,机 器 学 习,数据聚合,用户画像,用户细分,需求应对,新需求挖掘,引导潜在消费,用户数据解析需求拆分需求理解,消费偏好购买行为、品牌 偏好、购买力,内容偏好军事、资讯、娱 乐、财经、历史,产品偏好 硬件、兼容、 安全、便捷,大数据数据分析,运营场景,产品场景,营销场景,应用场景运营活动评估用户留存分析用户转化分析,产品迭代分析功能使用分析用户场景还原,渠道广告跟踪渠道拉新分析渠道ROI 分析,大数据在企业级应用方面通过对于用户的挖掘来实现商业发展及数字化应用场景的实现。以某旅游网站为例，通过利用海量真实行程， 提炼出精华线路，降低用户侧行程规划难度提升产品销量；又如某财富管理企业，通过数据驱动产品优化和转化商业发展数字化应用场景的实现,用户挖掘的关键是以用户视角出发，提供细化的用户分阶段、 分层、分群的精细化运营,注意力运营,交易类运营,效率类运营,如何进行用户挖掘,如：工具类、B2B等,关注使用深度类指标,如：电子商务平台、各种交 易平台、生活服务,关注交易类指标,如：媒体、IM以及通过广告 变现的，而不是直接向用户 收费关注用户粘性类指标,用户分层分析模型,指标体系,集中有限资源服务创造最大价值的人群,用户分群分析模型,算法设计,不同人群的需求不同，用不同的方式运营,新用 户,流失 用户,成熟 用户,高价值用 户,流 失,新用户分析,召回用户分析召回 用户,唤 醒,激 活,流失,召 回,营销渠道 效果评估 提高ROI,流失预警延 长生命周期 流失,分 析 用 户 去 向,特征分析，提高用户价值,活跃用户分析提升体验，延长生命周期,流 量,分析认为，从用户数据来看，注意力运营重点关注：粘性、UV、 PV库存、访问时长、访问频次、用户到访周期和访问间隔等；交易类运营重点关 注交易、交易活跃度、新商品比例、商品被搜索比例、GMV、ARPU等；效率类运营用户使用深度指标、用户完成一次工作流的数量、用户完成一次工作流时间。 用户挖掘的核心是从用户角度出发，把着眼点放置在有利于每一个独立个体。但隐私保护问题也随即提上日程，值得一提的是，立法保护虽然有助于此，但是从个 人到让数据使用者承担责任还有很长的路要走,大数据工具级应用,大数据工具级应用场景包括但不限于CRM、裂变营销、 销售自动化、A/B测试/个性化和客户体验/用户成功等,工具级应用旨在助力客户减少重复工作、优化流程和增强员工认同,流程优化,服务管理,决策支撑,企业用户需求,办公协同即时通讯,人才管理客户关系,财务系统客户服务,增加营收,控制成本,大数据办公平台,最终结果,数据价值创造,信息化系统,50%,55%90%减少重复工作统一录入数据，信息共享， 减少重复手工数据录入工作,35%70%员工认同度提高战略执行力和员工认同 度，员工对企业认知度提升,事务性处理流程自动流转，变动自动更 新，提升协作事务工作效率,线 下 管 理,产 品 管 理,供 应 链,财 务 相 关,用 户 服 务,数 据 整 合,人 员 管 理,客 户 管 理,分析认为，大数据在工具级应用方面通过对于专注于某部分的效率提升、自动化水平提升等进行发掘，其背后是数据打通、数据整合和数据共享 带来的数据红利的技术挖掘，相比于行业级应用和企业级应用，它相对零散，只提出部分解决方案，但也是大数据应用中不可或缺的一部分,通过数据接入、数据计算、数据分析后可实现工具级应用场景的实现,数,据 分 析,数,据 计 算,数 据 接 入,数据分析,数据计算,数据来源,数据采集,索引优化,服务监控,秒级查询,数据整合,数据治理,数据联邦,知识图谱,资源管理,即时数据,存储引擎,应 用 层,功能应用服务,线上数据APPH5JAVA小程序,电子积 分,IOT电话银 行,第一方数据源网银直销ATM第三方数据源外部数据增补,广告,媒体,超市,油卡运营商,异业合作数据导入API,日志数据库服务端摄像头,用户价值探索,用户流失预警,AI/机器学习,深度学习,自定义仪表盘事件渠道分析,留存漏斗分析分用户群,实时分析智能路径,活动自动化,场景自动化,个性化推荐,A/B测试,产品改进运营提升,服务提升ROI优化,业务增长用户洞察,应用：以用户为中心的典型案例,汇医慧影：赋能医疗创新，发现医学需求，解决患者痛点,汇医慧影成立于2015年，以“挖掘医疗数据非凡价值”和以“患者为中心”为指导思想， 形成了从科研到临床的多条产品线，涉及筛查、 诊断、治疗各个方面，覆盖病种包括胸部CT防漏诊断、乳腺钼靶检测、脑梗、骨折、脑出血核磁分析及10多项常见癌症,汇医慧影发展历程概览,2015公司成立,2016科技计划 申报成功,2017.4获得数千万A轮融资,2017.5Radcloud 1.0 公布上线,2017.10获得数亿元 B轮融资,2018.11获得英特尔等 战略投资,2019大数据智能 分析云平台,智能驱动,数据驱动,生态驱动,智能筛查、智能决策 和全智能诊疗时代,在海量数据中挖掘有效 信息，优化诊断/治疗,连通800多家医院，在多 中心迅速应用及商业化,放射科医师缺口大目前放射科医师数量的年增长率仅为 4.1%，放射科医师在未来处理影像数 据的压力会越来越大，甚至远超负荷。,经验判断不精确中国医学会一份误诊数据资料显示， 中国临床医疗每年误诊的人数约为 5700万人，总误诊率达27.8%,传统问题,汇医慧影解决方案,汇医慧影综合解决方案,汇医慧影提供以患者为中心的一整套临床诊疗和医学数据分析 解决方案,联结数据维度效率精准,数据收集,互联网和云计算大大提高了数 据传输、存储的效率和成本， 再加上移动终端的普及，使得 医学影像的使用场景更加丰富,汇医慧影联结800多家医院， 其中三甲医院400多家，100 多位KOL，落地于全国绝大部 分省份,数据清洗,深度学习在优质的大量数据以 及高性能计算环境下，能够实 现算法参数的自我优化，同时 随着数据量的增加不断提高识 别精确度临床医学NLP通过语义识别技 术提取医疗病例中的有用信息， 与已有知识库进行匹配，形成 后结构化信息，实现数据学习 的前期数据清洗和整理,数据挖掘,提高影像数据的维度，比如引 入多种影像模态数据以及影像 以外的基因数据、蛋白数据、 病理数据、随访数据，能深度 够挖据出影像数据的隐形特征,数据处理,对于DR、超声、低剂量CT、 乳腺钼靶等筛查性影像诊断， 提高效率是医生和医院机构的 第一诉求。通过智能诊断功能 提疾病的筛查、病灶提示以及 防漏诊检测等服务将大大提升 工作效率,数据分析,由于肿瘤的异质性，基因和蛋 白组检测局限于手术和穿刺的 具体位置，病灶在影像层面的 特征分析，同样能够精准、量 化预测病灶特性以及生存期。 影像组学跟基因组学、蛋白组 学等共同构成了精准诊断,800家医院落地,技术赋能,2万名医生,专业知识,日服务10万名患者,欧唯特通过营销服务和客户服务与客 户持续共赢,欧唯特的商业发展历程,欧唯特：基于自身行业经验和数据分析能力，欧唯特通过为品牌 最在意的资产消费者提供服务，助力客户更好发展,欧唯特中国在数据智能应用拥有数十年全球本土 化商业服务经验，持续为企业提供包括营销服务 和客户服务在内的多种定制化解决方案，构建了 一套贯穿营销全链路的服务生态体系。“数据驱动与后端服务的融合”业务范围 不仅涵盖前端的“营销管理”，更有后端的“消 费者服务”。长期的行业知识积累和丰富的数据运营经验严苛的数据安全管理制度及审查体系,欧唯特中国为航空公司提供CRM服务,以汽车行业为切入点，提供客户服务,为大众消费品行业提供电商营销服务,数字化营销&EDMP,开始为高科技行业提供客户服务,2002年,2005年,2009年,2014年,2008年,SCRM解决方案,2015年,2018年,营销服务,客户服务,拓展全渠道营销能力,2017年,社交电商解决方案 企业微信解决方案CDP / 营销自动化电商客服/智能质检/聊天机器人,2019年,以消费者为中心构建的四链路模型， 本质就是越来越懂消费者通过切入品牌营销、零售和售后反馈服务，建立 与消费者越来越多的互动，沉淀用户行为数据， 勾画出越来越精准的消费者画像。越了解消费者， 提供的服务、营销的策略就会越贴近目标用户； 离消费者越近，信息触达越快，效率越高，消费 者反馈越好。,分 销,品牌 营销,零售,售后,服 务,消费,反馈,产品设,计开发,采购 制造,以,消费者,为中心,展开的,营销&客户,服务,预测性,分析,欧唯特以消费者为中心，围绕消费者做数据、触点和内容的深 化，构造与消费者的紧密联系帮助客户成功,基于服务者对消费者的深度理解，挖掘提高其价值基于对行业的深度理解，对消费者实现分层，帮助服务者通过软 件应用实现对于分层消费者的精准管理，提高用户价值。,内容场景化应用+社交体验基于消费者分层，提供基于场景的具有社交属性的定制化内容， 如节日、生日等，建立与消费者的个性沟通，提升营销转化率。,多触点触达、分析和解构消费者围绕以品牌为中心的不同消费者触点，建立以人为单位的精准消 费者标签库，帮助客户管理触点，进行有效的触达。,数据洞察消费者消费全链路旅程基于多方数据沉淀，以及在消费者认知、兴趣、购买、忠诚和分 享反馈的全链路数据洞察，更好地指导营销决策与行动。,数据 洞察,触点 管理,内容 社交,消费者 分层,社交电 商营销,社媒互动 与管理,小程序,客户联络 中心,舆情分析,CDP,智慧门 店营销,营销自动化,数据 可视化,CRM& SCRM,智能客服,汇通达：以让农民生活的更美好为己任，服务农村商业数字化转型,汇通达商城（B2B）,汇掌柜（B2C）,精准营销,社群运营,智慧门店系统,智能硬件,小程序,门店管理工具,智慧物流,智能仓储,供应链金融,消费金融,门店互联网化,门店数字化,供应链服务,乡镇门店用户数字化商品数字化交易数字化门店数字化经营数字化,汇通达,用户画像 交易数据 商品数据,品牌数据 渠道数据 需求数据,针对产业上下游企业,数据+技术 赋能产业链,针对农村商业市场,推动农村 生态发展,l汇通达用技术赋能乡镇零售门店，在线上构建一整套产业数字化交易平台，在线下对门店进行数字化改造升级，形成线上线下相融合的 服务体系。同时，整合物流、仓储、金融等供应链服务，打造智慧供应链l随着产业互联网快速发展，汇通达开始从乡镇店的赋能走向全产业链的赋能，基于乡镇会员店的交易和服务场景，针对产业链上下游企 业提供柔性供应链、智能数字化技术、精准营销、数据服务等全方位的赋能和增值服务，打造服务全产业链的农村商业数字化平台汇通达门店赋能体系汇通达产业链赋能体系,未来：大数据应用未来趋势发展,【数据】大数据应用趋于融合，新的业态酝酿,人工智能,云计算,物联网,5G发展,人的延伸五官的延伸如语音、人脸识别等都提供了人 更大的延伸空间，大脑跟计算网络的连接对 于效率和场景的提升是无法估量的。人延伸 的背后，是生态容量的扩大，是门槛的降低， 势必对大数据的爆发起到巨大的推动作用,大数据高速发展的背后原因，是由人的延伸带来的共享优化，是由弹性、算法和在线带来的红利。除此之外，技术的发展，如当前大热的人 工智能、云计算、物联网和5G等也是推动大数据进一步发展的原因人的延伸归根结底是需要服务于人，大数据应用的未来一定是趋于融合，通过一体化、全方位、多角度精细化等运作方式进行真正的融合， 新的业态形成,大数据的爆发,应用,产品,消费,用户,产品迭代用户运营推广营销,分析模型指标体系算法设计,数据库建模数据整合治理实时计算引擎,前端数据触点后端数据采集业务数据接入,【技术】数据中台、数据服务可以有效推动大数据应用朝着 更便捷、更有效、更快速的方向发展,大数据技术,预测分析,搜索和认 知商业,数据可视 化,数据中台,业务流程 管理平台,数据校验,分布式存 储系统,内存数据 结构,NoSQL数 据库,数据整合,数据预处理,流式分析,数据技术和数据服务的紧密结合,数据中台助力企业数字化转型,不管大数据技术怎么发展，数据服务都需要伴随数据技术左右，提供 贴近业务端的解决方案，以技术带服务，以服务促发展技术范畴分析范畴,从大数据平台到数据中台是一次从技术到业务的飞跃，可以有效的助力企 业进行数字化转型，但企业需要根据自身发展的不同阶段进行中台的选择,去ETL化固定数据模型在数据产生时规整原子口径业务口径交还给业务人员支持边缘计算与即时反馈,【思维】凡是过去，皆为序曲，以人为本，共建共赢,历史周期性,懂业务的人,“未来10年， 是全球数字经 济的黄金发展 期，是人类社 会迈进智能化 时代的加速转 型期“,杨元庆,懂技术的人,懂用户的人,用户行为,用户洞察,用户分群,行业分析,智能化数字 化,消费者变 化,l 过去的20年，社会发展的能力变化，是从懂业务到懂技术再到懂用户，只有更 了解C端用户，才可能更了解数字化变化着的行业和解决方案l 大数据未来的发展，一定是建立在互利共赢基础上，对于数据、思维和技术都 兼备的厂商更有先发优势，但殊途同归，趋同平等无差异是关键,数字经济的本质是以人为本，洞察用户,Thanks.,