來源標題：杭州悅數入選 IDC 《中國數據智能市場生態圖譜 V4.0》代表廠商

北京，杭州2023年10月8日——

到2027年，悅數70%的入選男子質疑交通執法后遭跨省抓捕 當事人：警方發來了終止偵查決定書經濟價值將以高信息密度的商品和服務形式呈現，“數據有價值”的國數社會素養成型。疫情釋放、據智數字化轉型政策要求、場生廠商AI浪潮推動、態圖更精細實時管理需求，代表將共同帶動數據智能市場高速發展。杭州專業技術服務商、悅數云服務企業、入選龍頭廠商等依托資源、國數數據、據智算法、場生廠商先驗知識優勢，態圖圍繞軟件平臺橫縱雙向布局產業生態，為客戶打造功能完備、流程完整、可定制的數據智能分析決策平臺。本報告分析了當前市場的整體情況以及市場格局，繪制了中國數據智能市場生態圖譜V4.0和核心技術趨勢圖V1.0，列舉代表廠商，對未來發展提供建議。

數據智能倉儲、男子質疑交通執法后遭跨省抓捕 當事人：警方發來了終止偵查決定書數據治理&可視化分析、商業智能分析決策的軟件服務成為廠商布局重點，市場競爭愈演愈烈，數據鏈路流通流程縮短，促使企業聚焦一體化解決方案，海量多模態的高效的數據存儲、治理、開發將帶動流程化工具、中間件的升級。數據敏捷查詢和可視化將是GenAI最先落地的場景，形成多主題數據地圖和精準畫像，滿足智能決策、城市管理、業務監控、風險預警、地理信息分析等多種業務需求。

知識圖譜與人工智能雙輪驅動智能分析決策產品升級。在實現了基礎的識別、查詢、分析功能上，企業需要進一步完成對業務和未來路徑的分析決策，知識圖譜與GenAI的融合創新是很好的路徑，也是當前大部分技術供應商聚焦的領域。同時，指標管理、業務管理以及與業務知識圖譜的融合，是客戶側更加關心的問題。

IDC給技術供應商的建議：

· 

抓住生成式AI的機遇。超過80%的數據智能企業都在考慮或部署生成式AI與擁有產品的融合和創新，這不僅是受社會和資本市場的影響，而是大模型確實可通過創造性的方式來以更靈活多變的形式輔助不同的工作角色完成開發、設計、分析工作。布局該技術的企業應同等重視算力服務和數據資產，采用成熟的云服務和LLMOps工具平臺可以幫助企業更快速的開發部署高水平大模型服務。另外，企業也需要注意整合數據庫和數據管理平臺資源，大模型時代更加注意數據的一致性與統一管理，避免回到開發多個小模型的節奏。

· 

· 

要將AIGC與業務需求直接融合。To C端的文生圖、圖生文、視頻生成業務熱度下降，技術供應商轉而從兩方面升級To B端產品服務。一是提升業務效率，解決客戶的開發效率慢、人員成本高的需求，代碼生成、代碼解釋、流程挖掘、數據治理將會是最快大規模落地的應用；二是提高分析管理水平，讓大模型訓練業務管理決策體系和數據，開發更上層的業務分析、指標管理、數字化轉型服務，來幫助企業利用大模型可以更全面地挖掘潛在價值。

· 

· 

關注圖與知識工程。想要通過數據提升業務價值，需要將獨立的數據信息聯系成2D、3D網狀結構，確定信息之間的關聯關系和影響程度，將無序的數據總結為有序的知識圖譜，利用GenAI技術來自動識別節點與節點之間的關系，避免業務專家人工持續建模，并隨著數據和市場的變化來自動調整知識圖譜。

· 

· 

圍繞大模型的開發運維工具做創新。傳統的模型開發平臺和工具無法適應大模型對算力、性能、訓練、調優、部署的要求，而在未來兩年，市場對于大模型的開發運維工具表現出更強烈的需求，市場格局也會改變，廠商更快的將自身業務和資源積累，與開發工具相結合，將會擁有更強的市場競爭力和收入規模。

IDC中國新興科技研究組高級分析師李浩然表示，隨著GenAI推動，以及企業對數據管理分析要求和數據資產概念增強，數據智能市場將迎來新的機遇，技術供應商產品快速升級迭代，客戶也增加了對實時數據分析、知識圖譜、高性能數據管理等技術需求，但雙方仍在期望與服務的磨合階段。廠商側需要抓住生成式AI的機遇，從提升業務效率和提高分析管理水平兩方面進行創新。

北京，2023年10月8日——

到2027年，70%的經濟價值將以高信息密度的商品和服務形式呈現，“數據有價值”的社會素養成型。疫情釋放、數字化轉型政策要求、AI浪潮推動、更精細實時管理需求，將共同帶動數據智能市場高速發展。專業技術服務商、云服務企業、龍頭廠商等依托資源、數據、算法、先驗知識優勢，圍繞軟件平臺橫縱雙向布局產業生態，為客戶打造功能完備、流程完整、可定制的數據智能分析決策平臺。本報告分析了當前市場的整體情況以及市場格局，繪制了中國數據智能市場生態圖譜V4.0和核心技術趨勢圖V1.0，列舉代表廠商，對未來發展提供建議。

數據智能倉儲、數據治理&可視化分析、商業智能分析決策的軟件服務成為廠商布局重點，市場競爭愈演愈烈，數據鏈路流通流程縮短，促使企業聚焦一體化解決方案，海量多模態的高效的數據存儲、治理、開發將帶動流程化工具、中間件的升級。數據敏捷查詢和可視化將是GenAI最先落地的場景，形成多主題數據地圖和精準畫像，滿足智能決策、城市管理、業務監控、風險預警、地理信息分析等多種業務需求。

知識圖譜與人工智能雙輪驅動智能分析決策產品升級。在實現了基礎的識別、查詢、分析功能上，企業需要進一步完成對業務和未來路徑的分析決策，知識圖譜與GenAI的融合創新是很好的路徑，也是當前大部分技術供應商聚焦的領域。同時，指標管理、業務管理以及與業務知識圖譜的融合，是客戶側更加關心的問題。

IDC給技術供應商的建議：

· 

抓住生成式AI的機遇。超過80%的數據智能企業都在考慮或部署生成式AI與擁有產品的融合和創新，這不僅是受社會和資本市場的影響，而是大模型確實可通過創造性的方式來以更靈活多變的形式輔助不同的工作角色完成開發、設計、分析工作。布局該技術的企業應同等重視算力服務和數據資產，采用成熟的云服務和LLMOps工具平臺可以幫助企業更快速的開發部署高水平大模型服務。另外，企業也需要注意整合數據庫和數據管理平臺資源，大模型時代更加注意數據的一致性與統一管理，避免回到開發多個小模型的節奏。

· 

· 

要將AIGC與業務需求直接融合。To C端的文生圖、圖生文、視頻生成業務熱度下降，技術供應商轉而從兩方面升級To B端產品服務。一是提升業務效率，解決客戶的開發效率慢、人員成本高的需求，代碼生成、代碼解釋、流程挖掘、數據治理將會是最快大規模落地的應用；二是提高分析管理水平，讓大模型訓練業務管理決策體系和數據，開發更上層的業務分析、指標管理、數字化轉型服務，來幫助企業利用大模型可以更全面地挖掘潛在價值。

· 

· 

關注圖與知識工程。想要通過數據提升業務價值，需要將獨立的數據信息聯系成2D、3D網狀結構，確定信息之間的關聯關系和影響程度，將無序的數據總結為有序的知識圖譜，利用GenAI技術來自動識別節點與節點之間的關系，避免業務專家人工持續建模，并隨著數據和市場的變化來自動調整知識圖譜。

· 

· 

圍繞大模型的開發運維工具做創新。傳統的模型開發平臺和工具無法適應大模型對算力、性能、訓練、調優、部署的要求，而在未來兩年，市場對于大模型的開發運維工具表現出更強烈的需求，市場格局也會改變，廠商更快的將自身業務和資源積累，與開發工具相結合，將會擁有更強的市場競爭力和收入規模。

IDC中國新興科技研究組高級分析師李浩然表示，隨著GenAI推動，以及企業對數據管理分析要求和數據資產概念增強，數據智能市場將迎來新的機遇，技術供應商產品快速升級迭代，客戶也增加了對實時數據分析、知識圖譜、高性能數據管理等技術需求，但雙方仍在期望與服務的磨合階段。廠商側需要抓住生成式AI的機遇，從提升業務效率和提高分析管理水平兩方面進行創新。