數據猿報告解讀：數據智能+行業應用，驅動產業數字化的核心引擎

作者：佚名 2021-06-08 14:18:53

作為《2021中國數據智能產業發展報告》系列解讀文章的第二篇，我們聚焦數據智能對不同行業的應用情況。

依據數據猿調研數據，不同行業的數據智能應用成熟度存在很大差距。其中，互聯網、金融的數據智能應用成熟度最高，零售、醫療、政務、工業等行業的成熟度較低。

需要指出的是，隨著互聯網+的推進，互聯網帶動了多個行業的數字化進程。比如，將電商與零售融合形成的新零售，互聯網與金融融合形成的互聯網金融，互聯網與工業融合形成的工業互聯網等。

與互聯網+類似，“數據智能+”通過將數據智能技術與各個行業結合，探索出多樣化的應用場景，驅動這些行業的數字化、智能化轉型。

數據智能+互聯網，精細化用戶運營、多樣化應用創新

隨著互聯網用戶滲透率增長放緩，增量市場逐漸變為存量市場，原有的商業模式和產品模式都面對挑戰，從流量思維變為數據思維，深耕細分領域，從用戶增長變為用戶深耕成為趨勢，另一方面消費互聯網也從簡單的線上零售向內容+社交轉變，非標內容將面對更加個性化。

依據數據來源、應用形態的差異，可以將互聯網劃分為PC互聯網、移動互聯網、產業互聯網、萬物互聯四個階段。不同階段都有其典型應用，比如移動互聯網時代的移動社交、電商等，產業互聯網時代的互聯網金融、互聯網教育、互聯網醫療等。

人工智能在互聯網的創新應用探索，衍生出電商千人千面、精準定向廣告、程序化廣告交易、AI視頻生成等多樣化的互聯網創新應用，成為目前互聯網創新的重要方向。

電商千人前面。傳統電商主要基于商品搜索技術，是人主動找商品。隨著用戶畫像、智能推薦等技術發展，電商平臺可以依據用戶過往瀏覽、購買記錄，分析出用戶的購物偏好，主動推薦用戶可能感興趣、需要的商品。“千人千面”的電商平臺設計，實現了更精細化的用戶分層，這將支持電商平臺更精細化的廣告位設計，提升了其廣告位數量和廣告效果。

精準定向廣告。精準定向廣告交易模式，讓廣告主從購買廣告位，轉變成購買人群。當廣告主鎖定了自己的目標受眾后，展示廣告就會追隨每一個目標受眾出現在他們登錄的頁面上，因此，即便他們出現在三四級頁面，依然可以看到這個廣告，既能節省營銷成本，又能起到良好的營銷效果。

程序化交易廣告。利用技術手段進行廣告交易和管理，廣告主可以程序化采購媒體資源，并利用算法和技術自動實現精準的目標受眾定向，只把廣告投放給對的人；媒體可以程序化售賣跨媒體、跨終端的媒體資源，并利用技術實現廣告流量的分級，進行差異化定價。

AI視頻生成。借助AI技術，自動合成人物形象和人物視頻，自動生成圖片、視頻、直播內容，比如淘寶的虛擬模特，斗魚直播、B站直播的虛擬主播等。借助AI技術，可以生成更多炫酷的視頻效果，提升視頻、直播趣味性。

數據智能+金融，推進金融4.0建設

大體來看，可以將金融分為四個發展階段。數據智能+金融，通過智能風控、智能營銷等應用創新，將把金融帶入以數字化、智能化為核心特征的4.0階段。

在當前經濟形勢下，金融行業面臨較大的經營壓力。一方面，新冠疫情影響總體經濟形勢，銀行業績增長承壓；另一方面，互聯網金融創新活躍，消費貸、手機支付、理財產品推薦等金融服務更加便捷高效，銀行面臨較大的客戶尤其是個人用戶流失的壓力。

長期來看，利率市場化、金融脫媒對商業銀行生存環境帶來重大影響，銀行亟需創新金融產品、業務模式，利用AI技術實現大規模定制化金融服務，擺脫低水平同質化競爭。同時，傳統信貸模式成本高，難以覆蓋大量長尾客戶。通過技術創新實現下沉客戶群體的精細化運營，是金融企業實現業績增長的關鍵。

就具體的智能金融應用場景方面，依據數據猿的市場調研數據，智能營銷、大數據風控、反洗錢等是比較看好的場景。另外，近來開放金融賬戶、對外提供金融科技服務等開放銀行業務也逐漸受到關注。

具體來看：

金融營銷。基于深度客戶畫像，提升營銷的精準度和效率，增強獲客能力和客戶轉化率。提升客戶滿意度，降低流失率。金融風控。綜合利用機器學習、知識圖譜、NLP等技術，將金融領域的風控規則與AI模型進行結合，構建風控場景模型。針對中小微企業信貸需求，秒級審批，覆蓋中長尾。反洗錢。從交易數據中自動識別洗錢可疑交易，輔助分析和案件報送。提升案件識別準確率，大幅度提升反洗錢合規工作效率。開放金融。將成熟的AI服務輸出給生態合作伙伴，拓展新的業務模式。不斷豐富AI應用場景，將用戶數據反饋到AI平臺，進一步優化模型，提升AI能力，形成數據-技術-服務閉環。

數據智能+零售，重構“人貨場”

依據國家統計局數據，線上零售額占比逐年提高，由2015年的13%提升到2019年的25.7%，未來還會進一步提升。此外，互聯網平臺不再滿足于充當一個線上渠道，通過生鮮電商、社區電商、本地生活等方式對零售業的滲透加深，將攫取更多零售價值，傳統零售企業面臨互聯網巨頭的跨界競爭和降維打擊。

在這樣的背景下，零售行業亟需改變商業模式，提升經營水平，尤其是借助數據智能技術，實現轉型升級。零售企業需要借助數據平臺，從線下門店、倉庫、供應鏈、線上平臺等系統中采集數據，實現數據融合管理，進行數據分析挖掘，在數字供應鏈、智慧門店、客群識別、智能營銷、倉庫管理等方面提升效率。

通過數據平臺進行數據采集、數據存儲、數據治理、數據融合，在此基礎上進行數據分析，最終實現用數據賦能“人-貨-場”，具體來看：

數據賦能—人：通過用戶購買、瀏覽、線下支付等數據，更精準的進行客群洞察，制定更有針對性的營銷方案，挖掘交叉銷售機會，避免用戶流失。

數據賦能—貨：基于數據平臺全面掌握商品情況，包括不同商品的銷量、庫存、物流、供應鏈情況，分析爆款商品，進行商品質量管理。

數據賦能—場：以線下門店、渠道數字化，實現更加精細的門店和渠道管理；創新應用電商、短視頻、直播等線上渠道，基于數據進行渠道流量分析，優化線上渠道的投產比。通過數據融合，實現線上線下的打通。

目前，以數據智能為核心的新零售正在快速發展，也出現了較多的成功應用案例。數據智能服務商與零售企業相互配合，共同探索數據智能技術在零售中的應用場景。以網易數帆與名創優品的合作為例，基于網易數帆的數據中臺和數據應用產品，名創優品構建起“數據向上、業務向下”的應用體系，覆蓋會員、產品、門店、交易支付、供應鏈、公共六大數據域。同時，建設會員中心、產品中心、門店中心三大主題數據中心，統一消費者、產品、門店的數據的采集、加工與分析應用，設計并搭建管理者和店長看板，讓管理這和業務人員能夠更清楚的掌握經營情況。