依據IDC發布的《數據時代2025》報告，全球數據量呈現出快速增長的態勢，到2020年，全球數據量達到了60ZB，2025年將達到175ZB，接近2020年數據量的3倍。

《數據時代2025》報告 數據來源：IDC

隨著數字化的深入推進，也出現了一系列新的問題，比如，數據作為新的生產要素，與資本、土地等傳統生產要素有什么區別；數字化、智能化與原來的信息化有什么不同；如何從技術和規則層面保障用戶的數據安全和隱私；企業在數字化時代如何更好的生存，如何用數據來賦能營銷、經營管理、產品研發等業務；政府如何提升社會治理能力，適應數字化社會；不同行業的數字化升級有什么差異，如何制定有針對性的行業解決方案等。

要幫助企業、政府實現更好的數字化轉型，我們需要回答上述一系列問題。然而，我們對于數據的認知還遠遠不夠。

為此，數據猿推出《2021中國數據智能產業發展報告》，報告從數據和技術進展、業務場景、行業應用、未來趨勢四個方面梳理數據智能產業近期的發展情況，致力于厘清數據智能產業的發展脈絡，總結產業實踐，為業界了解數據智能行業發展情況提供一份有價值的借鑒。

為了提升報告質量，數據猿采取桌面研究+行業專家訪談+問卷調查相結合的方法：

數據猿數據智能產業研究團隊基于長期的行業觀察，建立較為完善的產業資料庫，并進行多個行業專題研究，本報告結合了行業研究、企業年報、政府數據、媒體報道等第三方公開數據。

此外，數據猿構建包括業界專家、企業高管、高校教授等行業專家庫，對報告內容進行充分研討。為了讓報告更具借鑒價值，數據猿深入走訪企業，了解業內廠商的典型產品和客戶案例，并在報告中以應用案例形式深入解讀行業的典型做法。數據猿還通過調研問卷的形式，掌握第一手行業信息，基于數據來分析行業現狀和問題。

為了幫助大家更好理解報告，數據猿策劃了報告系列解讀文章。這一篇，主要介紹數據作為新生產要素的特點，數字化與信息化的不同，以及數據智能與大數據、人工智能的關系。

數據作為新生產要素，具有新的特點

隨著數據量增大，數據“侵入”各個行業和領域，數據對于業務的價值越來越大。數據在生產領域的價值釋放，讓其成為一種全新的生產要素。可以說，數字化時代的重要特點，就是數據的生產要素化。

在2020年4月發布的《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》，將數據作為與勞動、資本、土地、知識、技術、管理并列的生產要素，這是第一次在中央文件中明確將數據作為一種新型生產要素。

數據猿認為，依據生產要素價值的傳遞方式，可以將生產要素分為顯性生產要素和隱性生產要素。顯性生產要素包括資本、勞動、土地，其對生產過程的作用比較直接，價值量大小也比較容易衡量；隱性生產要素包括數據、知識、技術、管理，這類生產要素對生產過程的作用具有間接性，其價值量大小不好評估。

這些隱性生產要素，就像冰山隱藏在水面下的部分，其價值不容易被人們感知，卻在持續發揮著作用。

其中，數據作為全新的隱性生產要素，具有一系列新特點，具體包括：

邊際效用遞增：勞動、資本、土地生產要素會隨著使用而消耗其價值，而數據并不會因為使用而消耗。相反，數據在流動、應用過程中能得到進一步積累，數據價值會更。也就是說，數據不是邊際效用遞減，而是邊際效用遞增；

間接價值創造：大部分時候，數據并不能直接創造價值，其價值需要通過賦能業務、管理，通過提升企業效率來體現價值，其價值傳到鏈條具有間接性；

價值量度難度大：傳統勞動、資本、土地的產權歸屬清晰，價值大小比較好量度，但數據的產權歸屬、數據價值大小量度這些問題還沒有統一、明確的標準，相關的法律法規體系還遠未成熟。

正因為數據作為生產要素的價值被社會廣泛的認知，各方對于數據的爭奪也日益激烈。與資本、土地等傳統生產要素一樣，數據生產要素也面臨一個合理配置的問題。

目前，數據的分配還存在嚴重的問題，其中最為重要的就是數據高度壟斷在政府、互聯網巨頭、電信運營商和金融機構等少部分組織手中。政府目前的數據開放意愿最強，但其數據質量和辦事效率還較低，政府數據開放程度并不高。互聯網巨頭、電信運營商和金融機構，由于其自身的商業利益訴求，開放數據的意愿不強。尤其是隨著大家對數據價值的認知提高，這些企業將其積累的數據看作其核心資產，進一步降低數據分享的意愿。

為了解決這一問題，亟需推動數據共享，具體方法包括：建立企業之間的數據聯盟，厘清利益關系，在充分尊重各自數據權益和利益訴求的前提下，協商可交易、共享的數據范圍，規范交易、共享的方式和流程。同時，建立統一的數據標準，尤其是數據接口標準，構建數據共享API，方便進行數據調用。

數字化的核心是數據智能，與信息化存在根本不同
數據智能(Data Intelligence)，是數據化與智能化的融合，是數字化時代的核心，與傳統的信息化有根本的不同。

信息化，是一種對物理世界的信息描述，本質是一種管理手段，側重于業務信息的搭建與管理。此時，業務流程是核心，信息系統是工具，過程中產生的數據只是一種副產品，信息化還是物理世界的思維模式在進行的。例如，OA辦公自動化系統，CRM系統，MES系統等等，利用信息系統將管理信息化，助力企業高效管理。可以看到，信息化的重點在于記錄。

與信息化相比，數字化除了記錄數據外，更側重于對于數據的分析和智能應用，通過應用來賦能業務，進而發揮出數據作為生產要素的價值。

此外，數字化比信息化涵蓋的范圍更廣。互聯網的普及，加速了整個社會的數字化進程。人們在網上“沖浪”的時候，會留下大量的“痕跡”。移動互聯網，對人們生活的“入侵”更進了一步，人們日益依賴手機。同時，手機也成了一個數據收集器，互聯網平臺上往往匯總數億人的行為數據。我們目前正從移動互聯網快速進入萬物互聯時代，屆時，整個物理世界的數字化會更進一步。在數據中心“復制”了一份現實世界，形成數字孿生。智能駕駛、車聯網、智能家居、工業互聯網、智慧城市、可穿戴硬件、AR、VR等一系列應用，收集的數據越來越多，也越來越全面。

當收集的數據在多樣性與數據量方面超過一定臨界點的時候，數字孿生就實現了對現實社會的“復制”。我們可以通過對這些數據的分析來了解我們真實生活的社會，觀察社會現象，重新了解我們的經濟和社會生活。在數據化的基礎上，探索智能化應用場景，推動整個社會的智能化升級，這是數據智能的重要使命。

大數據+AI，構建數據智能基石

從技術層面來看，數據智能是一系列技術創新的結果，其中最為關鍵的是大數據和人工智能兩項技術。

數據智能是基于大數據和人工智能（AI）技術，對海量數據進行處理、分析和挖掘，提取數據中所包含的有價值的信息和知識，使數據具有“智能”，并通過建立模型尋求現有問題的解決方案，并實現預測。

數據智能技術體系

隨著大數據技術的持續發展，原來割裂的各個領域技術呈現出加速融合的趨勢，比如離線處理與實時處理的融合，事物數據存儲與數據分析的融合，這些技術的融合發展，對于突破對海量數據處理的性能瓶頸意義重大。通過數據中臺建設，構建統一的數據標準和規范的數據接口，實現不同系統的數據打通。此外，將分散在各個系統中的數據匯總在云端，只需通網絡連接即可獲得數據服務。

此外，AI在數據價值挖掘方面的作用得到更多重視，AI主要由AI技術、算法、框架和基礎算法四部分構成，在其發展歷程中，先后以機器學習和深度學習作為其主流算法。數據的最終價值在于應用，將大數據平臺與人工智能平臺深度融合，實現數據在大數據平臺與AI平臺的無縫銜接，可以幫助企業在數據存儲、數據治理基礎上，探索更多的數據智能應用。

可以預見，隨著5G網絡的建設，來自eMMB、mMTC、uRLLC三類應用場景的數據量將大大增加，尤其來自視頻應用、城市高清監控攝像機、工業攝像機、醫學影像等產生大量的4K視頻、8K視頻等高清晰度視頻，以及VR、AR、全息影像等，整個社會將迎來“數據洪峰”。

整個社會需要做好足夠的準備，提升對數據智能的認知水平，更好應對即將到來的“數據洪峰”的沖擊。

以上， 我們對從基本概念、技術等方面，對數據智能進行了探討。在接下來幾篇文章中，我們將分析數據智能在金融、政務、互聯網、工業、醫療等不同行業中的應用，并具體介紹數據智能如何深入企業的業務場景，探討數據在市場營銷、業務流程管理、經營決策等方面的作用。

相關企業：字節跳動&火山引擎、網易數帆、亞信科技

【報告獲取方式】關注“數據猿”微信公眾號，后臺回復關鍵詞“數據智能報告”可免費下載完整高清版《2021中國數據智能產業發展報告》