北京，2023年10月8日——
到2027年，70%的经济价值将以高信息密度的商品和服务形式呈现，“数据有价值”的社会素养成型。疫情释放、数字化转型政策要求、AI浪潮推动、更精细实时管理需求，将共同带动数据智能市场高速发展。专业技术服务商、云服务企业、龙头厂商等依托资源、数据、算法、先验知识优势，围绕软件平台横纵双向布局产业生态，为客户打造功能完备、流程完整、可定制的数据智能分析决策平台。本报告分析了当前市场的整体情况以及市场格局，绘制了中国数据智能市场生态图谱V4.0和核心技术趋势图V1.0，列举代表厂商，对未来发展提供建议。
数据智能仓储、数据治理&可视化分析、商业智能分析决策的软件服务成为厂商布局重点，市场竞争愈演愈烈，数据链路流通流程缩短，促使企业聚焦一体化解决方案，海量多模态的高效的数据存储、治理、开发将带动流程化工具、中间件的升级。数据敏捷查询和可视化将是GenAI最先落地的场景，形成多主题数据地图和精准画像，满足智能决策、城市管理、业务监控、风险预警、地理信息分析等多种业务需求。
知识图谱与人工智能双轮驱动智能分析决策产品升级。在实现了基础的识别、查询、分析功能上，企业需要进一步完成对业务和未来路径的分析决策，知识图谱与GenAI的融合创新是很好的路径，也是当前大部分技术供应商聚焦的领域。同时，指标管理、业务管理以及与业务知识图谱的融合，是客户侧更加关心的问题。
IDC给技术供应商的建议：
·
抓住生成式AI的机遇。超过80%的数据智能企业都在考虑或部署生成式AI与拥有产品的融合和创新，这不仅是受社会和资本市场的影响，而是大模型确实可通过创造性的方式来以更灵活多变的形式辅助不同的工作角色完成开发、设计、分析工作。布局该技术的企业应同等重视算力服务和数据资产，采用成熟的云服务和LLMOps工具平台可以帮助企业更快速的开发部署高水平大模型服务。另外，企业也需要注意整合数据库和数据管理平台资源，大模型时代更加注意数据的一致性与统一管理，避免回到开发多个小模型的节奏。
·
·
要将AIGC与业务需求直接融合。To C端的文生图、图生文、视频生成业务热度下降，技术供应商转而从两方面升级To B端产品服务。一是提升业务效率，解决客户的开发效率慢、人员成本高的需求，代码生成、代码解释、流程挖掘、数据治理将会是最快大规模落地的应用；二是提高分析管理水平，让大模型训练业务管理决策体系和数据，开发更上层的业务分析、指标管理、数字化转型服务，来帮助企业利用大模型可以更全面地挖掘潜在价值。
·
·
关注图与知识工程。想要通过数据提升业务价值，需要将独立的数据信息联系成2D、3D网状结构，确定信息之间的关联关系和影响程度，将无序的数据总结为有序的知识图谱，利用GenAI技术来自动识别节点与节点之间的关系，避免业务专家人工持续建模，并随着数据和市场的变化来自动调整知识图谱。
·
·
围绕大模型的开发运维工具做创新。传统的模型开发平台和工具无法适应大模型对算力、性能、训练、调优、部署的要求，而在未来两年，市场对于大模型的开发运维工具表现出更强烈的需求，市场格局也会改变，厂商更快的将自身业务和资源积累，与开发工具相结合，将会拥有更强的市场竞争力和收入规模。
IDC中国新兴科技研究组高级分析师李浩然表示，随着GenAI推动，以及企业对数据管理分析要求和数据资产概念增强，数据智能市场将迎来新的机遇，技术供应商产品快速升级迭代，客户也增加了对实时数据分析、知识图谱、高性能数据管理等技术需求，但双方仍在期望与服务的磨合阶段。厂商侧需要抓住生成式AI的机遇，从提升业务效率和提高分析管理水平两方面进行创新。
