随着大数据技术的持续深化应用，数据被认为是继土地、劳动力、资本、技术等之后的第五生产要素。领先企业已经实现核心业务在线化、自动化、数据化，数据驱动决策在更多行业、更多场景中落地，成为实现企业智能化战略的核心驱动力之一。

数据智能结合数据湖、分布式计算、机器学习、自然语言处理、可视化等多种技术，从企业数据中提炼、发掘、获取有揭示性和可操作性的信息，并通过学习的闭环实现决策效果的持续优化。在数据、算法、产品、应用构成的反馈闭环中，业务数据通过高速流动持续增值，算法决策能力持续优化、业务成效和产品得以持续改进，在这样的正循环中，业务人员由决策者变为决策的辅助者或监督者，实际决策过程由技术平台自动化进行，从而有效提高决策准确性和效率，形成了数据驱动的新业务模式。

资料来源：ifenxi

中国数据智能发展现状

数字化转型的发展已有数十年的历史，数字化转型相对领先的行业头部企业已经建立了较好的数字化基础，相对落后的企业也积累了一定的实践经验。鉴于不同行业以及同行业不同规模的企业在数据基础、转型所处阶段的不同，行业企业大数据建设的关注点，在技术、工程化、应用场景设计、数据源等方面各有所侧重。

金融行业最关注数据安全、合规保障，其次是如何打破部门间壁垒形成数据共享，在采用智能化技术时尤其关注是否合规、可解释，最后是引入前沿技术进行金融科技创新。

制造行业，最关注的是融入制造业实践经验的解决方案，其次是提高内外部的大数据应用能力，以及规模化复制应用场景的能力。

政府行业的重点在于数据集中共享、建立大数据平台建设标准以及确保大数据系统的稳定性。其他行业，则更多处于提升数据质量、上线一个成功的数据分析项目以及取得高管的信任与持续支持的阶段。

综合过去多年的数字化实践案例会发现，数字化、大数据的建设，已不再是简单的技术应用，不能再仅仅依靠单纯的IT视角，成功者大都是在建设数据平台之外，自身也进行了相应的流程与IT调整，内部具备了一定的分析能力，大胆开放地与外部合作。尚未成功的原因可能包括单纯依靠内部力量基于开源技术搭建系统效果不显著，未解决根源上的数据问题，或者业务部门配合度不高等等。企业要推进数智化，需要行业用户在引入外部最佳数据平台的同时，从流程、人才、战略角度入手练好内功，建立强效机制促进业务部门与数字化部门的协同，不断提升数据服务能力、达成规模化智能。