| RK | 企業(yè) | 品牌 | 整合 | 執(zhí)行 | 綜 |
|---|---|---|---|---|---|
| 1 | 阿里云 | 94.12 | 93.88 | 94.35 | 94.12 |
| 2 | 騰訊云 | 94.05 | 93.27 | 93.69 | 93.67 |
| 3 | 用友 | 93.73 | 93.64 | 93.21 | 93.53 |
| 4 | 華為云 | 93.59 | 92.81 | 93.08 | 93.16 |
| 5 | 云徙科技 | 92.25 | 93.68 | 92.41 | 92.78 |
| 6 | 百度智能云 | 92.96 | 92.42 | 92.74 | 92.71 |
| 7 | TalkingData | 92.30 | 93.18 | 92.43 | 92.64 |
| 8 | 浪潮 | 91.46 | 92.79 | 92.58 | 92.28 |
| 9 | 金蝶 | 91.25 | 90.97 | 92.47 | 91.56 |
| 10 | 數瀾科技 | 90.82 | 91.36 | 91.40 | 91.19 |
| 11 | 星環(huán)科技 | 90.85 | 90.43 | 91.29 | 90.86 |
| 12 | 京東云 | 90.57 | 90.66 | 90.58 | 90.60 |
| 13 | 奇點云 | 91.36 | 90.08 | 90.31 | 90.58 |
| 14 | 熵簡科技 | 90.42 | 90.30 | 90.36 | 90.36 |
| 15 | 金山云 | 89.96 | 90.41 | 90.65 | 90.34 |
| 16 | 明略科技 | 89.72 | 89.39 | 90.07 | 89.73 |
| 17 | 火山引擎 | 89.40 | 89.87 | 89.62 | 89.63 |
| 18 | 網易數帆 | 89.98 | 89.47 | 88.95 | 89.47 |
| 19 | 睿帆科技 | 89.72 | 89.45 | 89.03 | 89.40 |
| 20 | 浩鯨科技 | 88.88 | 89.31 | 89.19 | 89.13 |
| 21 | 數夢工場 | 88.67 | 88.91 | 88.42 | 88.67 |
| 22 | 帆軟 | 88.53 | 88.68 | 88.61 | 88.61 |
| 23 | Kyligence | 88.25 | 88.49 | 88.55 | 88.43 |
| 24 | 創(chuàng)略科技 | 87.69 | 88.50 | 88.23 | 88.14 |
| 25 | 寬拓科技 | 87.81 | 88.06 | 87.78 | 87.88 |
| 26 | 科杰大數據 | 87.46 | 87.89 | 87.42 | 87.59 |
| 27 | 索信達 | 87.15 | 87.43 | 88.01 | 87.53 |
| 28 | 恒生電子 | 86.90 | 87.19 | 86.84 | 86.98 |
| 29 | 四方偉業(yè) | 86.72 | 86.51 | 86.66 | 86.63 |
| 30 | 光點科技 | 85.46 | 86.32 | 86.55 | 86.11 |
| 31 | 普元信息 | 85.97 | 85.63 | 86.52 | 86.04 |
| 32 | 國云數據 | 85.86 | 85.29 | 85.91 | 85.69 |
| 33 | 滴普科技 | 85.20 | 85.73 | 85.73 | 85.55 |
| 34 | 得帆信息 | 84.99 | 85.08 | 85.47 | 85.18 |
| 35 | 中奧科技 | 84.96 | 84.41 | 85.55 | 84.97 |
| 36 | 百分點 | 84.28 | 84.55 | 84.31 | 84.38 |
| 37 | 奧哲網絡 | 83.78 | 84.29 | 84.49 | 84.19 |
| 38 | 悠易互通 | 83.85 | 84.20 | 83.76 | 83.94 |
| 39 | 北明數科 | 83.87 | 83.65 | 83.24 | 83.59 |
| 40 | ChiefClouds | 83.29 | 83.46 | 83.15 | 83.30 |
| 41 | 智領云 | 82.97 | 82.83 | 83.41 | 83.07 |
| 42 | 聯蔚數科 | 82.65 | 82.39 | 82.47 | 82.50 |
| 43 | 惟客數據 | 82.11 | 82.70 | 82.44 | 82.42 |
| 44 | 百融云創(chuàng) | 81.98 | 82.52 | 82.19 | 82.23 |
| 45 | 億信華辰 | 82.60 | 82.21 | 81.55 | 82.12 |
| 46 | 神策數據 | 81.78 | 81.96 | 82.09 | 81.94 |
| 47 | 百勝軟件 | 81.22 | 81.65 | 81.43 | 81.43 |
| 48 | 云啟星辰 | 80.89 | 80.67 | 80.75 | 80.77 |
| 49 | 數聚股份 | 81.58 | 80.26 | 80.41 | 80.75 |
| 50 | 希嘉 | 80.23 | 79.94 | 80.15 | 80.11 |
| 2022.06互聯網周刊/eNet研究院/德本咨詢聯調 | |||||
源起
不算遙遠的八十年前，世界上第一臺電子數字計算機誕生，彼時的數據存儲使用的是再生電容磁鼓存儲器，利用電磁感應原理進行數字信息的寫入與讀出。四年后出現的最早的隨機存取數字存儲器可以隨時從任意指定地址寫入與讀出信息，但只有幾百個字節(jié)的容量。而在今天，個人計算機每秒鐘產生的數據都不止幾百個字節(jié)。
經歷了緩慢起步的前半程，計算機和互聯網進入了高速發(fā)展時期。相應地，其所產生的數據也在呈指數級增長。2020年全球數據量達到了60ZB，據IDC預測，到2025年這個數字將達到163ZB，其中60%的數據來源于企業(yè)。
伴隨著數據質量問題的顯現和不可避免且日益加劇的數據爆炸，數據管理和數據治理先后被提出，并逐漸為人們廣泛接受與應用。2015年我國提交了《數據治理白皮書》國際標準研究報告，與此同時，十八屆五中全會首次提出國家大數據戰(zhàn)略，發(fā)布了《促進大數據發(fā)展行動綱要》。
大數據正式進入國內視野的這幾年，企業(yè)數字化轉型成為了真正意義上的剛需，數據倉庫、數據湖、數據中臺、數據編織等關于數據的概念層出不窮，似乎一種概念就代表著一個風口、一條賽道。究其本質，這些概念以數據為核心，仍然沒有跳出治理的范疇，落點都是企業(yè)的數字化能力。
沉淀
回到今天的命題，阿里最初設想的中臺是支持多個前臺業(yè)務且具備業(yè)務屬性的能力組織，通過統一的團隊在數據標識、指標、數據倉庫等方面實現跨業(yè)務的整合，可劃分為業(yè)務中臺、技術中臺、數據中臺等。結合數據中臺的發(fā)展現狀來看，盡管突然爆火又突然低迷，依然沒有偏離具備業(yè)務屬性的能力組織這個特性，有望在沉淀后迎來穩(wěn)定增長期。
目前市場上的數據中臺廠商大致有公有云平臺、數字化解決方案提供商以及獨立的數據中臺開發(fā)商這幾類，其中數字化解決方案提供商的數量最多、份額也最高。數據采集、存儲、開發(fā)、計算、可視化等全棧能力是數據中臺的基礎要素，持續(xù)運轉且科學合理的內在機制是核心，賦能不同場景則是最基本的表現。
具體舉例而言，醫(yī)療方面，騰訊云在提供基于業(yè)務和模型的終端展示，包括醫(yī)保主題監(jiān)控、基金收支洞察、智能監(jiān)管等整套智慧醫(yī)保解決方案的同時可以通過服務平臺提供在保證數據安全前提下的數據共享，實現醫(yī)保省級及地市數據中臺建設，支持醫(yī)療場景的協同、監(jiān)管、大數據應用等建設。
在新消費場景中，云徙科技面向以“她”經濟、新中產和Z世代為代表的新一代消費群體建立數據驅動體系，通過可視化數據精準洞察各項業(yè)務指標。新營銷中臺與數據中臺和業(yè)務中臺相互配合，能夠洞察消費者、營銷活動、會員價值，分析忠誠度經營情況、消費者行為、供應鏈及智能配補貨，用數據驅動智能決策。
前瞻
可以看出，數據中臺并不直接產生數據，數據來自企業(yè)內部運行流轉的不同業(yè)務的各項流程。傳統的數據倉庫被動地承擔數據整合和分析工作，但數據中臺的首要環(huán)節(jié)在于對多源異構數據的加工處理，按照企業(yè)標準形成統一的標準化數據，再進行后續(xù)的存儲和使用，從源頭上規(guī)避了數據質量問題。
通過對有價值的數據的重點挖掘，得以使數據作為企業(yè)獨一無二的資產存在。數據中臺中承載的內容是可以重復多次利用且處于不斷變化中的，以業(yè)務為導向按需調整，很大程度上減少了數據資源和人力資源的浪費，同時降低了業(yè)務對技術的依賴成本，為企業(yè)建立起差異化競爭優(yōu)勢。
企業(yè)在搭建數據中臺的過程中需要特別注意的是，要以一種高屋建瓴的視角，基于對企業(yè)的自身經營狀況和未來發(fā)展戰(zhàn)略的深入研究，在系統的、全面認知的基礎上促成數據中臺的落地應用。它是企業(yè)內部組織架構之一，理應囊括著企業(yè)所有業(yè)務重心的子集和共性資源的并集，并不是一勞永逸的法則。
技術的動態(tài)更新是其次，與數據中臺相匹配的數據應用意識隨之到位，才能最大化發(fā)揮數據的價值，由此實現數據反哺的業(yè)務閉環(huán)。從信息化到數字化，不論外部環(huán)境如何變化，對認識論的掌握足夠透徹，方法論自然也不在話下。
