當前，產業界正積極探索新的數據應用方法論，并在不同行業、不同場景進行滾動式實踐，從而釋放數據深層價值，目前已取得初步進展。本文將詳細介紹數據應用領域的發展歷程、當前現狀、主要特征和趨勢展望。
數據應用開始探索第三階段實踐路徑
數據應用發展已有60余年，總體分為3個階段。數據應用是利用數據對各項事務進行探索、分析、洞察并最終推動決策的過程，是數據價值釋放的最終一環。在各企事業單位中，數據應用是否充分，直接決定其對于數據相關工作整體投資的性價比，進而反向影響對數據存儲與計算、數據治理、數據安全等環節的投入。數據應用隨著數據本身形態、數據處理技術、產業發展環境、數據應用需求等的不斷演化升級，其內涵和模式不斷豐富，總體發展歷程可分為3個階段，各階段特征如表1所示。
表1 數據應用3個發展階段的特征(來源：中國信息通信研究院)
信息化催生了數據應用的第一階段，企業利用Excel等工具，進行小數據量、隨機、專題性問題的分析。隨著企業信息化的不斷深入，第二階段是當前數據應用的主流，即財務、人力、業務增長等關鍵領域信息，以固定周期、BI圖表可視化的方式，呈現給企業決策層，再通過人工完成決策。例如招商銀行BI分析平臺于2020年上線，儀表盤數量超過3萬，覆蓋零售、信貸、風控、運營等核心業務，累計任務執行次數超600萬，協助完成44家分行業務工作，業務滲透率達80%。
目前，數據應用第三階段實踐已初步落地，經驗正在快速積累。隨著數據來源增多、體量變大，以及數據存儲與計算技術的逐步升級，頭部企業開始率先探索第三階段實踐路徑，例如互聯網、金融、電信、制造等行業領域的龍頭企業，在營銷、風控、經營分析等核心業務中，開展從組織架構、數據存儲與計算到商業模式的全方位探索，并取得一定的成功經驗。
中國信通院2022年企業數字營銷評估結果顯示，已有約30%的頭部企業實現了自動決策能力。近年來，國內外知名研究機構對已步入第三階段企業的實踐過程，進行總結梳理并完成建模，從而為后續企業提供理論基礎，典型數據應用模型匯總如表2所示。
表2 典型數據應用模型匯總(來源：中國信息通信研究院)
數據應用發展呈現三大特點
精細化運營就是將渠道、用戶行為等維度的數據分析與企業所處的發展階段相結合，對用戶展開針對性的運營活動，對用戶進行精細化運營是企業競爭力躍遷的必要手段。因為個人消費端用戶量大，精細化運營資源成本高，而數據應用可以有效助力個人消費端的精細化運營。因此，個人消費領域數據的應用水平普遍較高。根據神策研究院發布的《2022中國企業數字化運營成熟度報告》，各主要行業的企業數字化運營成熟度如表3所示，其中，泛零售、金融、互聯網行業的數據應用綜合評分排名前三。為快速響應消費市場需求，全球跨境電商通過打通消費側和生產側的業務數據，搭建了敏捷供應鏈系統，實現了開發、生產、倉儲、物流全鏈路的數據應用商業模式改造。
表3 各主要行業的企業數字化運營成熟度(來源：神策研究院)
服務對象從決策層
數據分析工作極具專業性和復雜性，傳統數據應用依托專業的數據分析工具和數據分析師，通過大屏、報表、領導駕駛艙等形式，供企業高層進行戰略、財務等周期性決策。這種決策模式效率低，無法精確指導基層人員的業務執行方式。
當前，在固定的分析邏輯和報表基礎上，數據應用逐漸向個性化、多樣化轉變。隨著自助式數據分析工具的成熟，數據應用門檻不斷降低，逐漸滲透至業務終端，從服務高層走向服務全域，如圖1所示。
多管齊下
隨著產業數字化進程的不斷深入，部分行業出現了大數據“殺熟”、個人信息泄露、“數字鴻溝”等問題。為了維護數據應用可持續發展的良好環境，行業監管部門迅速出臺相關措施，強化數據應用價值導向監管。
一是加強個人信息保護。《個人信息保護法》《征信業務管理辦法》等一系列個人信息保護新規及相關技術標準陸續出臺，不斷細化個人數據在金融、電信、互聯網領域的應用規范。
二是明確界定大數據“殺熟”行為。國務院反壟斷委員會制定發布《關于平臺經濟領域的反壟斷指南》，對大數據“殺熟”行為做出明確界定，規制企業價格歧視和差別待遇等損害消費者權益行為。
三是建立大數據算法治理體系。國家網信辦等四部門聯合發布《互聯網信息服務算法推薦管理規定》，全面構建算法治理機制，強化信息服務領域算法推薦活動治理。
四是倡導提升數字素養。為彌合城市與鄉村數字發展“鴻溝”，《提升全民數字素養與技能行動綱要》《數字鄉村發展行動計劃(2022—2025年)》等文件多次提出并強調提升全民數字素養，倡導大數據企業在青少年數字倫理教育、大數據應用適老化等方面持續發力。
數據應用
從全行業發展角度看，當前數據應用仍面臨四大挑戰。
一是數據管理等前序工作難就緒。數據應用對數據管理等前序工作具有強依賴性，但由于企業治理工作尚待完善，造成業務側難以進行數據的二次加工和利用。
二是企業組織架構不符合新需求。數據應用需要多部門共同協作，傳統組織架構責權分工雖然明確，但存在業務對接盲區，不符合數據應用新業務模式發展需求。
三是復合型人才緊缺。數據應用需要兼具業務理解和科技能力的數字化復合人才，門檻相對較高。隨著企業數據應用不斷深入，人才緊缺已成為制約數據應用效能提升的主要因素之一。
四是技術工具適配度不足。當前，供給側標準化技術工具不能適應不同企業實際情況，甚至倒逼企業開展定制化業務改造，導致企業開發工作負擔過重，業務人員也存在“上手難”等問題。
未來，數據應用講呈現以下4方面趨勢。
一是自動決策將成為數據應用的主要形態。一方面，隨著業務運營管理日趨精細化，傳統人工決策效率瓶頸逐步顯現，且成本居高不下;另一方面，隨著數據源增多、模型精細度提高、數據應用技術工具逐步優化，企業數據應用的能力也不斷提高，數據應用正從感知、診斷向研判、智能決策快速延伸。以金融風控業務為例，傳統風控主要依靠專家經驗，通過用戶信息、央行征信數據以及公司內部資料進行簡單規則觸發和人工審核;而智能風控則是結合了第三方的線上線下多維數據，通過復雜模型和策略體系完成自動化分析，極少觸發人工復核。
二是企業組織架構以數據應用為中心加速演進。數據應用需要業務、技術、數據管理等多部門協作，但是部門間對數據應用的理解存在偏差，部分企業嘗試調整組織架構以配合數據應用。一方面，高層領導牽頭總體工作，據《金融業數字化轉型發展報告(2020—2021)》調研結果，34.78%的金融機構由最高領導牽頭數據應用的總體管理決策，自上而下加大數據應用實施力度。另一方面，為業務部門配置技術和數據人員，進行點對點業務對接，提供技術和數據的專業化決策與長期運營支撐。
三是“咨詢、技術、代運營一體型數據應用”服務形態將崛起。在數據應用層面，技術工具僅能夠進行數據采集、處理及策略觸達等，要充分釋放數據價值，就需要業務人員具有優質策略產出及運營等能力。目前，大部分應用側企業缺乏運營及策略制定能力，因此在其采購技術工具的同時需要提供與之配套的咨詢服務，并開展一段時間的代運營服務，以助力其數據應用落地。以零售行業為例，應用側企業對實時效果要求較高，在選購技術工具時更在意何種策略與技術產品的組合能夠立即推動業務增長。因此，有較強咨詢和代運營能力的供給側企業將更受青睞。
四是低代碼數據分析工具將助推數據應用平民化進程加速。我國各行業企業發展水平差異較大、業務屬性不同，隨著數據應用的持續推廣，企業在業務層面延伸出越來越多的個性化、敏捷化需求，但傳統的SaaS服務難以滿足這些需求。此外，數據應用要求業務人員參與到數據建模與運營過程中，因此，標準化的技術工具必須考慮如何降低使用門檻以便于用戶操作。當前，國內大多數應用服務商已推出低代碼開發工具，希望通過模塊封裝、可視化建模、自動化建模等方式，讓用戶快速、直觀地完成應用程序的組裝和配置，有效降低了數據應用門檻。
