《愛分析：2023數據智能廠商全景報告（75頁）.pdf》由會員分享，可在線閱讀，更多相關《愛分析：2023數據智能廠商全景報告（75頁）.pdf（75頁珍藏版）》請在三個皮匠報告上搜索。

1、 1|2023 愛分析數據智能廠商全景報告 1|2023 愛分析數據智能廠商全景報告 報告編委 報告指導人 張揚 愛分析 聯合創始人&首席分析師 報告執筆人 孟晨靜 愛分析 分析師 2|2023 愛分析數據智能廠商全景報告 目錄 1.研究范圍定義.4 2.市場洞察.8 3.廠商全景地圖.14 4.市場分析與廠商評估.18 5.入選廠商列表.62 關于廠商全景報告.69 關于愛分析.70 產品服務.71 法律聲明.72 3|2023 愛分析數據智能廠商全景報告 研究范圍定義 4|2023 愛分析數據智能廠商全景報告 1.研究范圍定義 研究范圍 利用多種數據智能技術實現數據驅動的分析與決策，已經成

2、為當前企業數字化轉型最重要的目標之一。隨著數據來源日益豐富、數據體量快速增長，企業對數據的依賴和挖掘愈發深入，不僅帶來數據應用場景、數據用戶角色的復雜和多元，也使得企業對于數據應用的敏捷性和即時性的要求變得越來越高。傳統的數據開發與管理、數據計算分析正面臨著巨大的挑戰。為滿足日益增長的數據應用需求，愛分析觀察到，企業在數據能力建設邏輯上正轉向以業務為核心，市場在技術和解決方案的供給上，也正以特定業務價值實現為驅動，變得更分化和聚焦。數據能力建設核心邏輯轉向實現業務價值。企業以往在構建數據能力時，通常是由技術部門或數據部門進行統一規劃，并進行數據開發與管理，業務部門被動的使用企業的數據能力。然而

3、，隨著業務部門對數據價值的逐漸重視，以及對數據應用需求的快速增加，企業技術部門或數據部門已經不能滿足業務部門的用數需求。為賦能業務部門更好的使用數據，企業數據智能基礎設施的構建正逐漸轉變為以業務部門為核心，如嘗試通過 DataOps、指標中臺等概念實現數據和業務部門之間的高效協作。面向業務場景價值實現，技術解決方案更細分、更聚焦。過去幾年的實踐表明，功能大而全的數據中臺并不適合所有企業，根據企業內數據源、數據用途的差別，市場上分化出了多種針對特定場景的數據平臺解決方案，如針對風控、營銷場景的實時數據平臺，針對工業、物聯網場景的邊云協同數據平臺，為了加速多數據源聯合分析的數據聯邦分析平臺，為了加

4、速異構數據分析的異構數據即時分析平臺等。5|2023 愛分析數據智能廠商全景報告 基于以上背景，愛分析將數據智能市場劃分為數據基礎設施和應用解決方案。數據基礎設施覆蓋數據生命周期的多個技術棧，應用解決方案覆蓋多個垂直行業與通用智能解決方案，具體市場劃分詳見下圖。圖 1 數據智能市場全景地圖 6|2023 愛分析數據智能廠商全景報告 本次報告將數據智能市場劃分為應用解決方案和數據基礎設施兩大部分，其中數據基礎設施指利用云計算、人工智能、隱私計算等新興信息技術構建的為企業賦能的平臺類解決方案，主要包括數據的采集、存儲、計算、管理等內容，進而為上層應用提供數據服務；應用解決方案是指通過數據智能解決方

5、案在垂直行業或通用職能領域直接賦能業務價值提升的最佳實踐。綜合考慮企業關注度、行業落地進展等因素，愛分析在本次研究中選取了數據基礎設施中的數據中臺、DataOps、大數據平臺、一站式數據開發與管理平臺、數據分析平臺，以及應用解決方案中的銀行對公智能風控、銀行對公智能營銷共計 7 個特定市場進行重點研究。本報告面向企業決策層以及數據部門、業務部門負責人，通過對各場景的需求定義和代表廠商的能力評估，為企業的數據智能基礎設施及應用規劃、廠商選型提供參考。廠商入選標準 本次入選報告的廠商需同時符合以下條件：廠商的產品服務滿足各市場定義的廠商能力要求；2022 年廠商具備一定數量以上的付費客戶（參考第

6、4 章各市場定義部分）；2022 年廠商在特定市場的營業收入達到指標要求（參考第 4 章各市場定義部分）。7|2023 愛分析數據智能廠商全景報告 市場洞察 8|2023 愛分析數據智能廠商全景報告 2.市場洞察 數據能力建設和數據應用建設，是企業圍繞數據的兩大重點工作。數據能力建設是從企業長遠業務發展需要和數據部門能力提升出發，數據應用建設則是針對管理層、業務部門、IT 部門等用戶的具體需求，提供數據解決方案。數據能力建設和數據應用建設相輔相成。同時，數據應用的需求決定了數據能力建設的重點方向。2023-2024 年，企業在數據能力建設和數據應用建設方面，需要關注以下重要趨勢。圖 2 企業數

7、據能力建設和數據應用建設示意圖 2.1 數據資產入表加速數據要素價值釋放，央國企需要率先落地 隨著國家數據局的正式成立，以及關于構建數據基礎制度更好發揮數據要素作用的意見（數據二十條）、企業數據資源相關會計處理暫行規定、“數據要素”三年行動計劃（20242026年）行動計劃等一系列重磅政策文件的發布，國家政策層面推動數據要素價值釋放的藍圖布局已 9|2023 愛分析數據智能廠商全景報告 經就緒。尤其是數據資產入表，真正讓數據成為企業資產。圖 3 北京、上海、重慶等市發布數據要素相關政策 落地到企業端，應該如何著手開展相關工作？我們可以從北京、上海、重慶等各個地方版的“數據二十條”中，獲得更加具

8、體的重點工作指引。圖 4 企業數據能力建設和數據應用建設舉措 10|2023 愛分析數據智能廠商全景報告 總結來看，各地方數據要素政策對于企業的要求重點在數據管理能力建設、數據資產運營體系、數據資產開發利用、參與數據要素市場化交易等方面。同時，央國企作為數字經濟的排頭兵，需要在數據要素流通、數據資產入表方面發揮示范引領作用，率先取得突破。具體而言，企業在數據能力建設和數據應用建設方面，可以重點考慮以下發力點。數據能力建設方面：建設和完善數據管理能力，實現數據管理能力貫標。數據管理是數據資產化的前提，企業應當對標數據管理能力成熟度評估模型（DCMM）國家標準進行能力診斷和提升。增強數據運營能力，

9、進行數據資產盤點和估值，推動數據資產入表。組織層面，成立數據集團、數據公司或數據研究院，設立首席數據官等，為推進數據要素市場化提供良好的組織和人才保障。數據應用建設方面：加快企業數據資產的開發利用，探索高價值數據應用場景。首先在企業內部持續挖掘數據應用場景，賦能業務降本提效增收。加快數據開放，開展數據資產登記、掛牌和交易。在用數據賦能自身業務的同時，在安全合規的前提下推動數據對外開放，通過數交所等交易機制實現數據要素流通。積極參與公共數據等數據開放應用，積極采購數據產品和服務。一方面，根據企業數據應用的實際需求，向外尋求合適的數據要素資源；另一方面，主動探索公共數據等外部數據與自身業務場景的結

10、合點。11|2023 愛分析數據智能廠商全景報告 2.2 大模型變革數據分析范式，推動企業敏捷用數 作為一項變革性技術，大模型也對企業數據分析領域帶來了諸多新價值。大模型基于其強大的生成、理解和推理能力，可以在 NL2SQL 自然語言交互取數、數據下鉆分析與洞察、報告生成等場景發揮價值，變革數據分析范式。大模型增強的數據分析范式，最大的價值在于降低管理層和業務人員用戶的取數、用數門檻，從而增加數據消費用戶規模，放大數據價值，業務收益直觀。同時，可以將數據團隊從繁重的基礎取數工作中解放出來，有機會創造更大的價值。從應用成熟度來看，大模型結合知識庫、指標平臺、圖計算引擎、數據虛擬化引擎等技術方案，

11、能夠較好地解決大模型幻覺等問題，提升對話式 BI 的準確率。因此，建議企業在規劃大模型應用場景以及數據應用建設時，優先考慮大模型與數據分析的結合。圖 5 大模型降低管理層和業務人員用戶的取數、用數門檻 12|2023 愛分析數據智能廠商全景報告 3.3 用數理念持續滲透，指標平臺支撐企業數字化經營 隨著數字化轉型的市場教育和實踐深入推進，以及當前市場環境下企業自身對于高質量發展的訴求日益強烈，企業用數理念持續滲透，已經較為成熟。用數據驅動數字化經營，提高運營效率和創新能力，已經成為普遍共識。與此同時，企業用數需求日益增長與相對有限的數據服務供給能力之間的矛盾也日益增長。企業數字化經營以指標數據

12、的分析和洞察為核心。指標平臺通過對企業指標數據資產進行全生命周期的統一管理，實現指標口徑對齊，并通過一系列技術和工具優化，實現指標的高效開發，面向指標應用提供靈活、高性能的服務。圖 6 指標平臺支撐企業數字化經營示意圖 2023 年，指標平臺持續滲透，成為越來越多企業數據分析技術架構中的關鍵組成部分，并與大模型等新技術融合，對于提升數據服務效率和敏捷性效果明顯。企業需要從指標體系設計和平臺建設著手，進而通過數據運營不斷拓展指標在數字化經營中的應用場景，讓指標平臺產生更大的價值，并牽引指標體系持續迭代和數據平臺建設。13|2023 愛分析數據智能廠商全景報告 廠商全景地圖 14|2023 愛分析

13、數據智能廠商全景報告 3.廠商全景地圖 15|2023 愛分析數據智能廠商全景報告 16|2023 愛分析數據智能廠商全景報告 17|2023 愛分析數據智能廠商全景報告 市場分析與廠商評估 18|2023 愛分析數據智能廠商全景報告 4.市場分析與廠商評估 4.1 數據中臺 市場定義：數據中臺是在統一數據標準規范基礎上，提供數據接入、數據開發、數據資產管理、數據分析、數據服務等能力的數據資產管理和服務平臺，幫助企業實現數據集中管理和服務。甲方終端用戶：企業數據工程師、數據分析師、業務分析師 甲方核心需求：挖掘數據要素價值、用數據驅動經營決策已經成為企業共識。隨著 AI、大數據、5G 等技術發

14、展，企業數據體量快速增長，企業對數據的依賴越來越深，眾多業務的快速迭代需要數據應用敏捷開發支持。但由于企業傳統 IT 建設以業務為導向，業務系統間數據相互獨立，企業在用數據的時候面臨諸如數據質量差、數據管理難、數據開發重復等多種問題，數據“難”用正成為企業實現數字化的阻礙。數據中臺通過對企業數據進行匯集、開發、治理，并統一為業務提供數據服務，滿足業務“用”數據的需求。數據中臺正成為企業數字化轉型的關鍵舉措，企業對數據中臺的需求主要體現在以下幾個方面。建設統一數據底座，解決數據孤島問題。許多大型企業的數據存儲基礎設施建設普遍以業務需求為導向分批次建設，如企業的 APP、官網、小程序、營銷、財稅和

15、供應鏈中的數據都存儲在各系統中、相互獨立，形成數據孤島。數據孤島不僅使得企業用數需跨多個系統、經多個業務部門審批，同時還會面臨因數據定義不一帶來的各種數據質量問題，導致協作溝通成本增加、經營效率大幅降低。19|2023 愛分析數據智能廠商全景報告 提高數據開發效率、增強數據共享能力，推動數據應用快速開發。企業數據應用的場景愈加廣泛，使用人員也轉向一線業務人員，于是對數據應用開發的敏捷性、實時性提出更高要求。企業傳統“煙囪”式開發模式，不僅效率低下，且存在大量的重復開發，帶來計算資源和人力的浪費。企業需要提升數據開發效率、加速數據共享，通過支持數據應用的敏捷開發支撐業務快速迭代。形成高質量的統一

16、數據資產。數據孤島也帶來諸多數據質量問題，如數據不一致、數據缺失、數據不及時、數據不準確等，難以有效支撐數據分析、經營決策，企業需要對各業務數據通過數據治理后形成高質量的統一的數據資產，以供業務人員或數據開發人員使用。保證數據安全。國家對數據安全、個人隱私信息保護等立法使得企業數據安全風險提升，企業正面臨多種數據安全保護場景。例如在數據收集、存儲、傳輸、使用以及共享過程中如何保護用戶隱私信息，如何對重要、敏感的數據資產進行細粒度權限界定和管理，平衡數據使用和數據安全需求，如何在云辦公場景下保護數據安全等等。企業需要在建設數據中臺的同時，考慮合適的數據安全保護措施?；谝巹澴稍?，建設適用于自身業

17、務可持續發揮價值的數據中臺。數據中臺服務于業務價值，受業務需求、數據資產現狀、數據安全現狀以及現有數字化基礎設施等條件影響，不同的企業數據中臺的架構設計、采用的技術棧差異明顯，企業需要開展咨詢規劃，結合業務戰略選取合適的數據中臺方案。而在數據中臺建設完成后，也需在組織和文化層面上給予有力支持，采用科學的管理和使用方法，才能讓中臺發揮最大價值。廠商能力要求：支持多源異構數據接入和集成。針對數據集成，廠商應支持文件傳輸協議采集、數據采集、接口應用程序接入采集、流式采集、網絡爬蟲采集以及物聯網網關數據采集等多種采集方式，提供分布式異構數據集成引擎，支持離線數據同步、實時數據同步。同時，廠商應考慮用戶

18、體驗，為客戶屏蔽 20|2023 愛分析數據智能廠商全景報告 底層技術棧差異，提供零代碼開發接入功能，如配置可實現多源異構數據一步接入。另外，在數據集成同步、數據集成監控方面也應提供可視化工具，降低數據開發人員的操作門檻。具備數據開發能力。一方面，在數據接入后，廠商應提供豐富的數據存儲方式，滿足數據模型、數據規模，數據生產方式、數據應用方式等帶來的多樣化的數據存儲需求，如提供 OLTP 數據庫、分布式文件系統、NoSQL 數據庫、云數據庫等。另一方面，廠商應提供可視化的離線開發、實時開發、算法開發環境，降低數據開發人員的使用門檻，支撐實現批計算、流計算、在線查詢、即席分析等數據計算能力。此外，

19、廠商還應配合提供智能調度、智能運維、監控告警等系列工具，保證數據中臺的計算性能和系統穩定性。提供完整的數據資產管理工具。廠商需要提供數據治理服務，幫助企業構建一套統一的、可執行的數據標準，同時對數據血緣、數據質量、元數據、數據生命周期進行管理和可視化展示，使企業數據資產可見、可用。同時，廠商也應對數據生命周期提供數據安全保障，如對數據進行分類分級、發現敏感數據以及對數據權限進行細粒度控制等，保護用戶隱私、防止數據泄漏。支持構建數據服務，實現數據共享。數據中臺的核心功能是為業務部門提供數據服務，因此廠商應支持向導模式或是 SQl 模式快速生成 API，同時應提供接口性能實時監控、權限管控、API

20、 發布等功能，提高數據開放與共享效率。具備行業 Know-how 能力，提供企業數據中臺建設咨詢和定制化服務。企業需要具備較強的咨詢服務能力，需為企業在數據架構涉及、數據資產梳理、數據團隊規、數據運營等方面提供切實可行的方案，并通過培訓等方式強化和落實。此外，不同行業、不同規模的企業其組織文化、業務場景和數字化水平差異巨大，因此數據中臺的定制化程度較高，廠商需要基于對行業和業務場景的Know-how，結合企業數字戰略，為企業提供個性化的數據中臺解決方案。21|2023 愛分析數據智能廠商全景報告 入選標準說明：1.符合數據中臺全部廠商能力要求；2.2022Q1 至 2022Q4 該市場付費客戶

21、數量10 個；3.2022Q1 至 2022Q4 該市場合同收入1000 萬元。代表廠商評估：微品致遠 廠商介紹：微品致遠成立于 2014 年，是由中興通訊孵化，深圳國資委、大型央企聯合投資的智能化技術服務商，基于大數據、人工智能、5G 等技術，為通信、民航、工業、政務、園區、金融等領域企業客戶，提供數據中臺、5G 專網、IOC 可視化平臺、IOT 平臺等系列產品和解決方案，幫助客戶實現數字化和智能化轉型。產品服務介紹：微品致遠數據中臺是企業級一站式數據中臺 PaaS，具備完善的數據中臺體系產品及工具，如大數據分布式計算平臺、數據開發套件、數據質量管理工具、數據地圖管理工具、數據模型管理工具、

22、API管理工具等，覆蓋數據采集、計算、存儲、服務和應用全鏈路，為客戶提供輕量級、低代碼、可落地的數據中臺解決方案。同時，微品致遠基于豐富的案例沉淀，已經形成完善的數據中臺建設方法論和體系化的數據中臺建設實施流程，為電信運營商、機場空管、工業企業、政府機構、地產、園區、22|2023 愛分析數據智能廠商全景報告 泛家居、時尚、新零售、金融機構等客戶數據中臺建設提供咨詢、部署及實施全方位支持。圖 7 微品致遠數據中臺產品架構圖 廠商評估：微品致遠的數據中臺 PaaS 產品，在功能的完善性、易用性等方面具有優勢?；谠谶\營商、泛交通、地產園區、智慧鄉村、時尚零售等領域智能應用開發積累，融合數據中臺能

23、力，微品致遠能為客戶提供一體化解決方案。此外，微品致遠還集成數據中臺、技術中臺能力，為企業應用敏捷開發提供數字底座。微品致遠具備完整的數據中臺技術棧，能提供一站式數據中臺 PaaS 產品。微品致遠數據中臺的技術架構由數據源、數據平臺、數據管理平臺、數據服務以及數據應用等構成，可覆蓋數據采集、計算、存儲、服務和應用全鏈路。其中，數據平臺提供一站式大數據開發平臺，兼容Python、SQL、Java 等多種異構語言，支持離線、在線數據開發環境。數據管理平臺提供對數據源、元數據、數據質量、主數據、血緣關系、生命周期等管理功能，并提供敏感數據發 23|2023 愛分析數據智能廠商全景報告 現、敏感策略配

24、置、脫敏算法管理等數據安全功能，保證數據的可讀性、可追溯以及安全性。數據應用基于統計報表、數據挖掘、高管駕駛倉等功能為客戶提供銷量預測、數據門戶、智慧門店等智能應用。微品致遠的數據中臺產品具備較強的易用性，能顯著降低中小企業的學習成本。如數據源側，支持來自 RDBMS、Hadoop、文本、接口等多個數據來源的結構化、半結構化、非結構化等多種數據類型，以離線和流式數據的采集模式一步跨網接入，實現實時多源異構數據一站式上云。在數據開發環節，支持通過對數據計算元子拖拽組合，以低代碼可視化的形式實現復雜的批量數據計算流程開發。在數據服務方面，有強大的 API 網關能力和 ESB 數據總線能力，包括整合

25、外部數據、快速配置 API、審核內外 API、管理 API 消費權限，同時可零代碼生成 API并發布。在數據應用方面，提供自助大數據分析 BI 工具，可幫客戶輕松搭建報表管理平臺，打通數據壁壘?；跀祿信_能力和數據智能應用產品積累，微品致遠能為運營商、地產園區、智慧鄉村、時尚零售、營銷等領域客戶提供一體化解決方案。微品致遠在園區、智慧鄉村、零售、營銷等領域積累了豐富的實踐案例，不僅沉淀了豐富的領域 Know-how 和項目經驗，也在各領域形成了豐富的數據應用體系，融合數據中臺能力，為客戶快速實現數據能力落地。以智慧鄉村為例，微品致遠基于與廣西、貴州、浙江等多地政府單位的合作經驗，已經開發形成

26、覆蓋交易、金融信貸、三資管理、農產品溯源、水務、教育、旅游等各個版塊的智慧鄉村應用，融合鄉村大數據中臺，可為客戶提供全系統集成、全數據連接的智慧鄉村解決方案，實現鄉村數字化治理。此外，微品致遠具備集成數據中臺、技術中臺的數字底座能力，支撐企業應用實現敏捷開發，顯著降低業務運行成本。在數據中臺能力基礎上，微品致遠具備六大技術中臺能力，包括統一 24|2023 愛分析數據智能廠商全景報告 身份認證、統一門戶、能力開放平臺、流程平臺、低代碼平臺、DevOps 平臺等。集成數據中臺、技術中臺能力，微品致遠能以標準化服務的形式為企業各個應用提供所需的數據資源、基礎功能、開發平臺、開發組件等，實現業務應用

27、敏捷開發，滿足業務快速迭代創新需求。典型客戶：長沙城發、顧家家居、謝瑞麟、云創設計、珠海機場 25|2023 愛分析數據智能廠商全景報告 4.2 DataOps 市場定義：DataOps 數據開發運營一體化是指通過流程自動化、可觀測性、協作溝通、工具集成等方式實現敏捷開發、持續交付，滿足敏穩雙態數據消費需求的咨詢、工具和服務。甲方終端用戶：金融、制造、汽車、消費品零售、能源等行業的大數據部門負責人、IT 部門負責人 甲方核心需求：企業的數據開發效率正面臨嚴峻的挑戰。一方面，企業數據體量和多樣性在日益增長，以圖像、視頻、文本、時序等為代表的非結構化數據占比提升，使得傳統的 ETL 工作量加重，數

28、據開發效率更低、反應更緩慢。另一方面，激烈的競爭環境要求業務快速反應，不僅要求縮短數據開發周期，還要求實現實時分析、自助式分析。為適應業務部門的需求，企業需要通過 DataOps 理念實現敏捷數據開發。企業對 DataOps 的具體需求如下：提高數據開發和交付效能。1）提高數據開發流程自動化水平。企業在過往建設數據平臺過程中，由于缺少規劃意識，采購的數據開發管理工具成為散點工具。企業在使用散點工具開發數據過程中操作繁瑣、效率低下。以數據采集為例，傳統 ETL 方案通過腳本實現，隨著數據源的增多、數據類型的增長，企業增加大量手工適配任務。又如數據任務在開發環境、測試環境和生產環境中的導入、配置均

29、需開手工實現，為開發人員帶來繁瑣工作量 2）建立靈活、敏捷的數據開發管道。企業傳統的數據開發流程需依照需求分析、數據設計、編碼、測試、部署等步驟，數據開發需進入測試階段才能全面校驗，難以及時發現問題，并且一旦業務需求改變，需要回到前期重新進行設計和規劃，導致開發周期較長，常以周甚至月為單位，難以快速響應業務需求。企業需要建立可持續開發、持 26|2023 愛分析數據智能廠商全景報告 續測試、持續交付的數據開發管道，快速發現開發問題，實現敏捷迭代。提升數據治理水平，提高數據可用性。企業傳統數據治理與數據開發割裂，普遍是“先研發、后治理”，在數據開發完成后再以專項項目的方式推進數據治理，取得效果后

30、過段時間又會出現數據質量問題，效果反復，對業務端用數造成困擾。企業希望提升數據治理水平，實現持續的數據治理、保證數據可靠可用。建立數據開發規范，提高跨部門跨域數據開發協作能力。1）針對業務提需求環節，需建立業務人員的取數、用數規范。如業務人員做全局數據分析時，對數據歸屬部門不了解、數據申請流程缺失、數據申請規范不清晰等問題極易造成業務人員取數困難。2）需求溝通環節，需建立業務人員與開發人員的協作規范。一方面，在業務人員與 IT 人員的溝通中，由于雙方專業性差異、術語理解不一致、目標期望不同等原因帶來溝通障礙，造成開發效率緩慢或是反復開發的情形。同時，雙方在需求溝通過程中往往少正式的溝通渠道和溝

31、通工具，信息傳遞受阻，也導致雙方對需求理解不全面。3）數據開發中，需建立跨域、跨部門以及跨角色的開發規范。其中跨域開發協同問題以大型集團型企業為例，企業的各個子公司都有獨立的數據開發團隊。由于子公司間信息化水平和所選供應商存在較大差異，各子公司在數據格式、數據規范、數據模型、數據標準等方面都存在顯著差異，這使得總部在與子公司進行數據同步時，需要二次數據治理，以確保數據有效性和準確性。而跨角色協同開發問題以機器學習建模場景為例，IT 人員、數據科學家、數據工程師等多種角色相互配合，數據流轉過程中也需要制定數據規范提高流轉效率。27|2023 愛分析數據智能廠商全景報告 圖 8 建立數據開發全流程

32、規范 降低業務用數門檻，賦能業務場景應用。激烈的競爭環境下要求業務快速響應。企業一方面需要建立指標體系低業務人員用數門檻，另一方面也應支持業務人員開展自助式探索分析，如在 BI 平臺中利用數據指標開展數據洞察，或是在機器學習平臺中可自助完成銷售預測分析等。廠商能力要求：支持敏捷數據工程和較高的自動化程度。在數據工程方面，廠商應支持企業內部將各業務系統的數據融合打通，提供數據采集、數據匯總、數據清洗、數據治理、數據服務等數據開發全鏈路工具協助企業建立數據資產。同時，廠商數據工程應支持從開發、測試到上線的持續集成和持續發布，并為不同角色人員提供便捷的開發環境。此外，廠商數據工程中應將數據采集、數據

33、轉換、數據治理、代碼測試等重復的工作流程自動化，提高數據開發效率。支持數據開發治理一體化。廠商應將數據治理融合到數據開發過程中，如支持對多種元數據的主動采集，建立數據血緣關系，實現數據溯源；如支持數據標準自動落標，為數據建模、數據質量審計等環節提供規范參考，使數據開發成為企業可持續開展的任務。廠商需具備數據運營咨詢規劃能力。廠商能基于可復用的成功經驗，針對客戶的業務需求和內部建 28|2023 愛分析數據智能廠商全景報告 設現狀指導實施落地。一方面，廠商需具備規劃能力，為客戶規劃數據開發運營的藍圖和實現路徑；另一方面，廠商應為客戶提供咨詢能力，協助客戶建立數據研發運營規范、調整組織架構、完善流

34、程機制，如制定數據質量管理規范以及數據建模標準，梳理數據申請、數據使用流程等。為業務人員提供便捷的數據服務。廠商應支持業務人員輕松連接多個源數據，進行整合、清洗和分析，在規范的指標體系基礎上，使業務人員便捷地開展自助式分析、智能分析。另外，廠商還應融合 AI 能力提供全局數據發現，業務人員可自助進行數據發現、探索。入選標準說明：1.符合 DataOps 全部廠商能力要求；2.2022Q1 至 2022Q4 該市場付費客戶數量5 個；3.2022Q1 至 2022Q4 該市場合同收入500 萬元。代表廠商評估：科杰科技 廠商介紹：科杰科技成立于 2019 年，是國內領先的大數據基礎軟件供應商，致

35、力于自主可控的大數據底座產品研發與應用，推動企業全面實現數據驅動型組織轉型升級?？平芸萍甲匝械暮}一體數據智能平臺 KeenData Lakehouse，具備云原生、低代碼特點，可為組織提供數據管理、開發挖掘、運維一 29|2023 愛分析數據智能廠商全景報告 體化的一站式全流程數據能力建設方案。產品服務介紹：科杰科技核心產品湖倉一體數據智能平臺 Keen Data Lakehouse 是基于云原生技術自主研發的數據底座產品，內置數據開發管理平臺 Keen BDP、數據同步系統 Keen Dsync、實時計算平臺 Keen Stream、數據標準產品 Keen DSM、數據質量管理平臺 Kee

36、n DQM、主數據管理平臺 Keen MDM、數據資產目錄 Keen Asset、數據服務平臺 Keen DAAS、數據標簽平臺 Keen TAG、數據同步系統Keen Dsync、大數據基礎平臺 Keen KDP、數據科學平臺 Keen DSP 等 12 大功能模塊。Keen Data Lakehouse 數據底座分為三層，底層數據引擎提供存儲計算引擎等基礎設施支持，中層提供低代碼開發、數據工程能力建設，上層則提供基于數據和數據資產的業務服務能力。廠商評估：科杰科技在協助企業構建數據工程能力、實現主動數據治理、提供數據運營咨詢規劃等方面具有明顯優勢，此外，科杰科技基于豐富的落地經驗積累，提煉

37、形成適用于大型集團型企業數據能力建設的最佳實踐方法論，廣泛應用于政府、金融、新零售、能源、工業互聯網、汽車、通信等多個行業?？平芸萍?KeenData Lakehouse 數據底座產品可為企業構建數據工程能力，實現敏捷數據開發。KeenData Lakehouse 數據底座豐富的產品模塊，將數據開發 IDE（集成）化、流程化、協作化和自動化，可為企業建立起一套兼具數據管理和軟件工程能力的數據工程體系。其中，在數據管理方面，KeenData Lakehouse 覆蓋數據獲取、數據集成、數據準備、數據治理和分析與建模等數據管理全生命周期，提供全局統一的數據標準、數據質量、主數據管理、元數據管理。3

38、0|2023 愛分析數據智能廠商全景報告 軟件工程方面，KeenData Lakehouse 覆蓋研發管理、持續交付以及研發運維，為企業提供數據協作、數據開發、數據部署、編排以及測試與監控等功能。如針對協作開發，KeenData Lakehouse 支持同項目下多人協同開發、支持代碼版本管理和代碼回滾，實現靈活、高效的開發；針對開發運維，平臺提供智能依賴任務推薦、智能調度、智能基線預警等功能，實現數據處理流程自動化?？平軘祿こ棠芰芍С制髽I通過低代碼、零代碼的方式高效率開展數據開發、數據管理、數據運營工作，大幅提升業務運營和產品研發在數據使用層面的效率。如科杰科技為中金公司提供數據中臺建設，

39、實現多源數據匯集、多團隊協同開發、數據資產的統一管理，有效提升各部門數據集市建設效率，支撐營銷、投研業務分析及其他智能應用?？平芫邆渲鲃訑祿卫砟芰?，為企業建立主動實時的數據自治理體系?？平軐⒃L問控制、管道連接、數據合并、主動元數據探查等技術融入數據工程中，提供基于AI 增強的數據異常檢測和數據血緣分析，加強對數據標準、主數據管理、數據治理、數據資產目錄的管理，形成主動、實時的數據自治理系統。如科杰提供主動元數據探查，一旦數據源發生變化，系統將通知使用數據的算法或模型進行自動化調整；如科杰支持對數據質量可預測問題進行 AI 強化學習，優化對異常情況的靈敏處理?？平芫邆鋽祿\營咨詢規劃能力?？平?/p>

40、科技能夠為客戶提供前期的數字化咨詢服務，在戰略規劃方面，科杰將根據企業現狀給出問題診斷幫助企業內部的 IT 技術部門、數據部門和業務部門達成共識，明確目標和建設路徑；在制度流程方面，為企業完善數據管理的相關標準和規范，梳理數據管理部門數據開發協作、業務部門與數據管理部門協作工作流程；在組織建設方面，協助企業完善企業組織和角色。31|2023 愛分析數據智能廠商全景報告 科杰積累豐富落地經驗，形成適用于大型集團型企業數據能力建設的最佳實踐方法論?？平芸萍嫉暮诵难邪l團隊具有互聯網大廠背景和十多年大數據實戰經驗，曾經歷大型企業的大數據部門組建、數據中臺項目的建設，對大型企業跨部門的數據協同開發、數據

41、管理流程等方面痛點了解深入。經過多年經驗積累，科杰總結出一套復雜業務場景下數據能力構建的最佳實踐方法論，包括數據工程能力、數據自治理能力、基于 Data Fabric 理念的數據資產管理能力以及面向不同組織角色融合的 DataOps 全流程服務能力等，并已在金融、新零售、能源、工業互聯網、汽車、通信等行業成功落地。此外，科杰科技作為 DataOps 理念的實踐先行者，深度參信通院DataOps 實踐指南（1.0）編寫，并成為信通院首批 DataOps 產品創新實驗室單位之一，也使得科杰對于DataOps 實踐標準的熟悉程度、工具產品融合、DataOps 構建效果等方面備受行業認可。典型客戶：中

42、石化勘探院、中金公司、永旺集團、一汽集團 32|2023 愛分析數據智能廠商全景報告 4.3 大數據平臺 市場定義：大數據平臺是基于數據湖、湖倉一體架構的數據平臺，提供數據存儲計算、數據集成、數據開發、數據治理、運營管理、數據分析、數據共享和服務等一站式能力，支持對各類結構化和非結構化數據的處理，以及 BI、數據科學、AI/ML、實時分析等數據應用場景，從而幫助企業低成本地獲得自助式、可按需使用的數據平臺服務，并實現安全的跨組織數據共享和消費。甲方終端用戶：企業數據部門、IT 部門 甲方核心需求：隨著企業數據類型和數據規模的增加，企業內部以數字化經營、精準營銷、智能推薦、風險管理為代表的多模態

43、數據實時分析場景逐漸增加。傳統數據分析平臺由于僅能提供結構化非實時數據的加工處理功能，不具備對結構化、半結構化和非結構化數據等多種數據類型進行實時計算的能力，使得企業數據資源的挖掘和利用受限，企業對大數據平臺的需求具體體現在：整合多類型數據，實現統一管理和分析。企業采集的數據類型異常豐富，如 CRM 關系數據、日志數據、流量數據、廣告投放等分散在多個系統中，包含大量的文本、音頻、視頻等半結構化與非結構化數據。非結構化數據與結構化數據在數據標準、數據語義等方面難以打通，這使得企業難以對全域數據進行關聯分析，使得用戶畫像信息缺失、輿情判斷不準確等問題。滿足快速增長的海量多類型數據實時寫入和分析需求

44、。在車聯網、證券、廣告投放等場景中，快速給出分析結果是保證服務有效性、保障客戶體驗的前提。尤其車聯網場景中，車企面臨高密集上千 33|2023 愛分析數據智能廠商全景報告 種實時信號數據的寫入和及時的數據分析需求，企業迫切需要建設高效實時數據鏈路。降低海量數據存儲和計算成本。企業數據規?？焖僭鲩L，頭部大型企業數據體量正從TB升至PB級，這使得數據匯總、數據聚合、模型訓練等全量數據寫入場景需要更高的數據存儲和計算成本，企業需要針對海量數據的低成本存儲和計算優化方案。提高數據開發效率。在傳統的數據平臺中，企業或是缺乏數據開發全流程工具，或是由多個數據開發工具構成，導致不同開發模塊間鏈接不通暢，數據

45、開發效率低，難以滿足企業日益增長的數據應用需求。企業需要通過一站式數據開發工具打造敏捷開發流程，提高數據開發效率。滿足政府單位、國央企和金融等領域的國產化要求。大數據平臺底層對接存算引擎、數據庫，應適配國產化，滿足企業自主可控需求。廠商能力要求：具備多類型異構數據的統一存儲和管理能力。廠商提供的大數據平臺底層應基于數據湖、湖倉一體架構，支持結構化、時序、文檔、圖像等多模數據自動冷熱分級存儲，支持對多模數據通過統一存儲為湖表格式或通過數據虛擬化的方式實現統一元數據管理、統一語義，支持全域數據統一分析。支持存算分離架構，可實現海量數據的低成本存儲。支持存算分離，可按需分別對計算資源、存儲資源進行彈

46、性擴縮容。其中，資源調度系統應融合機器學習算法綜合任務優先級、資源需求、系統健康狀況等因素對資源分配進行智能決策，通過靈活任務調度提高資源利用率。提供一站式數據智能開發工具，幫客戶建立敏捷開發流程。大數據平臺應覆蓋數據開發全流程，包括不限于提供豐富的數據處理組件，提供工作流調度、智能運維、數據質量管理、數據安全等功能支持，以及提供敏捷開發集成環境支持多人協作設計等。此外，廠商也應將 AI 融入數據開發流程中，如在數據標準、合規和質量等方面進行自動化檢測、識別、校驗、告警。34|2023 愛分析數據智能廠商全景報告 廠商應具備國產信創適配能力。符合信創標準，實現國產化替代。廠商需要能與國產主流軟

47、硬件兼容適配，包括不限于國產化芯片、服務器、操作系統、中間件等，滿足企業國產化需求。入選標準說明：1.符合大數據平臺全部廠商能力要求；2.2022Q1 至 2022Q4 該市場付費客戶數量5 個；3.2022Q1 至 2022Q4 該市場合同收入5000 萬元。代表廠商評估：滴普科技 廠商介紹：北京滴普科技有限公司成立于 2018 年，定位為數據智能基礎設施提供商。以 Data+AI 為核心戰略，滴普科技打造了實時智能湖倉平臺 FastData、企業大模型 Deepexi、智能體平臺 FastAGI、訓推一體機 Fast5000E 等在內的數據智能產品體系，助力企業實現從數據驅動到智能驅動的升

48、級。目前，滴普科技已成功服務 200 余家知名大中型企業，包括中國石油、興業證券、百麗時尚、航天烽火、重慶機電、陜藥集團、長安新能源、納愛斯集團、廣州城投、九洲電器等。35|2023 愛分析數據智能廠商全景報告 產品服務介紹：滴普科技實時智能湖倉平臺 FastData 是基于湖倉架構，支持一站式數據采集、存儲、開發、治理、分析的大數據平臺，由底層云原生實時湖倉引擎 FastData DLink（簡稱 DLink）和數據智能開發治理平臺 DataFacts 構成。DLink 采用存算分離架構，支持 EB 級多模數據的存儲與處理，支持流批數據處理、數據分析、數據科學等多工作負載，無縫連接大數據生態

49、，提供一站式數據探索與數據開發能力。DataFacts 提供完善的數據開發套件、數據治理套件和數據分析套件，為用戶提供可組合、可配置的現代數據棧，為數據應用與場景提供端到端組裝以及全鏈路管理能力。廠商評估：滴普科技實時智能湖倉平臺 FastData 在底層湖倉引擎的高效、易用以及實現敏捷開發和開發治理一體化等方面具有明顯優勢。同時具備較強的國產信創適配能力和全流程服務能力。FastData 底層云原生實時湖倉引擎 DLink 具備簡單、高效、易用等特點，支持海量多源異構數據的統一存儲和管理，可同時適應 BI、即席分析、機器學習等多種應用場景。在數據集成上，DLink 存儲層兼容 Iceberg

50、 和 Hudi 兩種主流數據湖格式，支持豐富的結構化、半結構化與非結構化數據類型以及主流 Oracle、MySQL、PostgreSQL、Hive、人大金倉等 30 多種數據源，以離線、實時和流批一體的方式統一入湖。在數據管理上，DLink 統一元數據管理功能支持用戶以邏輯湖的形式連接數據孤島、統一數據語義，實現數據的統一管理。DLink 可支持即席查詢、AI、ML、實時推薦等復雜場景。如即席查詢場景，DLink 高性能SQL 引擎支持 PB 級海量數據任意維度即席查詢，MPP 分析引擎秒級查詢延時。針對 AI、36|2023 愛分析數據智能廠商全景報告 ML 等高負載的應用場景，DLink

51、支持數據湖上非結構化數據處理與數據倉庫中結構化數據處理任務無縫銜接，用戶可通過統一的調度平臺調度，快速完成 AI 與 ML 中的數據開發、模型訓練等環節。FastData 豐富的數據開發套件，能為客戶建立敏捷開發流程。滴普科技提供覆蓋數據采集、建模、離線及實時開發、運維監控、服務開發等豐富的敏捷開發集成環境和開發套件，操作界面直觀、配置方式簡單。如數據平臺支持基于 WEB SQL 的可視化離線/實時任務開發；批流采集任務中，開發人員一次配置后，程序可自動進行批和流的數據采集；在任務調度配置中支持多種任務 DAG 組織形式，以及跨項目、跨流程、定時、時間等觸發方式，滿足客戶復雜調度場景?；?D

52、ata Fabric 架構，FastData 可幫客戶實現數據開發治理一體化，充分釋放數據價值。如平臺可根據企業數據資產情況智能化進行標準關聯或標準推薦，并將國家標準、行業標準、集團標準等多種數據標準自動化映射到表字段，開發人員可以將數據標準作為規范應用在數據建模、數據質量稽核以及運維中。又如平臺支持對多種數據源元數據的自動化采集，建立基于元數據的全鏈條數據血緣，能幫助數據開發人員在模型設計和數據開發中理解數據的質量、可靠性以及構建數據流程，使開發人員在應用側數據異常時快速洞察數據的生產過程，或是數據變動后快速分析影響范圍。滴普科技具備較強的國產信創適配能力。自 2020 年起，滴普科技陸續與

53、多個領域開展國家級測試，及云計算、能源、證券等重大行業測試，這也加速滴普科技產品對芯片、服務器、操作系統、存算引擎、國產化中間件等方面完成系列化適配認證。如 FastData 在底層存算引擎方面適配廣泛，可支持十余種存算引擎的數倉建設，在芯片方面，也已完成鯤鵬、龍芯、海光等國產化芯片的適配。37|2023 愛分析數據智能廠商全景報告 滴普科技提供以數據為核心的業務價值創新咨詢服務，具備從咨詢規劃、技術選型、建設交付到運維運營的全流程服務能力，滿足客戶項目落地過程中不同階段需求。如在數據治理咨詢中，滴普科技可提供數據成熟度評估及藍圖規劃，數據治理體系設計、業務數據盤點及深化治理等咨詢服務；在技術

54、選型中，提供數據平臺技術架構設計、數據開發和管理工具規劃等服務；在建設交付過程中提供大數據組件技術支持；在數據運營中，可提供指標及標簽體系設計、數據流向設計、數據關聯角色與流程設計等服務。目前，滴普科技在先進制造、生物醫藥、能源出行、政務雙碳、金融科技、消費流通等領域的持續深耕，服務客戶數量超過 200家。典型客戶：百麗時尚、昆侖數智、中核裝備院、航天烽火、中國海誠 38|2023 愛分析數據智能廠商全景報告 4.4 一站式數據開發與管理平臺 市場定義：一站式數據開發與管理平臺，是指針對業務用戶需求，建立涵蓋數據集成、開發、存儲、計算、服務、任務調度等在內完整的數據加工鏈路，并提供全域數據資產

55、管理能力的數據平臺。甲方終端用戶：金融、制造、汽車、消費品零售、能源等行業的大數據部門負責人、IT 部門負責人 甲方核心需求：隨著業務部門對于數據分析的需求越來越廣泛，甲方企業需要構建一套面向業務部門用數需求的數據開發與管理流程和機制，并提升相應的數據開發與管理能力。過往，甲方更多是將數據整合和管理作為企業的階段性目標和項目來完成，對數據如何應用、如何在業務場景中發揮價值關注度不足。在實踐過程中，投入大量資源和人力，完成數據整合之后，“取數難”、“用數難”、數據質量低等問題依然存在，甲方還是無法發揮數據的價值。因此，甲方真正需要具備的是一套面向業務的完整的數據開發與管理能力，其核心需求包括：搭

56、建端到端具備完整功能的數據開發與管理平臺。平臺需要圍繞數據開發與管理全鏈路的需求，提供完備的功能，并具備自動化開發能力。甲方需要能夠在這一平臺上完成各類結構化、非結構化和半結構化數據的開發和管理，覆蓋數據加工全鏈路的集成、開發、存儲、計算、服務、任務調度等需求，具備對全域數據管理的能力。同時，為應對越來越多且時效性越來越強的開發任務，還需要利用自動化工具提升效率。平臺需能夠兼容現有數據基礎設施，并支持二次開發。經過多年信息化和數字化建設，絕大多數甲 39|2023 愛分析數據智能廠商全景報告 方已經具備一定數據基礎，以 MPP、Hadoop 為代表的技術架構，以大數據平臺為核心的數據開發和管理

57、工具，因此，數據開發與管理平臺需要兼容現有的數據基礎設施。同時，隨著業務的發展，未來產生越來越多的創新業務場景，平臺需要有充分的擴展性，可以二次開發接入外部工具以應對多元的需求，從而支持各類型業務場景開展。建立統一的數據開發與管理流程和機制。在甲方現有流程中，應用開發和數據開發往往是分開進行，但考慮到越來越多數字化應用是基于數據驅動這一趨勢下，企業需要考慮將二者融合。過去建設的數據中臺盡管一定程度上能夠支持報表、自助式分析等應用，但實質上仍未能滿足支撐整個數據開發管理體系，無法滿足越來越多基于數據驅動的應用需求，特別是以即席查詢、機器學習為代表的探索式應用。因此，甲方需要將應用開發與數據開發融

58、合，并建立統一的流程和機制。廠商能力要求：數據開發與管理平臺產品具備完整的功能。能夠覆蓋數據開發與管理的全流程，包括數據集成、開發、存儲、計算、服務等等各個方面，能夠提供多人可協作的項目空間管理，具備持續集成和發布的能力。產品架構需要具備較強的可擴展性。需要具備解耦能力，采用模塊化方式構建，能夠單獨拆分功能模塊按需提供。在擴展性方面，需要能夠適配企業內的其他生態，支持多種接口協議，已封測及對接多種軟件或硬件接口調用等方式，能夠快速滿足企業未來的創新應用。針對業務場景的需求建立統一的數據開發與管理流程，提供咨詢服務或將流程內化為產品標準。廠商需要具備對數據應用場景的深入理解，以及具備豐富的客戶服

59、務經驗，構建滿足甲方業務部門數據應用需求，實現高效的數據加工處理的開發管理流程，并為客戶提供相應的咨詢建議。針對一些行業共性的需求，廠商需結合其產品和技術能力，將開發與管理流通融入數據平臺產品中，提供行業最佳實踐。40|2023 愛分析數據智能廠商全景報告 入選標準說明：1.符合一站式數據開發與管理平臺全部廠商能力要求；2.2022Q1 至 2022Q4 該市場付費客戶數量5 個；3.2022Q1 至 2022Q4 該市場合同收入1000 萬元。代表廠商評估：炎凰數據 廠商介紹：炎凰數據是一家致力于打造具備自主知識產權的大數據處理平臺的公司，其核心產品炎凰數據平臺，專注于提供對異構多源大數據的

60、即時分析能力。公司核心團隊來自前 Splunk 中國研發中心，具有深厚的大數據分析、架構設計和系統開發經驗。產品服務介紹：炎凰數據平臺是新一代的異構大數據即時分析平臺。結合其一站式的數據開發與管理能力，以及獨特的讀時建模、搜索引擎等技術，用戶可以對來自各類機器、物聯網設備、移動終端、業務系統、數據庫異構的原始數據進行即時分析。41|2023 愛分析數據智能廠商全景報告 炎凰數據平臺的服務范圍涵蓋泛金融、互聯網、新能源、工業制造等多個行業領域，典型應用場景包括：數據安全，AIOps，流程挖掘、時空數據分析、工業物聯網等。服務過眾安保險、上海電力、知識星球等標桿客戶。炎凰數據平臺的大數據搜索引擎、

61、讀時建模等核心技術均為自研，做到源代碼可控，并達到國際先進水平，是國產替代的可靠選擇。廠商評估：炎凰數據平臺專為現代企業數據源廣泛，數據格式多樣且易變，以及帶有一定時序特征的數據分析需求而設計，通過提供一站式的數據開發管理平臺，為企業在異構數據的查詢分析中帶來靈活、即時、易用，以及快速部署的使用體驗，具體如下：基于自研的讀時建模存儲和計算引擎，炎凰數據平臺能夠靈活支持多種場景下，企業對異構多源大數據的存儲與查詢分析。在數據存儲方面，平臺無需事先定義數據結構，而可以按數據原格式將來自企業各類生產管理系統中的非結構化、半結構化以及結構化數據統一存儲在平臺中，打破數據孤島的同時保證了數據的完整性；在

62、數據查詢分析方面，平臺的讀時建模技術允許用戶在讀取數據時自定義規則，根據算法從原始數據中自動提取分析需要的字段，并支持用戶根據業務需求動態地調整數據查詢規則，從而避免繁重的傳統 ETL 工作，提高異構數據處理的靈活度。同時，炎凰數據自研的搜索引擎提供類似 Google 的關鍵字簡易查詢，以及交互式查詢、事件上下文搜索等高階查詢，滿足用戶在不同場景中的數據查詢需求。此外，平臺也支持對結構化數據進行寫時建模，提升對結構化數據進行分析的能力。炎凰數據平臺在數據加工處理方式，平臺架構等方面進行了多重優化，能夠保障用戶即時獲得分析結果。針對讀時建模以往固有的算力開銷較大，影響查詢速度的問題，炎凰數據在向

63、量化計算、即時編譯，基于列式存儲的數據壓縮，并發任務安排等多方面做了大量精巧的設計與優 42|2023 愛分析數據智能廠商全景報告 化，以加快運算速度，提高數據吞吐量，從而可以在絕大部分場景中實現相對即時的分析結果；在平臺架構方面，炎凰數據平臺采用云原生架構，所有服務都可以快速部署到各類云端環境的同時，存儲和計算資源可以根據需求獨立實現彈性地擴展，滿足大規模數據處理的要求。炎凰數據平臺提供標準 SQL 查詢，儀表板等實用功能，使平臺具備較高的易用性。區別于業內同類大數據平臺通常采用定制的搜索語言，如 SPL、Elastic query DSL 等，炎凰數據平臺支持用戶使用標準 SQL 語言進行

64、數據查詢，除了支持過濾，映射，去重，聚合，排序，關聯等基本 SQL 查詢能力之外，還提供了大量標量函數和表函數的擴展，同時也支持用戶自定義函數，極大降低了用戶的學習門檻；炎凰數據平臺提供儀表板功能，基于平臺集成的可視化圖庫 echarts，用戶可以使用各類常見的可視化解決方案，并將數據分析方法和分析結果保存在其中，加速企業內部數據價值的傳遞。炎凰數據平臺為用戶提供標準化的產品，方便用戶按需快速搭建數據平臺，實現數據價值。對于數據基礎設施相對薄弱的企業用戶，炎凰數據提供了一站式的數據平臺解決方案，具備從數據導入、數據集成、數據建模、數據存儲、數據分析、數據服務、數據可視化等端到端的能力，使用戶可

65、以開箱即用；對于數據開發能力較強，且內部已經有一定的成熟數據開發管理工具的企業用戶，炎凰數據將平臺的各層能力進行了解藕，并提供 API 接口，允許用戶以平臺核心的數據存儲和搜索功能為基礎，接入外部系統或工具，實現對平臺的二次開發。典型客戶：眾安保險、上海電力、知識星球 43|2023 愛分析數據智能廠商全景報告 4.5 數據分析平臺 市場定義：數據分析平臺是一套由 ETL 引擎、數據倉庫、指標計算引擎、數據分析工具和報表工具等功能模塊組成的軟件系統，能夠在打通和整合企業內部各類數據源基礎上，通過多樣化的數據查詢和分析，以指標、報表、圖表形等式輸出數據分析結果。甲方終端用戶：企業數據分析師、業務

66、分析師、管理人員，以及大數據部門負責人、IT 部門負責人等 甲方核心需求：數據分析和可視化是企業數據最直觀的價值呈現方式。隨著數據量的指數級上升和數據類型的豐富，企業對數據分析平臺的需求，也從最初較為簡單和定向的報表和大屏，向多元化、場景化的深度挖掘分析，以及低操作門檻的方向演變，具體而言：支持業務人員、管理人員實現自助數據分析。數據分析結果的最終受眾是企業業務人員和管理人員，但大多數數據分析平臺的主要使用者是企業數據團隊，在業務邏輯向數據邏輯轉換過程中，由于溝通成本等原因，需求響應的即時性和準確性都難以保證。因此，企業業務人員和管理人員需要一個低門檻、易操作的數據分析查詢平臺，不僅能夠直接滿

67、足其部分即時性、靈活的數據分析需求，同時還能夠方便其參與數據分析過程，與數據團隊協作共建。提升數據分析結果響應速度。企業在多年的數據分析實踐中，經過多次加工處理形成了極度膨脹的ETL 任務和中間表，在運行中會消耗大量 IT 資源，嚴重拖慢了分析結果產出的速度。隨著外部市場的變化加快和企業運營的敏捷性提高，企業需要小時級、分鐘級的分析結果，無法接受以天為單位 44|2023 愛分析數據智能廠商全景報告 的產出。支持業務側大量場景化、定制化需求。隨著對數據分析產品的使用不斷加深，企業用戶不再滿足于僅僅用其生產固定報表，而是希望能在更多深度結合垂直業務的分析場景下使用數據分析平臺滿足相應需求。然而，

68、大部分數據分析平臺是基于預設的分析場景進行搭建，新需求的實現需要數據工程師進行定制化開發，等待周期較長，極為不便。廠商能力要求：為滿足以上需求，廠商需要為企業提供高性能、分析功能強大、低門檻的數據分析平臺，具體而言：能提供低門檻、高易用的數據交互方式，滿足業務人員使用需求。為應對非數據分析專業人員的查詢、分析需求，廠商首先需要提供便捷的數據查詢入口，支持通過拖拉拽、搜索、自然語言等簡易交互方式實現數據查詢，尤其在當前大模型能力逐漸成熟的背景下，提供基于自然語言的數據查詢能力將成為廠商的必備能力；其次，廠商需要優化在報表展示界面，讓用戶能夠通過滑動、托拉拽等操作自主進行數據和指標的關聯分析、對比

69、分析等，并支持多種圖形化呈現方式選擇。通過構建高性能數據分析引擎或高效數據流通鏈路等方式，提升數據分析速度。其一，廠商可以通過建立更完善和通暢的數據接入、處理、分析全鏈路，加快數據流轉，并且在底層可采用新一代的湖倉一體引擎，以提高分析性能和彈性擴展能力；其二，廠商還可以通過構建獨立的模型指標層，實現分析和數據的解耦，從而實現高效的數據分析，并減少極度膨脹的 ETL 任務和中間表；其三，廠商可以基于 AI 算法，在數據準備和數據探尋等數據分析環節中實現流程的自動化，提升效率。能提供豐富的數據分析功能，并支持模型、指標的靈活調整。廠商預設數據分析場景的定制化能力，無法滿足企業衍生出的多樣化、垂直場

70、景化的分析需求。因此，廠商首先需要在產品中加入以機器學習、深度學習等技術為基礎的分析引擎，支持對大數據實現歸因分析、預測分析等多種智能化分 45|2023 愛分析數據智能廠商全景報告 析方式；其次，廠商產品需要支持數據模型以托拉拽等方式靈活調整，幫助數據分析人員實現快速按需定制。入選標準說明：1.符合數據分析平臺全部廠商能力要求；2.2022Q1 至 2022Q4 該市場付費客戶數量10 個；3.2022Q1 至 2022Q4 該市場合同收入1000 萬元。代表廠商評估：衡石科技 廠商介紹：衡石科技定義新一代 AI-Powered 的分析智能平臺，專注賦能全行業的企業客戶和 SaaS/ISV

71、廠商敏捷構建分析應用。旗下核心產品 HENGSHI SENSE，讓合作伙伴在自己的業務場景中輕松上線 AI Copilot、BI 分析、指標中臺、運營看板等功能，驅動業務的智能化轉型。衡石科技的核心團隊來自VMware、秒針、阿里、百度，底層架構能力卓越。46|2023 愛分析數據智能廠商全景報告 產品服務介紹：衡石科技的核心產品 HENGSHI SENSE 作為新一代 AI-Powered 的數據分析 PaaS 平臺，可以讓用戶在業務場景中輕松構建 AI 助手、BI 分析、指標平臺、數據看板等功能。面向 SaaS/ISV 廠商，HENGSHI SENSE 提供成熟完備、高度靈活的集成嵌入能力

72、，廠商可在數天內敏捷集成整合各種典型企業級 BI 能力，包括固定報表、自助分析、指標看板、Data API 等，也可以基于 SDK 做更加靈活的二次開發。面向企業客戶，HENGSHI SENSE 作為專業的分析工具，可為企業構建包含指標管理、數據集成、管理、建模、分析、可視化等功能在內的一站式的數據管理與分析解決方案。廠商評估：衡石科技是業內少有的能提供成熟企業級 BI PaaS 能力的廠商，結合完備的指標管理、AI 增強分析，以及與最先進的湖倉引擎無縫集成的能力，可為用戶提供敏捷、靈活和易用的數據分析和應用服務，具體如下：具備成熟的企業級 BI PaaS 能力，能夠支持 SaaS、ISV 等

73、廠商快速構建數據分析應用，極大降低廠商自行構建數據分析能力的成本。在功能方面，HENGSHI SENSE 具備包括數據準備、數據管理、數據建模、數據分析、數據看板、指標管理等在內的功能全面的數據管理與分析能力，并支持通過零代碼的方式，構建一站式的數據分析工作流；在開放性方面，HENGSHI SENSE 架構具備高度的開放性和擴展性，能夠將數據準備、聚合、建模、分析、可視化等能力拆分成標準的功能模塊，并為所有功能模塊提供 API 接口，用戶可以靈活調用所需功能的 API，同時結合樣式、主題的定制化，滿足用戶個性化的需求。47|2023 愛分析數據智能廠商全景報告 在多租戶管理方面，HENGSHI

74、 SENSE 能夠基于不同用戶復雜的組織架構，按賬戶進行行權限、列權限最小粒度的權限控制，并支持與業務系統的權限管理打通，以保障數據安全。具備完善的指標管理與分析能力，讓用戶能夠較低的門檻靈活應對業務報表和分析需求，并減少數據部門進行數據加工處理的成本和壓力。區別于傳統 BI 廠商的產品，HENGSHI SENSE在架構層面采用邏輯語義層（HQL）將數據與分析解耦，并將數據轉換計算過程（Transform）后置，即將 ETL 轉變為 ELT。用戶因此可以以指標為中心，通過 HQL 語言定義相關業務指標以進行數據分析，從而實現消除數據口徑不一致，減少重復建模和中間表以提升建模效率，以及降低分析門

75、檻，讓業務人員具備自助分析的能力。同時，HENGSHI SENSE不斷豐富完善了指標定義和指標管理能力，使用戶能夠在平臺上建立完備的指標管理體系，實現從傳統 BI 到自助式敏捷 BI 再到業務自主式指標型 BI 的轉變。以元氣森林為例，元氣森林利用 HENGSHI SENSE 的業務指標層對接其底層的各類明細數據，業務部門的各類數據查詢、數據應用、業務報表都通過調用指標層的能力實現，從而高效滿足業務部門的各類用數需求，支撐業務發展。能夠與業內先進的湖倉一體引擎無縫集成，提供高性能和低成本的數據分析體驗。HENGSHI SENSE 獨特的 ELT 分析管道架構，具備強大的指標管理與分析能力，也對

76、底層引擎的架構和性能等方面也提出了更高要求。因此衡石科技與云器科技合作，利用云器科技的湖倉一體數據平臺，形成了云端一體化的數據分析解決方案，從架構上極大提升了分析的靈活性，真正讓BI 可以在業務側落地。具體而言，云器科技的湖倉一體數據平臺具備簡化的系統架構，能夠統一存儲和處理企業的各類數據，同時，云器科技的湖倉一體數據平臺具備高性能，以及根據分析需求對存算資源進行彈性擴展的能力，因此可以在企業進行大規模的指標查詢和應用中，提升響應速度，并降低使用成本。48|2023 愛分析數據智能廠商全景報告 提供基于大模型的 AI 增強分析能力，讓業務用戶能夠以自然語言的方式進行數據查詢與分析，大幅降低數據

77、分析的門檻。在功能設計上，HENGSHI SENSE 利用大模型強大的自然語言理解，以及 SQL 生成能力，并基于平臺的指標體系，讓用戶可以對系統進行提問，實現各類業務報表和分析功能；在使用形式上，平臺采用 AI Copilot 的形式，給用戶提供常用的Dashboard，并提供基于 AI 提煉的關鍵數據和信息，用戶可以在此基礎上針對相關問題進行進一步追問。此外，平臺提供了通用的大模型調用框架，用戶可以根據自身情況選擇合適的大模型。典型客戶：浩方電商、紛享銷客、分貝通、致遠薪事力、元氣森林 49|2023 愛分析數據智能廠商全景報告 4.6 銀行對公智能風控 市場定義：銀行對公智能風控平臺是融

78、合征信、工商、產業鏈、輿情等豐富外部信息，綜合利用人工智能、大數據、知識圖譜等技術，針對貸前、貸中、貸后全流程建立風險防控體系，實現風控策略智能化的一站式平臺。甲方終端用戶：銀行小微金融/普惠金融部、風險管理部等部門。甲方核心需求：為促進經濟發展，政府在科技信貸、綠色金融、普惠金融等方面對銀行有信貸指標考核。在此背景下，銀行需要豐富企業信息渠道，建立清晰的企業畫像和客觀高效的風控模型，為工作人員開展客戶準入、信用評級、授信審批、風險預警、貸后檢查等工作提供決策支持。銀行對公智能風控平臺的需求具體體現在：銀行數據信息渠道待豐富。在對公信貸場景下，銀行內部企業信息維度單一，多以企業財務流水、負債等

79、基本面信息為主，缺少征信、工商、司法、電力、輿情、產業鏈等綜合性信息。建立面向內外部海量數據的數據工程能力。外部數據在轉化成預警信號之前需要經過采集、存儲、治理、開發、整合等多個過程，這要求銀行具有對海量結構化和非結構化數據的存儲能力，以及結合 NLP 技術對企業名稱、經營范圍、經營活動、相關描述等信息進行自動識別、打標、抽取、整合的能力。尤其在實時預警場景下，整體數據處理流程需要實時完成。以城商行為代表的中小型銀行尚未構建起可滿足上述要求的數據工程能力。50|2023 愛分析數據智能廠商全景報告 提高風控模型質量、完善風控策略體系。傳統風控模型大多憑借專家經驗和評分卡，存在數據獲取維度窄、量

80、化分析能力弱、精細化程度低等缺點，銀行需要建立適合自身業務戰略、客群特點、數據及系統現狀的全流程風控模型和策略，否則難以對企業輿情、產業、司法等關聯風險進行快速識別。廠商能力要求：廠商應具備海量數據采集、開發和整合能力，為風?？匦吞峁└哔|量數據輸入。廠商一方面應具備對海量數據實時采集和存儲能力，同時具備對數據智能打標、加工處理和整合能力，支持對外部企業數據諸如流水、資產負債、涉稅、質檢、環保、海關、產業鏈數據等結構化和非結構化數據進行統一加工和整合，形成高質量數據集，供貸前、貸中、貸后全流程模型使用。智能風控平臺需覆蓋貸前、貸中、貸后全流程風險管控，為客戶提供一站式外部風險診斷。平臺應為客戶輸

81、出高質量預警信號，包括不限于企業風險畫像、預警信號篩查、風險事件監控等功能，并且工作人員無需專業知識，也能輕松判斷企業產業鏈傳導、涉訴、涉稅等專業風險。廠商應提供定制化咨詢和實施支持，賦能銀行自主風控能力。在項目規劃階段，廠商應提供數據治理、模型定制、模型測試優化等咨詢規劃支持，在項目建設過程中提供接口開發、功能定制開發、大模型部署等項目建設支持。其中，針對數據治理，廠商應支持銀行內外部數據融合，幫銀行建立起數據開發和整合流程，賦能銀行數據工程能力；針對風控模型和風險策略，廠商應提供個性化風控模型開發支持，能適應國有銀行、城商行、股份制銀行等不同銀行之間、以及銀行內部不同業務場景之間對風控模型

82、定制化需求，建立適應銀行定位和場景的預警策略、標簽體系、定級策略等。51|2023 愛分析數據智能廠商全景報告 入選標準說明：1.符合銀行對公智能風控平臺全部廠商能力要求；2.2022Q1 至 2022Q4 該市場付費客戶數量5 個；3.2022Q1 至 2022Q4 該市場合同收入500 萬元。代表廠商評估：拓爾思 廠商介紹：拓爾思信息技術股份有限公司(簡稱“拓爾思”)成立于 1993 年，是中文全文檢索技術的始創者，領先的人工智能、大數據和數據安全產品及服務提供商。拓爾思堅持“數智+賽道”的發展戰略，以規?；臄祿椭R資產、數字化基座能力和自研大模型能力為企業、政府賦能，實現數字化轉型升

83、級。產品服務介紹：拓爾思數星智能風控大數據平臺，是一款利用人工智能、大數據、自然語言處理、知識圖譜技術構建的綜合型在線服務平臺。平臺圍繞海量異構數據，全面監控海量金融實體多維風險。平臺提供智能多維標簽、預警信號推送、風險事件跟蹤、風險傳導關聯、綜合異構圖譜等貫穿多場景全流程風險管理功能，提升金融機構風控能力。目前平臺在風控、合規、投研、監管等核心金融場景得到廣 52|2023 愛分析數據智能廠商全景報告 泛應用。廠商評估：拓爾思在銀行智能風控領域積累了豐富的頭部客戶，具備模型持續迭代和數據閉環的運營能力。拓爾思自身體系化的數據工程能力和自研大模型能力，向內支撐數星智能風控大數據平臺提供實時高效

84、的風控預警功能，向外賦能銀行機構、提升銀行場景化數據分析能力?；谪S富的頭部銀行機構服務經驗，拓爾思具備模型持續迭代，以及風控數據質量持續校驗的閉環運營能力。拓爾思數星智能風控平臺服務的頭部金融客戶包括中國銀行、農業銀行、國家開發銀行、進出口銀行、平安銀行等。這使拓爾思一方面積累了專業深厚的智能風控垂直領域知識，另一方面多樣化的客戶帶來差異化的風控場景，使拓爾思的風控模型得到持續迭代、風控數據質量得到持續校驗，拓爾思形成完整的風控數據運營閉環。如在平臺的預警信號推送功能中，拓爾思基于對智能風控場景的深度理解，結合知識圖譜和 NLP 高精煉知識數據，精準識別企業復雜關系、分析群體特征、監控區域性

85、風險，預警信號準確率超 98%，NLP 風險識別準確率超 85%。拓爾思具備海量數據的工程化能力，融合大模型能力，為客戶提供實時的風險監控、預警和推送服務。拓爾思具備體系化的數據工程化能力，如在數據采集和存儲環節，拓爾思自建大數據中心，擁有 10 年以上的總數據量為 2000 億+的政府、互聯網、媒體、輿情、企業專項、產業等高質量數據；在數據管理和治理方面，拓爾思具備完善的大數據底座和人工智能產品對公開采集的數據資源進行統一清洗、治理、打標、加工、融合、管理等，為內外提供高質量數據資產。在數據分析和挖掘方面，拓爾思自研了 500+深度學習算法模型、31000+標簽維度規則、30+53|2023

86、 愛分析數據智能廠商全景報告 領域知識庫等，可為媒體、輿情、金融風控、金融監管、產業服務等領域的業務快速高效地提供數據分析和挖掘服務。在數星智能風控平臺基礎上，拓爾思利用自研拓天金融大模型，構建基于數據與知識融合驅動的 agent 智能體，在風險預警、風險報告生成和風險摘要生成等場景 Agent 工具鏈應用，提升風險分析的準確性、時效性與融合性，優化用戶體驗。在貸前盡調、貸后排查等環節，提高風控人員工作效率。拓爾思提供在線服務 SAAS、數據服務 DAAS 和本地化部署的復合服務模式，滿足不同規模銀行機構多樣化風控需求。針對小型銀行機構，拓爾思可提供 SAAS 訂閱服務和 DAAS 數據服務。

87、SAAS 服務提供全量實體查詢、個性化推薦、自定義組合策略等功能；DAAS 服務將基于標準標簽以分鐘級實時推送數據。而對于需要構建或增強自身風控能力的中大型銀行機構，拓爾思可為客戶提供本地化部署服務，同時提供咨詢規劃、數據能力賦能等服務支持，使客戶具備自主的場景化風險分析能力。如在咨詢規劃中，拓爾思能協助客戶對既有數據資產進行盤點、確定數據加工策略、設計風險運營機制等；在數據能力賦能中，為客戶梳理數據治理流程，建立股權、輿情、司法等多主題知識圖譜，定義預警因子、預警模型，以及基于內外主題數據打造大模型助手等。拓爾思與中國農業銀行合作建設風險監控平臺，面向農行 100 萬家企業授信客戶，實時監控

88、在營企業風險、推送風險信號，形成跟蹤反饋閉環，大幅降低不良率，服務期內，成功提前預警中信國安、方正集團、新城地產等重大風險事件。54|2023 愛分析數據智能廠商全景報告 典型客戶：平安銀行、國家開發銀行、中國人保、中國銀行 55|2023 愛分析數據智能廠商全景報告 4.7 銀行對公智能營銷 市場定義：銀行對公智能營銷平臺是融合銀行內外部信息，利用大數據、知識圖譜、人工智能等技術，從客戶畫像、客戶標簽、商機事件、關聯探索等維度挖掘潛在營銷對象，實現精準營銷，為高銀行線上信貸業務提供支持。甲方終端用戶：銀行對公業務部、資產管理部、資產負債管理部、信貸審批部、風險管理部 甲方核心需求：對公業務是

89、銀行的重要收入支柱。金融科技爆發式增長使銀行同業競爭愈發加劇，同時市場融資渠道多元化，以股票或債券為代表的企業融資方式分流銀行企業客戶，也為銀行對公業務帶來沖擊。在此背景下，銀行傳統對公營銷依賴線下渠道獲客的方式，暴露出信息不對稱、線下渠道獲客難、工作效率低、獲客成本高等問題。銀行對公智能營銷平臺的需求體現在：豐富數據源，完善企業標簽畫像體系，支持對公營銷和風控。全面的企業標簽畫像是銀行開展客戶分層經營、形成客戶洞察的基礎。銀行內部企業標簽以流水、負債為主，需增加諸如產業鏈數據、發票數據、上市公告、征信數據、輿情數據、股東股權披露等信息標簽，完善企業畫像。拓寬拓客方式，提高目標企業觸達效率。銀

90、行傳統的對公營銷線索獲取，多依賴當地商會、招商局以及高層資源等，線索池有限。在獲客競爭日益激烈的情況下，銀行需要深挖企業關聯關系，增加鏈式或網狀拓客途徑，如通過產業鏈、股權關系鏈、同業競爭關聯、產品交叉營銷關聯、客戶交易關聯等多種途徑，構建豐富的線索池，提升客戶經理新客獲取效率和質量。56|2023 愛分析數據智能廠商全景報告 增強商機發現、商機篩選和評級能力，實現精準營銷。海量線索信息下，相較傳統依據經驗篩選，基于知識圖譜、人工智能建模的方式能有效降低客戶經理工作量、滿足銀行精準營銷需求。銀行建模場景包括：1）拓客中對新客、關聯客戶建模后進行批量營銷；2）商機篩選中開展高潛價值客戶識別、存量

91、客戶存款潛力預測等；3）商機轉化環節，基于客戶畫像以及產品特征進行精準匹配與推薦；4）企業風險評估。以商機篩選為例，銀行需要建立有效的商機評價體系，對商機線索分級評價，指導客戶經理開展工作。如在針對規上企業的授信中，銀行需要融合企業資本實力、收益能力、償債能力、發展和穩定性為依據衡量企業的經營狀況及未來發展潛力，同時結合政策導向，對區域內規上企業進行評級，為客戶經理營銷、授信等提供參考。圖 9 銀行對公智能營銷建模場景示意圖 廠商能力要求：廠商需具備豐富的外部數據源，并能提供基本數據服務。廠商需能夠對接眾多外部數據渠道，數據維度包工商、信用、融資、供應鏈、交易、園區、輿情等數據，并能將多源數據

92、整合后形成高質量的 57|2023 愛分析數據智能廠商全景報告 API、SDK 等數據服務，供銀行直接使用。廠商需能夠幫助銀行構建標簽體系，生成差異化的客戶畫像?；谛袃韧鈹祿恼?，廠商需能夠幫助銀行構建有效客戶、高價值客戶、高潛力客戶、低風險客戶等豐富的標簽體系，形成多維客戶畫像；同時，廠商需基于征信數據、工商數據、交易數據等數據，構建風險相關標簽，以幫助銀行實現風險排查的前置。廠商應具備知識圖譜和 AI 建模能力，支持客戶精準營銷。在知識圖譜方面，首先，廠商應在整合結構化和非結構化數據的基礎上，刻畫企業經營狀況與企業之間的關聯關系，形成鏈狀、圈狀、域狀的客戶群視圖。其次，廠商應建立基于知

93、識圖譜的規則模型，支持企業股權變更、負面輿情、融資等突發事件在關系網絡上的營銷活風險傳導，最終為客戶經理推送商機或風險提示。在 AI 建模方面，廠商應具備 NLP 引擎、機器學習引擎，幫助客戶從海量信息中進行語義識別、聚類分析，提供輿情分析或是信貸預測等支持。廠商需能幫助銀行建立起全流程客戶管理與跟蹤能力，并提供可視化能力，以幫助銀行客戶經理實現持續的企業客戶價值挖掘。廠商對公營銷平臺應覆蓋客戶獲取、客戶成長、客戶成熟、客戶衰退等全生命周期管理，為客戶經理提供完整的對公營銷業務流程閉環，包括客戶認知、營銷過程、營銷評估與提升，提高組織協作效率。入選標準說明：1.符合銀行對公智能營銷平臺全部廠商

94、能力要求；2.2022Q1 至 2022Q4 該市場付費客戶數量5 個；3.2022Q1 至 2022Q4 該市場合同收入500 萬元。58|2023 愛分析數據智能廠商全景報告 代表廠商評估：數庫科技 廠商介紹：數庫科技成立于 2009 年，是一家引領產融數字化的數據科技公司，五度榮獲 KPMG 中國 Fintech 50 企業。數庫科技長期致力于在金融及產業領域提供基于產業邏輯的智能數據產品與系統服務，幫助金融機構、企業集團、產業園區、政府部門解決業務場景中的數據和系統需求。產品服務介紹：Clue 智拓客是數庫科技的一站式智能對公營銷平臺，旨在幫助銀行從產業鏈獲客、園區獲客、關系鏈獲客、周

95、邊獲客、商機線索、企業篩選、潛客跟蹤等多種維度，深度挖掘有資金需求、可高轉化、風險可控的優質潛在企業信貸客戶，構建行業客戶數字化洞察體系，完善銀行對公數字化營銷獲客體系系統建設。廠商評估：數庫科技以產業鏈圖譜數據和企業圖譜數據為基礎，融合結構化數據量產和實時資訊精準解析能力，為銀行提供一站式對公營銷服務和管理支持，并以多種服務形式滿足銀行差異化需求。數庫科技擁有豐富的產業鏈圖譜數據和企業圖譜數據，為銀行對公營銷提供強大的數據支撐。59|2023 愛分析數據智能廠商全景報告 數庫產業鏈數據體系以全球行業分類標準 GICS 為基礎，拓撲至十二層級分類標準，形成從廣義行業到細分產品的動態產業鏈體系。

96、圍繞上市發債龍頭企業、私募融資企業、科創戰新企業、核心企業供應鏈上下游企業等百萬級高價值企業進行主營業務挖掘和梳理，歸納形成7000+項標準化產品分類，并將全國近 7000 萬家工商企業與產業鏈體系打通，實現了全領域的企業上鏈。數庫企業圖譜數據覆蓋股權關系圖譜、供應鏈圖譜、工商信用、知識產權、負面風險及資質榮譽等標準化企業信息和知識圖譜組件，能完整呈現企業內外關系鏈、股權鏈、融資鏈等信息。產業鏈數據和企業圖譜數據，為銀行了解企業中微觀全景畫像、豐富獲客途徑提供數據支撐。數庫科技相關數據產品已掛牌多地數交所，并落地多起場內交易，為股份行、城農商行提供一系列持續、穩定、高時效的區域性產業全景數據，

97、賦能銀行從產業鏈、供應鏈、產業園等多維度挖掘潛在客戶線索。融合算法和數據處理，數庫科技具備結構化數據量產和實時資訊精準解析能力，為銀行擴充文本識別范圍，發掘潛在對公機會或是發現企業傳導風險。數庫DAS數據加工工廠，基于深度學習、圖像識別、NLP 文本處理等多項技術，實現數據提取、清洗、標準化、質檢全流程，可對 PDF、Word、掃描件等多種非結構化數據文檔進行高效提取、自動化量產成結構化數據，使數庫科技能夠低成本覆蓋全面的上市發債公司財務及附注數據。結合龍頭企業產業分類數據，快速形成同業財務對比能力，用于評價目標企業在同業中各項財務經營表現。數庫科技SmarTag智能解析引擎，可精準提取抓取海

98、量新聞信息中蘊含的公司、人物主體、事件、行業、產品、地區及概念等多維度標簽，一方面可持續反哺金融及產業知識圖譜、豐富算法語料庫，迭代數據生產引擎提升數據生產精準度，實現知識圖譜的自我進化，另一方 60|2023 愛分析數據智能廠商全景報告 面，SmarTag 對公司、行業的即時追蹤，可與產業鏈體系、企業圖譜深度結合，實時呈現上下游或關聯方之間事件的傳導反應。Clue 智拓客覆蓋對公營銷全流程，提供系統化對公營銷流程管理，具備高度場景化、組件化特性。在功能支持上，Clue 智拓客豐富的產品模塊賦能用戶發現客戶、洞察客戶、判斷營銷時機、觸達客戶、過程追蹤、效果分析等銀行對公營銷全流程。以發現客戶為

99、例，Clue 智拓客提供產業鏈獲客、園區獲客、周邊獲客、以客獲客等多種工具，提高銀行獲客效率。在營銷流程管理上，Clue 智拓客針對銀行的組織管理機制，制定自上而下的營銷管理框架，為管理者提供便利的名單創建及分發工具，為客戶經理提供高效的營銷記錄跟蹤功能，通過一站式關注、挖掘、跟進、記錄，提升一線營銷人員線索個性化管理與跟蹤效率。數庫科技可提供標準化產品組件、標準化數據服務、SaaS 賬號服務、定制化項目開發等多種服務形式，滿足銀行差異化需求。針對中大型銀行需構建自主對公營銷能力需求，數庫科技基于十余年的金融客戶服務經驗提供定制化服務。在數據能力方面，為銀行建構統一數據治理體系，實現內外部多源

100、數據融合；在系統開發方面，為銀行搭建對公營銷平臺以及根據銀行場景需求設計模型算法等。61|2023 愛分析數據智能廠商全景報告 入選廠商列表 62|2023 愛分析數據智能廠商全景報告 5.入選廠商列表 63|2023 愛分析數據智能廠商全景報告 64|2023 愛分析數據智能廠商全景報告 65|2023 愛分析數據智能廠商全景報告 66|2023 愛分析數據智能廠商全景報告 67|2023 愛分析數據智能廠商全景報告 68|2023 愛分析數據智能廠商全景報告 69|2023 愛分析數據智能廠商全景報告 關于廠商全景報告 l 愛分析廠商全景報告面向數字化市場的甲方用戶，由愛分析定期撰寫并公開

101、發布，為甲方采購旅程中的數字化規劃、廠商選型等環節，提供決策依據和支撐。l 報告提供所覆蓋領域的數字化市場全景地圖、特定市場定義與入選標準，以及入選廠商列表、代表廠商評估等研究成果。l 甲方用戶可以依據入選廠商列表，擬定潛在供應商名單，并通過愛分析第三方評估，了解廠商在特定市場的產品服務優勢，選擇合適的廠商進行選型。70|2023 愛分析數據智能廠商全景報告 關于愛分析 愛分析致力于成為中國領先的數字化市場專業服務平臺，為企業用戶提供數字化規劃與落地全流程服務。愛分析以咨詢為牽引，依托實踐經驗、專家建議和方法論工具，為企業提供最適配的解決方案和落地服務，幫助企業提高項目成功率、優化投資收益，以

102、及控制風險。愛分析深耕數字化市場 10 余年，在央國企、金融、消費品、制造等行業積累諸多標桿案例和豐富實踐經驗。71|2023 愛分析數據智能廠商全景報告 產品服務 咨詢 咨詢匹配 企業培訓 規劃咨詢 廠商選型咨詢 業務落地咨詢 需求分析 定向招募專家 workshop 交流 培訓主題設定 愛分析專家 外部招募專家 研究報告 活動 媒體 數字化實踐報告 廠商全景報告 市場洞察報告 網絡研討會 行業高峰論壇 數字化大會 數字化行業資訊 專家訪談 專家分享實錄 聯系我們 聯系人：李喆 郵箱： 手機/微信：135-2162-2835 72|2023 愛分析數據智能廠商全景報告 法律聲明 此報告為愛分

103、析制作，報告中文字、圖片、表格著作權為愛分析所有，部分文字、圖片、表格采集于公開信息，著作權為原著者所有。未經愛分析事先書面明文批準，任何組織和個人不得更改或以任何方式傳送、復印或派發此報告的材料、內容及其復印本予任何其它人。此報告所載資料的來源及觀點的出處皆被愛分析認為可靠，但愛分析不能擔保其準確性或完整性，報告中的信息或所表達觀點不構成投資建議，報告內容僅供參考。愛分析不對因使用此報告的材料而引致的損失而負上任何責任，除非法律法規有明確規定?？蛻舨⒉荒軆H依靠此報告而取代行使獨立判斷。北京愛分析科技有限公司 2024 版權所有。保留一切權利。73|2023 愛分析數據智能廠商全景報告 74|2023 愛分析數據智能廠商全景報告