銀彈谷：面向人工智慧的資料治理

AI技術創新應用大規模落地，帶動大資料智慧市場蓬勃發展 

近年來，隨著新技術模型出現、各行業應用場景價值打磨與海量資料積累下的產品效果提升，人工智慧應用已從消費、互 聯網等泛C端領域，向製造、能源、電力等傳統行業輻射。各行業企業在設計、採購、生產、管理、營銷等經濟生產活動 主要環節的人工智慧技術與應用成熟度在不斷提升，加速人工智慧在各環節的落地覆蓋，逐漸將其與主營業務相結合，以 實現產業地位提高或經營效益優化，進一步擴大自身優勢。AI技術創新應用的大規模落地，帶動了大資料智慧市場的蓬勃 發展，同樣也為底層的資料治理服務注入了市場活力。

2021年市場規模約為553億元，金融資料率先得到價值釋放 

據艾瑞諮詢統計測算，2021年涵蓋大資料分析預測（機器學習/深度學習模型）、領域知識圖譜及NLP應用的大資料智慧 市場規模約為553億元，預計2026年市場規模將達到1456億元，2021-2026 CAGR=21.3%。隨著市場大資料基礎的完 善與資料需求的喚醒推動，大資料智慧市場的規模將持續走高，但未來在行業理性建設與增量市場逐步完善的大背景下， 大資料智慧市場增速會出現下降趨勢。從細分結構來看中，金融領域的資料價值率先得到釋放，市場規模佔比高達32%。

融資規模穩步提升，事件數量創歷史新高 

從2011-2021年的投資數量來看，資本市場對大資料智慧市場的關注度不斷提高，融資事件逐年攀升，2021年大資料智 能市場單年投融資數量已高達99起；從2011-2021年的融資輪次來看，C輪及早期投融資事件佔比達到50%。受政策的高 度支援與技術的成熟推動，大資料智慧應用在多行業的成功落地極大地增強了市場與投資者的信心，“大資料智慧”標籤 已成為市場創業與投資的熱點，具備市場想象空間與明確使用價值是企業早期吸引投資的關鍵。

人工智慧應用引發的資料治理需求 

企業在部署AI應用時，資料資源的優劣極大程度決定了AI應用的落地效果。因此，為推進AI應用的高質量落地，開展針對 性的資料治理工作為首要且必要的環節。而對於企業本身已搭建的傳統資料治理體系，目前多停留在對於結構性資料的治 理優化，在資料質量、資料欄位豐富度、資料分佈和資料實時性等維度尚難滿足AI應用對資料的高質量要求。為保證AI應 用的高質效落地，企業仍需進行面向人工智慧應用的二次資料治理工作。

面對反覆的治理工作，搭建針對性體系解決重複性環節 

資料治理在人工智慧專案的實施中花費90%以上的精力，而面對企業的各人工智慧專案，在AI資料層面多存在反覆治理工 作，極大拉低了AI應用的規模化落地效率。藉助有效的方法論和實用的工具提高資料治理的效率，是企業管理資料資產與 實現AI規模化應用的重要課題。搭建面向人工智慧的資料治理體系，可將面向AI應用的資料治理環節流程化、標準化和體 系化，降低資料反覆準備、特徵篩選、模型調優迭代的成本，縮短AI模型的開發構建全流程週期，最終顯著提升AI應用的 規模化落地效率。

最後報告還指出，人工智慧的資料治理對資料質量、標準、管理、效果都提出了明確的要求和場景。詳情請檢視報告，文章主要資訊來源《2022年中國面向人工智慧的資料治理行業研究報告》，關注銀彈谷，回覆“資料治理”即可下載