2014年，“資料智慧”概念被首次提出。愛分析認為，資料智慧是指基於中臺體系，融合大資料、人工智慧、雲端計算、物聯網等多種技術，利用資料實現智慧決策。
大資料概念的提出距今12年，資料智慧概念的提出距今也已有6年。過去數年，概念從提出逐步走向落地，企業資料應用邁向一個新的時代，以每日互動為代表的資料智慧廠商的業務形態也在逐漸發生變化。
企業資料應用邁入資料智慧階段
數字化企業的核心特徵是以資料驅動業務，即透過彙集高價值資料，監測和洞察業務真實狀況，構建資料分析和決策模型以驅動業務執行。回顧企業資料應用的各個階段，可發現企業對於資料的應用是一個逐步深化的歷程。如今，企業對資料應用從監測、洞察向決策邁進，進入了資料智慧時代。
業務資料化是指透過資料描述跟蹤業務發展，也即“大資料”時代。2013-2017年，企業開始建設大資料平臺進行資料採集、監測，並將大資料與業務場景結合，為業務洞察提供資料基礎。
2019年始，企業進入業務智慧化階段，企業可利用資料、演算法賦能、改變業務流程，提升業務效率。其中，業務決策階段也即“資料智慧”階段，意味著機器能夠基於資料和演算法自主進行決策或給出決策建議，帶來更高效的業務反饋和更大業務價值。
隨著行業發展，大資料廠商的角色也在逐步發生轉變。在業務資料化階段，廠商更多地致力於完善大資料基礎設施建設，整合內部資料，培育自身資料採集、儲存、加工等資料處理等能力。而在業務智慧化階段，廠商開始將自身資料能力以工具化、產品化的方式對外輸出。
“資料智慧第一股”每日互動便是典型廠商之一。每日互動成立於2010年，於2019年上市，是少數兼具資料來源及資料應用能力的廠商，其十年發展歷程也印證了資料智慧行業的變遷。
在成立之初，每日互動致力於透過SDK為企業和開發者提供訊息推送技術服務，積累了海量資料。透過對使用者線上線下行為進行分析，每日互動構建起各領域的使用者畫像。目前，每日互動SDK累計安裝量超過600億，並形成了豐富的資料標籤體系。依託於自身的資料能力，每日互動從不同行業的資料服務中抽取出共性，將技術能力對外輸出，服務於品牌服務、移動網際網路運營和城市規劃等多領域的業務決策場景。
在多個垂直行業領域，每日互動交出了一份亮眼的成績單。據財報顯示，2019年，每日互動為品牌廣告主驅動數字化投放的金額達到6,881萬元，較上年同比增長552.56%。在公共服務領域，2019年每日互動的業務規模亦實現大幅增長，營收較上年同期增長106.94%。
從概念到實踐：資料智慧應用如何落地？
縱觀資料智慧在企業的落地過程，無論是就資料智慧應用的行業擴充，亦或是資料智慧應用的基礎架構而言，情況都在發生變化。
從應用行業來看，資料智慧在金融、消費品與零售、政府與公共服務行業先後落地，進入場景多元化階段。如在消費品與零售行業，智慧化營銷、精細化DSP投放、使用者促活等都是資料智慧的典型應用場景。
隨著垂直行業應用數量的增長，資料孤島、應用開發週期冗長等資料智慧應用落地難題逐漸凸顯。企業面臨的另外一個問題是：如何提升資料智慧應用的開發效率？
為了更好地實現資料驅動決策，企業需要具備統一管理資料、快速配置開發業務的能力。有鑑於此，越來越多的企業以中臺思維取代過去的單點專案模式，資料中臺逐步形成。
企業對於資料中臺的需求為資料智慧廠商提供了機遇。在這一時期，資料智慧廠商開始以平臺化和產品化的方式為企業提供資料服務。資料中臺連線了資料來源和業務應用，將資料來源抽象、聚合，把資料能力方便快捷的提供給使用者，實現開發能力的複用，提升開發效率。
以每日互動正在建設中的“每日治數平臺”為例。每日互動內部已建有完善的資料服務基礎設施，透過抽取通用的資料能力，每日互動開始打造治數平臺，對外輸出資料能力。平臺包含資料匯聚、治理、開發、共享、安全等技術元件、功能模組和產品套件，企業可透過拖拉拽的方式靈活進行模型開發、建模組合和資料服務配置，有效解決資料孤島、開發週期冗長的痛點。
例如，在人口空間規劃服務中，治數平臺透過加快資料探勘速度，三秒內便能輸出資料分析結果，相同資料量原先所需的處理時間為一個月。
基於資料中臺，每日互動能夠幫助企業實現業務智慧化閉環：首先，企業採集業務資料，實現業務資料化；其次，企業透過“治數平臺”統一彙集和治理，將業務資料轉化為可用的資料資產；此外，企業從已有的資料資產中進行歸因，篩除統計偏差，提取出方法論，將資料應用在業務場景中，實現資料資產場景化。而大量的業務場景實踐能夠不斷驗證方法論，也能不斷提供新的資料，最佳化資料應用效果，形成業務智慧化的閉環。
以資料智慧在新冠疫情中的應用場景為例。疫情期間，李蘭娟院士團隊和每日互動展開了一系列合作。每日互動提出了“無意識密切接觸者”的概念，透過大資料+網格化，幫助疫情防控部門實現精密智控。
在這一過程中，智慧化閉環體現在，每日互動能夠依託積累的資料資產，結合流行病學知識提煉出有效變數，不斷最佳化演算法。透過分析感染者和無意識密切接觸者之間的重點場景、社群關係等影響因素，能將重點人群的範圍縮減，實現重點人群的提前防疫。
資料智慧行業三大機遇，每日互動業務迎來東風
資料中臺的出現是資料智慧行業發展的里程碑，但資料智慧行業的發展遠未達到終點。隨著資料智慧應用場景的多元化，資料智慧行業發展程式提速。
未來，資料智慧行業將呈現三大趨勢：資料智慧應用進一步向多行業滲透；前沿技術的發展為更多應用場景挖掘提供了基礎；資料生態方興未艾。
首先，受到行業數字化基礎設施成熟程度、資料智慧與行業應用場景結合度等因素影響，資料智慧在不同行業滲透率有所差異。總體而言，現階段，資料智慧應用在消費品與零售、政府與公共服務和金融行業滲透率較高。未來，資料智慧應用將向醫療與醫藥、教育等行業滲透。
據每日互動CEO方毅介紹，大健康領域的應用場景可包括基於大資料梳理出不同的醫藥方案、對慢性病、肥胖等疾病進行預測、為患者制定個性化治療方案等。
此外，動態本體資料庫、時空分析、安全計算等前瞻技術的發展為資料分析與應用帶來更多的可能，領先的資料智慧廠商進一步加大研釋出局。截至2020上半年，每日互動人工及研發投入同比增加1,100.75萬元，並與各類頂尖科研機構、高等學府成立多個聯合實驗室。目前，基礎研究的成果已落地到公共服務等具體業務場景中。
最後，隨著資料中臺等基礎設施的完善，資料智慧行業的發展將進入資料生態階段。資料生態是指，企業開放資料給第三方，實現大資料價值流轉和多方資料價值共享。隨著更多企業加入資料生態，可利用的資料也會不斷增長，資料開放生態所創造的價值將遠超資料智慧應用專案本身。在這一階段，領先的資料智慧廠商不僅具備較強的技術能力，還擁有更多場景的資料沉澱，在資料生態中佔據重要地位。
例如，每日互動的資料智慧應用服務涉及網際網路風控和金融風控服務。2019年，每日互動風控服務快速增長，實現營業收較上年同期增長150.90%。其中，每日互動透過對外投資及深度合作，與生態夥伴共同為銀行等金融機構提供風控服務。具體來說，每日互動為生態夥伴輸出資料中介軟體，生態夥伴則可提供功能擴充業務場景，雙方聯手創新金融風控產品與解決方案。
在數字生態階段，資料安全成為關鍵。隨著監管趨嚴，如何在實現資料價值共享的同時，杜絕資料貿易、資料複製等問題仍亟待解決。有鑑於此，“中立國”的概念興起，即可透過打造中立的資料安全聯合計算平臺，為資料合作的各方提供中立可信的計算環境。每日互動正是“中立國”概念的先行實踐者——透過將資料和演算法置於資料安全聯合計算平臺執行，輸出模型結果，從而實現資料價值的流轉。目前，該模式已在數十家企業得到認可和實踐。
近期，愛分析對每日互動CEO方毅進行了訪談，就每日互動的產品與服務和行業趨勢見解等方面進行了深入交流，現將部分內容分享如下。
愛分析：從對行業和對公司服務體系產品的理解來看，您會把每日互動10週年的發展分為哪幾個階段？
方毅：每日互動最開始做了SDK幫助開發者解決推送的技術問題。2019年上市之後，每日互動在“送水工”方面繼續紮實的發展，建立了開發者服務事業部。推送服務是每日互動的底座基礎。
2014年10月份之後，每日互動開始發力大資料領域，並且基於D-M-P架構培養自身資料能力。
後來，每日互動發現很多企業缺乏“治理資料”的能力和將大資料用於實踐的能力。因此，每日互動在今年上半年的時候把相關的能力抽取出來，開始打造治數平臺，專門服務於企業單位的資料閉環處理。治數平臺就像國家的大慶油田，在當地完成石油煉化，把大資料變成能力輸出。
未來一兩年之後，會有更多完成了大資料“自給自足”的公司，願意把資料能力透過每日互動的平臺開放出來，每日互動就變成了如殼牌這類的石油提煉和貿易公司。
總結來說，每日互動戰略上的三步走，用石油來比喻，第一是實現自給自足，第二是把石油能力輸出出去，第三是成為全球石油貿易的貿易商，實現資料價值的流轉。
愛分析：D-M-P架構是指什麼？
方毅：每日互動將資料智慧分成D-M-P三層結構。D是Data，是核心的資料底層；中間層是Machine，承載資料分析方法和機制。上層是非常重要和稀缺的People層次，People指的是專業人才，每日互動結合行業專家理解，與垂直領域進行深度結合。比如開發者運營服務方面，每日互動在業務中充分了解APP市場需求，並與APP方保持密切的交流與溝通，透過將各家方法論集大成，形成產品化方法論。實現行業理解完之後從不同行業的業務邏輯中抽取共性，形成標準化資料能力和標籤。
愛分析：在第二階段，把資料加工和價值化的能力作為一種工具輸出的時候，產品本身的架構是怎樣的？
方毅：每日互動更多會基於雲原生的系統方式進行應用搭載，做的是Data middleware ，幫助大資料快速地分析。治數平臺底層會用資料湖和資料倉儲把資料彙總在一起。每日互動內部把數倉叫作資料半成品，需要進行進一步加工。因此，之後有資料分析師和資料建模師進行資料分析，最上層會形成各種各樣的儀表盤，服務於決策者。
愛分析：在第三階段，如何理解半年報中提到的“和合作夥伴進行技術能力的互補、資料資源的整合和業務資源的擴充”？
方毅：每日互動現在不將第三階段作為重點，目前的嘗試主要集中在自己參股和投資的企業當中。例如，在高速資訊化中臺治理過程中，每日互動成為浙江省高速資訊公司的股東，深入幫助該企業進行技術能力、產業方向的國企混改。
前期研發階段，浙江省高速資訊公司前期分派團隊入駐每日互動。後期實施階段，每日互動分派團隊入駐該公司展開落地部署。
愛分析：公共服務領域的數治小腦包括規劃數盤、交通數盤、人口數盤、經濟數盤，這4個數盤的底層業務邏輯是怎樣的？
方毅：人腦當中有腦幹、小腦、大腦。腦幹是負責生命保障系統。小腦管理人體肌肉平衡，城市交通解決的就是平衡問題。大腦負責對過去、現在和未來做出研判，做出決策。每日互動將自身精細化定位於數治小腦的建設，透過協調數治平衡，以其靈活、實用、高效的特點，創新性解決社會治理的場景痛點。
愛分析：能否舉例介紹，上述四個數盤的應用場景？
方毅：人口數盤：把人口精細化的分成百米級的網格，進行大資料分析。例如，在每日互動的影響下，浙江大學附屬第一醫院進行了位置規劃調整。原來主城區醫院充足，供過於求；城西醫院不足，市民需要到主城區進行就醫，容易導致交通擁堵，因此浙江大學附屬第一醫院計劃把婦幼保健科和婦產科移到城西。
車輛數盤：一般來說，地方政府去實現城市車輛統計難度很大。每日互動可以透過大資料實現路段級別的實時車輛數及車速計算，並輸出給地方政府。小腦服務較靈活、可操作性強，其他區縣、地市能夠非常便利地得到數治理小腦的服務。
經濟數盤：大量公司的註冊地跟辦公地是分離的，經濟數盤可以用大資料的方法將註冊地和實際辦公地合併在一起，精確的告訴政府、園區的領導，其所在轄區每畝地、每幢樓、每平方米能夠實現的稅收和所擁有的人才力量，幫助政府和園區領導做出判斷。
愛分析：針對移動網際網路業務，如何理解半年報中提到的“進行擴充增量、建立多觸點的服務模式”？
方毅：指的是每日互動提出的6R模型，即Recruitment（拉）、Reproduction（推）、Retargeting（回）、Retention（憶）、Revenue（收）、Reservation（留），覆蓋App開發者從獲客-啟用-變現的閉環。基於6R理論，每日互動會給開發者提供一個運營平臺，教開發者如何精細化運營使用者，運營平臺的效果非常好。
愛分析：每日互動的聯合實驗室和研究院提供哪些技術能力的支援？
方毅：今年，每日互動設立了“西湖資料智慧研究院”，從技術與資料、產品與模式創新等方面進行探索及研究，聚焦資料智慧的前沿創新與應用。此外，公司還與各類頂尖科研機構、高等學府成立多個資料智慧聯合實驗室，共同推進大資料、人工智慧等尖端技術的發展。
西湖資料智慧研究院的主要研究的領域包括動態本體、人工智慧、安全計算等幾個方面。其中一個是動態本體資料庫，把多源異構資料用知識圖譜動態本體進行呈現和研判。每日互動的動態本體資料庫對標美國的Palantir，成長的非常快。
再比如跨時空分析半年的資料，以前要幾個小時甚至幾天才能出分析結果，基於治數平臺的相關能力，可以三秒鐘完成資料分析，這中間的資料演算法迭代能力不是一般的開發工程師能夠實現的。
交通數盤也是西湖資料智慧研究院的產物，交通數盤分析中國每一條道路上的實時人口和車輛資料，是由每日互動的一位技術高手帶領三五人的小團隊，用兩個多月時間實現的。
愛分析：未來哪個行業的潛在市場規模更大？公司是否會有重點佈局的行業？
方毅：每日互動目前為止梳理了大資料應用的五個領域，未來會在這五個領域做大資料深耕。第一個方向是面向中國的網際網路企業和開發者，也是每日互動的基本盤。
第二個方向是公共服務，G20之後產生了政府相關的服務，新冠抗疫之後，出現了更多政府城市大腦當中的數治小腦的需求。
第三個方向是每日互動堅持了很多年的品牌精準營銷服務。我們基於大資料能力為品牌主提供使用者洞察和精準投放定向服務。目前這部分市場非常可觀，每日互動相關業務正在快速的崛起和擴充。
第四個方向是針對於智慧風控的賽道，包括了金融的風控，如幫助銀行識別客戶的風險係數等相關方面的分析。以及非金融風控方面，比如叫車類軟體客戶線下接觸有發生高風險犯罪的可能，智慧風控可以透過大資料去判斷相關的風險係數。
第五個方向是大健康領域。新冠抗疫中每日互動已經有大資料在大健康領域的應用，未來如何更好的將資料用起來，是每日互動積極探索的方向。
