2020年即将爆发的人工智能营销趋势有哪些？

谢谢邀请。数据智能平台/数据中台承载着数据生命周期，对应的是客户企业数字化转型几个阶段面临的 主要问题。在不同的阶段，数据智能平台/数据中台可向客户提供不同的能力、资源的组合， 包括数据智能平台/数据中台自有能力和产品以及其合作伙伴的能力与产品。从目前数据智能 企业所服务的客户来看，大多数的客户都处于企业数字化转型的中期阶段，究竟是为什么，他 们仍未享受到数据智能带来的加速效应呢？

对企业客户来说，企业数字化转型有如图表6所示的几个阶段，不同阶段面临的问题有所不同：

1.业务数据化阶段，企业面临的主要问题是数据获取，这涉及企业内的技术支持及统一整合， 也涉及流程优化、组织调整及职位的变化。

2.数据资源化阶段，企业面临的主要问题是数据的结构化、数据清洗、数据连接等，如何将历 史遗留的不同结构、存储形式的数据打通和整合，从这个阶段开始需要有专业的数据人员进行 管理。

3.数据资产化阶段，企业面临的主要问题是数据融合、数据治理和数据准备，以解决数据不可知、 数据不可控、数据不可取以及数据不可联四大难题。从业务价值驱动的角度，使原始数据变为 变成业务上能够使用的数据。

4.决策自动化阶段，企业面临的主要问题是企业内部的数据关联分析、自动化生产驱动决策。

5.场景智能化阶段，企业面临的主要问题是企业外部商业化流程中的数据探索、建模，自动化 生产等，主要突破点是需要形成决策闭环，构建数据智能产品。

目前大多数的企业客户卡在中间的阶段，无法实现终的场景智能化以应用于真正的商业，即 自动化的数据智能产品替代决策，经过一系列的客户访谈，我们发现主要痛点如下：

第一、业务管理者或高管不知道怎么构建数据业务/数据能力；

第二、缺人，缺人，还是缺人；不知道从哪里获取这类人才，或者人才掌握的是上一阶段发展 所需的知识；

第三、客户没有透彻地理解数据能力和企业业务能力之间的关系：无法与客户商业决策所对应 的商业指标绑定；

第四、相应数据虽形成闭环但是数据闭环本身太小或者太过封闭，能够解决的问题过少、过小。

客户侧出现的问题，体现了整个数据行业目前面对的深层次问题。整个数据行业目前来说也面 临着发展的痛点。对于数据行业的在位企业来说：

1.数据获取已经不是问题，但是单一数据源价值有限、数据需要共享才有价值：虽然已经积累 了大量的数据，但是从单一企业的角度来看，可获得的数据维度还是较为单一。由于商业竞争 壁垒的存在，这些数据之间很少能形成交叉。因此，为了满足数据多源性，企业不得不求助于 建立数据生态。然而现在能够在保障数据安全的前提下，交换数据价值的技术只掌握在少数企 业手里。大型企业由于数据的体量和维度大，容易形成虹吸效应，这样加剧了数据行业的两级 分化，企业发展更为艰巨。

2.数字业务推陈出新速度非常快，各数据源及应用厂商各自造轮子，很难形成规模优势，缺少 分工和合作：企业需要支持的业务种类和数量越来越多，但背后的研发效率和业务响应速度越 来越低，有效工作占比降低。这亟需解决平台化阶段的信息获取成本高、互联互通成本高、服 务的不确定性、低水平重复建设等问题。分享成本低、可服用程度高、效率更高、通用性更强 的服务和能力亟待整合。

3.法律法规还在不断完善，数据安全成为桎梏所有数据价值共享的主要鸿沟：数据安全和合规 的概念还在不断的定义和完善中，对于法律的威慑，在没有数据安全技术和合规技术保障的前 提下，大多数从业企业选择了停滞和封闭生态。数据的不流通，也造成了数据价值无法流动和 交换。

4.数据与商业场景割裂，缺乏行业领域知识：数据类企业与其客户间的沟通不足造成了数据企 业对于行业的理解不深，导致数据与商业场景割裂，没有以“决策导向”去指导数据的全生命周期， 无法形成决策闭环，无法在各个闭环之间形成由业务导向的生态。

5.专业数据人才缺乏，高校等培养机构供给跟不足，行业人才空缺加大：由于大数据行业及人 工智能行业的不断发展，核心人才缺口由数据分析师向数据科学家转变。这对于人才在商业、 编程和数学的交叉能力要求极高，“一半靠找，一半靠培养”，尤其是高端人在中短期仍旧以 海归人才为主，技术难以得到指数型加速。

为了解决以上的痛点问题，无论是对于客户企业还是对于数据行业的在位企业来说，都需要出 现一家企业、一个团队来主导数据智能平台/数据中台的建设，这个新的数据智能平台/数据中 台的存在，能够打破传统价值分工、重构数据行业的生态全景，全面提高行业的价值产生能力。

（部分内容来源于网络，如有侵权请联系删除）