数据、分析与人工智能在中国的发展周期
背景与重要性
数据、分析和人工智能（D&A）对中国数字经济和国家战略具有重要意义，并受到监管框架的支持。数据分析领导者必须理解区域D&A和AI生态系统中的泡沫与现实，以实现业务成果。
关键假设
到2026年，中国白领工作岗位将重新定义超过30%，利用和管理生成式AI将成为一项重要的技能。
主要发现
- 市场相似与独特性：尽管中国D&A和AI市场与全球市场有许多相似之处，但在组织结构、技术重点和价值主张上存在独特差异。
- 政策与实践：中国的数据、隐私和AI法规与美国或欧盟更为一致，D&A行业最佳实践往往符合这些法规。
- 技术创新：尽管存在许多夸大预期，但真正达到技术成熟度平台的D&A和AI创新非常少。本研究主要关注新兴技术和技术成熟度的不同阶段。
技术周期
- 高峰期：创新常被吹捧为解决传统瓶颈的解决方案，期望它们通过解决硬件资源稀缺性、可扩展性、可持续运营化、安全风险缓解、技术自给性和多领域应用来证明其商业价值。
- 关注领域：
- 数据资产管理：是中国组织中的一项变革性且独特的实践，有助于有效传达和交付D&A项目的价值。
- 生成式AI和大型语言模型：中国市场对生成式AI和大型语言模型表现出特别的热情，但用户对本地开发的大规模语言模型的信心较低，更倾向于数据驱动或应用驱动的方法。
- 数据分析和数据科学：包括增强数据和分析、公民数据科学、可组合D&A、数据中间办公室、联邦机器学习、知识图谱和自助式分析。
- 人工智能：包括AI工程、因果AI、决策智能、基础模型、生成式AI、本地开发的AI芯片和负责任的人工智能。
- 数据管理：包括数据分类、数据织布、DBMS自给性、湖仓一体和实时数据管理。
关键创新
- 数据中间办公室：虽然备受推崇，但在Trough of Disillusionment阶段。
- 数据资产管理：唯一能够实现主流采用且具有转型效益的创新，预计在两年内实现。
- 公民数据科学、决策智能、生成式AI和实时数据管理：在未来两到五年内值得特别关注，有望实现主流采用。
- 因果AI：高效益评级，市场渗透率低于1%，处于新兴阶段，通过因果图和模拟等技术识别因果关系，提高决策能力。
实施策略
- 加速实施数据分类和数据素养作为长期战略，以建立坚实的人工智能基础。
- 推动因果AI的应用，提升决策自主性和解释性，提高系统的稳健性和适应性。
结论
中国D&A和AI市场正处于快速发展阶段，未来几年将见证众多快速创新和失败。数据分析领导者应重点关注数据资产管理、公民数据科学、决策智能、生成式AI和实时数据管理等领域的创新。
