大数据中国

搜索
大数据中国 首页 大数据技术 数据处理 查看内容
数字化转型助推,200亿元数据治理市场空间充满想象
2021-5-18 14:32 | 查看: 987| 评论: 0

03 中国数据治理市场迎来爆发,未来前景可期

随着企业越来越多开展数据治理工作,企业对数据治理相关的产品和服务投入也逐步增加。

在当前阶段,中国企业的数据治理工作主要是围绕着大数据平台的建设和完善过程而展开的。随着中国企业大数据平台建设步伐的加快,与之相关的数据治理市场也将迎来爆发增长。

IDC预计,到2023年,中国大数据市场总规模将达到1600亿人民币,其中软件和服务约为1000亿元。2019年至2023年,中国大数据市场的复合增长率为23.5%。根据爱分析的调研,在包括银行、能源和通信等企业典型的大数据平台建设项目中,约20%预算用于数据治理工作。据此推算,到2023年,中国的数据治理市场规模将约为200亿元。

分行业看,早期对数据治理需求主要来源于金融和通信运营商,不过近年来,包括能源、房地产、汽车等行业借助数字化转型的浪潮,奋起直追。此外,随着数字政府和智慧城市等项目的推进,政府部门也成为了数据治理的重要需求来源。IDC数据显示,2018年,中国数字政府大数据市场达47.44亿元人民币,其中数据管理和治理的软件和服务市场为31.81亿元人民币。

04 沉淀管理方法论,打造通用化产品是实现规模化的路径

目前市场上数据治理的玩家主要分为三类:第一是IT咨询公司,典型的厂商包括埃森哲和IBM等;第二是数据平台和数据中台公司,包括明略科技、数澜科技和惟客数据;第三类则是专注于数据治理的厂商,典型代表是御数坊。

从产品和服务的供应来看,当前中国数据治理市场呈现较为分散的状态,这主要受限于当前数据治理厂商采纳的交付模式。

目前数据治理厂商典型的交付模式包括两种,第一种是传统咨询模式;第二种是数据治理软件为主的纯工具类交付模式。在这两种模式下,要实现数据治理的价值体现和规模化落地都面临巨大挑战。

在咨询服务模式下,IT咨询公司以提供顶层设计规划以及组织制度规划等体系化的咨询服务为主,与具体业务场景存在较大脱节,企业业务部门参与度低,往往难以落地见效;在数据治理软件的交付模式下,技术工具公司更侧重数据开发人员技术化的功能,技术功能同质化严重,并且难以支撑业务人员、专职的数据治理人员使用,数据治理效果和价值难以发挥。

由此可见,在当前两种模式下,采纳任意一种都难以实现规模化落地,而要真正实现规模化其中一个路径是将两种模式进行结合:将管理方法论进行沉淀,打造成通用化产品,结合数据治理软件产品以及智能化等先进技术,从而解决数据治理难以上手以及价值无法发挥的难题。

而这种可以因地制宜,实现高价值的模式,对厂商的产品能力提出了更高的要求,具体来看,体现在以下两个方面:

第一是数据治理方法论和场景设计能力。咨询方法论是指针对数据管理全生命周期形成的体系性实践纲要,而场景设计能力则指针对数据应用场景的规划和落地能力。

数据治理方法论和场景设计能力越强,就越能够对数据治理过程中涉及的各种工作任务进行可操作的流程设计和软件应用开发,将数据资产盘点、数据标准管理、数据质量管理、元数据管理以及数据认责管理等流程以在线化的方式形成通用化产品,实现跨行业的规模化落地。

第二是技术能力。在数据治理落地和实施过程中,可使用 NLP、机器学习、知识图谱以及低代码等先进技术,提升数据标准制定、数据资产目录建设、数据认责管理等工作的效率,减少人工成本。厂商具备的技术能力越强,就越能够快速推进项目的落地,实现规模化部署。

05 咨询和产品一体化发展,御数坊推进数据治理规模化应用

御数坊是融合了咨询服务模式以及纯工具类交付模式的典型代表厂商。

御数坊成立于2014年,成立之初主要以提供咨询服务为主。近两年来,御数坊实现转型,目前形成了“咨询服务+软件产品”的咨询和产品一体化的服务模式,为企业提供全栈的数据治理解决方案。

御数坊(北京)科技有限公司成立于2014年12月,是一家在数据治理领域专注十年以上的专业机构。成立以来,参与多项数据治理专业国家标准编写,服务于多家大型企业,行业覆盖银行、证券、能源、地产、汽车、通信、制造、政府等领域。御数坊以“咨询服务+软件产品”的一体化交付模式,致力于解决中国客户多年以来的数据治理实践困惑和挑战。

御数坊(北京)科技有限公司成立于2014年12月,是一家在数据治理领域专注十年以上的专业机构。成立以来,参与多项数据治理专业国家标准编写,服务于多家大型企业,行业覆盖银行、证券、能源、地产、汽车、通信、制造、政府等领域。御数坊以“咨询服务+软件产品”的一体化交付模式,致力于解决中国客户多年以来的数据治理实践困惑和挑战。

在之前的咨询以及纯工具交付模式下,咨询服务与数据治理软件存在断层,服务和产品与客户需求脱节,数据治理投入大、时间长、阻力大而且价值低下。而御数坊采用的咨询和产品一体化的服务模式,可有效解决这些难题,既解决了咨询模式下数据治理难落地的问题,也解决了纯工具模式下软件工具面向技术人员而无法被业务人员使用的问题。

御数坊目前推出了拳头产品“DGOffice数据治理办公室”。DGOffice构建了大量基于咨询方法论的协同化应用场景,能够让客户简单、规范的实现数据治理工作的起步。基于DGOffice,包括业务人员在内企业人员可在线进行数据资产盘点、数据认责管理、数据标准管理和数据质量管理等工作。

由于御数坊实现了将治理方法论融入DGOffice产品中,构建了数据管理工具功能化向场景化的转化,因此能够实现在同行业以及行业间进行复制,推进规模化部署。与此同时,DGOffice还具备智能化以及低代码能力,能够快速的支撑起客户个性化的管理场景,提高实施与交付的速度。

在咨询方面,御数坊的服务模式从以往的重咨询转向了当前以面向业务场景的微咨询为主。在微咨询的模式下,御数坊会围绕着客户反馈的业务场景和数据问题,如营销指标治理以及客户数据治理等,提供咨询服务。相比面向全企业集团的大型体系化的咨询项目,面向场景的微咨询能够围绕具体痛点,快速解决客户问题,具备见效快和效率高的特点,通常情况下,两周到1个月就能完成。

在商业模式上,在目前轻量级微咨询的交付模式下,御数坊的收费模式也比此前重咨询的交付模式下变得更加灵活。具体来看, 御数坊目前的收入构成增加了产品部分的收入,按照模块进行收费;而咨询服务方面,则按照人/月进行收费。

未来,御数坊将继续坚持咨询和产品一体化的发展路径,同时提高产品在整体收入中的比例。具体规划体现在以下两个方面:

在技术方面,御数坊将加强对低代码、NLP、知识图谱和机器学习等智能化技术的投入,提升产品实施和部署的效率;与此同时,御数坊还将加大对云环境下数据治理应用的研发投入,以适应当前企业IT基础设施云化以及多云的趋势。

在产品方面,在做好数据治理相关功能模块的同时,御数坊还将探索向包括数据安全治理以及数据交易合作等领域拓展。

06 面向未来,数据治理开启新征程

在市场规模迎来爆发增长的同时,未来中国数据治理市场也将呈现出新的特点,主要体现在企业需求、政策、技术以及基础设施四个方面。

在企业需求方面,在“数据民主化”趋势下,企业业务部门将越来越多参与到数据治理和数据利用的工作,数据治理将从IT部门及数据团队走向业务部门,场景将变得更加丰富。

与此同时,随着“数据要素”概念的推行,面向数据交易和数据合作的数据治理,或将成为新的趋势。在完成大数据平台建设的基础上,对外进行数据合作,能够提升数据价值,而在这一过程中,通过数据治理能够明确数据开放和共享管理机制,保障合作各方利益。

在政策方面,数据治理的监管政策或将从银行业扩展至其他行业。过去两年,国家各个部委纷纷出台针对全行业的数字化转型、数据要素等方面的政策,数据治理成为这些政策的重要组成部分。

例如,国资委于2020年9月出台《关于加快推进国有企业数字化转型工作的通知》。通知提到国有企业集团应该加快数据治理体系建设,明确数据治理归口管理部门,加强数据标准化、元数据和主数据管理工作,定期评估数据治理能力成熟度。

在技术方面,随着数据安全及隐私保护相关法律法规的出台,数据治理中正在增加数据安全相关的要素;而随着AI、区块链等技术的逐渐成熟,以及企业已经通过前期数据治理工作积累了大量元数据信息,包括NLP、机器学习以及知识图谱等智能化技术有望在数据治理中得到广泛应用。

在基础设施方面,企业上云进程加快,同时企业越来越多的采用私有云、公有云和混合云等多种形式,并且使用超过一家云厂商的服务。多云的环境下也给数据管理工作带来了挑战, 数据治理需要适应这一趋势。

未来, 随着企业数字化转型的加快,对数据治理的需求将进一步提升;与此同时,国家和行业纷纷推出数据治理相关的行业政策以及行业标准,数据治理在中国将迎来属于自己的春天。

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除
12

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
请微信沟通
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
微信扫一扫
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2022-1-28 20:40 , Processed in 0.053980 second(s), 24 queries .

返回顶部