近两年，无论是资本层面还是企业的关注，数据智能已经成为了一大热点，市场规模高速增长。

数据智能基于数据应用的发展而来，由于其更能够发挥数据本身价值，更适合为全场景业务提供业务洞察和科学决策，成为了数据应用之上的创新者。

在这样的背景下，企业对于数据的使用需求已经由管理层下沉到一线业务人员，场景应用上也变得更加多元化。因而，如何快速降低一线业务人员对数据应用的使用门槛，提高他们对数据应用的使用能效，成为很多厂商研究的课题。

这一赛道，实况究竟如何呢？

笔者注意到，近日这一赛道就发生了一大好消息。其中的代表厂商滴普科技完成了1亿美金B轮融资，如果再算上之前的经历，其融资轮次达到了七轮。

最新推出的《2021中国大数据产业发展地图暨中国大数据产业发展白皮书》则指出，2020年中国大数据产业规模达6388亿元，预计未来三年保持15%以上的年均增速，到2023年产业规模超过10000亿元。

照此来看，数据智能赛道万亿市场规模即将浮现，滴普科技的上亿融资或许就是最真实的写照。

数据智能时代，场景应用更广泛

提起数据智能一词，可以追溯到2014年。彼时，数据智能指的是基于大数据引擎，通过大规模机器学习和深度学习等技术，对海量数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，并通过建立模型寻求现有问题的解决方案以及实现预测等。

时过七年，企业对于数据的应用逐步深化，已经从数据监测、数据采集等传统场景迈向智能化时代。

众所周知，数字化的发展进程大致分为信息化、数据应用、数据智能三个阶段。数据智能阶段的5G、IOT、AI等技术的成熟应用打破了数据传输瓶颈，加上感知类AI技术解决了非结构化数据处理的问题，多模实时数据处理技术解决了供应链、生产等场景问题和多模数据处理的瓶颈等。

尤其是企业对于数据使用的场景变化最为明显，呈现出数据源多样化、数据量大幅增长、实时性计算和增强计算需求攀升等特点。受众需求上，逐渐从面向管理层的报表下沉到一线业务人员的多维度数据分析。

数据智能的应用场景，也从数据应用时代的营销推荐及管理的决策辅助，推进到供应链的优化、生产的优化以及全场景下的整体运营。

“像堆乐高一样”简单，组装式产品趋势显现

市场的大变化，也推动了行业和厂商们的思考。

以往在业务数据化阶段，厂商大多是帮助企业完善大数据基础设施建设，整合内部数据，培育数据采集、存储、加工等数据处理等能力，而在数据智能化阶段，厂商开始将数据能力以工具化、产品化的方式对外输出。

前文说到的滴普科技，就是典型厂商之一。从2019年初开始，滴普科技正式定位为全场景数据智能服务商，他们认为：“企业的数字化转型，底层数据处理能力是核心内功，敏捷创新能力是关键外功。”

到2021年初，滴普科技完成了全链条数据智能技术产品，打造了DataFacts和FastData两个核心产品体系。基于这两大产品体系，滴普科技还打造了一批具备数据智能的标准化产品体系。

与此同时，数字化厂商们已经意识到产品必须回归到帮助企业去创造实际价值，滴普科技自然也不例外。目前，从数据存储、数据处理、数据可视化、数据资产管理等，滴普科技已经构建了一条完整的产品体系。

笔者看到，滴普科技为此开发了低代码技术组件群，为企业直接提供面向业务的可视化能力组件，实现业务的快速配置和拼接。比如，通过SDK可以为企业和开发者提供分发引擎、标签引擎、报表引擎、支付引擎等内容，从而帮助企业积累海量数据，形成丰富的数据标签体系。

其实，无论是标准化的产品体系，还是低代码技术组件群，就如同堆乐高一样，但需要把“积木”即业务场景做到足够丰富，耐心打磨出每一个业务场景进行验证，并进行长时间的积累与实力沉淀。

即使把这一产品逻辑放到整个赛道甚至行业来看，似乎代表了一大发展趋势。

根据Gartner预测：到2023年，采用组装式模式的企业将在实施新功能方面的能力超过80%的竞争对手。

直面业务场景建立生态，或将成为核心竞争力

如果说组装式产品是数字企业未来的趋势，如何解决业务场景痛点，将成为数字化能力的核心竞争力。

就整个行业来看，数据智能在金融、消费品与零售、政府与公共服务行业率先落地，进入成熟的场景多元化阶段。也就是说，谁能够在业务场景中快速完成落地实践，谁就能成为未来市场领头羊。

以滴普科技做参考案例，笔者看到滴普科技在商业智能的场景实践，已经成功落地。在商业流通领域为例，滴普科技深入到消费者运营、商品运营等场景中。这种以场景为主的产品，提供的不只是单纯的一款产品，而是在服务过程中关注到客户想要解决的问题。

正是遵循着这样的业务逻辑，滴普科技在智慧政务场景、金融场景、装备制造等场景，也通过打造针对核心业务场景的数据智能标准化技术产品体系，推动制造业的数字化转型，打造了一批智慧政务建设标杆案例。

仔细研究会发现，相较于传统软件，以滴普为代表的数据智能产品，大多解决的一线业务部门的创新型的应用需求。从这个角度出发，数据智能还需具备大量的生态构建者，否则根本无法解决用户需求。

对于数据智能厂商而言，只有聚焦客户价值，在技术能力完善和生态建设上重点发力，才能构建起企业的护城河，进而保持和提高企业核心竞争力。至于未来，谁将成为万亿级大赛道上的“香饽饽”，只能拭目以待。