作为《2021中国数据智能产业发展报告》系列解读文章的第二篇，我们聚焦数据智能对不同行业的应用情况。
依据数据猿调研数据，不同行业的数据智能应用成熟度存在很大差距。其中，互联网、金融的数据智能应用成熟度最高，零售、医疗、政务、工业等行业的成熟度较低。
需要指出的是，随着互联网+的推进，互联网带动了多个行业的数字化进程。比如，将电商与零售融合形成的新零售，互联网与金融融合形成的互联网金融，互联网与工业融合形成的工业互联网等。
与互联网+类似，“数据智能+”通过将数据智能技术与各个行业结合，探索出多样化的应用场景，驱动这些行业的数字化、智能化转型。
数据智能+互联网，精细化用户运营、多样化应用创新
随着互联网用户渗透率增长放缓，增量市场逐渐变为存量市场，原有的商业模式和产品模式都面对挑战，从流量思维变为数据思维，深耕细分领域，从用户增长变为用户深耕成为趋势，另一方面消费互联网也从简单的线上零售向内容+社交转变，非标内容将面对更加个性化。
依据数据来源、应用形态的差异，可以将互联网划分为PC互联网、移动互联网、产业互联网、万物互联四个阶段。不同阶段都有其典型应用，比如移动互联网时代的移动社交、电商等，产业互联网时代的互联网金融、互联网教育、互联网医疗等。
人工智能在互联网的创新应用探索，衍生出电商千人千面、精准定向广告、程序化广告交易、AI视频生成等多样化的互联网创新应用，成为目前互联网创新的重要方向。
电商千人前面。传统电商主要基于商品搜索技术，是人主动找商品。随着用户画像、智能推荐等技术发展，电商平台可以依据用户过往浏览、购买记录，分析出用户的购物偏好，主动推荐用户可能感兴趣、需要的商品。“千人千面”的电商平台设计，实现了更精细化的用户分层，这将支持电商平台更精细化的广告位设计，提升了其广告位数量和广告效果。
精准定向广告。精准定向广告交易模式，让广告主从购买广告位，转变成购买人群。当广告主锁定了自己的目标受众后，展示广告就会追随每一个目标受众出现在他们登录的页面上，因此，即便他们出现在三四级页面，依然可以看到这个广告，既能节省营销成本，又能起到良好的营销效果。
程序化交易广告。利用技术手段进行广告交易和管理，广告主可以程序化采购媒体资源，并利用算法和技术自动实现精准的目标受众定向，只把广告投放给对的人；媒体可以程序化售卖跨媒体、跨终端的媒体资源，并利用技术实现广告流量的分级，进行差异化定价。
AI视频生成。借助AI技术，自动合成人物形象和人物视频，自动生成图片、视频、直播内容，比如淘宝的虚拟模特，斗鱼直播、B站直播的虚拟主播等。借助AI技术，可以生成更多炫酷的视频效果，提升视频、直播趣味性。
数据智能+金融，推进金融4.0建设
大体来看，可以将金融分为四个发展阶段。数据智能+金融，通过智能风控、智能营销等应用创新，将把金融带入以数字化、智能化为核心特征的4.0阶段。
在当前经济形势下，金融行业面临较大的经营压力。一方面，新冠疫情影响总体经济形势，银行业绩增长承压；另一方面，互联网金融创新活跃，消费贷、手机支付、理财产品推荐等金融服务更加便捷高效，银行面临较大的客户尤其是个人用户流失的压力。
长期来看，利率市场化、金融脱媒对商业银行生存环境带来重大影响，银行亟需创新金融产品、业务模式，利用AI技术实现大规模定制化金融服务，摆脱低水平同质化竞争。同时，传统信贷模式成本高，难以覆盖大量长尾客户。通过技术创新实现下沉客户群体的精细化运营，是金融企业实现业绩增长的关键。
就具体的智能金融应用场景方面，依据数据猿的市场调研数据，智能营销、大数据风控、反洗钱等是比较看好的场景。另外，近来开放金融账户、对外提供金融科技服务等开放银行业务也逐渐受到关注。
具体来看：
金融营销。基于深度客户画像，提升营销的精准度和效率，增强获客能力和客户转化率。提升客户满意度，降低流失率。金融风控。综合利用机器学习、知识图谱、NLP等技术，将金融领域的风控规则与AI模型进行结合，构建风控场景模型。针对中小微企业信贷需求，秒级审批，覆盖中长尾。反洗钱。从交易数据中自动识别洗钱可疑交易，辅助分析和案件报送。提升案件识别准确率，大幅度提升反洗钱合规工作效率。开放金融。将成熟的AI服务输出给生态合作伙伴，拓展新的业务模式。不断丰富AI应用场景，将用户数据反馈到AI平台，进一步优化模型，提升AI能力，形成数据-技术-服务闭环。
数据智能+零售，重构“人货场”
依据国家统计局数据，线上零售额占比逐年提高，由2015年的13%提升到2019年的25.7%，未来还会进一步提升。此外，互联网平台不再满足于充当一个线上渠道，通过生鲜电商、社区电商、本地生活等方式对零售业的渗透加深，将攫取更多零售价值，传统零售企业面临互联网巨头的跨界竞争和降维打击。
在这样的背景下，零售行业亟需改变商业模式，提升经营水平，尤其是借助数据智能技术，实现转型升级。零售企业需要借助数据平台，从线下门店、仓库、供应链、线上平台等系统中采集数据，实现数据融合管理，进行数据分析挖掘，在数字供应链、智慧门店、客群识别、智能营销、仓库管理等方面提升效率。
通过数据平台进行数据采集、数据存储、数据治理、数据融合，在此基础上进行数据分析，最终实现用数据赋能“人-货-场”，具体来看：
数据赋能—人：通过用户购买、浏览、线下支付等数据，更精准的进行客群洞察，制定更有针对性的营销方案，挖掘交叉销售机会，避免用户流失。
数据赋能—货：基于数据平台全面掌握商品情况，包括不同商品的销量、库存、物流、供应链情况，分析爆款商品，进行商品质量管理。
数据赋能—场：以线下门店、渠道数字化，实现更加精细的门店和渠道管理；创新应用电商、短视频、直播等线上渠道，基于数据进行渠道流量分析，优化线上渠道的投产比。通过数据融合，实现线上线下的打通。
目前，以数据智能为核心的新零售正在快速发展，也出现了较多的成功应用案例。数据智能服务商与零售企业相互配合，共同探索数据智能技术在零售中的应用场景。以网易数帆与名创优品的合作为例，基于网易数帆的数据中台和数据应用产品，名创优品构建起“数据向上、业务向下”的应用体系，覆盖会员、产品、门店、交易支付、供应链、公共六大数据域。同时，建设会员中心、产品中心、门店中心三大主题数据中心，统一消费者、产品、门店的数据的采集、加工与分析应用，设计并搭建管理者和店长看板，让管理这和业务人员能够更清楚的掌握经营情况。
图丨网易数帆-有数零售行业数据中台架构图
通过数据赋能，名创优品的经营效率得到显著提升，比如数据响应时间从天级别直接下降到分钟级别，同时促使不同门店会员复购率提升5-10%，会员销售贡献提升10-50%。类似的应用案例，在新零售领域已经比较常见。
除了上面提到的三个行业，数据智能也正在深度改变工业、政务、教育、农业等多个行业领域。需要指出的是，现在很多行业还处在数据智能应用的初级阶段，还存在诸多问题，比如数据积累不充分，数据质量差，数据孤岛现象严重，数据实效性低、与业务联动性差，数据价值挖掘工具不足等等。
虽然还存在不足，数据智能+行业的应用前景非常广阔。
依据中国信通院的数据，2019年我国数字经济规模已经达到了35.8万亿，占GDP比例达到了36.2%。数字经济已经成为我国经济最强劲的引擎，是推动我国更上一个台阶的关键。
数字经济分为数字产业化和产业数字化两个部分，其中产业数字化占数字经济的比例达到80.2%，已经成为数字经济的主体。
我国数字经济内部结构 数据来源：中国信通院
数据智能+行业应用，将成为我国产业数字化发展的核心驱动力，对我国的数字经济建设发挥关键作用。
相关企业：字节跳动&火山引擎、网易数帆、亚信科技
【报告获取方式】关注“数据猿”微信公众号，后台回复关键词“数据智能报告”可免费下载完整高清版《2021中国数据智能产业发展报告》
