通信世界网消息（CWW）数据应用是通过建立数据与业务的高效衔接，实现数据最终赋能业务。数据应用是否充分决定了数据对业务的赋能效果，是数据价值释放的“最后一公里”。若数据应用不充分，将反向影响企业对数据存储与计算、数据管理等企业数字化领域的投入信心。虽然数据应用早已存在于人类社会的各项活动中，但由于技术能力不足、前序工作未就绪等因素限制，传统数据应用主要针对的是少量、局部、非实时数据，仅释放了数据的浅层价值，导致大量决策仍然依赖人工。
当前，产业界正积极探索新的数据应用方法论，并在不同行业、不同场景进行滚动式实践，从而释放数据深层价值，目前已取得初步进展。本文将详细介绍数据应用领域的发展历程、当前现状、主要特征和趋势展望。
数据应用开始探索第三阶段实践路径
数据应用发展已有60余年，总体分为3个阶段。数据应用是利用数据对各项事务进行探索、分析、洞察并最终推动决策的过程，是数据价值释放的最终一环。在各企事业单位中，数据应用是否充分，直接决定其对于数据相关工作整体投资的性价比，进而反向影响对数据存储与计算、数据治理、数据安全等环节的投入。数据应用随着数据本身形态、数据处理技术、产业发展环境、数据应用需求等的不断演化升级，其内涵和模式不断丰富，总体发展历程可分为3个阶段，各阶段特征如表1所示。
表1 数据应用3个发展阶段的特征（来源：中国信息通信研究院）
信息化催生了数据应用的第一阶段，企业利用Excel等工具，进行小数据量、随机、专题性问题的分析。随着企业信息化的不断深入，第二阶段是当前数据应用的主流，即财务、人力、业务增长等关键领域信息，以固定周期、BI图表可视化的方式，呈现给企业决策层，再通过人工完成决策。例如招商银行BI分析平台于2020年上线，仪表盘数量超过3万，覆盖零售、信贷、风控、运营等核心业务，累计任务执行次数超600万，协助完成44家分行业务工作，业务渗透率达80%。
目前，数据应用第三阶段实践已初步落地，经验正在快速积累。随着数据来源增多、体量变大，以及数据存储与计算技术的逐步升级，头部企业开始率先探索第三阶段实践路径，例如互联网、金融、电信、制造等行业领域的龙头企业，在营销、风控、经营分析等核心业务中，开展从组织架构、数据存储与计算到商业模式的全方位探索，并取得一定的成功经验。
中国信通院2022年企业数字营销评估结果显示，已有约30%的头部企业实现了自动决策能力。近年来，国内外知名研究机构对已步入第三阶段企业的实践过程，进行总结梳理并完成建模，从而为后续企业提供理论基础，典型数据应用模型汇总如表2所示。
表2 典型数据应用模型汇总（来源：中国信息通信研究院）
数据应用发展呈现三大特点面向个人消费者领域的数据应用相对领先
精细化运营就是将渠道、用户行为等维度的数据分析与企业所处的发展阶段相结合，对用户展开针对性的运营活动，对用户进行精细化运营是企业竞争力跃迁的必要手段。因为个人消费端用户量大，精细化运营资源成本高，而数据应用可以有效助力个人消费端的精细化运营。因此，个人消费领域数据的应用水平普遍较高。根据神策研究院发布的《2022中国企业数字化运营成熟度报告》，各主要行业的企业数字化运营成熟度如表3所示，其中，泛零售、金融、互联网行业的数据应用综合评分排名前三。为快速响应消费市场需求，全球跨境电商通过打通消费侧和生产侧的业务数据，搭建了敏捷供应链系统，实现了开发、生产、仓储、物流全链路的数据应用商业模式改造。
表3 各主要行业的企业数字化运营成熟度（来源：神策研究院）
服务对象从决策层延伸至基层业务人员
数据分析工作极具专业性和复杂性，传统数据应用依托专业的数据分析工具和数据分析师，通过大屏、报表、领导驾驶舱等形式，供企业高层进行战略、财务等周期性决策。这种决策模式效率低，无法精确指导基层人员的业务执行方式。
当前，在固定的分析逻辑和报表基础上，数据应用逐渐向个性化、多样化转变。随着自助式数据分析工具的成熟，数据应用门槛不断降低，逐渐渗透至业务终端，从服务高层走向服务全域，如图1所示。
多管齐下，强化数据应用价值导向监管
随着产业数字化进程的不断深入，部分行业出现了大数据“杀熟”、个人信息泄露、“数字鸿沟”等问题。为了维护数据应用可持续发展的良好环境，行业监管部门迅速出台相关措施，强化数据应用价值导向监管。
一是加强个人信息保护。《个人信息保护法》《征信业务管理办法》等一系列个人信息保护新规及相关技术标准陆续出台，不断细化个人数据在金融、电信、互联网领域的应用规范。
二是明确界定大数据“杀熟”行为。国务院反垄断委员会制定发布《关于平台经济领域的反垄断指南》，对大数据“杀熟”行为做出明确界定，规制企业价格歧视和差别待遇等损害消费者权益行为。
三是建立大数据算法治理体系。国家网信办等四部门联合发布《互联网信息服务算法推荐管理规定》，全面构建算法治理机制，强化信息服务领域算法推荐活动治理。
四是倡导提升数字素养。为弥合城市与乡村数字发展“鸿沟”，《提升全民数字素养与技能行动纲要》《数字乡村发展行动计划（2022—2025年）》等文件多次提出并强调提升全民数字素养，倡导大数据企业在青少年数字伦理教育、大数据应用适老化等方面持续发力。
数据应用的主要挑战与发展趋势
从全行业发展角度看，当前数据应用仍面临四大挑战。
一是数据管理等前序工作难就绪。数据应用对数据管理等前序工作具有强依赖性，但由于企业治理工作尚待完善，造成业务侧难以进行数据的二次加工和利用。
二是企业组织架构不符合新需求。数据应用需要多部门共同协作，传统组织架构责权分工虽然明确，但存在业务对接盲区，不符合数据应用新业务模式发展需求。
三是复合型人才紧缺。数据应用需要兼具业务理解和科技能力的数字化复合人才，门槛相对较高。随着企业数据应用不断深入，人才紧缺已成为制约数据应用效能提升的主要因素之一。
四是技术工具适配度不足。当前，供给侧标准化技术工具不能适应不同企业实际情况，甚至倒逼企业开展定制化业务改造，导致企业开发工作负担过重，业务人员也存在“上手难”等问题。
未来，数据应用讲呈现以下4方面趋势。
一是自动决策将成为数据应用的主要形态。一方面，随着业务运营管理日趋精细化，传统人工决策效率瓶颈逐步显现，且成本居高不下；另一方面，随着数据源增多、模型精细度提高、数据应用技术工具逐步优化，企业数据应用的能力也不断提高，数据应用正从感知、诊断向研判、智能决策快速延伸。以金融风控业务为例，传统风控主要依靠专家经验，通过用户信息、央行征信数据以及公司内部资料进行简单规则触发和人工审核；而智能风控则是结合了第三方的线上线下多维数据，通过复杂模型和策略体系完成自动化分析，极少触发人工复核。
二是企业组织架构以数据应用为中心加速演进。数据应用需要业务、技术、数据管理等多部门协作，但是部门间对数据应用的理解存在偏差，部分企业尝试调整组织架构以配合数据应用。一方面，高层领导牵头总体工作，据《金融业数字化转型发展报告（2020—2021）》调研结果，34.78%的金融机构由最高领导牵头数据应用的总体管理决策，自上而下加大数据应用实施力度。另一方面，为业务部门配置技术和数据人员，进行点对点业务对接，提供技术和数据的专业化决策与长期运营支撑。
三是“咨询、技术、代运营一体型数据应用”服务形态将崛起。在数据应用层面，技术工具仅能够进行数据采集、处理及策略触达等，要充分释放数据价值，就需要业务人员具有优质策略产出及运营等能力。目前，大部分应用侧企业缺乏运营及策略制定能力，因此在其采购技术工具的同时需要提供与之配套的咨询服务，并开展一段时间的代运营服务，以助力其数据应用落地。以零售行业为例，应用侧企业对实时效果要求较高，在选购技术工具时更在意何种策略与技术产品的组合能够立即推动业务增长。因此，有较强咨询和代运营能力的供给侧企业将更受青睐。
四是低代码数据分析工具将助推数据应用平民化进程加速。我国各行业企业发展水平差异较大、业务属性不同，随着数据应用的持续推广，企业在业务层面延伸出越来越多的个性化、敏捷化需求，但传统的SaaS服务难以满足这些需求。此外，数据应用要求业务人员参与到数据建模与运营过程中，因此，标准化的技术工具必须考虑如何降低使用门槛以便于用户操作。当前，国内大多数应用服务商已推出低代码开发工具，希望通过模块封装、可视化建模、自动化建模等方式，让用户快速、直观地完成应用程序的组装和配置，有效降低了数据应用门槛。
