沙利文联合头豹发布《2024年中国数据管理解决方案市场报告》

在数字经济深入发展与人工智能高速发展的浪潮下，数据管理解决方案市场发展的聚焦点将关注到数据管理技术与人工智能技术的协同以及促进数据要素应用与发展，具体而言：

• 数据管理与人工智能技术协同：Data+AI或数智融合已经成为数据管理解决方案产品迭代优化的核心方向。数据供应方和数据拥有方都日益重视“AI-ready”数据能力，确保数据在质量、格式、标注等方面符合AI应用的需求。同时，双方也在积极探索如何利用人工智能技术优化数据管理流程，提升数据处理的效率和准确性，减少人工介入的成本和错误。例如，通过机器学习自动分类、清洗和标注数据，从而提升数据的可用性和分析价值。

  
  

• 促进数据要素应用与发展：国家正在积极推动数据要素的发展，涵盖了数据资产、数据交易等领域的探索，并通过出台政策、鼓励企业实践和推广数据管理能力成熟度评估模型（DCMM）贯标等措施，提升企业对数据管理能力的重视。数据的实际价值逐渐被具象化，包括数据对于企业和个人的实际应用价值，例如，哪些数据是“好用”的，哪些数据具备商用潜力为企业直接带来业务收益。

在这一背景下，数据管理能力的要求已不再仅限于数据的存储、计算和应用，还需要进一步关注数据的实时处理能力，及时响应外部变化。同时，企业还需要关注未来可实现跨域流通的技术基础，包括企业内部各部门和系统间的数据共享，以及与外部合作伙伴或市场的高效数据流通。

企业构建数据管理解决方案的核心目标在于通过高效存储、处理、分析内部历史、新生成，以及外部获取的数据，充分挖掘数据价值，以优化内部管理与业务效率，提高企业盈利能力。为了明晰企业内部的数据管理解决方案不足点和优化方向，企业应清晰地认识当前已构建能力达到哪一释放数据价值的阶段，从而提高资源投入效率进行能力的迭代演进。

数据价值释放可分为存在递进关系的业务洞察、决策优化、流通赋能三大阶段。在前两个阶段中，企业应逐步构建起完善的数据管理与治理技术基础，优化流程，并培育数据文化。同时，通过不断积累数据量和提升对数据的理解能力，为流通赋能阶段打好基础。流通赋能阶段则通过汇聚更多有价值的数据，进一步提升决策优化和业务洞察阶段能力的水平。

大数据时代发展迅速，很多数字化转型进度落后，未能及时跟进时代浪潮发展的企业仍停留在业务洞察阶段，并且在认知层面上认为这便是数据价值的全部，对于数据管理能力投入迭代的方向较为模糊，难以往后面的阶段演进。

步入强调智能化、人工智能的时代，数据质量、数据类型等数据的属性得到更大的重视。拥有更好属性数据集的企业将能够更好地打造出差异化，保持在市场的竞争优势。这便开始让企业重新思考，自己都有什么数据？数据质量怎么提高？数据能有哪些未知用途？在这些问题的探索过程中，企业数据管理能力构建方向将越来越清晰。沙利文认为，企业应围绕以下三个方面建设起可持续释放数据价值的能力：

• 数据沉淀：通过打造完善的数据管理基础设施，包括数据仓库、数据湖、湖仓一体等，让业务各部门的数据形成连通，并逐步建立起数据治理框架或使用数据治理工具，使数据能被找到和积累，并能够被业务人员所理解和应用。

  
  

• 数智融合：1）Data4AI能力建设：聚焦增强数据管理基础设施的海量多源异构数据存储、查询和处理的支持能力，进一步优化数据治理能力，从而提升数据质量，并保持数据持有序管理。还需构建起支持AI计算范式的能力，如向量数据处理引擎；2）AI4Data能力建设：在数据管理全流程（集成、处理与存储、分析、治理）中逐步引入AI的能力，如智能调优、智能数据清洗和标注，以降低数据管理解决方案人工运维压力和局限，提高数据处理的效率和效益。

  
  

• 数据治理：加强对于数据治理的投入与关注，包括数据质量管理、元数据管理、数据安全与合规管理、数据共享与交换机制等，为数据资产化与产品化奠定基础。数据资产化与产品化是实现数据价值具象化的重要途径。

中小企业在数据管理解决方案技术选型的时候会考虑：数据量不多，是否值得投入数据管理体系的建设？在成本的考虑下，他们往往只重视数据基础设施的建设，确保能进行数字化转型，让数据能够存下来，即停留在业务洞察阶段。

“大数据”是一个相对概念，各企业的业务规模、行业属性、发展战略不同，所需的数据量和类型皆会存在差异。大企业拥有更多资源获取数据和使用数据（业务类型更多），因此“大数据”对他们而言意味着庞大而复杂的数据集。这种庞大的数据集和资源配置方式难以复制到中小企业中，但这并不意味着没有“大数据”。

沙利文认为，企业内部的“大数据”应当能够充分支撑各数据应用场景的建设与优化，提供高质量、符合需求且齐全的数据，以支撑企业进行业务洞察、决策优化、流通赋能三大阶段的进展。为激活这些数据的价值，企业不仅需强化数据基础设施建设，还应重视数据管理的质量，包括完善数据治理、建立管理流程与标准、提升企业人员数据素养等，从而最大化数据在各应用场景中的效用。

国家数据局成立和“数据二十条”的出台为中国企业构建和完善数据管理体系提供了有力支撑，同时也为数据在不同业务场景中的实践积累经验、探索数据资产化奠定了基础。

对于企业而言，数据资产与数据产品有助于将数据的价值具象化，帮助企业及其相关利益方清晰识别内外部数据的价值，以及数据对企业发展的贡献，而有效的数据治理则是其中的关键。

企业需要构建起数据质量管理体系与架构，确保数据准确性、完整性与一致性，并使数据能够顺畅地在不同部门与系统之间汇聚、流通。同时，企业还需要加强对元数据管理的关注，确保数据可发现、可管理、可解释，并通过数据安全与合规管理，防止数据泄漏，满足合规需求。

本报告将从客户价值与技术引领两个维度出发，对竞争主体综合表现进行评估。

评估体系以中国厂商与全球厂商（包含中国与海外厂商）综合表现平均得分为基准，对竞争主体进行动态梯队划分。这些基准将随着市场与厂商发展动态变化，能够反映市场竞争格局的实际情况，在不预先设定分数门槛的情况下，更精确地识别出行业领导者。

基于“客户价值”和“技术引领” 综合评分，腾讯云、亚马逊云科技、阿里云、华为云、浪潮云位列中国数据管理解决方案市场领导者梯队。以下为上述厂商综合表现的部分评价节选：

腾讯云：

• 客户价值：在价值创造方面，腾讯云重视数据治理能力的构建。腾讯云持续将AI能力融入解决方案，并不断完善WeData功能深度与广度，为用户提供数据质量管理、资产盘点、数据探索等功能，帮助各类用户无论其数据治理水平如何，皆能构建完善的数据治理体系并有效开展治理工作。此外，腾讯云凭借其深厚的安全技术实力，为数据的安全性与合规性提供了坚实的保障。在价值交付方面， 腾讯云提供了一系列工具便于解决方案的实施与落地。其中，在FinOps的布局处于行业领先水平，能够高效辅助用户进行资源和成本管控。

  
  

• 技术引领：腾讯云重视技术创新布局，在数据管理解决方案领域的研究课题和成果、申请专利量皆处于中国领先水平。同时，腾讯云已经在云原生、数据治理、人工智能、湖仓一体、实时分析等领域开展前瞻性布局，并形成深厚技术实力。为满足中国市场数据流通与价值挖掘需求，腾讯云持续加强数据治理，优化WeData能力，提升用户便捷性，并推出元数据湖管理系统，统一不同数据源，提供关键技术基础以释放数据价值。通过腾讯云数仓TCHouse和数据湖计算DLC来构建的企业级湖仓一体解决方案使用户能同时享受到数据湖的灵活性及低成本一体化存储的优势 + 云数仓提供的高性能查询优势。

亚马逊云科技：

• 客户价值：亚马逊云科技的技术投入重视客户体验与业务价值。其数据分析服务全部实现Serverless化，并积极投入Zero-ETL的建设，以简化企业用户建设数据管理能力流程，减轻运维负担，显著提升用户使用体验。同时，亚马逊云科技在数据治理也拥有深厚布局。以Amazon DataZone为例，该服务能够帮助企业用户跨组织边界为数据编制目录、发现、分析、共享和管理数据。此外，通过整合生成式AI的功能，Amazon DataZone还能够为表格和元数据提供解释，便于用户更好地理解数据。

  
  

• 技术引领：亚马逊云科技在云原生、人工智能、数据治理，以及实时数据处理领域处于行业前沿，并已经在多行业实现解决方案落地，展现出成熟的技术能力。尤其在Data+AI领域，亚马逊云科技高度注重技术与实际客户需求的匹配，推动了技术的实用化和高效落地。例如，Amazon QuickSight Q让用户能够以自然语言提问题，自动形成可视化报表；Amazon Glue Studio Notebooks 集成了Amazon CodeWhisperer，帮助数据工程师、分析师和开发人员编写Glue作业时借助AI编写代码，显著提高工作效率。

阿里云：

• 客户价值：在价值创造方面，阿里云不断优化产品间的系统能力，打造出一系列解决方案，帮助用户快速构建数据管理体系，例如阿里云的OpenLake解决方案。同时，在数据治理及数据安全合规方面，阿里云持续发力。其DataWorks数据治理中心能够自动发现数据存储、任务计算、代码开发、数据质量及安全等维度的问题，并通过健康分进行量化评估，提供全局、工作空间和个人等多个视角的治理成果，帮助企业高效实现治理目标。

  
  

• 技术引领：在AI4Data领域，阿里云推出了DataWorks Copilot，并提供整合MaxCompute和PAI等解决方案，帮助企业在多场景的数据处理需求中提升效率。在Data4AI方面，阿里云特别关注到数据质量对AI的关键影响。在数据准备阶段，阿里云提供识别和清洗有害数据、过滤异常特征并进行隐私数据脱敏的解决方案，确保AI训练在安全合规的数据集上进行。

华为云：

• 客户价值：在价值创造方面，华为云在数据治理与数据安全合规领域拥有深厚的积累，结合多年的实践经验，能够为用户提供快速落地且符合行业标准的解决方案。华为云不仅注重为客户提供高效的数据管理，还特别关注帮助客户确保数据安全和隐私保护，从而最大化地发挥数据资产的价值。

  
  

• 技术引领：在技术前瞻性方面，华为云关注数据治理能力在具体行业应用场景中的落地，在DataArts Studio提供数据治理框架与经验模版，为企业用户快速建立起数据治理能力提供把手。通过DataArts的升级，华为云将AI与大数据融合引擎、数据开发治理、知识服务及智能化应用赋能服务融为一体，显著提升资源利用效率和数据供给效率。

浪潮云：

• 客户价值：价值沟通方面，浪潮云已建立起良好的机制，为市场教育、需求理解、用户关系建设打下良好基础，有利于促进建立起企业用户信任和忠诚度。其中，为促进客户需求得到充分识别和理解，浪潮云在组织内部建立起融合RAG的信息共享平台和奖惩机制，推动高效的信息传递和反馈。同时，浪潮云还在外部建立了完善的客户需求收集与存储机制，确保能够及时捕捉并响应市场需求。

  
  

• 技术引领：浪潮云拥有良好的推动创新发展的生态布局，且技术成果与标准化方面的投入表现突出，积极参与了众多与数据管理解决方案相关的中国标准编写，高度重视专利和技术创新，并取得了显著成果。在技术前瞻性方面，浪潮云在人工智能、数据治理前瞻性布局方面表现较佳。其中，人工智能的能力已经融入数据管理、数据治理的具体功能中，有助于降低用户运维压力，提高释放数据价值的效率。