|
数据智能分析工作，是指在对于多种类型、多种来源、规模数量的数据进行清洗、汇集的基础上，运用统计学、模式识别、机器学习、数据抽象等数据分析工具与技术，对于所需关注与解决的问题加以描述、识别、分类、解析、解决方案模拟、解决方案选择与追踪的方法论。在大数据、云计算、人工智能技术发展中，数据智能分析行业透过多元数据接口化、分析算法软件化、分析过程自动化、分析方式交互化，助力公共管理与商业管理的高质量决策选择与决策执行。数据智能分析正成为智能经济与智能政务的基础支撑工作，也极大地刷新了咨询服务的样式、效率与能量，成为规模可观的人工智能服务应用层的重要组成部分。   全球范围来看，数据智能行业的排头兵企业群，有三个核心部分： 一是来自经典咨询领域，比如财务咨询、调研咨询领域的数据智能转型企业； 二是来源于信息分析技术服务或者数据技术服务领域的综合型专业机构； 三是更为广泛的解决精细行业任务的垂直型数据智能分析机构，包括服务于安全领域、智能诊断、提供企业预测的机器学习平台、云端合同生命周期管理、数据标注与AI训练服务、金融信用分析支持、反诈欺分析等领域的数据智能服务企业。 这些企业将面对大量应用场景，透过在知识图谱、应用算法方面的系统规模开发，从管理判断形成、决策选择到具体决策执行的全链条发生作用，而相关的数据智能分析服务产品则可以部署到硬件、软件、网络与多种服务终端上。  评估数据智能分析领域的排头兵类企业大致包括以下6个维度： 1、集数能力——数据获得与处理技术的能力； 2、业务背景——某个专业或者多专业业务领域的经验积累，包括所服务客户的专业类型与团队的专业类型； 3、技术能力——数据智能技术的类型与持续开发能力； 4、应用技术的产品化——解决能力标准化程度与规模化匹配能力； 5、服务模型的创新——基于项目团队工作方式与基于技术平台工作方式的转变； 6、规模服务能力——业务规模、产品化水平、团队效能的综合表现。  数据智能分析类服务的排头兵企业的培育路径主要包括三个可能的要素：一是目前智慧城市、智慧政务、城市大脑类公共投入带来的数据智能应用内容层需求增长带来的机会，在现有的这类公共投资类项目招标中，政府采购者在标书中应突出要求提供解决具体问题的数据智能应用分析方案，从而极大地丰富这类智慧系统的终端应用能力，并产生以“应用场景—数据训练集—应用算法”为构成的面对“最后一公里”应用的数据智能分析业务，使得数据智能分析企业成为必须的供应商； 二是鼓励支持在数据智能分析尤其是应用算法开发中的创新创业类项目、算法大赛、数据智能应用案例竞赛，推动在智能分析业务中数据、算力、算法的全要素发展，由标杆企业与排头兵企业组成年度可变动的推荐供应商长名单； 三是给予数据智能分析人才的培养、使用和凝聚以必要的政策支持，针对数据智能分析人才总量少、人力成本高和培养周期相对长的特点，需要设定产教融合、以产主导的应用人才培养方式，形成一批数据智能人才培养基地，给予数据智能分析人才以必要的专门人才鼓励政策，对于数据智能应用分析人才集中机构的人才薪资、劳保支持、个人税收奖励等给予必要的政策照顾。 |
|
|
