_GDMC_中国数据管理和数字化市场调研报告（2025年）_16页_32mb

中国数据管理和数字化市场调研报告（2025年）总结

核心内容

本报告基于对101个有效样本的调研，深入分析了中国企业在数据管理和数字化转型方面的现状、挑战及未来趋势。报告指出，数据管理已成为企业数字化转型的重要基石，但整体成熟度仍有待提升。

主要观点

• 数据管理目标与挑战：提升内部运营效率是数据管理的首要目标，但企业普遍面临缺乏治理牵头部门、业务部门参与度低、专业人才短缺和数据驱动文化缺失等挑战。数据安全方面，分类分级标准不清晰和治理体系不统一是主要问题。
• 投资与技术应用：尽管存在挑战，超过一半的受访单位在2025年增加了数据与AI项目的投资。数据仓库和数据中台仍是主流技术平台。
• 数据资产化与AI融合：数据资产入表尚处于早期阶段，多数单位尚未启动。AI与数据融合成为焦点，但数据质量差严重制约AI应用效能。
• 未来投入方向：未来三年，企业将重点投入完善数据治理体系、提升数据质量和建立统一的数据底座与治理平台。市场对兼具业务与技术能力的数字化转型人才和专业数据治理人才需求迫切。

关键信息

数据管理成熟度现状

• 多数单位的数据管理成熟度处于中等以下水平。
• 数据质量管理相对领先，非结构化数据管理较为薄弱。

数据平台与技术选型

• 数仓、数据中台和数据湖是当前应用最广泛的数据技术平台。

数据管理部门设置

• 70%的单位已设立专门的数据管理部门，形式多样。
• 30%的单位尚未启动数据管理相关工作。

数据制度建设

• 约25%的单位已形成数据制度体系，10%尚未建设。
• 多数单位处于体系搭建与完善阶段。

数据安全与合规挑战

• 数据分类分级、责任机制和技术工具落后是主要挑战。

数据资产入表

• 多数单位尚未启动数据资产入表工作。
• 已启动的单位主要目的是提升数据价值认知、争取资源和顺应政策趋势。
• 推进数据资产化的最大挑战是估值难、成本归集难和数据质量差。

数据资产估值方法

• 成本法是当前最常用的估值方法，但市场尚未形成广泛共识。

数据交易意向与顾虑

• 80%的单位不愿到数据交易所进行数据挂牌交易。
• 主要顾虑包括合规与确权、估值与收益不确定性。

AI在数据管理中的应用

• AI主要用于智能客服和智能处理，部分单位尚未应用。
• 数据质量差、数据孤岛和数据量不足是Data For AI的主要挑战。

大模型应用场景

• 大模型在企业中的主要应用包括企业知识库与智能搜索、智能客服与对话机器人以及BI。

大模型部署模式

• 多数单位采用私有化或混合部署模式，直接调用公有大模型API的不足10%。

选择大模型系统的主要因素

• 模型综合能力、性价比和细分领域的专业化能力是主要考量。

数据治理与AI治理关系

• 业界普遍认为数据治理与AI治理需要深度协同，而非独立运作。
• 数据治理是AI治理的基础，但两者目标和方法不同。

未来数据与AI领域重点投入

• 完善数据治理体系、建设数据平台和培养复合型数据人才是主要投入方向。

未来最急需的数据人才

• 复合型“数字化转型人才”和“数据治理人才”是市场最急需的。

总结

总体来看，中国企业在数据管理和数字化转型方面表现出积极的态度和一定的技术投入，但面临诸多挑战，如数据治理体系不完善、数据安全与合规问题突出、数据资产化进展缓慢等。未来，企业需加强数据治理能力，提升数据质量，推动数据资产化进程，并注重复合型人才的培养，以实现数据与AI的深度融合和价值释放。