研究范围：随着数字化转型深入，企业愈发认识到数据价值的释放，需要从组织、制度、标准、工具及技术等多个维度协同发力，提升数据管理水平，才能实现数据赋能业务。2018年，由工信部牵头指导、全国信标委大数据标准工作组组织制定并正式发布了国内首个数据管理领域国家标准——《数据管理能力成熟度评估模型》（简称“DCMM”），从组织、制度、流程、技术四方面出发，定义了组织数据管理的8项能力域，包括数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期，以及5个发展等级，为衡量和提升甲方企业及厂商数据管理能力提供参考标准和规范指引。表1：DCMM定义的8项一级能力域和28项二级能力域
在DCMM指引下，甲方企业纷纷引入数据管理解决方案，结合DCMM通过规划咨询和实施落地查缺补漏，并以等级评估为里程碑不断完善、增强数据管理能力。在以上背景下，本报告将开展数据管理解决方案市场研究。数据管理解决方案是指为企业提供数据管理能力建设的咨询、落地实施服务及相关工具产品所形成的综合解决方案，范畴覆盖DCMM8个能力域，能有效提升企业数据管理水平。本报告将面向企业决策层以及数据部门、业务部门负责人，通过定义企业对数据管理解决方案的需求和评估代表厂商能力，为企业数据管理能力建设的规划、实施以及厂商选型提供参考。厂商入选标准：1. 2023年数据管理解决方案市场规模达到231亿元图1：2021-2026年数据管理解决方案市场规模
爱分析推算，2022年数据管理解决方案市场规模为192亿元，2023年将达到231亿元。未来爱分析推测2026年数据管理解决方案市场价格能达到456亿元，2022-2026四年CAGR为24%。数据管理解决方案特指“软件+服务”整体解决方案，其中软件可支持多项数据管理活动，如数据治理、数据架构、数据应用、数据安全、数据质量管理、数据标准以及数据生存周期管理，服务指实施落地、咨询、规划、运营等服务。目前，数据管理解决方案在政府、互联网、金融、能源等行业落地较为成熟，行业渗透率较高。以金融行业为例，在银保监会数据治理政策驱动下，银行业普遍开展数据治理，只是程度不同。中小型银行机构尚面临数据质量、数据体系等方面问题，数据管理能力仍需提升。大型银行机构已经明确通过组织建设、制度流程等措施，落实数据管理。2. 企业数据能力建设理念升级：数据管理职能是数据能力构建的根基，并从数据规划、制度流程、组织建设和技术保障四个方面支撑实现数据能力指是企业基于文化、人才、系统、组织、制度流程等因素形成的管理和应用数据的能力。多年的数字化建设过程中，多数企业已经通过数据中台、数据治理等手段建设形成一定的数据能力，在数据资源整合、数据质量提升、数据应用开发等方面取得一定成效。但显然，数据能力建设无法“一蹴而就”，面对日益激烈的市场竞和多变的消费需求，企业在使用数据过程中，仍面临多种问题，诸如数据管理主体责任不明、数据基本盘不清晰、数据安全问题暴露、数据质量不高、数据流通不畅通、数据应用的时效性差等。企业正升级过往数据能力建设理念，具体体现在以下两点：图2：数据管理体系和四项支撑
企业数据能力需要通过体系化的数据管理长期维护和构建，循序渐进。以数据治理为例，过往企业将数据治理看做一项任务，以专项项目的形式推进，与业务和数据研发割裂。企业对数据洞察要求和数据体量持续增长的情况下，数据治理更应该作为一项日常职能，通过主动及时地数据治理高效保证数据质量。数据管理提供了将各项数据活动落地成为日常职能的执行路径，通过开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程度等，构建数据能力、提升数据价值。数据管理体系不局限于数据治理。国家标准DCMM（数据管理成熟度评估模型）从八大过程域对数据管理给出了明确定义，如数据战略、数据治理、数据架构、数据标准、元数据、数据质量、数据安全、主数据、参考数据、数据生存周期等。DCMM系统地展现了企业数据能力建设所应考虑的活动。数据能力建设需要从数据规划、制度流程、组织建设和技术保障四个方面协同发力，共同支撑实现。以往企业过于强调工具、技术，尤其高层领导者往往认为数字化转型只需要系统、工具即能实现，忽视制度流程和组织建设，这也造成个别企业投入大量资源建设数据中台，但数据中台难以发挥价值的现象。其中，数据规划指企业数据战略规划，包括数据战略目标、范围和内容、实施策略、实施路径和计划。数据规划将给出数据管理蓝图和边界。制度指数据管理的相关标准和规范，包括不限于数据标准管理办法、数据质量管理办法、元数据管理办法、数据架构实施细则、数据安全实施细则等。流程指数据管理工作流程机制。制度和流程明确数据管理行为准则。组织建设需要从组织架构、岗位设置、团队建设、数据责任等方面进行明确，为数据管理提供组织保障，包括不限于数据管理委员会、数据管理团队、业务数据管理员等。技术保障指通过工具、平台落地数据管理活动，如数据管理平台、数据质量管理平台等，同时平台开发过程中也应考虑将制度流程、组织建设以及各项数据管理活动纳入其中，如将数据治理融入到数据中台开发中，或将企业数据模型应用到源头系统的设计与审核中，以及将数据标准管理嵌入数据管理平台的开发中。3. 数据能力建设新理念要求数据技术服务商“全能”，即除产品、落地实施能力外，还要具备咨询能力，也将为全能型厂商带来更多商机除了产品和技术以外，企业数据能力建设新理念还强调数据规划、制度流程、组织建设，这对于数字化能力有限的传统企业要求过高，在这些方面企业需要数据管理咨询支持。而为避免数据能力建设脱节，企业更倾向选型兼具咨询、产品和落地实施能力的全能型的数据技术服务商，这为全能型数据技术服务商带来潜在商机。与此同时，咨询能力要求服务商能深入了解企业战略、文化、现状、痛点，根据以往服务经验为企业制定出一套符合企业现状的数据管理解决方案，包括不限于制定数据战略、建立数据管理制度、组织架构调整建议、平台架构设计方案以及产品选型建议。对于服务商而言，咨询规划能力需要长期的时间积累以及更多的时间、精力和资源投入，成为服务商面临的挑战。图3：企业数据能力建设新理念对数据技术服务商能力要求变化
在机器学习、知识图谱、大模型等AI技术加成下，数据管理流程日益自动化和智能化，提升企业数据管理效率的同时也大大提升了数据管理的便利性。在数据管理各项活动中，数据治理、数据质量、元数据管理、数据标准管理等活动均已实现自动化。如元数据的智能化管理可实现元数据的自动化采集、分类、关联和分析，一旦数据源发生变化，可自动通知后续数据算法和模型进行人工自动化或半自动化调整，将数据中的可预测错误进行AI强化学习和提前预判；数据质量管理中自动生成血缘分析关系数据，如中国联通通过图数据库实现高自动化、高质量、少人工参与绘制全域数据血缘关系，并提供复杂血缘关系的毫秒级查询，以及线上复杂的追溯需求。目前，数据技术服务厂商在数据管理的产品和功能提供上差异不明显，因此，数据管理与AI能力的融合将成为企业在厂商选型时的重要考量因素。爱分析对本次数据管理解决方案的市场分析如下。同时，针对参与此次报告的部分代表厂商，爱分析撰写了厂商能力评估。定义：数据管理解决方案，是指为企业提供数据管理能力建设的咨询、落地实施服务及相关工具产品所形成的综合解决方案，范畴覆盖数据战略、数据治理、数据架构、数据应用、数据安全、数据质量管理、数据标准以及数据生存周期管理八个能力域，能有效提升企业数据管理水平。数据管理强调对数据的管理活动，不包含数据分析实现的工具和服务，如BI、数据科学平台等。
终端用户： 金融、政务、零售、工业、医疗等各行业企业或机构的IT部门负责人、数据部门负责人等。甲方核心需求： 数据赋能业务成为当下企业数据字化建设的核心课题，推动企业系统性地规划和建设数据管理体系。过往企业偏向技术和工具的“堆砌”，对数据标准、制度、流程等方面的建设重视度不足。因此 ，在完成数据中台、大数据平台、BI等系统和工具建设后，企业仍然存在数据质量低、数据开发效率慢、数据分析门槛高等问题，数据价值释放受阻碍。企业需要以DCMM为指引，从技术、工具、制度、组织和流程等方面全盘考虑，体系化提升数据管理水平，打通数据价值链路。企业对数据管理解决方案的核心需求包括：- 明确数据管理建设目标和路径。过往，企业数据平台建设以业务需求为驱动，对组织数据管理能力缺乏全面评估。因此在规划阶段，企业希望依据DCMM标准，评估自身数据管理水平，并对标行业领先数据管理实践，理清数据管理能力问题和短板，明确数据管理建设目标和提升路径。
- 完善数据管理基础设施，提升数据管理效率。一方面，数据管理中包含数据集成、数据开发、数据质量、数据资产、数据服务、数据安全等模块，企业需要补足或增强缺失功能，如数据安全、数据质量管理。另一方面，企业需要提升数据管理中智能化、自动化水平，以提升数据管理效率，降低管理门槛。
- 建立并落地数据管理制度。首先，企业需要建立完善的数据管理制度，包括不限于数据架构管理、数据安全管理、主数据管理、元数据管理、数据质量管理等领域的标准和规范，以及相应的组织流程、岗位职责的明确。其次，企业需要将数据管理制度嵌入平台和工具中，使数据管理制度常态化运行。
图4：甲方企业对数据管理解决方案的核心需求以及厂商能力要求
厂商能力要求： 具备咨询规划能力。厂商需要结合DCMM对企业的数据管理能力现状进行诊断，协助企业明确数据管理能力建设目标，并基于成熟的数据管理方法论和丰富的客户服务经验为客户制定蓝图规划和实施路径。
提供智能化数据管理平台和工具。厂商能力需涉及DCMM 8大能力域，且具备成熟的产品，产品功能须覆盖数据集成、数据开发、数据质量、数据资产、数据服务、数据安全等模块中的两个及以上，支撑企业数据管理能力构建。进一步，厂商的产品功能应融合AI、知识图谱等能力以提升数据管理效率，如支持实现基于知识图谱的数据血缘关系，提高数据质量管理效率；融合机器学习算法进行数据标准的智能推荐，自动生成数据标准和元数据的映射；基于大模型能力对数据开发中的代码进行自动补全，或是支持自然语言知识管理；以及在数据开发中，提供自动化测试、自动化DAG等能力。
协助企业制定并落地数据管理制度和体系。厂商应能协助企业建立数据管理制度，包括数据架构管理办法、数据标准管理办法、主数据管理、元数据管理、数据质量管理等；以及制定数据管理体系，包括协助企业明确数据管理组织体系和流程，包括成员构成、岗位职责等。并且，厂商应在实施落地环节，将数据管理制度纳入数据管理平台运作流程，如在数据开发中根据数据标准规范进行开发，在数据标准管理中支持数据标准的修改、更新等。
具备敏捷交付能力，适应客户个性化需求。不同行业下，企业的数据管理内部流程差异显著。结合业务流程，企业往往需要厂商从功能、操作流程、展现结果等多角度对元数据管理、数据标准管理、数据质量监控等功能模块进行定制优化。因此厂商应具有对数据管理流程的深刻理解和高效的组织运营，能协同蓝图规划、产品架构、落地实施多个环节快速响应客户需求，提高客户满意度。
入选标准： 2. 2022Q2至2023Q1该市场付费客户数量≥5个3. 2022Q2至2023Q1该市场合同收入≥500万元厂商全景地图： 厂商介绍： 上海逸迅信息科技有限公司（简称：逸迅科技）成立于2012年，是一家专注于为政府、制造、大交通、能源、运营商等行业提供一站式数智化解决方案的供应商，致力于成为企业专属的数据管家。逸迅科技可为企业客户提供涵盖诊断规划、产品导入和应用落地的综合数据管理解决方案，能体系化提升数据管理能力，实现数据赋能。产品服务介绍： 逸迅科技数智化软件产品可支持DCMM八大能力域落地，尤其在数据集成、数据质量管控、数据开发等模块具有十余年技术积累。数据同步集成平台DataPump+可实现离线与实时、结构化数据与非结构化等多模数据的采集、同步和转换。数据质量管控平台XGov融合NLP、知识图谱、机器学习等AI能力实现数据质量治理的智能化和自动化，并提供数据全生存周期的数据质量监控和综合治理功能。数据集成开发平台DIPC可同时支持数仓构建、指标体系构建及数据研发，提供一站式数据集成开发和部署环境。云原生数据科学平台SmartNoteBook为数据分析师提供智能化、轻量级的数据开发平台。图5：逸迅数智化软件产品栈
厂商评估： 逸迅科技具备较强的数据管理战略咨询规划及产品实施能力，数据管理产品线齐全，智能化特点突出。在项目落地上，逸迅科技一体化组织管理及运营能力，能快速反馈企业需求，缩短项目周期。此外，逸迅科技已经在电力、轨交、金融、制造等多个行业积累丰富经验。逸迅能为企业提供兼具诊断规划、产品导入和应用落地的“三位一体”数据管理解决方案。
产品诊断规划阶段，逸迅科技可帮客户全面认识自身数据管理能力水平并确定能力提升规划方案。逸迅科技依据DCMM数据管理成熟度模型为客户提供全面对标诊断，评估企业数据管理能力成熟度，并以行业领先实践企业为参考，帮助企业发现数据管理问题和能力短板。之后在方案规划中，逸迅科技将围绕数据标准、数据质量和元数据提供组织、制度、流程等体系设计和实施路径，为企业提供可落地、可衡量成效的规划方案。
在产品导入阶段，逸迅完善的数据管理产品栈可满足企业水平或垂直建设数据管理平台需求。逸迅可提供数据管理全栈产品线，也可根据客户需求灵活配置平台产品。同时在这个阶段，逸迅科技也会基于企业数据管理目标，制定数据底座、数据中台、管理中台、系统集成等平台功能要求及平台协作指引，为企业采购平台产品提供决策支持。
应用落地阶段，逸迅科技可帮助企业制定数据标准，建立元数据、数据质量和主数据的管理规范，并将规范纳入数据管理生存周期，帮助企业切实提升管数、用数能力。
鉴于企业数字化转型阶段不同，逸迅科技可提供模块化服务，在诊断规划、定制产品以及落地实施等不同阶段切入，避免企业资源重复投入。
逸迅科技数据管理解决方案融合知识图谱、NLP、机器学习、大模型等AI能力，为用户实现智能、高效的数据治理。
在数据接入管理中，逸迅科技可实现数据资产智能盘点，帮企业快速摸清数据“家底”。逸迅数据质量管控平台XGov可通过全局搜索自动完成数据资产盘点，并支持对元数据的一致性、属性填充进行检核，自动评估数据质量问题。
在智能盘点基础上，基于知识图谱建立数据血缘关系，企业可便捷地评估字段变更对下游数据表的影响范围，以及在出现数据质量问题时高效溯源。逸迅支持通过智能语义对元数据相似性进行推理，探索分析数据血缘关系。最终建立基于知识图谱的元数据血缘地图，完整呈现数据采集、加工、处理、提取等数据开发链路。如某电力公司在其数据资产解决方案项目中，利用逸迅数据资产管理平台统一管理29个业务源系统及大数据平台的数据资产，并可视化展现数据的血缘关系。
融合机器学习算法赋能数据标准管理及落地，节省企业人力成本。传统数据标准的管理和落地，需要基于丰富的数据管理经验且由人工完成，耗时长。逸迅数据质量管控平台XGov可基于机器学习算法自动根据元数据特征以及元数据的使用情况智能推荐数据标准，也可反向在数据标准制定后推荐出适用于标准的元数据，最终自动生成完整的数据标准与元数据的映射关系。
此外，逸迅科技基于大模型的iDATA企业AI工作台，能帮企业增强数据挖掘能力和数据知识管理能力。在数据分析场景下，iDATA企业AI工作台可作为智能数据分析类工具，根据业务系统自动生成可视化图表及数据分析报告等内容，为高级数据分析和决策支持提供辅助支持，加速企业挖掘数据价值。在知识管理场景下，iDATA企业AI工作台在学习各领域知识后，能应用于智能化客服、销售管理、招聘管理、商业分析等场景。如某国企单位基于iDATA的对话和SQL生成能力，打造轻量化的智能数据查询、分析对话机器人，不仅能满足业务人员的个性化需求，工作咨询效率也答复提升，实现秒级响应。
逸迅科技具备敏捷运营能力，能快速反馈企业需求，缩短项目周期。一方面，逸迅科技核心技术团队主要来自于Intel、Teradata、IBM、星环科技等互联网公司，在数据管理领域具有深厚的经验积累，能准确把握企业需求；另一方面，逸迅科技对旗下产品团队、研发团队以及项目实施团队进行一体化管理，因此一旦解决方案需要根据企业的组织架构、管理流程等进行调整，逸迅科技各团队能高效协作，对方案规划、产品定制开发和应用实施全面跟进，快速达成企业目标。
目前，逸迅在城市轨交的智能运维、智慧微城市运营、电力业务分析与监测等领域积累丰富落地经验，综合解决方案能力备受认可。逸迅科技深入研究客户需求，基于自研产品推出行业场景解决方案，如智慧城市解决方案、智慧交通解决方案等。经过多年的行业深耕，逸迅服务行业从金融、政府、物流、制造，扩展到汽车、航空、轨交、能源、卫生等，服务能力得到50多家政府或行业头部企业客户认证。此外，逸迅科技正在开展DCMM-V的三级评估，这也表明逸迅数据管理能力已达到行业领先水平。
