中国政府和企业对数字化转型的重视,使中国的分析平台市场也开始受到前所未有的关注。到2023年,在数字化转型这一宏观大趋势和自助式分析(以及增强分析和商业智能)解决方案的共同推动下,分析平台的总体采用率将从35%上升至50%。
Gartner将分析平台定义为以下几个类别:企业报表平台、分析和商业智能平台、AI和数据科学平台、分析和商业智能(ABI)自定义应用、位置智能平台。
中国分析平台市场的营收将继续增长,预计到2025年将达到16亿美元。Gartner的预测显示,中国分析平台市场到2025年将增长23.38%,几乎是全球市场增长(12.54%)和美国市场增长(11.72%)预期的两倍。除了外部催化剂之外,企业机构日益增加的分析需求,以及数据收集和数据准备解决方案的成熟,使得企业数字化转型的步伐明显加快,亦推动了分析平台市场增长。
图1:中国、美国和全球分析平台市场营收增长预测
中国分析平台市场的发展与数据中台的发展相辅相成
2022年Gartner首席信息官和技术高管调查显示,中国的数据和分析(D&A)领导者将BI和D&A技术作为优先增加投资的领域。数字化业务转型催生了D&A需求,而中国IT基础设施(例如5G和大数据)的发展,则为分析平台的采用提供了充分的数据基础资源。为更好地使用数据并最大化其价值,企业机构正在打造数据中台,用于集成、管理和治理数据,使数据产品化和资产化。通过数据中台,企业机构可应用统一口径的业务衡量指标、识别可复用的数据资产,并将其用于不断增加的分析需求(如图二)。
图2:使用数据中台应对分析需求
随着重心逐渐转移到业务导向型的自助分析,企业报表平台的发展势头放缓
由IT部门部署的企业报表平台在过去20年间不断发展扩张。即使到了现在,市场中的很大一部分企业机构分析类平台支出仍流向了这类平台,但其发展势头已经放缓。
传统的企业报表解决方案通常由IT部门全权规划和实施。传统分析项目的开发流程始于数据打通,之后是原型制作、测试和推广到内部使用。这一流程常因低时效性和缺乏灵活性而饱受批评。随着低代码/无代码技术以及AI/ML能力在分析平台中的普及,越来越多的企业机构开始使用由业务主导的自助式分析,为各业务领域订制情境化的洞察。不具备或缺乏相关技术能力的业务分析师和公民数据科学家可使用这些现代化的分析工具,快速实现数据的业务价值转化。
快速崛起的本土分析平台正在抢占市场
Gartner观察到,在中国分析平台市场中,本土厂商正在迅速抢占外国厂商的市场份额。以增长最快的细分市场“分析和商业智能平台”(之前称为“现代BI平台”)为例:预计到2024年,中国本土厂商的市场份额将达到79%,相当于2200万美元的营收从外国厂商转移到中国厂商。
业务用户影响力快速增长,推动分析平台的价值实现
尽管中国的分析平台市场在过去的20年间不断演进,许多企业机构也在推广分析用例和扩大业务用户群方面进行了大量尝试,但多数分析平台仍然难以维持用户群的活跃度并进一步拓展业务场景。因此,如何提高分析平台在业务侧的价值、改善数据使用方式和提升分析效率,成为推动市场发生转变的关键因素。
Gartner预计,未来将出现更多由数据驱动的不同业务单元和IT部门之间的协作。它们将共同推动实践自助式及情境化的洞察,并普及高级的分析应用和洞察。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。