热线电话
  • 010-88558925010-88558943
  • 010-88558955010-88558948
CMIC专家更多

湖南省工信厅厅长王卫

2024年3月,习近平总书记再次到湖南考...更多>>

沈昌祥院士:构建安全

网络和数据安全实验室建设对于保障国家安全...更多>>

中国市场情报中心 > CMIC研究 > 数据分析
CMIC:赛迪顾问——数据科学将呈现五大发展趋势

发布时间:2023-09-15 11:19:21

来源:赛迪-中国电子报

作者:姬晓婷

【打印】 【进入博客】 【推荐给朋友】
  【CMIC讯】近日,赛迪顾问云计算与大数据产业研究中心编制了《2023中国数据科学市场研究报告》,报告对2022年数据科学发展现状、市场规模、竞争格局、重点企业等方面进行了分析,研判了数据科学未来将呈现的五大发展趋势。
  
  大模型、实时治理和多模态分析助力数据科学发展
  
  2023年大模型成为最具热度的话题之一,大模型的兴起将为数据科学市场带来新的机遇和创新。作为先进的深度学习模型,大模型可更快地改进现有的数据集和训练模型,同时,可帮助数据科学家解决数据增强和异常检测等实际问题。通过将大模型应用于数据预处理、特征工程、模型解释、可视化和报告等任务,可以提高数据科学家的工作效率和对结果的可理解性,帮助其提供更准确、更深入的洞察和决策支持,进一步加强数据科学的实践应用。
  
  实时数据治理和多模态融合分析也成为数据科学市场的重要方向。当前,包括文本、图像、音频等多模态数据产生的速度呈现指数级增长,面对海量复杂的大数据环境,数据科学厂商不断重视实时数据治理和多模态融合分析技术的发展,实时数据治理帮助企业实时监控数据质量、处理数据异常、识别数据风险等,以确保数据的准确性和可靠性,多模态数据融合分析技术帮助企业更全面地理解和挖掘数据中的信息,提供更准确全面的洞察和即时决策支持。
  
  中国数据科学市场依旧保持较快增长
  
  2022年,中国数据科学市场取得了较好的发展,市场增长率达到22.4%,主要是在政策的引导下,政府和企业对应用数据科学来应对数据驱动决策的需求增加,推动了数据科学市场的蓬勃发展。
  
  1、2020-2022年全球数据科学市场规模复合增长率为22.2%
  
  2020-2022年,受到新冠疫情的影响,全球许多传统产业加快了数字化转型的步伐,企业在数字化转型过程中越来越重视数据科学的应用,从而推动了数据科学市场规模的增长。与此同时,人工智能技术的快速发展也推动了数据科学市场的扩大,人工智能应用的扩展需要大量的数据进行训练和优化,数据科学是支撑人工智能和机器学习的重要基础,这促使企业加大对数据科学的投资和需求,推动了数据科学市场的增长。2022年,全球数据科学市场规模表现出较好的增长态势,市场规模达到123.8亿美元,2020-2022年全球数据科学市场规模复合增长率为22.2%。
  

图 12020-2025年全球数据科学市场规模及预测
  
图
  
数据来源:赛迪顾问2023,07


  
  2、2020-2022中国市场规模复合增长率为25.4%
  
  2020-2022年,中国持续推动数据要素市场建设,数据资源化、资产化趋势加快,湖仓一体化、流批一体技术获得较大发展,进一步促进了数据科学市场的发展,市场规模复合增长率为25.4%。2022年,中国数据科学市场规模达到120.6亿元,增长率为22.4%,未来三年中国数据科学市场规模复合增长率有望达到28.1%。
  

图 22020-2025年中国数据科学市场规模及预测
  
图
  
数据来源:赛迪顾问2023,07


  
  3、数据科学中国企业出海市场规模达到19.6亿元
  
  近年来,国家积极推动和实施“一带一路”共建,中国的企业将出海作为战略选择之一。中国企业通过国内市场的历练,积累了较为丰富的技术经验和实力,为了寻求更大的市场份额和发展空间,积极寻求国际市场的拓展。2022年,数据科学中国企业出海市场规模达到19.6亿元,未来三年市场规模复合增长率有望达到25.1%。随着经济全球化的发展,中国企业将积极寻求与国际合作伙伴建立战略伙伴关系,共同开拓海外市场,促进技术共享、资源整合和市场拓展,实现互利共赢的局面。
  

图 32020-2025年数据科学中国企业出海市场规模及预测
  
图
  
数据来源:赛迪顾问 2023,07


  
  数据科学将呈现五大发展趋势
  
  随着人工智能大模型、实时数据治理和多模态数据融合分析等技术的发展,以及底层芯片和内存的迭代更新,数据科学厂商将具备更加多元化的模型和算法,更强大的数据计算和分析能力,推动更多领域应用数据科学。未来,数据科学将主要呈现以下五大发展趋势:
  
  一是AI大模型赋能数据科学,其将为数据科学提供更智能化的算法和模型,实现更精准的数据分析和预测,提升决策的效率和准确性;二是可解释性和可靠性,数据科学将关注模型的可解释性,通过可解释性机器学习和因果推断模型等方法使算法决策更加透明、公正和可理解;三是自动化和自助式分析,自动化和自助式分析工具将继续发展,使非专业的用户也能够进行数据分析和机器学习建模;四是边缘计算和物联网的结合,为数据科学提供更多的数据源和场景,实现对边缘数据的实时分析和决策;五是数据与应用进一步分离,数据将不再依赖于具体的业务场景,以更为独立的形态而存在,向不同的业务场景提供服务,数据要素化将为数据科学提供更好的数据基础和环境以及更灵活高效的数据访问和共享方式,促进数据科学的发展。

相关报道
  • --

联系我们:8610-8855 8955 zhouhl@staff.ccidnet.com

广告发布: 8610-88558925

方案、案例展示: 8610-88558925

Copyright 2000-2011 CCIDnet.All rights reserved.

京ICP000080号 网站-3