核心驱动力与挑战
组织实施数据管理的首要目标是提升内部运营效率，但实践中普遍面临缺乏数据治理牵头部门、业务部门态度与度不高、缺少专业人才和“数据驱动”的文化等严重挑战。数据安全方面，数据分类分级标准不清晰和缺少统一的治理体系是最大的痛点。
投资与技术应用
尽管存在挑战，组织对未来的投入仍持乐观态度，超过一半的受访者在2025年增加了数据与AI项目的投资。技术选型上，数据仓库和数据中台仍是当前主流的技术平台。
数据资产化与AI融合
“数据资产入表”尚处早期阶段，多数组织尚未启动，主要挑战在于缺乏公认的价值评估模型和成本归集困难。同时，组织对在数据交易所挂牌交易表现出极大的顾虑，数据安全和商业秘密泄露是首要担忧。AI与数据的融合已成为焦点，但数据质量差是制约AI应用效能的首要障碍。
未来展望
未来三年，组织的投资重点将高度集中于完善数据治理体系、提升数据质量以及建立统一的数底座和治理平台。市场对兼具业务与技术能力的数字化转型人才和专业的数据治理人才需求最为迫切。
受访者特征与现状
- 受访者主要来自相对大型的企业，数据、IT、业务以及高管层都有参与。
- 数字化转型成熟度和数据管理成熟度多数处于中等以下水平。
- 数据管理的首要目标是提升内部运营及管理效率，表明企业数据管理正以内因驱动为常态。
- 2025年大多数单位都增加了数据和AI项目的投资。
- 选择数据平台或服务商时最重要的考量因素是性价比、适配能力和行业经验。
- 设置CDO岗位的单位不足25%，60%以上的单位还未设立CDO岗位。
- 数据管理工作中最常遇到的问题包括数据Owner、业务联动、数据人才、数据文化问题。
- 70%的单位设置了专门的数据管理部门，形式多样。
- 数据制度建设总体处在体系搭建与完善阶段，约25%的已经形成数据制度体系，约10%的尚未建设数据制度。
- 数仓、数据中台、数据湖是目前应用最广泛的数据技术平台。
- 数据管理主要工作的成熟度水平现状分布显示，多数工作还处于初级阶段，数据质量、数据安全和数据标准管理相对领先，非结构化数据管理偏弱。
- 数据安全与合规面临的最大挑战是数据分类分级、责任机制、技术工具落后。
- 多数单位都存在数据不足的情况，需要引进外部数据。
数据资产入表
- 多数单位尚未启动数据资产入表工作，已启动者以提升数据价值认知/争取资源与顺应政策趋势为主。
- 推进数据资产化过程中的最大挑战是估值难、成本归集难以及数据质量差。
- 数据资产估值倾向选择成本法，但市场对估值方法尚未形成广泛的共识。
- 80%的单位不意愿到数据交易所进行数据交易，主要顾虑为合规与确权、估值与收益不确定。
AI应用情况
- AI在数据管理中最主要的应用是智能客服和智能处理。
- DataForAI面临的主要挑战是数据质量差、数据孤岛、数据量不足。
- 大模型在业务中的主要应用场景是“企业知识库与智能搜索”、“智能客服与对话机器人”和BI。
- 各单位在应用大模型时，主要选择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考虑因素是模型综合能力、性价比、细分领域的专业化能力。
- 业界的普遍共识是数据治理与AI治理需要深度协同，而非独立运作。
- 未来“数据×人工智能”领域的重点投入方向是完善数据治理体系、建设数据平台、培养复合型数据人才。
- 未来市场最急需的数据人才是兼具业务与技术能力的数字化转型人才和专业的数据治理人才。
