中国数据管理和数字化市场调研报告（2025年）

国际数据管理协会大中华区2025年9月27日 报告摘要/主要洞察： 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效率。然而，实践中普温面临缺乏数据治理率头部门、业务部门态与度不高、缺少专业人才和“数据驱动”的文化等严般挑战。在数据安全方面，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，组织对末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是表现出极大的顾虑，数据安全和商业秘密泄感是首要担忧。A/与效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： 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、提升数据质量以及理立统一的据底座和治理平台。与此相对应，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。 受访者所属组织规模及部门 我们选择了101个有效样本；调研对象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 数据是数字化转型的基础，数字化转型成熟度数据管理成熟度，二者相互促进、相互支撑。多数单位的数字化转型和数据管理水平还处于中等以下水平。 数据管理的主要业务目标和驱动因素 提升内部运营及管理效率成为数据管理的首要目标，表明企业数据管理正以内因驱动为常态。 数据和人工智能类项目的总体投入：2024一→2025 相比2024年，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 性价比、适配能力、行业经验是企业在选择数据平台或服务商时的主要因索。 CDO或类似专职的数据战略领导岗位设置情况 设置CDO岗位的单位不足25%，60%以上的单位还末设立CDO岗位。 数据管理工作中最常遇到的问题 数据管理工作困难重，数据Owner、业务联动、数据人才、数据文化问题比较突出。 数据管理部门设置情况 70%的单位设置了专门的数据管理部门且形式多样：30%的单位尚未后动。 ■C.有正式的数据管理部门，但不是一级■D.有，但是虚拟的配门■B.有正式的数据管理部门，且是一级部门，但没设立敌据管理/治理要员会■F否，还没有开始，暂时也没有筹注的规划■E.否，还没有开始，正在规划中■A.有正式的数据管理部门，且是一级部门，并设有专门的数据管理/治理委员会 数据制度建设情况 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。 ■C.正在推选数据制度体系建设，已出台初步制度或部分试点，整体还处于逐步完善和推广阶段■D.尚未系统建立数据制度，仅有零敬的数据专项制函，或主要依靠个人经验和惯例操作■B.已经建立了教为完整的体系化数据划度并正式发布■E.暂无相关数诺制度■A.已经江立了较为完整的体系化据制！度，且相关流程、费任分工和监督机剂完善(如纳入公司治理体系） 整合和管理数据所采用的技术平台/架构理念 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 在数据管理的主要工作中，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 数据分类分级、责任机制、技术工具落后是数据安全与合规面临的最大挑战。 单位自有数据是否足以支持业务发展 多数单位都存在数据不足的情况，需要引进外部数据。 后动数据资产入表的主要自的 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 估值难、成本归集难以及数据质量差是推进数据资产化进程中的主要挑战。 0102030405060B.评估挑战：缺乏公认、可靠的数据资产价值评估模型和方法57C.成本挑战：数据资产化的成本归集与分摊困难55D.技术挑战：数据质量不高，无法满足资产化要求55F.人才挑战：缺乏兼具业务、技术、财务和法律知识的复合型人才48A.确权挑战：数据来源合法性、权属界定不清45E.合规挑战：涉及个人信息或商业秘密，合规风险高36G.市场挑战：数据交易市场不成熟，价值变现路径不清晰29 数据资产价值评估方法选择倾向 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。 ■A成本法(基于数据果集，处理，存储等历史成本)■D.尚未进行评估，正在研究■E.不了解/不适用B.市境法（多考类似数据在交易市场的价格)■C.收益法（基于数据应用带来的未来经净收益折现 到数据交易所进行数据挂牌交易的意向和主要顾虑 80%的单位不原意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。 AlForData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，但也有部分单位在数据管理中并未应用AI。 01015202530T.雷未采用人工智能/机器学习技术干数据管理27M.是，用于智能客服（数据管理相关自动客疑与支持）26A.是，用于结构化和非结构化数据的智能发现、自动分类、标签化与目录建设25D.是，用于自动化数据质量探查、清洗与修复19B.是，用于欧据标准的智能制定、比对与块射17F.是，用于智能审核（如内容合送、流程合规等自动审核）16L是，用于智能问数/自然语言欧括查询与分析（如AI助手自助提问、报表自动生成）15P是，用于非结构化数据（知文档、因片、音频。视频等）的内容抽取、结构化转换与多模态智能检索14C.是，用于数据集成和数据缺射自动化14G，是，用于欲据访问和使用行为的留能审计与异需预管13O，是，用于智能推荐（为数据分折、数据管理等场景推荐数据集、报表、分析模型等）12E.是，用于敌据制度和规则的智能生成与优化101.是，用于主数括(MDM)自动匹配、合并10I.是，用于数据自动供款、敏感信惠智能检测及合送检查R.是，用于非结构化数括的自动滴费智能翻译、文本/图像/语老问管等N.是，用于自动生成数据文档、元数据说明、滴要、报告等H.是，用于数据安全感协检测与响应K.是，用于鼓据生命质期归挡与清理Q.是，用于非结构化敌据的内窄合规性审核与自动脱敏 DataForAl的主要挑战 数据质量差、数据孤岛、数据量不足是DataForAl面临的主要挑战。 大模型For业务的主要应用场景 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。 生成式AII大模型的部署与应用模式 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 模型综合能力、性价比、细分领域的专业化能力是企业选择大模型系统的主要因素。 “数据×AI”时代，数据治理与AI治理如何协同 对于数据治理与AI治理的关系，业界的普遍共识是两者需要深度协同，而非独立运作。 未来“数据×人工智能”领域的重点投入 完善数据治理体系、建设数据平台、培养复合型数据人才是未来“数据×AI"领域的主要投入方向。 未来市场最急需的数据人才 未来3-5年，数据×AI将为行业带来的最大机遇 公众号：MYDAMA网址：https://www.mydama.org.cn