物聯網引爆下一波資料分析浪潮，數字孿生將成為新技術熱點，零售科技值得關注

大會聚焦人工智慧、資料中臺、AIoT等時下熱點話題，G7創始人翟學魂、明略科技集團首席科學家吳信東、同盾科技聯合創始人馬駿驅、個推高階副Quattroporte劉宇、百分點COO劉鈺、特斯聯副Quattroporte謝超等四十多位知名企業家、學者、投資人，共同探討科技創新在金融、教育、供應鏈、企業服務等場景中的滲透與應用。

張揚認為，資料分析技術未來3~5年將迎來下一次飛躍，帶來質變的是物聯終端資料。屆時，數字孿生技術將替代知識圖譜成為新的技術熱點。

知識圖譜滲透迅速，實時性需求提升

相比而言，大資料技術更適合分析結構化資料之間的關係，因此大資料公司的商業化核心聚焦於金融、營銷等方向。這些領域的資料基礎設施較為完善。

知識圖譜技術以邊和節點的方式，描述實體間的關係，從而使得大量視訊、語音、文字等非標資料得以進行關係分析，並進行推理預測。

作為新一代的資料分析技術，知識圖譜從最早的公安、金融、客服等領域，已經迅速延伸到醫療、教育、智慧城市等各行各業。

以教育行業為例，知識圖譜重塑了教育知識點之間的關係表示方式。對於知識點，原本是根據教學大綱進行設定，也就是傳統的樹狀結構。松鼠AI以創新的知識圖譜技術構建學生知識點，形成網狀結構。

這種新的知識點關係表示方式，帶來了學習效率的提升。

首先，學生某個知識點有缺陷，在傳統樹狀結構中，只能彌補該知識點。在全新的圖譜結構中，可以追溯相關知識點，並通過多維度測評找到真正的知識漏洞。

其次，知識圖譜可以帶來學習路徑規劃的最優解。通過挖掘學生所有盲點中關聯度最重的知識點優先學習，可以帶來學習效果的最大化，提分效果也最為明顯。

通過這個應用場景，我們同時可以看到，資料分析的實時性需求正在提升。

每當學生的一個知識點被補全，該學生的知識點圖譜結構將發生動態連鎖變化，學習路徑的規劃最優解也需要同步實時更新。這與原本根據大綱靜態順序進行教學的方式相比，發生了巨大變革。

下一代資料分析浪潮源自物聯網

現有的分析資料來源主要來自於移動終端。這些資料的分析已經經歷了0~1乃至1~10的鉅變過程，逐步進入效果可預期的成熟階段。

因此，移動終端資料的增量已經進入平穩期，其帶來的商業價值，必定隨著資料分析技術的進一步增強得以放大，但已然過了能夠大幅超越甲方預期的階段。

未來新的爆發點，來自於物聯終端的新資料。相比移動終端，物聯終端將首先在連線數量上實現超越，進而在資料維度、資料量上實現超越。

通過觀察中國移動4G客戶數量與物聯連線數量的變化趨勢，可以預見，萬物互聯時代距離我們越來越近。

2019年6月末，中國移動的4G客戶達到7.34億，半年淨增2,000餘萬。同期，物聯終端數量已經接近7億，半年淨增1.4億。按當前趨勢發展，2020年中國移動最多的連線將來自於物聯終端。可以預見，這些新資料的加入，將引領資料分析新的一波浪潮。

物聯資料的分析價值凸顯，邊緣計算技術成熟

物聯網所獲取的資料包括內部、外部兩部分感知資料。當前顯現分析價值的是外部環境感知資料。

智慧城市、智慧零售中的攝像頭，智慧農業中的光照、溫溼度感測器，其所收集的資料即為外部感知資料。

智慧停車是外部感知資料的應用案例。一種物聯方案，是通過在路邊的停車位安裝地磁裝置，記錄車輛駛入、駛出時間，進而實現計費。更完整的物聯方案，是通過攝像頭識別車牌以及駛入駛出時間，自動扣費。這些都屬於外部感知資料的應用。

在保險領域，物聯網外部感知資料的分析應用已經進入商業化階段。由於高賠付率，貨車險是保險公司不願觸及的領域。但是隨著車載終端覆蓋度的提升，通過主動干預的方式降低貨車運輸風險成為現實。

通過監測分析貨車執行的胎壓胎溫、行駛速度，預警車禍頻發地段等方式，可以明顯降低車輛執行風險。通過駕駛艙內的攝像頭，可以實時感知司機是否存在疲勞駕駛、危險駕駛等行為，並加入人工客服主動干預，可以明顯降低駕駛風險。由於物聯資料分析使得賠付率降低，保險公司付費意願強烈。

比如剛才提及的貨車物聯案例中，駕駛艙內的攝像頭需要實時感知司機的危險駕駛、疲勞駕駛行為。

在真實場景中，並不需要將視訊資料傳輸到雲端，完全可以在邊緣進行資料分析，出現預警時才將資料傳至雲端，採取下一步干預措施。同時，雲端可以通過反饋的資料迭代演算法，並將最新演算法更新至邊緣。

數字孿生：萬物互聯時代的資料分析技術

除了外部環境感知資料，內部狀態感知資料的應用，同樣具備巨大的想象空間。所謂內部感知資料，即工業裝置運轉資料、人的體徵資料等。

內部感知資料大規模應用，需要的前提是下一代資料分析技術的成熟，也就是數字孿生技術。數字孿生，是將物理實體在虛擬世界建立數字對映，並且該對映會隨著物理實體的變化而變化。

數字孿生技術還有一系列技術難點等待突破，包括3D建模、機理模型等。

第一步建立數字對映，需要3D建模技術的成熟。第二步隨物理實體變化，需要機理模型技術的成熟。這些技術還需要3~5年甚至更長時間積澱。未來，數字孿生工廠、數字孿生城市存在巨大的應用想象空間。

零售科技，2020年的亮點行業

品牌商已經接受了中臺概念的“洗腦”，開始將自有資料資產化。根據調研，攜帶第三方資料來源的零售科技服務商更容易敲開甲方的大門。這和過去科技服務商在金融領域滲透的邏輯是相同的。

早期，BATJ與五大行能夠達成戰略合作的重要原因之一，便是網際網路巨頭的使用者畫像資料能夠與銀行自有資料撞庫，並豐富銀行在使用者畫像端的資料維度。

今天，擁有手機廠商、運營商、電商等資料資源的科技服務商，也是先協助品牌商補全其在使用者資料端的缺失，建立資料中臺。之後，可以基於該資料中臺落地營銷相關應用。

全渠道中臺，是品牌商、渠道商擁抱的另一個變化。在品牌商構想的藍圖中，線上線下的訂單履約將實現統一，前端門店不僅是銷售場所，也承擔著線上到家、到店等訂單的履約智慧，從而實現門店坪效的大幅提升。全渠道中臺的滲透，預示著新一代雲化ERP廠商的變革機會。

企業服務領域，雲端計算滲透遇到階段性小波折

2019年第二季度，阿里雲收入增速已經降至66%。相比過去5年，阿里雲每年的增速都在100%附近。由於阿里雲是預付費模式，真實的訂單收入增速將會更低。阿里的財報也顯示，收入增長主要是由於每位客戶平均支出增加所帶動，而非客戶數量增長。

以上資料，意味著雲端計算在傳統行業中的滲透速度在減緩。如果IaaS滲透遇阻，很難預期SaaS公司能夠取得快速增長。但整體來看，雲端計算在中國的滲透率尚不及5%，當前只是階段性遇阻，潛在的想象空間依舊。