数据资产化的技术水平可以从数据资产化的技术架构体系，数据资产化工具的核心技术，数据资产化核心技术上成熟度分析，中国市场与全球市场的技术差距等四个方面进行分析。

1、数据资产化的技术架构体系

数据资产化的技术架构总共有五个层级，依次为源数据，数据采集，数据存储，数据处理，数据应用。底层是源数据，主要有互联网数据、系统日志数据和内部数据库;第二层则是数据采集环节，主要针对三大源数据有不同采集技术;第三层是存储环节，包括结构化数据存储和非结构化数据存储技术;第四层则是数据处理技术，主要有数据挖掘技术和数据治理技术构成;第五层则是数据应用技术，包括商业智能分析、数据集成、可视化、营销变现等相关技术。

2、数据资产化工具核心技术

图1 数据资产化工具核心技术分布情况

数据资产化工具关键技术主要以数据挖掘分析处理技术、先进技术的融合程度、多样数据源的整合能力、数据安全管理能力为主。从厂商角度来看，更为关注数据挖掘分析处理技术和多样数据源的整合能力，而最终用户则更关注先进技术的融合程度和数据安全技术。图中可以看出：数据挖掘分析处理技术达44%，预测分析，机器学习，多样数据源的整合能力，数据安全管理技术等紧随其后占比38%。

3、数据资产化核心技术成熟度分析

图2 2021年数据资产化技术成熟度比较分析

数据资产化工具行业整体技术成熟度处于偏低水平，相比而言最终用户对技术成熟度的判断要略高于厂商的判断，说明用户预期相对较好。从核心技术的成熟度来看，数据存储能力、数据采集能力成熟度相对较高，占比近80%，先进技术融合程度及数据源的整合能力有较大提升空间。从供需两端来看，最终用户认为存储技术、可视化技术的成熟度要高于厂商的判断，而厂商对数据挖掘分析技术和先进技术融合的技术成熟度判断要高于最终用户的认知。

4、中国市场与全球市场的技术差距

图3 中国与全球的核心技术成熟度差值对比分析

中国市场的数据资产化工具技术成熟度与全球市场差距较小，差值仅有2.4%，最终用户认为与全球相比仅低2%，但厂商认为比全球低3.5%。比较核心技术的成熟度发现，在数据安全、数据采集、合规性管控等方面与全球技术水平基本持平;相对而言，先进技术的融合度方面差距最大，应做重点改进。厂商认为在数据清洗、抽取、转换方面和数据存储方面的技术差距与全球相比最大，而最终用户则认为是先进技术方面差距最大。

文本由@言禾原创发布于三个皮匠报告网站，未经授权禁止转载。

数据来源：《海比研究院：互联网行业市场研究报告：2021年中国数据资产化工具(72页)》