在数字化浪潮汹涌澎湃的当下，数据已成为推动经济社会发展的核心驱动力。6月19日，备受瞩目的“2024数据智能大会”隆重召开，中国信息通信研究院云计算与大数据研究所发布了“2024数据智能十大关键词”，包括高质量数据供给、面向人工智能的数据治理、数据资源估值与入表、数据智能平台、检索增强生成(RAG)、“大模型+”、营销数智化、数据安全风险评估、数据安全运营、数智素养。为我们揭示了数据智能领域的最新发展趋势和前沿技术。

下面我们针对此次大会发布的“2024数据智能十大关键词”进行详细阐述：

一、高质量数据供给：铸就数据生态的基石

在数据驱动的时代，高质量的数据供给是构建数据生态的基础。随着各行业对数据的依赖程度不断加深，数据的准确性、完整性和时效性变得尤为重要。高质量的数据不仅能够提升数据分析的准确性和效率，还能够为决策提供更加可靠的依据。

企业作为产业运行的主体，在数据供给方面承担了重要作用。其中，数据要素型企业拥有大量数据，是数据市场的主要供给方，需要在安全合规的基础上实现数据整合贯通与流通赋能。数商具备专业技术能力，是数据市场的服务方，需要持续创新数据技术并挖掘数据应用，不断开拓新的业务模式以适应市场变化。其次，提高数据质量的一大关键还在于技术创新与模式优化，针对性的技术能够更有效识别和提升数据供给的质量，比如通过应用合成数据、自动化智能化的数据标注建设高质量数据集，并通过建立数据质量全流程评估标准来满足大模型对高质量数据的需求。

二、面向人工智能的数据治理：智能时代的必然选择

随着人工智能技术的快速发展，数据治理面临着新的挑战和机遇。面向人工智能的数据治理旨在通过智能化的手段，对数据进行更加精细化的管理和利用。这包括数据的采集、存储、处理、分析和应用等各个环节，需要建立完善的数据治理体系，确保数据的质量和安全。

三、数据资源估值与入表：释放数据资产价值

数据作为一种新型资产，其价值正逐渐得到认可。数据资源估值与入表是将数据作为资产进行管理和运营的重要手段。通过科学的估值方法，将数据资源纳入企业的财务报表中，有助于企业更好地了解和管理自身的数据资产，实现数据的价值最大化。

数据资源估值重在感知和量化数据价值，数据资源入表关键在于精准核算数据相关的财务信息。在实践中，按照“先有价值，再有交易”“先有业务，再算财务”的思路，数据资源估值是入表的基础，为入表前的历史成本归集、预期收益分析等确认条件提供重要依据。

2024年是数据资源估值和入表的“起步年”，以央国企为代表的机构逐步探索构建数据资源估值体系，并同步开展数据资源入表试点工作。据统计，今年第一季度已经有20余家上市公司披露了数据资源入表情况。

四、数据智能平台：构建智慧化应用的桥梁

数据智能平台是整合数据资源、提供智能化服务的重要载体。通过构建数据智能平台，企业可以实现对数据的统一管理和高效利用，为各类智慧化应用提供强大的数据支撑。同时，数据智能平台还能够为企业提供智能化的决策支持和服务，推动企业向数字化转型。

五、检索增强生成(RAG)：重塑信息检索的未来

检索增强生成(RAG)技术是一种结合信息检索和生成式技术的创新方法。它不仅能够提高信息检索的准确性和效率，还能够根据用户的需求生成更加符合期望的结果。RAG技术的应用将为用户带来更加智能化、个性化的信息检索体验。

RAG是一种通过数据检索来改进模型内容生成效果的技术方案，通过引入来自外挂向量数据库、知识图谱或网络的数据，对原有问题进行补充增强后再输入给大模型，有效缓解大模型的幻觉问题，提高知识更新速度，增强内容生成的多样性和可追溯性。现阶段RAG技术已融入最常见的大模型应用架构，大大降低企业在大模型训练、微调方面的资源投入，为企业大模型落地提供了更加稳定、可控、低成本的思路。

六、“大模型+”：引领人工智能新潮流

大模型是人工智能领域的重要突破之一，它通过海量的数据和强大的计算能力，训练出具有广泛适用性和强大性能的人工智能模型。而“大模型+”则是将大模型技术与其他领域进行深度融合，形成更加智能化、高效化的解决方案。例如，“大模型+自然语言处理”可以实现更加精准的语言理解和生成，“大模型+计算机视觉”可以推动图像识别、目标检测等技术的进一步发展。

在知识层面，大模型可以高效完成知识归纳、加工、解读，并通过外挂知识库为用户提供更加精准、高效的知识检索服务，极大提升了知识管理和利用的效率。Z创意层面，大模型技术正推动辅助设计向智能生成的阶段演进，大模型所具备的文字、图片、代码、音视频生成能力为设计与研发带来无限可能。在决策层面，大模型驱动的智能体能够模仿人类的决策过程，通过与环境的感知交互来规划决策并执行，很大程度上提高了决策的效率和自动化程度。

七、营销数智化：重塑商业营销新模式

在数字化时代，营销数智化已成为企业提升竞争力的重要手段。通过运用大数据、人工智能等技术手段，企业可以实现对消费者行为的深度洞察和精准营销，提高营销效率和效果。同时，营销数智化还能够帮助企业构建更加紧密的客户关系和生态系统，提升品牌影响力和市场份额。

数智化技术为营销带来了诸多革新和突破。一是赋能决策，精准客群定位、敏捷预测等技术的应用，让企业能够更精准地把握市场脉搏，更高效精确地做出业务决策。二是增强体验，通过用户画像实现精细化的用户体验管理，利用大模型技术定制化生成用户感兴趣的内容，在营销的同时兼顾用户体验。三是驱动创新，从社交媒体运营到视频运营再到内容运营和直播运营，营销数智化已经是推动业务创新的重要动力。

八、数据安全风险评估：筑牢数据安全防线

数据安全是数据智能应用的重要前提和保障。随着数据量的不断增长和应用场景的不断拓展，数据安全风险也日益凸显。数据安全风险评估是识别、分析和评估数据安全风险的重要手段，它可以帮助企业了解自身的数据安全状况，制定针对性的防护措施和应急预案，确保数据的安全和稳定。

随着数据要素市场化发展的持续深入，尤其是在数据驱动的智能化场景应用逐步落地过程中，数据安全也面临着更加严峻的挑战。新技术的应用在带来新机遇的同时也将引入新的风险。数据安全风险的识别、评估与应对是数据处理者面临的最紧迫问题，也是我国监管部门、产业多方高度重视与关注的焦点问题。国家在标准化工作、实践指引等方面做出了相应探索，众多行业领域发布了数据安全风险评估的管理要求与实施指导。

九、数据安全运营：实现数据安全的动态管理

数据安全运营是保障数据安全的重要手段之一。它通过对数据的安全态势进行实时监测、分析和处置，实现数据安全的动态管理和持续保障。数据安全运营需要建立完善的安全管理体系和运营机制，确保数据在采集、存储、处理、传输和应用等各个环节都得到有效的安全保障。

随着智能化时代的到来，数据安全运营也迎来了新的机遇与挑战。一方面，AI技术赋能数据安全运营智能化。通过AI等技术，对数据安全运营工作进行智能分析、预测和响应，不仅能够提高运营的效率和准确性，还能帮助企业构建更加完善的安全防御体系。另一方面，AI技术的引入可能给企业带来新的数据安全风险，也可能引发合规管理、责任划分等新问题。

十、数智素养：构建数字化时代的新素养

随着数字化时代的到来，数智素养已成为人们必备的基本素养之一。数智素养包括数据意识、数据思维、数据处理和数据应用等方面的能力，是人们适应数字化时代、实现个人价值和社会发展的重要基础。提高数智素养需要不断加强教育培训和实践锻炼，培养具备数字化思维和创新精神的新型人才。

在持续推进，企业数智化转型的过程中，企业人才的综合数智素养成为转型成效的重要影响因素。数智素养是指在数字环境中获取、理解、评估和应用信息的能力，以及运用数据智能技术解决问题的能力。它包括数字信息素养、数据素养、AI素养和技术素养等核心要素，体现了个体在数据智能时代的适应能力和竞争力。

总之，“2024数据智能十大关键词”为我们揭示了数据智能领域的最新发展趋势和前沿技术。在未来的发展中，我们需要不断关注这些关键词所代表的技术和趋势，积极拥抱数字化时代带来的机遇和挑战，共同推动数据智能领域的发展和创新。