数据是现代企业增长的关键驱动力。研究表明，拥有强大数据战略的企业获得客户的可能性高出23倍， 盈利的可能性高出19倍。尽管如此，许多公司仍在努力充分利用其数据。 数据战略 是指导组织如何收集、管理和使用数据，从而做出明智决策、提高效率并保持合规性的计 划。本指南将解释什么是 数据战略 、它为何重要以及它带来的主要优势。 一 什么是数据战略 数据战略是一种结构化方法，概述了企业如何收集、组织和使用数据来实现其目标。它定义了清晰的流 程来管理数据质量、可访问性和安全性，同时确保能够提取洞察以支持决策。本质上，它将数据转化为 一种实用工具，帮助企业做出明智的决策、改进运营并创造价值。 数据战略的关键点包括： 数据治理：制定安全合规地处理数据的规则和责任 数据管理：确保数据准确、一致且易于访问 分析和商业智能：利用数据生成可操作的见解，促进增长和效率 二 数据战略的核心组成部分 强大的 数据战略 建立在几个核心要素之上，每个要素在确保数据准确性、安全性和可操作性方面都发 挥着关键作用。这些要素协同工作，构建了一个框架，不仅可以保护数据，还能最大限度地提升其在决 策和业务增长中的价值。对于任何致力于数据驱动的组织来说， ...

Inbound会议与产品创新 - Inbound客户会议在旧金山Moscone中心举行 首次从波士顿移至旧金山 参会人数约13,000人 [5] - 公司在会议上发布超过200项产品更新和功能发布 涵盖整个平台 创新步伐显著 [5] - 会议突出三大主题：数据（将Operations Hub转型为Data Hub）、营销（推出The Loop营销手册）以及AI创新（AI代理、市场和自定义代理构建器） [5][6] 数据战略与AI基础 - Data Hub利用AI智能整合数据 客户可运行LLM查询丰富数据 并将其用于报告和工作流 [5][6] - 超过270,000名客户选择HubSpot的核心原因之一是平台能将营销、销售、服务和运营团队的数据整合在一起 [10] - 客户在数据准备和AI应用旅程中处于不同阶段 部分老客户已具备清洁数据并寻求更先进的AI应用 而新客户则刚开始意识到需要非孤岛化的清洁数据以启动AI之旅 [11] 营销战略转型：The Loop与AEO - 传统搜索正受到AI概览（AI overviews）的颠覆 60%的谷歌搜索以零点击告终 导致网站流量和内容线索减少 [17] - AI在营销漏斗底部带来变革 通过捕捉意图信号匹配客户需求 实现更高转化率 The Loop营销手册旨在利用人类真实性与AI效率 实现内容与渠道多元化 [18][19][20] - 公司自2022年起内部孵化此战略 通过收购The Hustle（商业播客网络）和新闻通讯等 实现营销渠道多元化 过去三年来自社交、电邮新闻通讯和播客的线索增长超过一倍 [26][27] - 推出AI引擎优化（AEO）新策略 以在LLM提供的单一答案中展示内容 来自LLM的线索转化率提高三倍 因用户意图更深、更愿意行动 [28][29] 技术架构与平台优势 - 公司采用平台优先战略 拥有跨应用和中心（如自动化、报告、数据）的原始组件（primitives） AI原始组件（如AI技能）使公司能更快构建代理和产品功能 [42][43] - 平台架构能处理结构化数据（CRM核心）、非结构化数据及外部意图信号（来自ClearBit收购） 19年运营和270,000客户提供的上下文是AI驱动的深厚基础 [51][53] - 公司认为AI与SaaS互补 HubSpot提供增长上下文（如销售管道、活动记录）和跨数千用户的状态维护 LLM则擅长单个用户的交互和洞察 二者结合为客户创造更大价值 [63][64][65] 市场竞争与定位 - 公司通过有机构建平台和统一数据 为成长型公司降低集成负担 形成竞争壁垒 [42] - 与AI原生初创公司相比 HubSpot已有的结构化数据、非结构化数据及外部数据整合构成优势 初创公司从零构建结构化数据更具挑战 [51][52] - Anthropic等LLM提供商明确不瞄准营销领域 因HubSpot在营销、销售和服务团队的领域知识及上下文深度上具有专业壁垒 [67][68] 客户战略与增长驱动 - 公司采用杠铃式客户策略 既关注新加入的小型企业（提供免费工具、降低价格、取消席位最低限制） 也专注于200-2,000名员工规模的成长和规模化公司 [73][74] - AI采用程度不取决于客户规模 而取决于公司内部的AI熟练度 通常由C级高管推动 [73] - 增长加速动力来自平台整合（客户为降低成本和复杂性而 consolidate）、上市场和下市场动能 以及新兴杠杆如营销转型（多中心采用）、销售CPQ发布、定价变化和AI采用 [81][82][83] 定价策略与价值实现 - 定价哲学坚持"价值先行再货币化" 战略上保持耐心 先识别可重复的客户用例再收费 [94] - 采用混合定价模型：席位（seats）加积分（credits） AI代理工作、数据同步等消耗积分 而特定角色的AI价值仍通过席位货币化 [94][95] - 混合模型旨在平衡价值 即使席位受压 通过积分货币化AI交付的额外价值 公司更关注价格乘以价值（P × Value）方程 [96][98] 问答环节所有提问和回答 问题: Inbound会议的亮点和主要收获 - Inbound会议突出HubSpot的创新步伐、数据转型为Data Hub、营销变革（The Loop）和AI代理等主题 [5][6] 问题: 客户在数据策略和AI准备度上的进展 - 客户处于不同阶段 老客户数据基础好且寻求先进AI应用 新客户刚开始意识到清洁数据的重要性 [11] 问题: The Loop营销手册的概念和背景 - The Loop回应搜索颠覆（60%谷歌搜索零点击） 利用AI提升漏斗底部转化 强调人类真实性、数据驱动个性化和渠道多元化 [17][18][19][20] 问题: 公司内部营销策略的迭代过程 - 自2022年注意到客户时间从博客转向社交、播客和新闻通讯 通过收购和渠道多元化（如播客网络增长90%线索）实现需求组合转变 [26][27] 问题: AEO策略的初步观察和差异 - AEO区别于SEO 平均LLM查询23词（搜索5词） 需要特定数据、案例和内容重复策略 公司内部实验显示LLM线索转化率3倍提升 [28][32] 问题: 技术架构带来的竞争速度优势 - 平台优先和原始组件（如AI技能）使创新速度快 客户认为投资HubSpot是未来验证技术选择 [42][43][44] 问题: AI原生公司是否比现有SaaS栈更具优势 - HubSpot的上下文深度（19年数据、27万客户）是优势 AI原生公司需从零构建结构化数据 互补而非替代 [51][53] 问题: 与LLM提供商（如Anthropic）的竞争动态 - LLM提供商不瞄准营销领域 因HubSpot的领域知识和上下文（如买家历史、竞争对手处理）是壁垒 二者互补 [67][68][69] 问题: 不同规模客户对AI代理的采用差异 - AI采用取决于内部AI熟练度而非客户规模 C级推动是关键 公司坚持杠铃策略服务新小企业和上市场客户 [73][74] 问题: 增长加速和净留存率提升前景 - 公司已内部重新加速净新ARR增长 驱动因素包括平台整合、上市场/下市场执行、新兴杠杆（营销、销售CPQ、定价变化） [81][82][83] 问题: 价值导向定价和混合模型的执行 - 混合定价（席位+积分）平衡AI价值交付 哲学是价值先行 积分货币化代理工作和数据 未观察到席位压缩但模型可应对 [94][95][96]

咨询行业升级 - 咨询公司角色从"问题解决者"升级为"战略赋能者" [1] - 2025年企业数字化转型进入深水区，全球化竞争加剧 [1] 战略咨询 - 核心价值：解决企业长期方向问题，如五年规划、新市场进入、业务模式重塑 [3] - 代表机构：麦肯锡、波士顿咨询（BCG）、贝恩，擅长跨行业战略推导 [4] - Artefact（阿蒂法）差异点：融合数据科学工具，通过量化分析验证战略假设 [4] - 案例：某健康科技公司借助Artefact数据模型，六周内明确"客户数据单一真实来源"战略，缩短转型周期50% [4] Artefact（阿蒂法）核心优势 - 人才矩阵：1700+专家覆盖数据科学、AI、咨询、营销、工程五大领域 [4] - 方法论创新：独创"四大支柱"框架（战略愿景、数据场景、治理、平台），绑定数据战略与业务价值 [4] - 实战效率：平均六周完成战略愿景与落地路径设计，帮助客户精简技术栈后IT成本降低30% [4] - 标杆案例：为某健康科技公司评估100+传统数据工具，访谈50+业务负责人，锁定"数据治理缺失"为核心痛点 [3] - 持续落地：提供路线图与执行支持，助力客户年数据决策效率提升40% [5] 其他热门咨询公司分类 管理咨询 - 核心价值：优化组织、流程、人力等运营环节，降本增效 [7] - 代表机构：和君咨询、北大纵横（综合型），百思特（供应链）、华夏基石（人力资源）（专精型） [11] - 适配场景：企业并购后整合、数字化转型非技术侧实施 [11] 数字营销与技术咨询 - 核心价值：通过技术实施与数字营销驱动业务增长 [8] - 代表机构：埃森哲、德勤咨询，擅长CRM部署与大数据分析 [11] - 适配场景：线上业务扩张、客户忠诚度计划设计 [11] 市场研究与调研 - 核心价值：提供市场、消费者、竞对洞察，支撑投资与品牌定位 [9] - 代表机构：尚普咨询（IPO咨询）、启帆（华东中小企业）、博睿（消费行为） [13] - 适配场景：新产品上市可行性研究、渠道优化 [13] 2025年咨询公司选型建议 - 战略层：优先选择MBB或Artefact（数据驱动型战略） [12] - 执行层：管理咨询选和君咨询，数字营销选埃森哲或欧博东方 [12] - 数据层：Artefact为首选，其端到端能力可避免战略与落地脱节 [12] 行业高价值场景与技术壁垒 - 高价值场景：制造业智能化升级、零售业全渠道融合、金融业风控模型优化 [10] - 技术壁垒：自研AI算法与行业场景库，支持快速定制化方案，区别于传统"模板化"输出 [10]

行业数据应用与挑战 - 2024年中国新能源汽车渗透率突破40 9%，智能网联汽车交付量约2000万辆，单车日均数据量达30GB，数据价值潜力加速释放 [3] - 行业面临数据孤岛、碎片化等挑战，需构建生态系统推动数据形成大规模产业级应用 [3] - 新能源智能网联汽车作为移动终端，拥有丰富数据资源和密集交互方式，是数据战略最具前景的落地行业之一 [3] 技术标准化与工程化 - 软件定义汽车过程中，硬件接口定制化严重导致安全合规和开发周期问题，需统一规范和标准 [4] - 端到端模型核心难点在于工程化，需以合理成本和算力实现可控、安全、可量产的部署 [4] - 端到端技术可应用于域控制器和轻量化一体机，实现不同配置车型和量级产品的同权 [4] 协同发展与生态构建 - 智能交通和智能网联汽车发展需各方协同，做好交通统合和车路融合 [4] - 上海国际汽车城探索多数据一站式仿真测试服务，与保险机构合作推动行业发展 [5] - 需破解"端－边－云"算力协同、跨域融合"世界模型"、数据流通可信机制三大关键命题 [5] 数据流通与产业创新 - 企业间数据流通可降低成本和重复投入，探索跨行业融合创新，需政产学研协同 [6] - 下一代紧急呼叫技术利用4G 5G实现低时延数据传输，需标准化和法规测试推动落地 [7] 企业战略与合作 - 众链数智提出通过可信数据空间建设打破行业壁垒，实现数据跨主体流动 [3] - 重庆安驿提出智能化竞争下半场重在用户体验，数据是通用型资源需企业合作 [6]

数据战略与人才缺口 - 企业面临专业人才缺口，缺乏真正懂数据、理解数据的人员，组建专业团队是构建数据能力的核心基础[1] - 企业需从合规、增长、效率三大维度持续发力，以高效、智能、数字化姿态前行，避免错过智能化与数字化浪潮[1] 智能湖仓与数据基座 - 云基础设施的弹性与安全是现代化数据战略的根基，湖仓一体化架构是释放价值的关键引擎，实现从研发、生产到营销的端到端数据贯通[3] - 计算存储分离等技术优化成本并将资源转化为利润，管理层需理解湖仓一体的战略价值以构建数据驱动闭环[3] - 选择亚马逊云科技的原因包括全球协同效应、高敏捷性应对中国市场变化、以及强大的合规管控能力[3] 端到端数据管理生态 - 依托亚马逊云科技构建智能湖仓架构，打破数据孤岛，支撑PB级数据湖弹性扩展，实现异构数据统一治理和自动化ETL流程[4] - 全球合作中，基于云原生数据分析、机器学习等服务，在17个场景中快速部署AI解决方案，预计年成本削减7.5-10亿美元[4] - 生成式AI平台VOX让员工安全创新，访问包括Amazon Bedrock和Amazon SageMaker上的大语言模型[4] 云平台效率与成本 - 云平台实现百倍级效率跃升，支持分钟级服务部署，颠覆传统IT架构以周、月甚至季度为单位的漫长部署周期[5] - 云平台采用"用多少付多少"的按需计费模式，杜绝资源浪费，相比传统架构下硬件设备持续产生固定成本[6] - FinOps云财务管理工具优化资源配置，降低运营成本，将IT部门从成本中心转型为业务加速器[8] Agentic AI在医药行业的应用 - 大模型与智能体技术改变传统AI项目高失败率的局面，智能体让业务场景落地成为可能[9] - 重点推进智能内容引擎和流程执行体两大应用方向，实现医学知识精准个性化分发和自动化流程执行[9] - 智能体接管规则明确、重复性高的流程，将员工从操作员升级为决策者，推动药企向智能敏捷转型[10] 数据本地化与合规 - 将数据本地化从被动合规升维至战略投资，在中国建立物理隔离的云数据基座，满足监管对患者隐私、临床数据出境的重度管控[11] - 数据本地化为本土化创新铺设基础设施，虽剥离全球生态痛苦但必要，对业务带来的机会巨大[11] - 未来竞争聚焦于合规技术底座与AI创新速度的双向驱动，需构建覆盖全链条的智能化合规体系和技术迭代效率优势[11]

数据成为银行核心战略资产 - 数据要素超越传统资金、网点等要素，成为商业银行核心战略资产之一，驱动业务创新、风险管理和客户服务模式全面升级 [1] - 多家银行在数据人才争夺、平台信创改造、数据资产入表等方面加速布局 [1] 银行业数据人才争夺激烈 - 数据分析、数据治理、数据库管理、人工智能等岗位需求旺盛，要求复合型技术能力与业务融合经验 [2] - 黑龙江省农信联社2025年招聘中，信息科技条线岗位占比超50%（66/97人），侧重商业银行、互联网大厂或金融科技企业经历的复合人才 [2] - 股份行浦发银行招聘数据管理部副总经理，要求10年以上金融机构或科技企业经验，5年以上数据管理经验，负责全行数据资产全生命周期管理 [3] - 银行科技与数据类岗位占比大幅提升，市场对"金融+数据技术"复合型人才存在缺口 [3] 数据平台建设加速国产化替代 - 交通银行浙江省分行推进数据平台信创改造，将本地数据迁移至总行OceanBase国产数据库 [4] - 国有大行和股份行分布式核心系统建设进展快，如工行、建行已从技术验证进入投产阶段，采用分布式架构、云计算等技术提升自主可控能力 [5] - 中信银行研发"配置化云端数据湖至应用数据库数据卸载方法"专利，体现技术创新 [5] - 神州数码金融软服业务近三年签约总额年复合增长15.06%，收入年复合增长19.52%，中标多家银行核心系统项目 [6] 数据资产入表推动价值重估 - 财政部《暂行规定》允许数据资源确认为无形资产或存货，银行数据治理投入从成本项转为可量化资产 [7] - 光大银行2024年数据资产入表金额达1809万元，宁波银行、中信银行、恒丰银行分别为600万元、579万元、112万元 [8] - 工商银行、招商银行称《暂行规定》对财务状况无重大影响，华夏银行、浦发银行未披露具体金额 [8] - 行业预计未来三到五年为数据能力建设关键期，提前布局的银行将占据数字化转型先机 [8]