《2021中国数据智能产业发展研究报告-数据猿-2021.5正文版.doc》由会员分享，可在线阅读，更多相关《2021中国数据智能产业发展研究报告-数据猿-2021.5正文版.doc（53页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2021中国数据智能产业发展研究报告2 0 2 1 年 5 月n 报告背景数据智能（Data Intelligence），是数据化与智能化的融合。数据产业化和产业数据化同步推进，数据智能技术快速发展，业务场景、行业应用不断丰富，每个领域都涌现出诸多优秀的数据智能服务商。在这个急速变革的时期，数据猿基于长期的产业观察、深入的分析和大量的调研，推出2021中国数据智能产业发展报告，报告从数据和技术进展、业务场景、行业应用、未来趋势四个方面梳理数据智能产业近期的发展情况，致力于厘清数据智能产业的发展脉络，总结产业实践，为业界了解数据智能行业发展情况提供一份有价值的借鉴。n 报告研究方法1、桌面研究数
2、据猿数据智能产业研究团队基于长期的行业观察，建立较为完善的产业资料库，并进行多个行业专题研究。本报告结合了行业研究、企业年报、政府数据、媒体报道等第三方公开数据。2、行业专家访谈数据猿构建的行业专家库，主要包括业界专家、企业高管、高校教授等，为本报告的撰写提供智力支持。3、问卷调查a) 调研对象：数据智能产业相关从业者、企业主和相关客户；b) 问卷投放时间：2021年1月-2021年3月；c) 样本量N=305。022n 报告摘要数据成为新的 生产要素 ，正在成为竞争力之一，随着算力和技术发展，大数据和 A I 技术融合下的数据智能，逐渐在商业环境中应用，并间接创造价值。数据智能在各行业中呈现
3、从业务数据化到最终改变行业格局的态势，特别在互联网、金融行业和医疗行业 中的应用更为普遍和深入，都有较为成熟业务案例。数据智能逐步重构企业商业逻辑，目前价值主要体现在营销、运营和产品研发 三个方面。数据智能未来趋势：企业层面，数据资产化管理，释放更多数据价值；技术层面，与云计算、深度学习的结合更为紧密；个体层面，加强隐私保护。3数据智能简介数据智能对行业的影响数据智能化对企业的影响数据智能行业未来趋势4数据智能简介数据成为新的生产要素，日益爆发的大数据+AI技术成为数据智能的基础，并不断应用在各行业中的实际业务。数据智能：数据成为新的生产要素，智能化数据将成为新的竞争壁垒在2020年4月发布的
4、中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见，将数据作为与劳动、资本、土地、知识、技术、管理并列的生产要素，这是第一次在中央文件中明确将数据作为一种新型生产要素。数据作为新的生产要素，在边际使用价值、产权、价值量度等方面具有独特性。边际效用递增01劳动、资本、土地生产要素会随着使用而消耗其价值，而数据并不会因为使用而消耗。相反，数据在流动、应用过程中能得到进一步积累，数据价值会更大。0目前，数据并不能直接创造价值，其价值需要通过赋能业务、管理，通过提升企业效间接附能02率来体现价值，其价值传导链条具有间接性。20传统生产要素都是线性增长的，但数据增长轨迹却是非线性的。图数据呈指
5、数级增长03灵奖获得者JimGray提出，每18个月全球新增信息量是计算机有史3以来全部信息量的总和。产权和价值界线难度增加04传统劳动、资本、土地的产权归属清晰，价值大小好度量，但数据的产权归属、数据价值大小量度还没有统一、明确的标准，相关的法律法规体系还远未成熟。6数据智能：结合大数据+AI技术在实际商业环境中解决实际业务问题数据智能（Data Intelligence）是什么呢？数据智能是指基于大数据，通过人工智能（AI）对海量数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，使数据具有“智能”，并通过建立模型寻求现有问题的解决方案以及实现预测等。AI主要由AI技术、算法、
6、框架和基础算法四部分构成，在其发展历程中，先后以机器学习和深度学习作为其主流算法。应用针对具体业务进行应用!技术利用人工智能的算法和技术对数据进行分析大数据解决采取!存储!访问个问题数据智能的基础概念分类、聚类、预测、决策、规划、推荐#$技术#$算法自然语言处理（!#）、数据清洗、分析决分类、回归、降维、深度学习、聚类、规划、策、机器视觉、数据挖掘、知识图谱优化、预处理#$框架基础算法!$%&()*+,+-./0%(#01203(#022./&022./高等数学、矩阵分布、数值分析、概率统计(4055/(678*9分析数据访问!负载均衡数据存储!分布式存储数据采集!智能硬件、智能传感器、摄像头
7、等人工智能、机器学习、深度学习的隶属关系人工智能1950-1980机器学习1980-2010深度学习2010-至今资料来源：中国人工智能学会，数据猿分析7数据智能发展历程人工智能作为数据智能的模块之一，在AlphGo 2017年成为新闻媒体焦点之后较大家熟知，此后更多在自然语言处理层面的人工智能蓬勃发展，但是数据智能在更高维度串联行业和企业业务，将人工智能的算法优势与业务结合，逐步解构和重构行业商业逻辑。AI第一次爆发：+,诞生第二次爆发：机器学习第三次爆发：深度学习:;OJ=PE的诞生，在达特茅斯会议上，名词被创:;A=在日本开发的B0C7-D，可以与人沟通、阅读乐谱并演奏电由于大数据和深度
8、学习算法的发展条件成熟造子琴DAAJ=K+1-71发表论文，首次提出L深度学习M神经网络:;H/*-78G0*9+1/3支持向量机I算法诞生数据智能!#!$!%!&$()(*(!)$至今未来可期大数据关系式数据库数据仓库和分布式架构云计算AI与大数据的结合:;发布第一个商用)?关系式数据库:;:=数据仓库开始涌现DAAJ年产生云计算的概念DA:N=深度学习在语音和视觉识别上都有重大突破DAAN=分布式计算DA:D年以来，美国、欧盟、日本等DA:K0277&诞生主要发达经济体积极推进大数据发展战略。8数据智能行业发展现状：PEST分析PEST：政治（政策优势）、经济（商业化推动）、社会（隐私）、
9、科技（发展阶段）新基建和政策管控P2 0 1 7 年 1 2 月 , 工业和信息化部印发了发 布促 进新一代人工智能产业发展三年行动计划（ 2 0 1 8 - 2 0 2 0年）发布 。 2 0 1 9 - 2 0 2 0 年，国家又提出 “ 新基建 ” 策略，奠定政策基调。数据化渗透，隐私S界线持续被讨论2 0 2 0 年 7 月 3 日，中华人民共和国数据安全法（草案）全文在中国人大网公开征求意见。商业化逐渐成熟，E企业侧降本增效明显数据智能在各行各业的基础建设已逐步完善，应用层方面也逐步提升企业人效，加速业务链流动，提升上下游的互动和信息交换。基础算力和 A I 应用技T术飞速发展数据智
10、能产业的基础算力在不断突破天花板，同时 A I技术也从单点技术突破走向商业驱动阶段，分支的深度学习和认知智能成为新的技术追逐点。9数据智能的挑战：目前仍是间接创造价值，未来还面临数据“产权”等新挑战数据作为新的生产要素备受关注，但是在数据智能行业里，除了数据之外，还需要机器学习的技术和AI在应用层的表现才算构成完整的数据智能。数据作为新的生产要素的特点（N=305）数据是通过赋能业务来间接体现价值，而不像资本、人才直接创造价值50.2%数据作为一种资产，目前数据资产管理方法和技术还不成熟43.0%数据的“产权”更复杂，目前还很难确定某份数据的产权归属41.6%数据并不会因为使用而消耗，反而越用
11、越多41.6%数据的价值量大小评估更复杂，目前还没有统一的标准40.0%数据无处不在，万事万物都可以数据化31.8%数据量的增长更快25.3%数据来源：数据猿问卷调研10数据智能对行业的影响数据智能创造的新业务链条最终会影响行业格局，其在互联网、金融、新零售、医疗、教育等行业的革命性颠覆，最终描绘出一幅宏大的数据智能行业图谱。数据智能：从最初的业务数据化到最终改变行业格局数据智能在各个行业中基本遵循的推动流程：单点业务模块线上化业务与业务数据联通终端/营销业务模式改变供应链运营模式改变业务智能化商业模式改变/行业格局改变。期间投入的数据+新业务成本，会在大数据和智能化的作用下逐步发挥效用，从单
12、点业务的改善到整体行业格局的改变。数据智能与行业融合的过程行 业 格 局 改 变数据的供需关系改变行业供 应 链 运 营 模 式 改 变的整体商业逻辑业 务 与 业 务 数 据 联 通系统打通数据智能降本增效数据融合数据分析业 务 智 能 化终 端 / 营 销 业 务 模 式企业整体商业格局发生改单 点 业 务 模 块 线 上 化改 变变，数据智能附能新的业数据联通务增长点数据采集降低终端运营 / 人工成本数据储存数据可视化12数据智能行业图谱资料来源：数据猿绘制13数据智能：关键数据技术节点+AI应用相结合推动行业发展随着大数据技术的持续发展，原来割裂的各个领域技术呈现出加速融合的趋势，比如
13、离线处理与实时处理的融合，事务数据存储与数据分析的融合，基于云平台和数据中台打通数据孤岛，这些技术的融合发展，对于突破对海量数据处理的性能瓶颈意义重大。此外，AI在数据价值挖掘方面的作用得到更多重视，AI平台和大数据平台的融合程度进一步增强。13数据智能实现的关键技术和功能云 + 大 数 据 实 现 更 好 的 数 据 融 合2同 时 实 现 事 务 处 理 和 数 据 分 析数据中台建设，构建统一的数据标准和规范的数随着数据与业务的深入融合，在诸多场景据接口，实现不同系统的数据打通。 数据上云将中需要同时进行事务数据的处理和分析。分散在各个系统中的数据汇总在云端，只需通网通过事务 / 分析融
14、合架构设计，可以避免以络连接即可获得数据服务。往在两类数据库中频繁数据搬运带来的效率损失。流 处 理 满 足 数 据 时 效 要 求4用 A I 赋 能 数 据 应 用离线批处理，可以实现海量数据的低成本规数据的最终价值在于应用，将大数据平台模化处理，流处理可以提升数据处理的实时与人工智能平台深度融合，实现数据在大性，满足实时监控、风险实时预警、工业互数据平台与 A I 平台的无缝衔接，可以帮助联网操作等场景需求。企业在数据存储、数据治理基础上，探索更多的数据智能应用。人工智能技术应用智能语音技术机器人计算机视觉知识图谱数据挖掘生物自然机器学习语言识别处理生物识别1714数据智能在各个行业的应
15、用程度目前数据化在各行业都逐渐成熟，在此基础上的智能化和应用层不断体现行业特色。数据智能在互联网和金融行业中的应用更为普遍和深入，虽然应用的技术各有不同，但都已有成熟业务案例，呈现改变行业格局的态势。数据智能化应用在各行业的应用成熟度感知（N=305）58.4%56.7%33.1%27.2%26.9%25.6%22.3%14.4%互联网金融医疗政府教育零售工业农业数据智能在行业中的具体应用互联网服务智能推荐图片/视频处翻译语音助手安全防护旅行规划内容生产与审理核金融智能风控智能投顾智能投研保险科技安全防护医疗智能影像诊疗 医学数据挖掘智能问诊健康管理药物挖掘语音电子病历教育自适应学习智能评测智
16、能排课语音学习分级阅读视频分析零售顾客行为分析商品识别自主结算物流管理客群识别数字供应商工业制造缺陷监测生产优化安全防护机器人安防身份认证系统视频分析家庭安防智能摄像头汽车ADAS系统 自动驾驶算法车载交互企业服务智能营销商业决策智能客服数据标注智能招聘CRM管理系统数据来源：数据猿问卷调研15数据智能发自互联网也重构互联网：增量市场向存量市场转变，数据精细化运营地位凸显互联网属于目前受益于数据最广泛也最前沿的行业，同时也是最先面对挑战的行业。随着互联网用户渗透率增长放缓，增量市场逐渐变为存量市场，原有的商业模式和产品模式都面对挑战，从流量思维变为数据思维，深耕细分领域，从用户增长变为用户深耕
17、成为趋势，另一方面消费互联网也从简单的线上零售向内容+社交转变，非标内容将面对更加个性化。同时由于国内互联网的成长历史，互联网出海时，数据角度经常面对较大的政治层面压力。互联网面对的数据挑战 互联网数据智能的发展趋势增量市场到存量市场根据IDG数据，中国手机出库量增速放缓，互联网用户渗透增速放缓人口也预示增量红利逐步消失。红利国际政治冲突导致出海受阻原创商业模式到原创技术应用中国互联网出海在受到文化、从Copy to China 到 copy宗教等本土化挑战外，国际政出海原创from China，中国的互联网如治风险徒然增加。受阻何保持原创动力。从流量思维到数据思维，精细化数据运营势在必行 从
18、消费互联网到内容+社交 5G时代对硬件物联的破维预期16互联网：市场竞争逐渐激烈，细分领域（内容/直播）仍有空间，整体市场下沉趋势明显依据数据来源、应用形态的差异，将互联网划分为PC互联网、移动互联网、产业互联网、万物互联四个阶段。PC互联网、移动互联网的数据主要来源于个人用户，并服务于个人用户；产业互联网新增数据则大量来源于传统企业“触网”后的业务数据化，互联网更多的走向线上线下结合，互联网对传统行业的渗透率进一步提升。随着万物互联时代的到来，现实物理世界逐步数字化，物联网、车联网、工业互联网等与消费互联网相互结合，共同构建起“互联网大脑”。人工智能在互联网的创新应用探索，衍生出精准广告、A
19、I视频、虚拟主播、智能推荐等新的互联网业务形态。互联网智能应用电商千人千面精准定向广告程序化广告AI视频生成AI主播内容合规审查智能身份认证语音搜索以图搜图APP性能智能视频推荐直播创新安全分析互联网大脑PC互联网移动互联网门 户 网 站移 动 社 交搜 索移 动 电 商电 商移 动 地 图社 交团 购 、 O 2 O产业互联网万物互联互 联 网 教 育物 联 网互 联 网 医 疗车 联 网互 联 网 金 融工 业 互 联 网17数据智能在金融：改变传统信贷模式，有效提升金融运营效率传统金融行业有线下网点众多，流程高度规范，数据化需求高等特征，数据化之后不仅仅是业务线上化的表现，在实际经营过程
20、中，大量重复性合规的工作内容逐步被数据智能替代，极大地提升了运营效率，同时数据的打通和可视化也不断提升决策能力。同时在高端金融层面，个性化、定制化产品也逐步呈现，在普惠金融中的智能投顾产品也离不开数据智能的支撑。数据智能改变金融行业的商业模式 数据智能在实际经营中的效率提升大数据改变改变传统信贷模式传统信贷模式成本高，难以覆盖大量长尾客户。通过技术创新实现下沉客户群体的精细化运营，是以商业银行为代表的信贷金融机构绩增长的关键。模式互联网金融互联网金融改变游戏规则互联网金融创新活跃，消费贷、手机支付、理财产品推荐等金融服务更加便捷高效，传统金融机构面临较大的客户尤其是个人用户流失的压力。规模化金
21、融定制服务成竞争焦点传统信贷模式成本高，难以覆盖金融大量长尾客户。通过技术创新实现下沉客户群体的精细化运营，产品是以商业银行为代表的金融机构绩增长的关键。提升金融运营效率提升科学决策能力丰富个性化产品18数据智能在金融：在不同金融细分领域中有不同的业务体现数据智能化应用在不同的细分金融行业各有不同的业务体现，目前数据智能化从业人员比较看好的有：数据共享、智能营销和业务线上化，都是短期内有望突破落地的业务应用。数据智能化过程中，比较看好的方面银行业保险业（N=305）开放银行，银行将账户数据、金融数据等有企业借贷与融资、支付（刷脸67.2%全域数字化、新一代核心系统及数据限制地开放出来，推动民间
22、金融发展付）、清结算、DCEP、数字中台建设共享风控、开放银行领域AB智能智能营销，推荐更符合用户需求的金融产品55.1%营销数据智能应用层面在金融各个细分领域的体现业务线上化，更多的业务可以在线上直接办49.8%业务理CD线上化证券业基金业小微贷大数据风控，解决小微企业贷款难题42.3%在资产管理风控未实现金融科技效能的较大突破智能反欺诈，智能识别出欺诈风险，避免用监管创新（区块链股权登记托管38.7%户损失系统）反欺诈数据来源：数据猿问卷调研19数据智能在金融：技术架构和应用场景在金融领域需要积累大量的用户数据，尤其是信用、资金相关的数据，构建统一的数据中台，然后探索智能应用场景。依据数据
23、猿的市场调研，智能营销、大数据风控、反洗钱是比较看好的场景。另外，近来开放金融账户、对外提供金融科技服务等开放银行业务也逐渐受到关注。营销、风控、反洗钱、开放金融是重要应用场景。百融云创、东方金信、明略数据、星环数据等在金融领域均有涉猎，微众信科、元素征信、金电联行、安华金和等则在金融征信领域开辟疆土。智能金融信贷业务智能风控反欺诈大数据征信大数据风控智能投顾手机银行保险推荐风险合规运营管理营销管理金融营销金融风控基于深度客户画像，提升营销的精准综合利用机器学习、知识图谱、NLP等技度和效率，增强获客能力和客户转化术，将金融领域的风控规则与AI模型进行率。提升客户满意度，降低流失率。结合，构建
24、风控场景模型。针对中小微企业信贷需求，秒级审批，覆盖中长尾。数据中台反洗钱客户基础数据资产负债数据金融行为数据其他数据从交易数据中自动识别洗钱可疑交易，辅助分析和案件报送。提升案件识别准确率，大幅度提升反洗钱合规工作职业信息教育信息证券资产保险股票买卖信贷数据网购数据社交数据数据效率。年龄性别地址信息贷款负债信用卡人行征信保单数据旅游数据交通出行负债数据开放金融将成熟的AI服务输出给生态合作伙伴，拓展新的业务模式。不断丰富AI应用场景，将用户数据反馈到AI平台，进一步优化模型，提升AI能力，形成数据-技术-服务闭环。20数据智能在零售：商业逻辑从“人货场”升级到“数据重构顾客和服务+商品”互联
25、网和物联网重构了零售渠道，线上线下以及多智能终端的售卖相互融合，加速了零售大数据的产生。通过数据的智能化，一方面对消费者进行深度洞察，构建精准营销模型，加强货品转化效率，另一方面消费者需求通过数据的形式反馈到供应链，加强供应链串联效率，提高物流仓储贡献，同时在售卖渠道端，通过数字化管理，进而减少人工成本，提高运营决策效率。数据智能改变零售行业的商业模式数据智能在实际经营中的效率提升从门店为中心到顾客为中心原有商品陈列变成依照用户结构和画像进行大数据分配，并针对消费者的非标需求进行服务。人从商品交易从实体场景到平台数据流到个性化服务货场服务、用户数据、多为线针对大众用户进行商品的再加工/附加服务
26、升上/线下互动场景级，高端客户推荐个性化定制服务，不断提升客单价提升终端服务效率 提升线上线下运营效率提升供应链效率21数据智能在零售：零售逐步完成“前后端”数字化升级，进入从数据化到智能化的阶段借助数据平台，从线下门店、仓库、供应链、线上平台等系统中采集数据，实现数据融合管理，进行数据分析挖掘，在此基础上重构零售行业的“人-货-场”。从后端到前端，进行全面数字化，实现供应链、门店的精准管理，创新线上渠道，深入客群洞察，以智能营销推动提升销量。阿里云、腾讯云、京东云在零售电商领域领先，网易数帆、火山引擎、有赞等提供零售数字化解决方案。菜鸟、车满满、顺丰等则在与零售相关的物流科技方面领先。0 1
27、0 20 30 40 50 6数字供应链数据融合智慧门店线上渠道创新客群识别智能营销货场人数字供应链商品物流电商渠道管理智能营销智能客服仓库管理商品质量管理抖音、快手短视频渠道客群洞察用户流失预警商品管理库存告警自有线上渠道用户行为分析客户交叉销售(APP、公众号、社群)销量预测爆款管理线下门店门店人流分析粉丝管理数据存储数据平台数据分析数据可视化数字采集数据治理数据融合67数字化提升服务模式：商品转移、消费体验、需求预测 / 需求前置22零售案例：面对消费升级，零售龙头企业需持续保持产品与品牌竞争优势从线下实体门店到互联网电商以及线上线下融合，零售一直经历着各种变革的冲击，名创优品作为零售龙
28、头企业，如何顺应时代潮流，以新技术、新产品、新销售继续保持竞争优势，成为企业进行数据智能的核心目的。通过前后端数据融合，网易数帆帮助名创优品在智能分析与决策的基础上创新产品模式，从而保持品牌持续增长。案例：名创优品自2013年创始以来，一直保持超高速的增长态势面对消费环境的变化，企业让数据充分发挥其价值，保持产品与品牌的竞争优势覆盖全球超80个国家拥有门店近店均SKU4000家3000+1消费者：需求与决策习惯变化基于品类与消费数据，进行品类预测、精准营销、销售模式升级。2竞争环境：竞争者多元化，甚至降维打击基于门店、生产、物流等数据，进行市场细分、产品供应链与渠道管理模式升级等，降本增效。D
29、ATA3基础设施升级：人工智能、5G等技术不断被应用大数据与AI产品结合，一方面提高生产、管理、销售等效率，另一方面创造个性化顾客服务。23零售案例：网易数帆通过搭建全链路数据中台，打造企业数字化转型的创新发展引擎通过网易数帆-有数大数据平台和可视化分析体系，支撑大数据应用研发，降低开发与管理的难度；建设数据中台全局架构，“数据向上、业务向下”同步覆盖会员、产品、门店、交易支付、供应链、公共六大数据域；建设会员中心、产品中心、门店中心三大主题数据中心，统一消费者、产品、门店的数据的采集、加工与分析应用；数据分析中台：设计并搭建管理者和店长看板，结合业务实际情况梳理各用户关注的数据指标及提供数据
30、分析思路，为各类用户提供快捷的数据获取与探索分析渠道。零售行业数据中台架构图数据应用BDP数据分析平台用户洞察会员分群精准营销智慧供应链.门店中心商品中心用户中心数据中心门店营销货架管理商品洞察生命周期生命周期忠诚度库存管理运营管理SKU管理异常分析积分管理权益激励数据仓库数仓层商品域会员域交易域财务域营销域售后域.域大数据中心数仓设计中心离线开发中心数据治理中心数据工具数据存储计算引擎数仓分层指标设计离线开发租户管理元数据管理数据质量OLAP引擎分布式架构主题域管理数据字典任务运维调度管理数据地图数据资产Pos流水仓储数据采购订货会员营促销财务.数据接入数据传输工具EasyDT(数据源登记、
31、数据源管理、数据端到端传输)数据来源采集数据业务系统数据(IOT数据、其他采集、)(POS、ERP、MDM、CRM、采购订货、EWM、营促销系统、财务系统、会员卡、供应商管理)权限管理集团组织用户管理数据权限身份认证系统管理全局配置应用配置外部服务管理系统日志数据智能应用效果打破数据孤岛：A 指标数量下降40%，模型数据下降30%，硬件成本下降15%；经营大屏实现全球数据互联互通实时数据快速响应，提升运营效率B 数据响应时间从天级别直接下降到分钟级别，同时促使不同门店会员复购率提升5-10%，会员销售贡献提升10-50%C 管理看板提高决策能力D 数据报表覆盖常用业务场景，节省了人力成本24同
32、时，网易数帆提供零售行业全链路数据中台解决方案，全面加速企业创新发展围绕以数据中台为核心，网易数帆为名创优品提供零售行业的全链路数据中台解决方案，以全链路数据中台为底座，以数据体系建设框架能力为核心，以数据资产中心、数据质量中心为保障，通过统一的数据服务来应对来自业务层的需求。而在业务层，通过网易有数承载业务数据化的能力，通过行业数据智能产品进行数据业务化的探索与落地。网易数帆-零售行业全链路数据中台解决方案整体架构可收集可识别可分析可运营数据整合渠道数据天猫 API 官网/微商城门店POS更多系统系统数据企业CRM 数据抽取企业ERP财务系统更多系统媒体API社交媒体数字化媒体数据加工ONE ID标签数据资产标签工厂顾客数据消费者标签库人口统计交易行为交易数据营销行为社交行为商品标签库行为数据产品属性功能属性设计属性互动数据流通属性店铺标签库营销数据门店特征门店绩效设计属性商品数据门店客群