同时，爱分析联合创始人张扬在会上发布了《2020中国科技创新趋势报告》。报告展望了未来技术发展和行业渗透趋势。
张扬认为，数据分析技术未来3~5年将迎来下一次飞跃，带来质变的是物联终端数据。届时，数字孪生技术将替代知识图谱成为新的技术热点。
知识图谱渗透迅速，实时性需求提升
根据爱分析预测，未来3~5年科技创新将聚焦于数据分析领域，知识图谱的技术应用进入爆发期，迅速在各行各业进行渗透。
相比而言，大数据技术更适合分析结构化数据之间的关系，因此大数据公司的商业化核心聚焦于金融、营销等方向。这些领域的数据基础设施较为完善。
知识图谱技术以边和节点的方式，描述实体间的关系，从而使得大量视频、语音、文本等非标数据得以进行关系分析，并进行推理预测。
作为新一代的数据分析技术，知识图谱从最早的公安、金融、客服等领域，已经迅速延伸到医疗、教育、智慧城市等各行各业。
以教育行业为例，知识图谱重塑了教育知识点之间的关系表示方式。对于知识点，原本是根据教学大纲进行设定，也就是传统的树状结构。松鼠AI以创新的知识图谱技术构建学生知识点，形成网状结构。
这种新的知识点关系表示方式，带来了学习效率的提升。
首先，学生某个知识点有缺陷，在传统树状结构中，只能弥补该知识点。在全新的图谱结构中，可以追溯相关知识点，并通过多维度测评找到真正的知识漏洞。
其次，知识图谱可以带来学习路径规划的最优解。通过挖掘学生所有盲点中关联度最重的知识点优先学习，可以带来学习效果的最大化，提分效果也最为明显。
通过这个应用场景，我们同时可以看到，数据分析的实时性需求正在提升。
每当学生的一个知识点被补全，该学生的知识点图谱结构将发生动态连锁变化，学习路径的规划最优解也需要同步实时更新。这与原本根据大纲静态顺序进行教学的方式相比，发生了巨大变革。
下一代数据分析浪潮源自物联网
展望未来3~5年，下一代数据分析浪潮一定来源自万物互联。
现有的分析数据源主要来自于移动终端。这些数据的分析已经经历了0~1乃至1~10的巨变过程，逐步进入效果可预期的成熟阶段。
举例而言，工信部发布的《2018年互联网和相关服务业经济运行情况》显示，2018年，我国市场上监测到的APP数量净增42万款，总量达到449万款，增速不及10%。根据爱分析调研，通过SDK监测的用户行为数据，2019年数据增量不及15%。
因此，移动终端数据的增量已经进入平稳期，其带来的商业价值，必定随着数据分析技术的进一步增强得以放大，但已然过了能够大幅超越甲方预期的阶段。
未来新的爆发点，来自于物联终端的新数据。相比移动终端，物联终端将首先在连接数量上实现超越，进而在数据维度、数据量上实现超越。
通过观察中国移动4G客户数量与物联连接数量的变化趋势，可以预见，万物互联时代距离我们越来越近。
2019年6月末，中国移动的4G客户达到7.34亿，半年净增2,000余万。同期，物联终端数量已经接近7亿，半年净增1.4亿。按当前趋势发展，2020年中国移动最多的连接将来自于物联终端。可以预见，这些新数据的加入，将引领数据分析新的一波浪潮。
当然，物联终端的数据维度当前还很简单。根据爱分析调研，关于物的数据维度很少过百，而公安、运营商等在人维度的标签多达2,000和5,000。随着物联终端上运行的APP应用增多，其数据分析价值将倍增。
物联数据的分析价值凸显，边缘计算技术成熟
物联网所获取的数据包括内部、外部两部分感知数据。当前显现分析价值的是外部环境感知数据。
智慧城市、智慧零售中的摄像头，智慧农业中的光照、温湿度传感器，其所收集的数据即为外部感知数据。
智慧停车是外部感知数据的应用案例。一种物联方案，是通过在路边的停车位安装地磁设备，记录车辆驶入、驶出时间，进而实现计费。更完整的物联方案，是通过摄像头识别车牌以及驶入驶出时间，自动扣费。这些都属于外部感知数据的应用。
在保险领域，物联网外部感知数据的分析应用已经进入商业化阶段。由于高赔付率，货车险是保险公司不愿触及的领域。但是随着车载终端覆盖度的提升，通过主动干预的方式降低货车运输风险成为现实。
通过监测分析货车运行的胎压胎温、行驶速度，预警车祸频发地段等方式，可以明显降低车辆运行风险。通过驾驶舱内的摄像头，可以实时感知司机是否存在疲劳驾驶、危险驾驶等行为，并加入人工客服主动干预，可以明显降低驾驶风险。由于物联数据分析使得赔付率降低，保险公司付费意愿强烈。
在技术成熟度方面，根据爱分析调研，边缘计算（edge analytics、edge AI）遇到的技术瓶颈并不多，成熟度高。
比如刚才提及的货车物联案例中，驾驶舱内的摄像头需要实时感知司机的危险驾驶、疲劳驾驶行为。
在真实场景中，并不需要将视频数据传输到云端，完全可以在边缘进行数据分析，出现预警时才将数据传至云端，采取下一步干预措施。同时，云端可以通过反馈的数据迭代算法，并将最新算法更新至边缘。
数字孪生：万物互联时代的数据分析技术
除了外部环境感知数据，内部状态感知数据的应用，同样具备巨大的想象空间。所谓内部感知数据，即工业设备运转数据、人的体征数据等。
内部感知数据大规模应用，需要的前提是下一代数据分析技术的成熟，也就是数字孪生技术。数字孪生，是将物理实体在虚拟世界建立数字映射，并且该映射会随着物理实体的变化而变化。
数字孪生技术还有一系列技术难点等待突破，包括3D建模、机理模型等。
第一步建立数字映射，需要3D建模技术的成熟。第二步随物理实体变化，需要机理模型技术的成熟。这些技术还需要3~5年甚至更长时间积淀。未来，数字孪生工厂、数字孪生城市存在巨大的应用想象空间。
零售科技，2020年的亮点行业
2020年技术渗透的爆发行业，爱分析最为推荐的是零售领域。数据中台和全渠道中台是品牌商、渠道商的重要预算投向。
品牌商已经接受了中台概念的“洗脑”，开始将自有数据资产化。根据调研，携带第三方数据源的零售科技服务商更容易敲开甲方的大门。这和过去科技服务商在金融领域渗透的逻辑是相同的。
早期，BATJ与五大行能够达成战略合作的重要原因之一，便是互联网巨头的用户画像数据能够与银行自有数据撞库，并丰富银行在用户画像端的数据维度。
今天，拥有手机厂商、运营商、电商等数据资源的科技服务商，也是先协助品牌商补全其在用户数据端的缺失，建立数据中台。之后，可以基于该数据中台落地营销相关应用。
全渠道中台，是品牌商、渠道商拥抱的另一个变化。在品牌商构想的蓝图中，线上线下的订单履约将实现统一，前端门店不仅是销售场所，也承担着线上到家、到店等订单的履约智能，从而实现门店坪效的大幅提升。全渠道中台的渗透，预示着新一代云化ERP厂商的变革机会。
企业服务领域，云计算渗透遇到阶段性小波折
2019年第二季度，阿里云收入增速已经降至66%。相比过去5年，阿里云每年的增速都在100%附近。由于阿里云是预付费模式，真实的订单收入增速将会更低。阿里的财报也显示，收入增长主要是由于每位客户平均支出增加所带动，而非客户数量增长。
以上数据，意味着云计算在传统行业中的渗透速度在减缓。如果IaaS渗透遇阻，很难预期SaaS公司能够取得快速增长。但整体来看，云计算在中国的渗透率尚不及5%，当前只是阶段性遇阻，潜在的想象空间依旧。