公司代码：688500 公司简称：慧辰股份
北京慧辰资道资讯股份有限公司
2021 年年度报告摘要
第一节 重要提示
1 本年度报告摘要来自年度报告全文，为全面了解本公司的经营成果、财务状况及未来发展规
划，投资者应当到上海证券交易所网站（www.sse.com.cn）网站仔细阅读年度报告全文。2 重大风险提示
公司已在本报告中详细阐述公司在经营过程中可能面临的各种风险及应对措施，敬请查阅本报告第三节“管理层讨论与分析。
3 本公司董事会、监事会及董事、监事、高级管理人员保证年度报告内容的真实性、准确性、
完整性，不存在虚假记载、误导性陈述或重大遗漏，并承担个别和连带的法律责任。
4 公司全体董事出席董事会会议。
5 普华永道中天会计师事务所（特殊普通合伙）为本公司出具了标准无保留意见的报告。
6 公司上市时未盈利且尚未实现盈利
□是 √否
7 董事会决议通过的本报告期利润分配预案或公积金转增股本预案
2021年度利润分配方案为不进行利润分配，不进行资本公积转增股本或其他形式的分配。以上利润分配预案已经公司第三届董事会第十三次会议审议通过，尚需公司股东大会审议通过。8 是否存在公司治理特殊安排等重要事项
□适用 √不适用
第二节 公司基本情况
1 公司简介
公司股票简况
√适用 □不适用
公司股票简况
股票种类 股票上市交易所 股票简称 股票代码 变更前股票简称
及板块
A股 上海证券交易所 慧辰股份 688500 慧辰资讯
科创板
公司存托凭证简况
联系人和联系方式
联系人和联系方式 董事会秘书（信息披露境内代表） 证券事务代表
姓名 徐景武 刘红妮
办公地址 北京市朝阳区酒仙桥中路18号国投创 北京市朝阳区酒仙桥中路
意信息产业园南楼1层 18号国投创意信息产业园
南楼1层
电话 010-53263048 010-53263048
电子信箱 dmb.hcr@hcr.com.cn dmb.hcr@hcr.com.cn
2 报告期公司主要业务简介
(一) 主要业务、主要产品或服务情况
公司是一家基于数据分析的数字化产品与服务提供商。公司主要为企业和政府机构提供基于客户内外部多维数据（包括消费者态度与行为数据、行业数据等）的经营管理分析与应用产品、行业数字化分析应用解决方案等服务，是以数据分析应用技术为核心的科技创新型企业。
基于对垂直领域的深刻理解以及在数据科学领域多年的技术积累，公司将数据科学技术和垂直领域专业分析方法模型进行了有效融合，通过优化传统算法模型解决成熟行业客户的实际问题，并通过数据模型的迁移与相关数字化应用，快速开拓全新业务场景，体现了较强的技术独特性和创新性。报告期内，公司加大研发投入，从数据分析主营业务出发，围绕数字化主线作战略上的延展与拓宽，研发了“XMfactory 体验工厂”客户体验管理数字化产品、DMengine 场景化数字营销引擎产品及农业数字化 SaaS 产品，逐步将公司业务向产品化、标准化延展。上述产品公司已于
2021 年 7 月 16 日召开的主题为“新辰大海”的新闻发布会上正式对外发布。
凭借专业的技术能力、应用落地能力和多年积累的服务经验，公司产品服务覆盖众多商业领域，广泛应用于汽车、TMT、快消、医疗等多个领域，获得大量优质客户，包括华为、长安汽车、联合利华、阿斯利康等国际知名企业，以及中国移动、中国电信、一汽集团、中国烟草、中国融通集团等大型国企 。在政府与公共服务领域，公司的数据分析与数字化应用能力也在农业数字化、智慧旅游、生态环保等领域为多地政府相关部门提供服务。
(二) 主要经营模式
1、生产模式
公司主要为企业、政府机构提供基于多维度数据的业务分析与应用产品以及行业数字化应用解决方案，因此公司的生产模式主要围绕数据获取、数据融合、数据分析和数据应用来进行。
数据获取。公司获取数据的主要途径包括客户提供的数据（包括产品数据、销售数据、渠道数据、广告数据、用户数据与客服数据以及政府各委/办/局的相关数据）、公司向供应商采购的数据（主要包括消费者态度数据、行为数据、渠道类数据、舆情监控数据和行业特性业务数据）以及公司自行采集数据（主要包括消费者态度数据、行为数据以及所部署的数字化应用采集的相关生产过程数据）。
数据融合。通过数据融合技术，公司实现了对多维数据的预处理和标签化操作，为数据后续的分析和应用奠定了基础。
数据分析。在融合数据的基础上，通过对数据科学技术和垂直领域专业分析方法模型的融合应用，完成两类业务服务：
（1）数据驱动的数据分析服务：实现对相关业务场景的深入分析，发现深层业务问题并提供策略建议；
（2）行业化数据智能应用解决方案：针对行业性数据应用需求，提供基于数据的智能解决方案。
数据应用。公司基于本地化软件系统和云端的产品服务，完成从数据体系的设计整合、专业分析模型生成到最终场景化的智能应用的全流程服务。
2、采购模式
在经营过程中，公司对外采购内容主要包括两类：数据分析服务所需的数据与其他非数据类内容（如云计算环境、软硬件设备与其他服务等）。其采购流程也相应分为数据服务类采购和非数据服务类采购两种。公司通过供应商管理（经过比价入库等）实现供应商能力与资质的有效审核和甄别。
（1）数据服务类采购
公司主要通过外部数据供应商采购分析中必要但客户方未提供的相关数据，主要采购消费者态度数据、行为数据和渠道类数据等，公司会在合同中与数据供应商就数据的合法合规性进行约定。
（2）非数据服务类采购
非数据服务类采购，主要针对公司业务运营中除了数据之外的其他业务资源的采购。包括办公场地与设备、运营与业务服务所需的云计算环境、软硬件设备、固定资产、网络资源、公司市场宣传、资质与知识产权申请等相关服务。
3、销售模式
公司主要采用直销方式对客户产品、服务及解决方案进行销售。日常通过进入客户供应商采购名册、参与竞标等方式获取业务合同。
4、研发模式
公司的产品和技术研发以数据分析应用市场需求为导向，结合数据分析相关领域技术发展趋势的预测以及竞争对手技术业务能力分析来进行。
公司采用产品管理团队和产品开发团队相结合的模式来进行自主研发。产品管理团队由公司技术总负责人和各部门负责人组成，主要负责对研发项目过程中所有重大事项进行评议审核，对研发开发的关键节点和重大变更进行决策；产品开发团队则主要由研发实施相关的业务部门、技术部门（模型研究、算法建模、应用开发与测试运维支持等）核心成员组成，主要负责承接公司产品管理团队下发的任务，对所辅助的研发内容实现技术定义、开发、交付、维护、服务的具体实施。
5、盈利模式
公司以提供基于数据的业务分析与应用和行业应用解决方案等产品与服务来进行盈利。
6、公司主要经营模式在报告期内的变化情况
公司主要经营模式及影响经营模式的关键因素在报告期内保持稳定，无重大变化。
(三) 所处行业情况
1. 行业的发展阶段、基本特点、主要技术门槛
公司主要为商业客户和政府机构提供数据分析和基于数据分析的数字化解决方案，上述产品或服务是公司主要的收入和利润来源，主要涉及数据服务行业和软件行业。
公司核心业务模式、核心技术与主要产品或服务均与数据分析相关，因此根据中国证监会颁布的《上市公司行业分类指引（2012 年修订）》分类，公司业务属于“I 信息传输、软件和信息技术服务业”中的“I64 互联网和相关服务”；根据《国民经济行业分类》（GB/T4754-2017），公司所处行业属于 I64 互联网和相关服务-6450 互联网数据服务，所处细分行业为数据分析行业。
数据分析作为一个跨学科的交叉科学技术，基于量化指标，以数据为驱动基础，通过自动分析算法模型实现对业务深度理解与决策应用。与现有众多服务行业不同，其特点是通过深挖数据的价值来产生业务效益，有着明确的市场特征，不受特殊因素制约。从横向看其可服务任何具有数据与量化分析需求的行业，从纵向看可深入具体业务的深层场景。
数据分析行业，作为一个相对细分的垂直技术领域，其应用场景与可分析的数据资源紧密相关，早期服务主要分散在具有较多数据资源的行业/企业（如世界 500 强大型企业）的专业需求场景（如市场趋势预测、生产流程管控、消费者研究、产品设计、渠道建设等等），需要兼具业务深度理解与数据分析技术的有效实施能力，对相关专业服务公司的能力要求很高。随着大数据、数字化的发展趋势，尤其 2020 年 4 月数据被确认为中国国民经济生产的重要生产要素，中国已经正式进入大数据时代，经过各行业大数据系统的建设应用,各行业数字化的趋势加速发展，预示着未来将进一步产生多维、大量的数据资源。此时，如何对数据这种原材料进行深度加工应用，发挥数据的增量价值，实现智能化的运营，提升未来的竞争力，不再只是各行业头部/大型企业的目标，也成为各行业内涵盖中小企业的广泛诉求。而基于专业数据分析实现数据深入的应用，已经被证明是实现数据价值的一种低投入高产出的有效方法。 因此近两年来，数据分析的业务范围（从商业/互联网进入到政府/工业/农业/物联网等）与可服务场景（从管理决策、营销到供应链、生产智能化等）进入快速扩展，相关各行业的细分服务需求在迅速增加，而数据分析师也成为一个新兴
的职业。 2021 年 3 月,Gartner 发布数据与分析的未来技术趋势，进一步昭示数据分析技术与服务
将成为未来重要的数据应用服务场景。由于相关领域的专业性较强，需要对业务领域的深入认知与数据科学技术深入结合的长期积累，所以当前虽然国内需求日益旺盛，但具备相关综合能力的大型/专业公司较少。而国外由于数据基础前期优势与数据分析市场发展更成熟，已经出现了许多专业服务商。以美国为例，聚焦商业消费者体验场景数据分析的 Qualtrics, 服务政府/商业大客户专业大数据分析服务的 Plantir，代表了美国相关数据分析服务的较高水平，近两年迅速获得了商业市场与资本市场的高度认可。
数据分析行业的技术门槛，包括两个层面：一方面是以数据科学技术与行业认知深入结合构造的数据分析算法模型。首先要将行业的专业理论/分析方法，通过大量数据与机器学习等数据科学算法建模和优化，构建出基于数据的分析模型，实现行业知识体系与逻辑的自动化、深度的分析认知能力。相关模型除了需要专业的数据科学技术（如机器学习、自然语言处理和知识图谱），同时必须有效抽象重构出分析场景的特点、专业认知与业务理解，才实际具有分析的深度和更好的可解释性，模型还须进一步经过不断反馈优化，才能达到更高的精度。这样兼具效率与业务认知深度的技术化数据分析模型才具有良好的应用效果，真正发挥数据的价值。 另一方面是实现数据分析与应用的高效能技术体系。因为实际场景不同
查看PDF原文
