多模态数据挖掘功能的普及，正从需求侧、供给侧和技术侧三方面共同驱动数据要素市场增长。企业释放数据价值的需求、数据管理平台集成融合功能、以及多模态数据挖掘能力，构成了市场增长的核心驱动力。
需求侧：企业数据价值释放需求
企业将原始数据转化为可用的数据要素，需经历数据资源化和产品化两个阶段。数据加工是资源化的第一步，通过清洗、标注、审核和融合等步骤提升数据可用性。其中，数据融合能将多源、多模态的数据互相融合，形成可被挖掘分析的数据集，使企业数据可以被分析和利用，充分释放数据价值。随着数字经济时代到来，大量有价值信息隐含在海量数据资源中，企业通过数据分析挖掘潜在价值，创造新的经济增长点，提高生产效益、降低生产成本。
供给侧：数据管理平台集成融合功能
目前，不同的数据管理平台都开始在平台中集成多源异构数据融合和多模态数据挖掘的功能，使企业数据可以被分析和利用。这为供给侧提供了技术基础。例如，拓尔思作为A股第一家上市的大数据技术公司，拥有自主研发的大数据基础平台和TRS人工智能平台，具备数据获取、数据检索、数据分析等全面的数据挖掘能力，其核心软件产品涵盖企业搜索、内容管理和文本挖掘等，已为政府、媒体、金融、公安、商业等多行业主体赋能。
技术侧：多模态数据挖掘能力
多模态数据挖掘是数据分析的关键技术能力。数据融合技术将多源、多模态数据互相融合，形成可被挖掘分析的数据集。在数据分析环节，拓尔思专注于自然语言处理（NLP）技术，在业内处于领先地位。公司拥有日均亿级数据获取能力，形成了价值丰厚的可运营大数据资源和海量数据资产，支撑其数据智能服务。
常见问题
数据融合在数据加工中起什么作用？
数据融合是数据加工的最后一步，主要将多源、多模态的数据互相融合，形成可以被挖掘分析的数据集。目前不同的数据管理平台都开始集成这一功能，使企业数据可以被分析和利用，充分释放数据价值。
数据分析如何释放数据要素价值？
数据分析是释放数据要素潜力的过程，利用工具和方法从海量异构数据中发现规律，揭示数据背后的真相，为决策提供依据。它可以挖掘出数据要素中潜在的价值信息和不同数据间的相关关系，创造新的经济增长点。
哪些公司是数据加工和分析领域的代表性企业？
在数据加工环节，海天瑞声是AI数据标注领域的引领者，已发展为具有较强国际竞争力的国内头部企业。在数据分析环节，拓尔思是A股第一家上市的大数据技术公司，专注于自然语言处理（NLP）技术，在业内处于领先地位。