大數據提取產品滲透率

❶ 大數據技術的發展趨勢有哪些

大數據行業主要上市公司：易華錄(300212)、美亞柏科(300188)、海量數據(603138)、同有科技(300302)、海康威視(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科創信息(300730)、神州泰岳(300002)、藍色游標(300058)等

本文核心數據：大數據應用領域分布 互聯網大數據、金融大數據、政府大數據市場規模 應用場景等

應用領域分布：互聯網、政府、金融為大數據主要應用領域

從具體行業應用來看，互聯網、政府、金融和電信引領大數據融合產業發展，合計規模佔比為77.6%。互聯網、金融和電信三個行業由於信息化水平高，研發力量雄厚，在業務數字化轉型方面處於領先地位;政府大數據成為近年來政府信息化建設的關鍵環節，與政府數據整合與開放共享、民生服務、社會治理、市場監管相關的應用需求持續火熱。此外，工業大數據和健康醫療大數據作為新興領域，數據量大、產業鏈延展性高，未來市場增長潛力大。

互聯網大數據領域

——互聯網大數據應用場景

在互聯網行業，除了社交、B2C業務之外，像在線音視頻業務、廣告監測、精準營銷等等，也是未來潛在應用場景。

——大數據在互聯網領域的應用佔比過半，2021年市場規模有望突破3000億

面對當今快速增長的海量互聯網數據和復雜的網路社群關系，如何從中提取有價值信息，建立用戶模型，針對不同用戶提供針對性產品，以此來提高用戶體驗，增加用戶粘性，是當前互聯網行業面對的主要挑戰之一。社交網站、電商網站將是最需要大數據技術的兩類網站，用戶間關聯性和消費行為是其關注的主要方面。

根據賽迪數據，我國大數據產業在互聯網領域的應用佔比約為45.2%。據測算，2017年，中國互聯網大數據產業規模達1604.7億元，2020年約為2887.4億元。

註：上述互聯網大數據市場規模為前瞻根據中國大數據市場規模與互聯網大數據所佔市場份額數據測算所得，僅供參考。

政府大數據領域

——政府大數據應用場景

中國政府大數據主要應用於信息共享、政務數據管理、城市網路管理與社會管理幾大領域。加強電子政務建設，管理好政府的數據資產，完善政府決策流程，將是未來數年大數據在公共管理領域發展的重要方向。大數據將對政府部門的精細化管理和科學決策發揮重要作用，從而提高政府的服務水平。輿情監測、交通安防、醫療服務等將是公共管理領域重點應用領域。

——2020年政府大數據市場規模超900億元

根據賽迪數據，我國大數據產業在政府領域的應用佔比約為14.5%。據此測算，2017年以來，我國政府大數據規模逐年增加。2017年，中國政府大數據產業規模達514.8億元，2020年約為926億元左右。

註：政府大數據市場規模為前瞻根據中國大數據市場規模與政府大數據所佔市場份額數據測算所得，僅供參考。

金融大數據領域

——金融大數據應用場景

過去幾年，金融大數據帶來了重大的技術創新，為行業提供了便捷、個性化和安全的解決方案。目前，中國金融大數據典型的應用場景包括股票洞察、欺詐檢測和預防、風險分析與金融服務領域。

——大數據在金融領域的應用空間巨大，2020年市場規模已超600億

金融數據是大數據商業應用最早的數據源，早在1996年摩根大通銀行就聘請數學家丹尼爾利用遞歸決策樹統計方法，對抵押貸款用戶進行統計分析，幫助銀行找到可能提前還款或者未來不會還款的客戶。經過一年的運行，基於遞歸決策樹的抵押貸款管理為摩根大通銀行創造了近6億美元利潤。

根據賽迪數據，我國大數據產業在金融領域的應用佔比約為9.4%。據測算，2017年，中國金融大數據產業規模達333.7億元，2020年約為600億元。

註：金融大數據市場規模為前瞻根據中國大數據市場規模與金融大數據所佔市場份額數據測算所得，僅供參考。

更多行業相關數據請參考前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》。

❷ 如何利用大數據技術構建用戶畫像

1、認識用戶畫像

用戶畫像簡單來講，就是用戶信息標簽化。即收集這個用戶的各種數據和行為，從而得出這個用戶的一些基本信息和典型特徵，最後形成一個人物原型。一般用戶畫像會分析三個信息維度，分別是基本屬性、消費購物以及社交圈。其中基本屬性就是指用戶的一些基本信息，比如年紀、性別、生日、學校、所在地等等。

2、利用大數據構建用戶畫像的好處

(1)精準營銷：當企業和商家掌握了用戶的一定信息後，就可以構建出清晰的用戶畫像，這樣一來就可以根據用戶的偏好、收入等標簽，推薦給他們會感興趣的商品和服務。

(2)用戶統計：通過大數據我們可以對一些數據進行統計，比如我們經常會看到有一些APP的排行榜，甚至是滲透率、日活率這些具體數據都可以清晰統計出來。

(3)數據挖掘：構建智能推薦系統，利用關聯規則計算，喜歡紅酒的人通常喜歡什麼運動品牌，利用聚類演算法分析，喜歡紅酒的人年齡段分布情況。

(4)進行效果評估：其實相當於市場調研、用戶調研，迅速下定位服務群體，提供高水平的服務。比如你是一個買車的想要投放廣告，但是不知道哪個渠道投放更好，就可以先嘗試一下，看看數據反饋如何。

(5)私人訂制：對服務或產品進行私人訂制，然而不法商家也會利用用戶畫像來殺熟。

(6)業務經營分析：業務經營分析以及競爭分析，影響企業的商業決策，甚至發展戰略。

3、構建用戶畫像的流程

(1)數據源端：一般來講構建用戶畫像的數據來自於網站交易數據、用戶行為數據、網路日誌數據。當然也不僅限於這些數據，一些平台上還有個人徵信數據。

(2)數據預處理：第一步是清洗，把一些雜亂無序的數據清洗一下，然後歸納為結構化的數據，最後是把信息標准化。我們可以把數據的預處理簡單理解為把數據分類在一個表格中，這一步就是奠定數據分析的基石。

關於如何利用大數據技術構建用戶畫像，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

❸ 高盛預計2019年雲計算滲透率首次突破10% 阿里雲等成為贏家

2019年，雲計算、大數據、人工智慧等新一代信息技術將加速滲透經濟和 社會 生活各個領域，數字化轉型成為全 社會 的共識。

知名華爾街投行高盛的研究報告指出，隨著全 社會 的數字化轉型，雲計算滲透率將大幅提升，2019年雲計算的市場滲透率將首次突破10%，達到11.3%。

研究表明，一旦一項技術的滲透率超過10%，將會進入加速增長階段。高盛預測，雲服務市場將繼續以每年至少20%的速度增長到2021年。

2017年，雲服務支出佔到了總潛在IT支出市場的約8%。高盛預測，到2021年該數字將躍升至15%。這意味著，雲計算將進一步蠶食企業的IT支出，逐漸擴大在IT市場的影響力。

去年，亞馬遜、微軟、阿里巴巴等巨頭廠商占據了核心雲計算市場約56%的份額。高盛預計，到明年它們的份額將合計達到84%。這意味著，雲市場已經開始整合，這一趨勢在未來幾年只會更加顯著。

高盛預計，雖然亞馬遜、微軟、阿里巴巴等巨頭公司以外的公司去年通過提供雲服務獲得了約210億美元的營收，但今年該數字將降至200億美元，明年則僅有120億美元，下降的確實非常明顯。

這對IBM、甲骨文和其他試圖進軍雲計算市場的公司來說不是個好消息。如果高盛的預測准確，這些公司將只能為雲服務巨頭留下的殘羹剩飯而戰。

高盛的數據顯示，在市場份額方面，目前亞馬遜AWS排名全球第一，微軟Azure排名全球第二，阿里雲排名全球第三，並且這些雲廠商都在保持快速增長。

高盛表示，未來只有這些最大的玩家——基本上就是亞馬遜AWS、微軟Azure、中國巨頭阿里雲、谷歌雲——才有資源提供差異化的服務，並持續打造競爭所需的數據伺服器基礎設施。

❹ 如何通過大數據分析做市場調研

大數據時代新的市場研究方法使「無干擾」真實還原消費過程成為可能，智能化的信息處理技術使低成本、大樣本的定量調研成為現實，這將推動消費行為及消費心理研究達到一個新的高度，幫助快速消費品企業更為精準地捕捉商機。大數據時代的市場研究方法主要體現在以下四個方面。
1.基於互聯網進行市場調研提高了效率，降低了成本
網路調研具有傳統調研方法無可比擬的便捷性和經濟性。快速消費品企業在其門戶網站建立市場調研板塊，再將新產品郵寄給消費者，消費者試用後只要在網站上點擊即可輕松完成問卷填寫，其便利性大大降低了市場調研的人力和物力投入，也使得消費者更樂於參與市場調研。同時，網路調研的互動性使得企業在新產品尚處於概念階段即可利用3D擬真技術進行產品測試，通過與消費者互動，讓消費者直接參與產品研發，從而更好地滿足市場需求。
2. 挖掘網路社交平台信息成為研究消費態度及心理的新手段
QQ、微博、微信等社交平台已日漸成為新生代消費群體不可或缺的社交工具，快速消費品的消費者往往有著極高的從眾性，因此針對社交平台的信息挖掘成為研究消費潮流趨勢的新手段。例如，通過微博評論可以統計分析消費者對某種功能型產品的興趣及偏好，這對研究消費態度及心理有非常大的幫助。更重要的是，這類信息屬於消費者主動披露，與訪談形式的被動挖掘相比信息的真實性更高。
3. 移動終端提供了實時、動態的消費者信息
隨著3G網路及智能手機普及，市場研究已滲透到移動終端領域。大量的手機APP應用（例如二維碼掃描等）為實時採集消費信息提供了可能性，移動終端的信息分析在購買時點、產品滲透率及回購率、獎勵促銷效果評估等方面將發揮不可估量的作用。
4. 零售終端信息採集系統幫助企業了解市場
目前，PC-POS系統在零售終端得到了廣泛的應用，只要掃描產品條形碼，消費者購買的產品名稱、規格、購進價、零售價、購買地點等信息就可以輕松採集。通過構建完整的零售終端信息採集系統，快速消費品企業可以掌握商業渠道的動態信息，適時調整營銷策略。
環顧四周，在每個行業中，大數據的增長正在改變我們收集、存儲、分析和應用數據的方式。正如很多公司目前正在收集整理的那樣，大家面臨的共同問題是智能化信息採集、儲存及分析。
l 超大容量的數據倉庫。數據倉庫具有容量大、主題明確、高度集成、相對穩定、反映歷史變化等特點，可以有效地支撐快速消費品企業進行大數據分析與應用。數據倉庫可以更有效地挖掘數據資源，並可以按照日、周、月、季、年等周期提供分析報表，有助於營銷人員更有效地制定營銷戰略。
l 專業、高效的搜索引擎。旅遊搜索、博客搜索、購物搜索、在線黃頁搜索等專業搜索引擎已經得到了廣泛應用，快速消費品企業可以根據自己的特點構建專業化的搜索引擎，對相關的企業信息、產品信息、消費者評價信息、商業服務信息等數據進行智能化檢索、分類及搜集，形成高度專業化、綜合性的商業搜索引擎。
l 基於雲計算的數學分析模型。市場研究的關鍵是洞察消費者需求，基於雲計算的數學分析模型可以將碎片化信息還原為完整的消費過程信息鏈條，更好地幫助營銷人員研究消費行為及消費心理。這些碎片化的信息包括消費者在不同時間、不同地點、不同網路應用上發布的消費價值觀信息、購買信息、產品評論信息等。基於雲計算的智能化分析，一方面可以幫助市場研究人員對消費行為及消費心理進行綜合分析，另一方雲計算成本低、效率高的特點非常適合快速消費品企業數據量龐大的特性。
傳統的市場研究包括定性研究及定量研究，以座談會為主的定性研究受制於主持人的訪談技巧，以街頭攔截訪問為主的定量研究雖然以嚴謹的抽樣理論為基礎，但同樣不能完全代表總體的客觀情況。而大數據時代革命性的調研方法為市場研究人員提供了以「隱形人」身份觀察消費者的可能性，超大樣本量的統計分析使得研究成果更接近市場的真實狀態。
與此同時，大數據時代的新方法、新手段也帶來新的問題，一是如何智能化檢索及分析文本、圖形、視頻等非量化數據，二是如何防止過度採集信息，充分保護消費者隱私。雖然目前仍然有一定的技術障礙，但不可否認的是大數據市場研究有著無限廣闊的應用前景。

❺ 利用大數據技術如何構建用戶畫像

【導讀】目前，我們已經身處大數據時代，大數據的使用不僅普通用戶可以享受到技術帶來的便利，企業也可以從數據中提取有商業價值的信息，構建出用戶畫像，從而對用戶行為進行分析和預測。雖然用戶畫像不是什麼新鮮的概念，但是大數據技術的出現使得用戶畫像更加清晰客觀，那麼利用大數據技術如何構建用戶畫像?

1、認識用戶畫像

用戶畫像簡單來講，就是用戶信息標簽化。即收集這個用戶的各種數據和行為，從而得出這個用戶的一些基本信息和典型特徵，最後形成一個人物原型。一般用戶畫像會分析三個信息維度，分別是基本屬性、消費購物以及社交圈。其中基本屬性就是指用戶的一些基本信息，比如年紀、性別、生日、學校、所在地等等。

2、利用大數據構建用戶畫像的好處

(1)精準營銷：當企業和商家掌握了用戶的一定信息後，就可以構建出清晰的用戶畫像，這樣一來就可以根據用戶的偏好、收入等標簽，推薦給他們會感興趣的商品和服務。

(2)用戶統計：通過大數據我們可以對一些數據進行統計，比如我們經常會看到有一些APP的排行榜，甚至是滲透率、日活率這些具體數據都可以清晰統計出來。

(3)數據挖掘：構建智能推薦系統，利用關聯規則計算，喜歡紅酒的人通常喜歡什麼運動品牌，利用聚類演算法分析，喜歡紅酒的人年齡段分布情況。

(4)進行效果評估：其實相當於市場調研、用戶調研，迅速下定位服務群體，提供高水平的服務。比如你是一個買車的想要投放廣告，但是不知道哪個渠道投放更好，就可以先嘗試一下，看看數據反饋如何。

(5)私人訂制：對服務或產品進行私人訂制，然而不法商家也會利用用戶畫像來殺熟。

(6)業務經營分析：業務經營分析以及競爭分析，影響企業的商業決策，甚至發展戰略。

3、構建用戶畫像的流程

(1)數據源端：一般來講構建用戶畫像的數據來自於網站交易數據、用戶行為數據、網路日誌數據。當然也不僅限於這些數據，一些平台上還有個人徵信數據。

(2)數據預處理：第一步是清洗，把一些雜亂無序的數據清洗一下，然後歸納為結構化的數據，最後是把信息標准化。我們可以把數據的預處理簡單理解為把數據分類在一個表格中，這一步就是奠定數據分析的基石。

關於利用大數據技術如何構建用戶畫像?就給大家分享到這里了，如果你想成為大數據工程師，那就從現在開始，不斷進行自我提升，學會大數據實用技能，保證自己在大數據行業有一定的立足之地，有徵服他人之能。

❻ 全網滲透率達80%！「耳朵經濟」將成為當下市場的流行趨勢

《數字經濟全景白皮書》濃縮了易觀分析對於數字經濟各行業經驗和數據的積累，並結合數字時代企業的實際業務和未來面臨的挑戰，以及數字技術的創新突破等因素，最終從數字經濟發展大勢以及各領域案例入手，幫助企業明確在數字化浪潮下的行業定位以及業務發展方向。

發展階段：我國在線音頻內容消費市場邁進成熟期

我國在線音頻經歷了萌芽期、成長期，迎來了蓬勃期。

產業圖譜：我國在線音頻內容消費產業鏈呈體系化特徵

市場規模：「耳朵經濟」產業火熱，全網滲透率達80%

2021年1-11月國內包括音樂、音頻等行業的在線「耳朵經濟」市場月活躍人數均超過8億人次，其中11月份達到高峰，月活躍人數達到8.42億人次；活躍人數全網滲透率自年初起持續上升，從4月開始穩定保持在80%以上。易觀分析認為，中國在線「耳朵經濟」市場經過近20年的孕育，已經具備龐大的受眾基礎，擁有十分廣闊的市場空間和極高的商業潛力。

用戶粘性：聲音內容是用戶剛需，每人日均啟動一次以上

2021年1-1月國內「耳朵經濟」市場月人均使用時長均超過3小時，月人均啟動次數均達到33次以上，結合前文數據可以得出，每月有超過80%的互聯網用戶平均每天會至少打開一次音頻 娛樂 軟體。易觀分析認為，當下的中國互聯網用戶群體中，大部分用戶對音頻這一 娛樂 形式已經形成一定的消費習慣，音頻成為互聯網 娛樂 的底層應用。

音頻市場現狀：全網滲透率達30%，規模實現穩步增長

自2021年3月以來，國內在線音頻市場月活躍人數穩定在3億人次，整體處於穩步上漲的趨勢；活躍人數全網滲透率在3月份有明顯的飆升，此後一直維持在30%以上。易觀分析認為，音頻市場在年初獲得迅速的提升後一直保持著繁榮的狀態，且在整個「耳朵經濟」市場體量龐大、滲透率高的驅動下仍有著較大的增長空間。

用戶粘性：長音頻內容對用戶的吸引力高於耳朵經濟平均水平

2021年1-11月國內在線音頻市場月人均使用時長均超過4小時，高於整個「耳朵經濟」市場的平均水平；月人均啟動次數基本穩定在45次左右，相當於音頻用戶的每日平均啟動次數達到1.45次。由於有聲書、播客等長音頻內容的敘事性更強，更具沉浸感和陪伴屬性，因此相比於其它音頻形態，音頻平台具有明顯的高用戶粘性特點，體現了長音頻內容對用戶的更高吸引力。

競爭格局：喜馬拉雅以高使用時長和活躍人數的雙優勢領跑

2021年喜馬拉雅APP以1.2億的月活躍人數領跑，懶人暢聽、荔枝、蜻蜓FM三個產品處於第二梯隊。

2021年喜馬拉雅APP以47億小時的總使用時長位列第一，番茄暢聽處於第二梯隊，蜻蜓FM、懶人暢聽處於第三梯隊。

國內在線音頻行業已經形成較為穩定的競爭梯隊，尤其是處於排頭的平台，無論是活躍人數規模亦或是使用時長，均以極大的優勢領先於其它競爭者，地位難以撼動。

喜馬拉雅的綜合實力不可小覷，核心APP「喜馬拉雅」以超強表現領跑，主打輕巧特點的「喜馬拉雅極速版」獲得行業第六的亮眼成績。

發展驅動力：在線音頻內容消費市場伴隨5G、大數據等技術駛入發展快車道

在線音頻內容消費市場的出現是科學技術升級下的產物，在過去的二十年裡，這一市場伴隨著互聯網的高速發展而不斷壯大。隨著工業和信息化部積極考慮將包括5G、大數據等在內的重點領域納入 「十四五」國家專項規劃, 在自上而下的引導下，5G、大數據技術必會在我國迎來高速發展階段，其所帶來的技術變革、產業變革都將作用於音頻 娛樂 產業鏈的各個階段，包括製作、傳輸、播出等，為大眾帶來更加優質、更加沉浸的 娛樂 體驗，從而促進在線音頻內容消費市場的快速發展。

發展驅動力：「耳朵經濟」有效擴展內容消費場景

如今生活節奏越來越快，在碎片化時間里，在線音頻越來越受到人們的青睞，其經濟價值也越來越凸顯。「耳朵經濟」以聽覺為主要內容形態，有效地在長短視頻之外擴充了人們的內容消費場景，具有更強的場景滲透性，適用於更多的應用場景，如通勤、助眠、親子陪伴等，由此「耳朵經濟」成為當下市場的流行趨勢，並逐漸發揮出令人不可小覷的商業潛力。

出版產業融合：有聲化推動市場數字化轉型，構建數字出版生態圈

當下，出版業已經進入數字全媒體時代。在過去的二十年裡，從傳統的紙質出版到數字出版，再到將圖書版權改編為影視、有聲讀物等新興的內容形態，數字經濟時代下的出版市場正在積極轉型，不斷拓寬自身的產業邊界，將優質的圖書資源輻射至更廣泛的大眾群體，為視力障礙、閱讀障礙人群提供了更多閱讀的可能。

尤其是在「耳朵經濟」的發展背景下，有聲書、廣播劇等音頻資源作為數字閱讀的延伸，大大提高大眾對碎片化時間的利用效率，而隨著智能 汽車 、智能家用音箱等其他聯網設備的日益普及，有聲讀物將更加深度融入人們的生活。

影視產業融合：影視、有聲作品同步播演成新趨勢，延展內容IP商業價值鏈

相比影視作品，音頻內容具有成本低、製作周期短、付費轉化率高的特點，在這一背景下，近年來影視公司積極與音頻平台聯合，涉足有聲劇行業，將其視為旗下IP商業化的重要渠道之一，影視、有聲作品同步播演，以及提前通過有聲劇「追劇」正在成為新趨勢。大IP與音頻行業的聯動，能夠拓寬IP的應用場景，起到幫助劇集釋放長尾效應甚至預熱的作用，在一定程度上擴大影視作品的粉絲基礎，而影視IP高熱度的反哺以及專業製作團隊、大資本的湧入，也為音頻市場的發展帶來更加旺盛的生命力。

游戲 產業融合： 探索 有聲市場，助力IP世界觀及內涵構建

內容形態：豐富樣態滿足音頻用戶的學習、 娛樂 等各式需求

隨著國內在線音頻市場的不斷成熟，以及文娛市場中的其他細分市場如影視、直播等的相互影響，為了滿足更多用戶的 娛樂 需求，目前已經衍生出音樂、播客、有聲書、脫口秀等多個內容類型。

平台內容形態特徵：綜合平台全面開花，閱讀平台深耕有聲書。

音樂、有聲書、廣播劇、直播、戲曲文化、脫口秀基本成為綜合性平台的內容標配，隨著播客在國內的流行，播客也成為頭部平檯布局的內容垂類。

有聲閱讀平台目前除了深耕有聲書領域之外，對播客投入較高的重視程度，另外為了擴大受眾市場，在戲曲文化、脫口秀這兩個用戶粘性相對較高的垂類也有布局。

有聲劇日益專業、精品化，為大眾打造沉浸式「聲場」

有聲劇作為相對新穎的內容形態，擁有著獨特的優勢：1）有聲劇主要通過聲音來講述故事，篇幅不受限制令情節更加完整，同時通過語音、語調、音樂、特效等信息的傳遞為聽眾保留更多的想像空間；2）和影視劇相比，有聲劇的生產周期較短，製作成本也相對低廉；3）有聲劇不受視覺所帶來的信息干擾，聽眾的思緒與 情感 更易被帶入由聲音構建的世界當中，獲得更加具有沉浸感的體驗。

頭部音頻平台如喜馬拉雅憑借自身的技術、團隊、資金等優勢發力有聲劇賽道，帶領音頻市場的有聲劇生態逐漸走向專業化、精品化，為文化IP的開發樹立起全新「路標」。

播客生態日趨繁榮，多元內容彰顯人生百態

播客如今正在年輕群體中流行，原因主要在於以下幾點：1）播客具有強烈的伴隨性，不必對內容花費過多的注意力和 情感 投入，個體更易從內容中抽離回歸現實生活；2）播客以對話的形式在節目里重現朋友聊天般親切的社交情景, 營造出細節豐富、情誼深厚的氛圍，更好地起到 情感 慰藉的作用；3）用戶依據自身的興趣喜好、價值觀等與播客內容形成 情感 認同，更易與其構建一個堅實的「 情感 共同體」。

當下，包括喜馬拉雅、荔枝、蜻蜓FM等在內的各大音頻平台紛紛布局播客領域，在如此背景下，音頻市場的播客創作者生態正在逐步擴大， 科技 、新聞、親子、文化、 娛樂 等多元題材的「內容池」逐漸成型，推動播客生態日趨繁榮。

內容生產流程：主流平台推動音頻製作工業化水平提升

經過多年的發展，在專業人士、品牌主不斷湧入的驅動下，在線音頻市場的整體內容質量有顯著的提升。以喜馬拉雅為代表的主流平台不斷投入技術研發和流程打磨，通過提升工業化水平，助力創作者實現更優質的內容表達。

對於一檔相對專業的音頻節目，目前已經形成了一套完善的生產流程，從策劃、錄音、製作到分發，各部分環環相扣，呈現出精細化、體系化的特徵。這樣一檔節目從創意誕生到最終播出，往往需要至少一到兩個月的時間。

內容合作模式：平台注重創作者生態，培育良性內容生長土壤

目前，音頻平台與內容創作者之間的合作模式主要分為版權買斷、聯合出品、內容承製三大方向，根據對內容創作者的人氣、作品數量、風格等多重維度的考量，音頻平台與內容創作者之間結合實際情況選擇匹配的內容合作模式。

版權買斷指平台一次性向創作者支付費用購買產出的內容，後續因內容產生的相關收益歸平台所有；聯合出品指平台與創作者共享版權，創作者負責內容製作，平台負責運營、招商等，前期製作費用一般由創作者承擔，平台根據作品流量表現與創作者收入分成、廣告分成等；內容承製指平台承擔創作者的製作成本，創作者負責內容製作，版權歸平台所有。

用戶畫像:以高消費能力、年輕、一線以上城市、男性為主

我國在線音頻用戶的基本畫像呈現出年輕、具備高消費能力、居住於大城市的男性的特徵。具體而言，在性別方面，男性用戶是主力軍，佔比達到65%；在年齡層次方面，以90後為主，24-30歲的用戶佔比達到46.2%；在城市級別方面，超一線和一線城市用戶組成核心部分，比例將近60%；在消費能力方面，中高以上消費人群是當下的主流用戶，佔比高達70%。

用戶行為：音頻用戶粘性高，七成用戶同時擁有3個以上軟體

整體來講，在線用戶對音頻內容的使用頻率處於高等水平。超過八成的用戶有每周聽音頻的習慣，一周聽3-6次的用戶是最為龐大的群體，其次是每天都聽音頻的用戶，佔比達到20%以上。

大部分在線用戶不局限於使用一款音頻軟體，在不同軟體之間切換是常態。超過七成的用戶在電子設備中下載的音頻軟體數量在3個以上，擁有3-5個軟體的用戶群體佔比最高，達到46%。

用戶行為：覆蓋用戶多元生活場景，七成用戶為滿足 娛樂 需求

音頻內容已經成為在線用戶上下班通勤期間的「陪伴利器」，78%的用戶選擇在通勤時收聽音頻內容。另外，開車、運動期間也是在線用戶使用音頻的常見場景，超過60%的用戶會在此場景中收聽音頻。

娛樂 、社交、學習是在線用戶收聽音頻內容最為主流的目的，73%的用戶認為音頻內容是 娛樂 消遣的重要工具，將近50%的用戶是為了日後在與朋友聊天時有談資，36%的用戶會通過音頻來學習知識。

用戶行為：音頻擁有優秀的完成率，品牌定製內容發展潛力大

完成率是評價內容產品的重要指標之一。相比於其他內容產品，音頻內容的陪伴屬性強，同時在平台推薦和用戶自主收聽相結合的基礎上，用戶能夠獲取並收聽更加適合自身的內容，因此，51.4%的用戶表示在收聽一檔音頻節目時，可以認真收聽50%以上的音頻內容，認真聽完80%內容的用戶合計佔比28.4%，在音頻內容時長相對較長的背景下，該等完成率代表了大部分用戶對音頻內容質量的認可。

用戶偏好：喜馬拉雅獲得最高喜愛度，內容資源為選擇平台的核心影響因素

喜馬拉雅是在線用戶使用率最高的音頻軟體，以56.2%的佔比遙遙領先於其他軟體。QQ音樂、荔枝、酷狗音樂以超過30%的使用率位列第二梯隊，蜻蜓FM、懶人聽書以25%左右的使用率位列第三梯隊。

內容資源仍然是目前用戶在選擇音頻平台時最為重要的影響因素，另外隨著Z世代用戶規模的增多，平台內的社交氛圍對用戶的影響程度也逐漸提升。

用戶偏好：音樂受最多用戶喜愛，脫口秀等新形態快速流行

音樂、新聞、有聲書是在線用戶收聽音頻內容時的主流三大選擇，72.2%的用戶在收聽音頻內容時更傾向於選擇音樂類型，近60%的用戶喜歡收聽新聞、有聲書類內容。

相聲、評書等戲曲文化類音頻內容也收獲了規模相對可觀的粉絲群體，近50%的在線用戶對該類內容十分青睞。

隨著音頻內容在年輕群體中的流行，脫口秀、播客、廣播劇等新興內容形態也獲得年輕人的青睞，擁有一定規模的粉絲。

男性對不同類型內容的喜愛度排名為新聞、有聲書、音樂、戲曲文化和知識類音頻，女性為音樂、有聲書、新聞、戲曲文化和播客。

在線用戶使用音頻平台時，對音質選擇功能最為重視，佔比達到67%，其次是同好社區的互動功能，佔比達42.4%。隨著智能 汽車 的發展，駕駛功能成為用戶重視的第三大產品功能。

用戶消費：60%用戶擁有付費經歷，具備良好的消費能力

經過近20年的發展，在線用戶已經普遍建立起為音頻內容付費的意識，60.8%的用戶擁有付費經歷。

在線用戶在音頻內容方面具備一定的消費能力，平均每年花費50-500元的用戶幾乎占據半壁江山，22%的用戶平均每年為音頻內容投入的金額在1000元以上。

用戶消費：用戶消費慾望強，消費音頻內容類型豐富

音樂、有聲書是音頻在線用戶最為青睞的付費內容類型，50%的用戶擁有為音樂付費的經歷，超過42%的用戶曾為有聲書付費，側面展現了這兩類內容相較於其他類型具有更高的付費轉化率和用戶粘性。

用戶消費：注重內容質量，用戶願意為好內容買單

音頻內容、價格對自身的匹配度是驅動在線用戶為音頻內容付費最為主要的因素，68.4%的用戶表示在音頻內容、價格合適的情況下願意為其付費。此外，音頻主播的個人號召力也不容忽視，將近50%的用戶會為了喜歡的主播而付費。在電商日益流行的背景下，用戶對電商帶貨這一新消費形式也擁有較高的接受度，36.7%的用戶願意為音頻節目中的電商帶貨付費。

音頻內容的質量是容易讓其導致付費轉化率低最為關鍵的因素，79%的用戶因音頻內容質量沒有達到預期而不願付費，65%的用戶因內容對自身沒有幫助而不付費。這說明用戶的付費更多的是由內容質量決定，這將為優秀的內容創作者提供更好的發展機會。

用戶態度：超六成用戶接受廣告植入，音頻營銷發展空間大

在線用戶對商業廣告植入的接受程度處於中等偏上的水平，超過六成的用戶認為商業廣告植入可以在音頻內容中出現，32.8%的用戶在遇到商業廣告植入時會選擇繼續收聽內容，另外有10%的用戶遇到感興趣的廣告植入時甚至會反復收聽，展現了質量好的商業廣告植入內容擁有著較高的價值增長空間，同時也提示品牌主值得加大音頻營銷投入。

用戶態度:絕大部分用戶接受品牌定製內容，但注重內容質量

開播的1-3分鍾是品牌定製節目/直播的「黃金時間」，43.4%的用戶在遇到此類內容時，會選擇先聽1-3分鍾後再決定是否要繼續播放該節目，這對內容質量提出了更高要求。33.8%的用戶能夠認真聽50%以上的品牌定製節目/直播。

用戶態度:超70%的用戶對音頻市場的未來發展持樂觀態度

大多數用戶對音頻市場的發展前景持樂觀態度，71.8%的用戶相信音頻內容市場有更好的未來，僅有6.2%的用戶明確表示不看好音頻市場在國內的發展。

當下在線音頻平台的問題集中於主播資源專業度不足、內容類型單一、運營活動少、增值服務質量不高、平台社交感弱等問題。

運營手段：面向用戶&創作者，輻射產業上下游

劇場化運營：以優質內容和類型化宣發賦能，增強IP長尾效應

目前，劇場化運營成為音視頻平台的發力重點。以喜馬拉雅為例，目前喜馬拉雅已搭建回響劇場、白夜劇場、賽高島、類星體劇場、書島等多個精品有聲劇場，以類型化的方式為用戶帶來系列精品有聲劇，涵蓋經典文學、科幻故事、懸疑佳作、二次元作品等多個題材的內容。劇場化運營不僅可以幫助平台通過打造細分圈層以增強用戶粘性，也更容易讓同類作品發揮出集聚效應，增強IP傳播的長尾作用。

商業模式：變現體系日趨成熟，商業價值得到充分挖掘

目前，我國音頻內容消費市場的商業模式已經成型，且形成了豐富多元的盈利渠道。對於TOC市場來說，知識付費、用戶打賞、衍生周邊售賣是音頻 娛樂 平台常見的盈利手段，而對於TOB市場來說，品牌營銷、版權售賣等形式為音頻 娛樂 平台提供了廣闊的商業想像空間。各個平台根據自身的發展特色，逐漸 探索 出適合自己的盈利渠道，反向激發了我國音頻內容消費市場的發展潛力。

商業價值點：以內容消費建構「種草—拔草」的商業化閉環

接受信息是人們日常生活中不可或缺的組成部分，因此內容平台是在線用戶接觸最為頻繁的平台之一，也是相對容易讓用戶產生消費慾望的重要場景。有近95%的用戶能夠接受為了專門滿足自己的 娛樂 需求以及填充自己的碎片時間而購買付費音頻內容。

由於內容具有高包容性、高開放性、高可讀性等特點，內容平台是廣告主向用戶推送硬性廣告和軟性廣告的優質渠道。用戶在收聽音頻內容時接收品牌的相關信息，並由此觸發後續的「認知-興趣-行動」一連串的反應，最終形成購買轉化率，完成內容商業化的轉變。

營銷手段：聲效融入多元場景，開啟音頻營銷沉浸式體驗

音頻市場的營銷手段具備豐富多樣化的特點，如今已經逐漸開發出品牌電台、整合營銷、跨界營銷、播客營銷等多個玩法，同時能夠滲透至睡眠、通勤等多個音頻內容場景。通過干貨節目、直播間、車載音效、快閃活動等，音頻幫助廣告主精準觸達更多的用戶群體，快速、有效地建構品牌形象。

喜馬拉雅123狂歡節：打造節日品牌，驅動「耳朵經濟」發展

第六屆「123狂歡節」作為喜馬拉雅的年度重磅節日，在全新優質內容上線、價格優惠力度大、行業精英直播力薦等多重維度的驅動下，喚起大眾對精神內容消費的熱情，成為推動國內「耳朵經濟」市場發展的有效「助推器」。

喜馬拉雅123狂歡節：首次試水節日晚會，打造新營銷範本

市場規模：用戶流量持續增加，基本覆蓋大眾的全生活場景

目前，國內在線「耳朵經濟」市場的月活躍用戶規模維持在8億人次左右，進入市場穩定期。易觀分析認為，隨著用戶收聽習慣的逐漸養成和應用場景的不斷豐富，未來在線音頻的市場規模將會持續增加，「耳朵經濟」將會迸發出更大的想像空間。

競爭格局：新玩家入局，「耳朵經濟」潛力無限

當下，老牌玩家如喜馬拉雅、蜻蜓FM、荔枝、QQ音樂、網易雲音樂等已經獲得較為穩固的市場地位。然而，在線音頻市場中的部分賽道尚未出現絕對贏家，意味著該市場蘊含著極大的商業機會。隨著當下播客、有聲書等在線音頻賽道的火熱，一些實力強大的企業也開始布局這一賽道，而老玩家也不甘示弱，紛紛以音頻為核心持續深耕，甚至延伸產業鏈條。易觀分析認為，在新老玩家你爭我奪的激烈競爭下，在線音頻市場有望激發出更大的商業發展潛力。

內容生態：播客、有聲劇成為音頻平台的商業價值重要支點

商業模式：音頻電商帶貨興起，平台開辟收入增長第二曲線

如今，電商帶貨成為流行，不同類型的平台紛紛加入電商帶貨行列。以喜馬拉雅為代表的新玩家入場，表現相對亮眼的數據已經驗證了「聲音帶貨」的可行性。隨著平台對「電商帶貨」模式更加深入的 探索 ，一套成熟、系統的「聲音帶貨」模式將會日漸成型，成為音頻平台的重要收入增長線。

題圖來自Unsplash，基於CC0協議

❼ 未來行業人工智慧滲透率多少

人工智慧行業應用場景分析 融合傳統行業助力轉型

人工智慧，即讓機器去實現所有與人類智能有關的功能，做到像人一樣看懂、聽懂，並且會思考、會行動。現階段，基於深度學習的人工智慧技術路線成為主流，強調通過感知+理解+決策來實現合理地行動，基於大量先驗知識做出相對合理的判斷和決策。

全球人工智慧市場規模分析預測

據前瞻產業研究院發布的《人工智慧行業市場前瞻與投資戰略規劃分析報告》統計數據顯示，2017年全球人工智慧市場增速約94%。目前人工智慧主要應用在圖像識別、物品識別、檢測和歸類還有自動化的地球物理學特徵分析等。人工智慧產業最大的一塊收入來自企業級的應用市場。預測全球人工智慧市場規模在2015-2025年將保持平均50.7%的復合增速，2025年規模有望達到369
億美元。

人工智慧行業應用分析

人工智慧作為新一輪產業變革的核心驅動力，必須與各行各業融合才能發揮作用，形成真正有效的行業智能，以此來助力傳統行業轉型升級，加快人工智慧應用落地。

1、製造

智能製造，是在基於互聯網的物聯網意義上實現的包括企業與社會在內的全過程的製造，把工業4.0的「智能工廠」、「智能生產」、「智能物流」進一步擴展到「智能消費」、「智能服務」等全過程的智能化中去，只在這些意義上，才能真正地認識到我們所面臨的前所未有的形勢。人工智慧在製造業的應用主要有三個方面：首先是智能裝備，包括自動識別設備、人機交互系統、工業機器人以及數控機床等具體設備。其次是智能工廠，包括智能設計、智能生產、智能管理以及集成優化等具體內容。最後是智能服務，包括大規模個性化定製、遠程運維以及預測性維護等具體服務模式。雖然目前人工智慧的解決方案尚不能完全滿足製造業的要求，但作為一項通用性技術，人工智慧與製造業融合是大勢所趨。

2、家居

智能家居主要是基於物聯網技術，通過智能硬體、軟體系統、雲計算平台構成一套完整的家居生態圈。用戶可以進行遠程式控制制設備，設備間可以互聯互通，並進行自我學習等，來整體優化家居環境的安全性、節能性、便捷性等。值得一提的是，近兩年隨著智能語音技術的發展，智能音箱成為一個爆發點。智能音箱不僅是音響產品，同時是涵蓋了內容服務、互聯網服務及語音交互功能的智能化產品，不僅具備WiFi連接功能，提供音樂、有聲讀物等內容服務及信息查詢、網購等互聯網服務，還能與智能家居連接，實現場景化智能家居控制。

3、金融

人工智慧的產生和發展，不僅促進金融機構服務主動性、智慧性，有效提升了金融服務效率，而且提高了金融機構風險管控能力，對金融產業的創新發展帶來積極影響。人工智慧在金融領域的應用主要包括：智能獲客、身份識別、大數據風控、智能投顧、智能客服、金融雲等，該行業也是人工智慧滲透最早、最全面的行業。未來人工智慧將持續帶動金融行業的智能應用升級和效率提升。

4、零售

人工智慧在零售領域的應用已十分廣泛，正在改變人們購物的方式。無人便利店、智慧供應鏈、客流統計、無人倉/無人車等等都是的熱門方向。通過大數據與業務流程的密切配合，人工智慧可以優化整個零售產業鏈的資源配置，為企業創造更多效益，讓消費者體驗更好。在設計環節中，機器可以提供設計方案;在生產製造環節中，機器可以進行全自動製造;在供應鏈環節中，由計算機管理的無人倉庫可以對銷量以及庫存需求進行預測，合理進行補貨、調貨;在終端零售環節中，機器可以智能選址，優化商品陳列位置，並分析消費者購物行為。

5、交通

大數據和人工智慧可以讓交通更智慧，智能交通系統是通信、信息和控制技術在交通系統中集成應用的產物。通過對交通中的車輛流量、行車速度進行採集和分析，可以對交通進行實施監控和調度，有效提高通行能力、簡化交通管理、降低環境污染等。人工智慧還可為我們的安全保駕護航。人長時間開車會感覺到疲勞，容易出交通事故，而無人駕駛則很好地解決了這些問題。無人駕駛系統還能對交通信號燈、汽車導航地圖和道路汽車數量進行整合分析，規劃出最優交通線路，提高道路利用率，減少堵車情況，節約交通出行時間。

6、安防

安防領域涉及到的范圍較廣，小到關系個人、家庭，大到跟社區、城市、國家安全息息相關。目前智能安防類產品主要有四類：人體分析、車輛分析、行為分析、圖像分析;在安防領域的應用主要通過圖像識別、大數據及視頻結構化等技術進行作用的;從行業角度來看，主要在公安、交通、樓宇、金融、工業、民用等領域應用較廣。

7、醫療

當下人工智慧在醫療領域應用廣泛，從最開始的葯物研發到操刀做手術，利用人工智慧都可以做到。眼下，醫療領域人工智慧初創公司按領域可劃分為八個主要方向，包括醫學影像與診斷、醫學研究、醫療風險分析、葯物挖掘、虛擬護士助理、健康管理監控、精神健康以及營養學。其中，協助診斷及預測患者的疾病已經逐漸成為人工智慧技術在醫療領域的主流應用方向。

8、教育

通過圖像識別，可以進行機器批改試卷、識題答題等;通過語音識別可以糾正、改進發音;而人機交互可以進行在線答疑解惑等。AI和教育的結合一定程度上可以改善教育行業師資分布不均衡、費用高昂等問題，從工具層面給師生提供更有效率的學習方式，但還不能對教育內容產生較多實質性的影響。

9、物流

物流行業通過利用智能搜索、推理規劃、計算機視覺以及智能機器人等技術在運輸、倉儲、配送裝卸等流程上已經進行了自動化改造，能夠基本實現無人操作。比如利用大數據對商品進行智能配送規劃，優化配置物流供給、需求匹配、物流資源等。目前物流行業大部分人力分布在「最後一公里」的配送環節。

❽ 驚人大數據創造效率和價值

驚人大數據創造效率和價值
數據成為流入全球經濟每一個領域的洪流1.企業產生了數量迅速增加的交易數據，獲取著有關客戶、供應商和業務運營的數以Tb的信息。實體世界中，數以百萬計的聯網感測器被嵌入到各種設備中，例如手機、「智能」能量計、汽車，以及在物聯網時代能感知、創造和傳達數據的工業機械2.的確，隨著企業和組織開展經營以及與個人互動，他們產生著數量巨大的數字化「排出數據」,也就是作為其他活動的副產品而創造出的數據。社交媒體網站、智能電話以及其他消費電子設備（包括PC機和筆記本）使得全球數十億人為可獲得的大數據添磚加瓦。不斷增多的多媒體內容對於「大數據」數量的指數增長起了重要作用。例如，每一秒的高清視頻產生的比特量是存儲一頁文本所需的2,000多倍。在數字化世界中，消費者每天的生活--通訊、上網瀏覽、購物、分享、搜索--產生著數量龐大的數據。

我們說的「大數據」是什麼意思？
大數據是指其規模超出通常的資料庫軟體工具的獲取、存儲、管理和分析能力的數據集。這一定義有意採用主觀方式，包含了關於一個數據集有多大才可被視為大數據的動態定義--也就是說，我們並不從大於一定數量的Tb（1Tb等於1,024Gb）這一角度來定義大數據。我們假定，隨著技術不斷進步，可稱為大數據的數據集的規模也將提高。另外，請注意，該定義可因經濟部門而異，這取決於某一特定行業中通常可獲得的軟體有哪些，以及常見的數據集規模多大。有了以上說明，目前許多部門中的大數據范圍為數十Tb到數Pb（1Pb等於1,024Tb）不等。
數量驚人的數據本身是一個全球性現象，但是，這意味著什麼呢？全球許多公民對這一信息的集合抱以深深的懷疑，認為數據洪流不過是對其隱私的侵犯。但是，存在有力的證據表明，大數據可以發揮重要的經濟作用，不但有利於私人商業活動，還有利於國民經濟和公民。我們的研究發現，數據可以為世界經濟創造重要價值，提高企業和公共部門的生產率和競爭力，並為消費者創造大量的經濟剩餘。
例如，如果美國醫療衛生部門能夠富有創造性而有效地利用大數據來提高效率和質量，我們估計，該部門每年通過數據獲得的潛在價值可超過3000億美元，其中2/3將以全國醫療衛生支出降低大於8%的形式表現出來。例如，在私營部門，我們估計充分利用大數據的零售商有可能將其經營利潤提高60%以上。在歐洲發達經濟體中，我們估計，僅通過利用大數據實現的運作效率提高，政府行政管理方面可以節省1000億歐元（1400億美元）以上的開支。這一估計尚未包括可以用來減少欺詐、錯誤以及稅差（潛在稅收與實際稅收收入之差）的大數據影響作用。
數字化數據現在無所不在--每個部門中，每個經濟體中，每個組織以及數字技術用戶中。這一話題以前只有少數數據怪傑感興趣，而現在大數據對各個部門的領導都具有重要意義，各種產品和服務的消費者必將通過大數據的應用而受益。隨著計算領域中的摩爾定律、數字存儲中的類似的定律以及雲計算等趨勢繼續降低成本以及減少其他技術壁壘，人們存儲、匯聚和組合數據然後利用其結果來進行深入分析的能力超過以往任何時候。花不到600美元，就可以買到容量足以存儲世界上所有音樂的硬碟.[page]
隨著運用越來越尖端的技術的軟體與不斷提高的計算能力相結合，從數據中提取洞見的能力也在顯著提高。此外，由於越來越多的人、設備和感測器通過數字網路連接起來，產生、傳送、分享和訪問數據的能力也得到徹底變革。2010年，超過40億人（世界人口的60%）在使用手機，其中大約12%擁有智能電話--其滲透率以每年20%以上的速度增長。如今，3000多萬聯網感測器節點分布在交通、汽車、工業、公用事業和零售部門，其數量正以每年30%以上的速度增長。
可以通過許多方式來利用大數據在全球經濟的各個部門中創造價值。的確，我們的研究表明，整個世界正處在一波巨大的創新、效率和增長之中，正處在競爭和價值獲取的新模式的變革時代--所有這些都被大數據所推動，消費者、企業和經濟部門無一不在挖掘利用大數據的潛力。但是，這一現象為何現在才發生呢？數據不是一直都是信息和通信技術的沖擊中的一部分嗎？是的，但是，我們的研究表明，大數據將會帶來的變化的規模以及范圍處在一個轉折點上，隨著一系列技術趨勢開始加速並匯聚，必將大大擴展大數據的影響。我們已經看到這種匯聚在經濟格局中帶來的變化。
許多領先的企業已經在使用大數據創造價值，其他企業如果要與之競爭，需要探索如何做到這一點。政府在公共資金受到約束的時期，也面臨著提高效率和為公民提供的資金帶來的價值的機遇。鑒於全球許多國家人口老齡化這一現實，這一點可能非常重要。我們的研究表明，公共部門可以通過有效地使用大數據來顯著提高效率。
然而，企業和其他組織以及政策制定者如果要充分發揮大數據的潛力，就需要應對很多挑戰。能夠掌握這些技術以獲得最大價值的分析和管理人才不足，這是一個重大而緊迫的挑戰，企業和政策制定者可以近期內著手解決。僅美國就短缺140,000 到 190,000具備深厚分析技能的人員，以及150萬分析大數據並在其發現的基礎上做出決策的管理人員和分析師。人才短缺僅僅是第一個挑戰。其他挑戰包括需要確保適當的基礎設施落實到位，並且激勵措施和競爭能夠鼓勵繼續創新。此外，必須正確理解對於用戶、組織和經濟體帶來的經濟收益，而且必須實施安全措施，以便消除公眾對大數據的擔憂。
我們如何衡量大數據的價值？
當我們著手確定大數據創造價值的潛力多大時，我們只考慮了那些本質上依賴於大數據的使用的行為--也就是說，那些大數據的使用對於實施某一特定手段來說是必要（但往往未必足夠）的行為。我們並未包括那些只包括自動化而並未涉及大數據的手段（例如，通過以ATM代替銀行出納而實現的生產率提高）的價值。另請注意，我們包括了需要使用大數據的手段的總價值。我們並未試圖估計大數據對於某一特定手段創造的價值的相對貢獻，而只是估計所創造的總價值。
我們完全可以預料，隨著運用大數據的技術和技巧不斷發展以及經濟收益的增長（同時伴隨著相關挑戰和風險），有關大數據的故事將繼續演變。

❾ 大數據的下一步棋 把握大數據的前景

大數據的下一步棋 把握大數據的前景

由於物聯網和移動設備的快速發展，人類社會在過去兩年裡生成了全世界90%的數據。數據收集、存儲和分析的成本驟降。

如今，各個行業都在藉助由數據驅動的行業洞察，獲得競爭優勢。

大數據的未來前景更加宏大：為體量最大的行業拓寬視野，解決世界上一些最復雜的難題。

創業者和投資人應該從何種宏觀角度來把握大數據的前景？

文內數據為全球及美國市場情況，但相信對於中國市場有同樣的借鑒意義。本文PPT來自矽谷銀行分析團隊（SVB Analytics）最新的分析報告《大數據的下一步棋：把握大數據的前景》，由浦發矽谷銀行提供。文字部分由網易創業Club解說。

第一部分：數據激增

由於處理成本、存儲成本的大幅下降，網路傳輸能力的大幅增強，數據的產生、處理和收集數量都在呈現指數級的增長趨勢。

數據人才需求四年翻三番。說明有更多的商業場景需要進行數據的收集、分析。這和始於2010年左右的移動端全球性普及趨勢基本重合。考慮到企業級服務的興起，未來的數據人才需求會更加旺盛。

第二部分：大數據業務成為美國VC的關注重點

針對大數據公司的風險投資從2010年的10億美元增長到了2014年的50億美元，年內交易數量從150增長到了500起。

盡管現在大家都開始說B2B的風口來了，事實上我們從數據可以看到，美國風險投資界在過去5年裡對大數據分析公司的投資額度增長了大約17倍而對B2B服務型公司的投資額度僅僅增長了3倍。

當然，由於美國B2B服務的風險投資體量本身就很大，所以這並不是特別直接的對比方式。

不過，這也能夠從一個側面體現出大數據業務的發展勢頭。

在不同的融資規模所代表的不同融資階段里，大數據公司的估值水平都明顯高於科技類公司的平均估值。

這說明投資人非常看好大數據領域從而可以容忍較高的進入價格。

需要提醒注意的是，所有各個融資階段的大數據公司估值都高於科技公司平均估值水平。

第三部分：大數據2.0，一個更大的漏斗模型

圖中給出的是一個漏斗模型，相信搞產品、搞運營、搞銷售、搞戰略的同學們對此並不陌生。

由於IoT（物聯網）的逐步成為現實，漏洞入口的數據來源正在以及將要呈現爆發性的增長。

物理硬體性能以及計算能力的高速發展讓數據的收集、存儲和處理成本大幅下降，數據處理方式和速度大幅提升，這讓可以被處理的數據數目和類型發生不可想像的增長和變異。

由於上述一系列的能力提升背景，「傳統」行業的數據分析范圍和應用場景更加多樣化，分析價值也越來越大。

大數據應用行業舉例：零售、網路安全、廣告、金融服務、農業、旅遊與住宿、醫療健康、能源、金融服務。

可見，大數據可以應用的行業覆蓋了2B、2C的多個甚至是所有的重要領域。

使用場景舉例，矽谷銀行在這里舉了廣告精準投放、網路欺詐安全、感測器–運營優化三個例子。我們已經可以在國內看到在幾方面做的比較突出的大數據及SaaS服務創業公司了。

第四部分 大數據的跨行業應用，創業投資機遇在哪裡？

矽谷銀行將大數據的針對不同行業以三個維度做了成熟指數測算。

三個維度分別是：對數據的監管程度；數據捕獲的難易度；技術整合的程度。

前面兩個維度反映了數據來源的豐富及深入度，如果太難的話，在應用方面會受到限制。

對於體量龐大的行業而言，目前的大數據應用成熟度越低，未來的發展空間越大。

相對成熟的市場：

相比較而言，網路安全、廣告、旅遊住宿行業是「較小」的市場（2000-3000億美元），它們的大數據滲透率比較高。

零售業由於線上零售發展多年，因此是一個有復雜大數據分析積淀的巨型市場（9000億美元）。

更有潛力的市場：

農業雖然是個「小市場」但受制於數據收集的難度、分析技術的限制，目前還處於比較初期的階段。

金融服務、醫療保健這樣的大市場顯然是所有人都會關注的大數據應用市場。但由於對數據的監管力度大、數據的獲取難度高，所以仍然是一個發展遠不完善的大數據市場。

這里，較為成熟的廣告行業大數據早期公司獲得風投的青睞越來越少了，而醫療健康類的早期大數據公司則開始獲得更多風投的青睞。

這個趨勢和各個行業大數據應用的成熟度密切相關。

風投在考慮趨勢的時候會密切關注潛在發展空間是否足夠大和限制因素是否可以被解決。

第五部分：總結，雲和機器學習是大數據的未來

所謂「雲」，要看大數據公司的雲是否能夠把目標客戶放在公有雲上的數據聯動起來形成一個生態系統。

所謂「機器學習」，要看大數據公司的機器分析能力是否會隨著數據數量和類型的增加、硬體性能的提升而更具洞察力。

以上是小編為大家分享的關於大數據的下一步棋 把握大數據的前景的相關內容，更多信息可以關注環球青藤分享更多干貨