大數據風控趨勢

❶ 銀行風控發展趨勢是怎樣的

趨勢一：監管拓寬加深

監管范圍正在持續擴大。麥肯錫預計未來十年內，加大消費者保護和「行為」監管的趨勢仍將延續，甚至加快。那些信息不對稱、高轉換成本、不當和晦澀的建議、不透明或過於復雜的產品功能或定價結構都可能受到更為嚴密的審查。產品捆綁和交叉補貼也將更為困難，可以促使一些市場更公平地進行產品定價。

在某些情況下，如果客戶可以改用更符合自身利益的其他產品，銀行甚至有義務告知這一情況。或必須定期告知消費者更廉價的選擇。這些趨勢將會顯著影響銀行風險管理的方方面面。

一是，在監管框架內進行優化。

資本、流動性、融資、杠桿率以及恢復處置機制的建立可能會敦促銀行構建符合所有監管限制的資產負債表和業務，在滿足相關要求比率的前提下充分利用資金。這可能會限制銀行的戰略自由度，要求銀行建立全新且具備高度分析能力的業務優化和戰略制定流程。風險職能在這些領域作用重大，可扮演關鍵角色。

二是，銀行能否光明磊落地披露自己的業務做法？

僅僅符合現有規則是不夠的，如果銀行要免受未來法規的回溯判決影響，就必需遵循一系列廣泛原則。例如，銀行要站在客戶的角度檢視自己的做法是否「公平」，是否能光明磊落地向客戶、監管部門和公眾完整披露自己的業務做法？如果不能，那麼這就是一個明確的警告信號。銀行可能需要評估整個銷售和服務方法，審核端對端流程、定價結構及水平。

三是，消除人工干預，自動合規。

如今法律法規逐漸復雜，不合規問題愈加突出，銀行只能在處理客戶業務風險過程中盡量消除人工干預，把正確的行為固化到產品、服務和流程中。在無法實現自動化干預的領域，強有力的監督監控將會愈發重要，因為這是確保第一道防線錯誤率極低和第二道防線有效監督的唯一方法。

四是，與業務部門協作。

風險職能只有和業務部門加緊合作，才能沉著應對監管要求。銀行要做到零風險全面合規，就要從一開始思考流程構成，而不是業務部門設計完戰略或新產品後再追加馬後炮。

趨勢二：客戶期望改變

未來十年內，客戶期望改變和技術發展料將引發銀行業巨變，使行業改頭換面。屆時，技術普及對客戶而言可能就如家常便飯。

創新影響著價值鏈的每個環節，但最重要的顛覆可能發生在銀行的業務承接和銷售流程上。

回顧一下銀行的基本業務模式就可以了解其中的盈利情況，將近六成的銀行利潤來自於業務承接、銷售、分銷和其他面向客戶的活動。這些活動的凈資本收益率達到了22%的誘人水平。

銀行若要贏得這場客戶關系戰就要付出大量努力，要實現這一目標，風險職能就必須成為核心貢獻者，在整個過程中與業務部門緊密協作，並強調兩個重點：

一是自動化即時決策。

銀行必須建立高度定製化的流程，快速實時響應客戶要求（如開戶、貸款申請等）。風險職能要幫助銀行在無人工干預的環境下進行風險評估和決策制定。這通常要求銀行出台大規模的零基礎流程再設計，採納更多非傳統數據。專門為美英小企業提供貸款解決方案的公司Kabbage就是一個很好的例子。

申請者無需提交復雜冗長的文件便可通過在線途徑快速便捷地申請貸款。Kabbage會評估各種數據來源（如PayPal交易、亞馬遜交易、eBay交易信息和UPS發貨量信息）。

目前，部分銀行正著手設計更便捷的開戶流程，大部分所需數據可通過公共來源預先填好，使客戶受理體驗盡量簡單、做到銜接無縫和簡短。在這種情況下，風險職能的挑戰在於建立起一種安全友好的識別驗證方法。

二是「一人細分客群」。

隨著銀行在客戶細分和產品服務上更加成熟復雜，最終可能會建立「一人細分客群」，提供單人量身定製的價格和產品。不過此舉也復雜化了相應流程，對銀行來說代價不菲。為了保護消費者免受不當定價和審批決策的影響，監管部門也可能對銀行設置諸多限制。

風險職能需要與運營和其他職能共同尋找對策，在提供高度定製化解決方案的同時妥善處理新問題。

趨勢三：讓技術和分析助力風險職能

科技不僅改變了客戶行為，高級分析能力的發展也孕育了全新風險管理技術。層出不窮的新技術帶來了成本更低、速度更快的計算能力和數據存儲，推動了更有效的風險決策支持和流程整合。雖然未來十年還將出現大量未知的創新，並顯著影響風險管理進程。這些創新因素包括大數據、機器學習、眾包。

許多行業都已採用機器學習技術，比如天氣預報、亞馬遜產品推薦、谷歌垃圾郵件識別和奈飛（Netflix）建議都是很好的例子。某些銀行已經開始在催收或信用卡欺詐偵測等領域開展試驗，成效顯著。

衡量模型預測能力的基尼系數也大幅改善。麥肯錫預計，銀行的風險職能將在多個領域採用機器學習，如金融犯罪偵查、信貸審核、早期預警系統、零售和中小企業（SME）客群催收。

互聯網的普及推動了商業設想眾包，許多企業正通過這種方式提高部分領域的工作效率。美國Allstate的保險公司舉辦了一場汽車意外保險理賠演算法眾包挑戰賽，參賽者均為數據科學家。該公司僅用了三個月的時間便成功將模型預測能力提高了2.7倍。

許多此類技術創新都能降低風險成本和罰款。銀行越早採用這些技術便能越早建立競爭優勢。不過，保護客戶數據隱私必須是一個重要前提。

趨勢四：非金融風險類型正在出現

金融風險管理在過去20年取得了長足進步，但其他風險管理卻更似原地踏步。

過去五年來，運營合規風險相關的罰款、損失、法律成本飆升，迫使銀行不得不開始關注這些風險。比如傳染風險、模型風險、網路攻擊等，銀行還需要建立風險職能新能力和新流程，管理跟蹤上述新興風險。

趨勢五：通過消除偏見更科學制定風險決策

另一種風險來源於偏見導致的錯誤決策。銀行風險職能需要加強偏見識別和除偏技巧。

偏見識別。第一步要評估銀行的哪些風險決策可能受到偏見影響。一旦有了這方面的理解，就能更容易識別偏見、降低影響。這個步驟其實相當重要，因為制定風險決策的過程中始終會存在偏見。那大型企業用於貸款審核的模型也會存在同樣的問題嗎？相比於人腦制定信貸決策，使用模型的問題相對較少。

然而，在建模過程中仍然會多少存在偏見。傳統的回歸模型一般始於建模人員的假設，如哪些因素具備預測能力，並應該被納入模型。機器學習藉助演算法自行找出風險動因，成為能有效解決偏見問題的新方案。

除偏技巧。銀行可採用三種技巧減少或避免決策偏見：通過分析為決策制定者提供更多事實；善用辯論技巧消除對話和決策中的偏見；通過組織在企業中建立新的決策方式。

一個比較典型的案例是定性信貸評估（QCA）。全球多家銀行已在新興市場中小企業貸款審核環節用上了QCA，這些市場的財務數據往往缺失、不全或不可靠。在這種情況下，銀行往往需要依靠來自專家的人工判斷。

雖然此舉會導致一些主觀偏見的出現，但銀行可以採取眾多措施提高決策質量。通常銀行會用研討會的形式進行QCA，匯集一批最優秀的信貸主管共同識別一系列潛在的預測因素，然後根據歷史虧損情況逆向測試進行篩選。

趨勢六：大規模降本需求

銀行系統在大部分地區和產品類別上都出現了緩慢但持續的盈利水平下滑。銀行努力通過改善運營成本彌補利潤率下滑，導致凈資產收益率持續保持在長期平均值的低位。

資本要求提高及合規成本增加等一系列監管的進一步收緊、以及低成本數字化競爭者的出現都為銀行帶來了不少壓力，麥肯錫同時預計，這種壓力還會進一步加劇。某些產品更易受到影響，銀行如果仍舊無所作為，到2025年，某些產品類別高達40%的收入將會面臨風險。

既然顛覆性如此強大，銀行必須重新思考運營成本構成，以更低成本創造更高價值。銀行如果已經採用了零基礎預算、增值分析（即需求管理）、外包等傳統的漸進降本方法，簡化、標准化、數字化將是剩下為數不多的大幅降本途徑。

銀行風險需要對加大投入節省風險成本，應對前文提到的多種結構性趨勢。在現有行業和監管環境，克服挑戰無捷徑可走，銀行需要在未來十年內重新思考部署這些決策。

值得關注的是，到2025年，銀行的風險職能將對銀行的成功發揮更加關鍵的作用。2025年，銀行的風險職能可能會擔任無縫、無偏見風險決策和全面組織監控的設計工作，通過降低風險和運營成本、提供直觀的客戶體驗和引導銀行合規等方式創造更大價值。業務承接、銷售、分銷和其他面向客戶的活動。這些活動的凈資本收益率達到了22%的誘人水平。

(1)大數據風控趨勢擴展閱讀

銀行風險管理的實施

銀行風險管理的目標能否實現，不僅取決於銀行風險管理人員的知識水平和管理技能，而且還取決於銀行的組織設置和管理方式等。銀行風險管理的實施必須注重以下四方面的內容：

一是在經營上，必須採取穩健的原則，銀行各部門的管理人員從經營決策到具體業務的操作，都必須考慮各種風險因素，在確保安全的前提下來尋求盈利的極大化。

二是在業務上，採取一系列風險分散或風險轉嫁的自我保護措施，通過將風險管理數量化、具體化和制度化，確保風險在自身能夠承受的范圍之內。

三是在組織安排和部門設置上，要求銀行設置專門的風險管理部門，並且強調與其他部門密切配合，定期對各業務部門制訂的具體風險管理對策和目標進行檢查和監督；並且將市場銷售部和操作系統部分開設置，健全內部的制約機制。總之，銀行在組織安排和部門設置上均必須體現防範風險的思想。

四是在財務上，採取穩健的會計原則，銀行應在執行權責發生制的同時，按照穩健的會計原則，爭取有關部門的支持，對呆賬准備、應收未收款、盈餘分配等方面作出適當的處理，以確保銀行的資產質量，增強銀行抵禦風險的能力。

❷ 互聯網金融大數據風控到底怎麼玩

互聯網金融是指以依託於支付、雲計算、社交網路已及搜索引擎等互聯網工具，實現資金融通、支付和信息中介等業務的一種新興金融。做好互聯網金融，要立足於三個基本點:平台、數據、金融。而在這其中，大數據，作為連接平台、用戶、金融等方面的工具，有著舉足輕重的意義。
由於互聯網金融涉及廣泛、囊括多個領域，各領域的風控策略也不盡相同，不能一概而論，下面就大數據風控在互聯網金融領域的運用做一個大致的分類和解析。

首先，如何理解大數據風控
大數據風控的有效性除了強調數據的海量外，更重要的在於用於風控的數據的廣度和深度。其中：
數據的廣度：指用於風控的數據源多樣化，任何互聯網金融企業並不能指望依據單一的海量數據就解決風控問題，正如在傳統金融風控中強調的「交叉驗證」的原則一樣，應當通過多樣化的數據來交叉驗證風險模型。互聯網金融的風控策略也如此，可能對同一風險事件採用了多種策略。
數據的深度：指用於風控的數據應當基於某個垂直領域真實業務場景及過程完整記錄，從而保證數據能夠還原真實的業務過程邏輯。例如，很多第三方支付平台有豐富的真實交易記錄，但由於大部分場景下無法獲取交易商品的詳細信息及用戶身份，在用於風控時候價值大打折扣，因而數據的完整性和垂直深度很重要。

互聯網金融產品如何利用大數據做風控，大致有以下一些分類和方向：
1、基於某類特定目標人群、特定行業、商圈等做風控。由於針對特定人員、行業、商圈等垂直目標做深耕，較為容易建對應的風險點及風控策略。
例如： 針對大學生的消費貸，主要針對大學生人群的特徵
針對農業機具行業的融資擔保。
針對批發市場商圈的信貸。

2、基於自有平台身份數據、歷史交易數據、支付數據、信用數據、行為數據、黑名單/白名單等數據做風控。
>>>>身份數據：實名認證信息（姓名、身份證號、手機號、銀行卡、單位、職位）、行業、家庭住址、單位地址、關系圈等等。
>>>>交易數據/支付數據：例如B2C/B2B/C2C電商平台的交易數據，P2P平台的借款、投資的交易數據等。
>>>>信用數據：例如P2P平台借款、還款等行為累積形成的信用數據，電商平台根據交易行為形成的信用數據及信用分（京東白條、支付寶花唄），SNS平台的信用數據。
>>>>行為數據：例如電商的購買行為、互動行為、實名認證行為（例如類似新浪微博單位認證及好友認證）、修改資料（例如修改家庭及單位住址，通過更換頻率來確認職業穩定性）。
>>>>黑名單/白名單：信用卡黑名單、賬戶白名單等。

3、基於第三方平台服務及數據做風控 互聯網徵信平台（非人行徵信）、行業聯盟共享數據（例如小貸聯盟、P2P聯盟） FICO服務、Retail Decisions(ReD)、Maxmind服務。

>>>>IP地址庫、代理伺服器、盜卡/偽卡資料庫、惡意網址庫等；
>>>>輿情監控及趨勢、口碑服務。諸如宏觀政策、行業趨勢及個體案例的分析等等

4、基於傳統行業數據做風控 人行徵信、工商、稅務、房管、法院、公安、金融機構、車管所、電信、公共事業（水電煤）等傳統行業數據。

5、線下實地盡職調查數據
包括自建風控團隊做線下盡職調查模式以及與小貸公司、典當、第三方信用管理公司等傳統線下企業合作做風控的模式。線下風控數據也是大數據風控的重要數據來源和手段。


希望能幫助到你，如想了解更多，可以關注微信號「大數據風控圈"哦~,很多互聯網行業資訊分享。

❸ 為什麼說大數據風控是互聯網金融的必然趨勢

大數據風控將是未來行業都必須要做的 因為大數據就是未來行業發展的土壤 經過大數據分析出來的能很清晰的告訴你這塊地該種什麼 什麼時候種 什麼時候收 好理解把

❹ 什麼是大數據風控，P2P大數據風控到底有沒有真療效

大數據風控，就是利用大數據技術（hadoop，spark等）構建大數據數據處理平台。包括數據接入平台，數據倉庫，數據處理能力，數據分析展現等。然後利用這些能力，進行用戶畫像，風險建模達到風險監控，風險預測，風險控制的目的。好的風控策略和風控模型，能夠有效風控。

風控一般包括：風險政策，反欺詐，審核

按時間來分可分為：貸前，貸後

如：用戶畫像，簡述如下：

1. 基本信息：姓名，地址，聯系人等

2. 交易行為屬性：交易次數，逾期行為，

3. 興趣：愛好，興趣

4. 徵信信息：銀行徵信，黑名單，外部信用評分

如：風控建模（參數+演算法（公式））

利用用戶的多個行為指標或原始變數（逾期，信用額度，交易次數）生成衍生變數（6個月交易金額大於前月的月分數，6個月最大逾期，最要是生成個人一定時期來成趨勢，穩定的數據），最好基於某種演算法（一般是邏輯回歸）訓練參數，最後形成評分

上述我們都可以應用決策引擎來風控用戶下單交易行為

決策層一般會關注整體風控監控，在針對異常日期單獨分析。常用風控監控指標有fpd，vintage，遷移率等

❺ 相比銀行傳統風控，大數據風控對比傳統風控有優勢嗎

有很大的優勢，傳統的信貸風控主要以人工審批為主，人工審核一般需要2-3周以上時間才能實現放款，效率低下，流程繁瑣，互聯網金融往往小額量大，放款速度加快至關重要。面對個人信用體系不完善、惡意騙貸、壞賬和逾期、債務收回成本較高等諸多挑戰，用自動化的數據智能風控體系來提升整個流程的效率是必然的發展趨勢。

❻ 什麼是大數據，大數據時代有哪些趨勢

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：大數據產業鏈、產業規模、應用市場結構、競爭格局、發展前景預測等

產業概況

1、定義：大數據產業覆蓋范圍廣

根據中國信通院發布的《大數據白皮書》，大數據產業是以數據及數據所蘊含的信息價值為核心生產要素，通過數據技術、數據產品、數據服務等形式，使數據與信息價值在各行業經濟活動中得到充分釋放的賦能型產業。不同機構對大數據的定義也有所不同，具體如下：

2、產業鏈剖析：大數據產業鏈龐大

大數據產業鏈覆蓋范圍廣，上游是基礎支撐層，主要包括網路設備、計算機設備、存儲設備等硬體供應，此外，相關雲計算資源管理平台、大數據平台建設也屬於產業鏈上游;

大數據產業中游立足海量數據資源，圍繞各類應用和市場需求，提供輔助性的服務，包括數據交易、數據資產管理、數據採集、數據加工分析、數據安全，以及基於數據的IT運維等;

大數據產業下游則是大數據應用市場，隨著我國大數據研究技術水平的不斷提升，目前，我國大數據已廣泛應用於政務、工業、金融、交通、電信和空間地理等行業。

大數據產業上游基礎設施具體包括IT設備、電源設備、基礎運營商及其他設備，相關代表企業華為、中興通訊、艾默生、三大運營商等。

中游大數據領域可以細分為數據中心、大數據分析、大數據交易與大數據安全等子行業，相關代表企業包括寶信軟體、數據港、久其軟體、拓爾思、上海數據交易中心、貴陽大數據交易所與華雲數據等。

在下游應用市場，我國大數據應用范圍正在快速向各行各業延伸，除發展較早的政務大數據、交通大數據外，在工業、金融、健康醫療等眾多領域大數據應用均初見成效。

產業發展歷程：十年來大數據產業高速增長，信息智能化程度得到顯著提升

我國大數據產業布局相對較早，2011年，工信部就把信息處理技術作為四項關鍵技術創新工程之一，為大數據產業發展奠定了一定的政策基礎。自2014年起，「大數據」首次被寫進我國政府工作報告，大數據產業上升至國家戰略層面，此後，國家大數據綜合試驗區逐漸建立起來，相關政策與標准體系不斷被完善，到2020年，我國大數據解決方案已經發展成熟，信息社會智能化程度得到顯著提升。

產業政策背景：優化升級數字基礎設施，鼓勵大數據產業發展

2014年，大數據首次寫入政府工作報告，大數據逐漸成為各級政府關注的熱點，政府數據開放共享、數據流通與交易、利用大數據保障和改善民生等概念深入人心。此後國家相關部門出台了一系列政策，鼓勵大數據產業發展。

當前，隨著5G、雲計算、人工智慧等新一代信息技術快速發展，信息技術與傳統產業加速融合，數字經濟蓬勃發展，數據中心作為各個行業信息系統運行的物理載體，已成為經濟社會運行不可或缺的關鍵基礎設施，在數字經濟發展中扮演至關重要的角色。數據中心作為大數據產業重要的基礎設施，其快速發展極大程度地推動了大數據產業的進步。在2021年3月發布的「十四五」規劃中，大數據標准體系的完善成為發展重點。

產業發展現狀

1、行業整體情況：大數據產業規模維持高速增長 主要應用於金融和政府領域

——大數據產業規模：2021年超過800億元

近年來我國大數據行業取得快速發展，賽迪CCID統計，我國大數據市場規模由2019年的619.7億元增長至2021年的863.1億元，復合年增長率達到18.0%，大數據市場規模包含了大數據相關硬體、軟體、服務市場收入。

——大數據市場結構：產業整體以大數據服務為主，應用領域以金融和政府領域為主

從產業結構來看，目前，我國的大數據產業進入高質量發展階段，大數據軟體和大數據服務的需求開始不斷提升，大數據硬體佔比有所下降但仍占據主導地位，

CCID統計，2021年我國大數據市場結構中，大數據硬體、大數據軟體和大數據服務的市場佔比分別為40.5%、25.7%和33.8%。近幾年大數據硬體的佔比在逐漸下降，大數據軟體和大數據服務的佔比在逐步提高。未來我國大數據軟體和服務市場相比硬體市場將呈現更好的發展態勢。

從應用領域來看，大數據分析產品及服務已經從最早的為電信領域客戶提供經營分析、為銀行領域客戶提供風控管理等輔助性經營決策，發展到目前的為金融、電信、政府、互聯網、工業、健康醫療、電力等多個行業領域客戶提供預測性分析、自主與持續性分析等，以實現企業決策與行動最優化。大數據分析產品及服務應用已經十分廣泛，但由於各下游領域業務特點的不同，決定了其對大數據分析產品及服務的具體需求存在一定差異。

CCID統計，2021年我國大數據分析市場下遊行業中，金融、政府、電信和互聯網位居應用領域前四名，市場佔比分別為19.1%、16.5%、15.2%和13.9%，合計超過60%;其他重點應用領域主要包括健康醫療、交通運輸、工業、電力等。

2、細分市場一：金融大數據

——金融大數據需求：金融業務規模不斷擴大，帶動大數據需求提升

從金融領域需求來看，近年來，中國金融領域業務規模不斷擴大，其中中國銀行業金融機構不斷積極擁抱金融科技，推動數字化轉型，整體行業規模擴大;保險業和證券業的收入也隨著市場經濟的發展而提升。

近年來，隨著新一代信息技術加速突破應用，以移動金融、互聯網金融、智能金融等為代表的金融新業態、新應用、新模式正蓬勃興起，我國金融業開始步入一個與信息社會和數字經濟相對應的數字化新時代，金融數字化轉型成為金融行業轉型發展的焦點。2019年，人民銀行印發《金融科技發展規劃(2019-2021年)》，構建起金融科技「四梁八柱」的頂層設計，明確了金融科技發展方向和任務、路徑和邊界。2022年1月，人民銀行再次發布《金融科技發展規劃(2022-2025年)》明確提出，從戰略、組織、管理、目標、路徑以及考評等方面將金融數字化打造成金融機構的「第二發展曲線」。隨著金融業務規模不斷擴大，加之新一代信息技術的發展，大數據在金融領域的需求將不斷提升。

——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。

3、細分市場二：政府大數據

——政府大數據需求：互聯網政務服務用戶規模不斷提升

從政府領域需求來看，根據中國互聯網路信息中心(CNNIC)發布的第49次《中國互聯網路發展狀況統計報告》數據顯示，互聯網政務服務發展展現出了巨大潛能。截至2021年12月，我國互聯網政務服務用戶規模達9.21億，較2020年12月增長9.2%，占網民整體的89.2%。「十四五」規劃綱要提出要「推進網路強國建設，加快建設數字經濟、數字社會、數字政府，以數字化轉型整體驅動生產方式、生活方式和治理方式變革」。2021年，我國各省市積極探索、持續推進互聯網政務服務建設發展，努力提升公共服務、社會治理等數字化、智能化水平。截至2021年11月，全國已有20多個省(區、市)相繼出台數字政府建設的有關規劃，為我國互聯網政務服務發展注入新的活力。

——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。

4、細分市場三：互聯網大數據

——互聯網大數據需求：互聯網行業規模不斷提升

在人工智慧、雲計算、大數據等信息技術和資本力量的助推和國家各項政策的扶持下，2021年，互聯網和相關服務業發展態勢平穩向好。企業業務收入和營業利潤保持較快增長;互聯網平台服務和數據業務實現快速發展，信息服務收入較快增長;多省份保持增長態勢。2021年我國規模以上互聯網和相關服務企業完成業務收入15500億元，同比增長21.2%。

2022年上半年，我國規模以上互聯網和相關服務企業完成互聯網業務收入7170億元，同比增長0.1%。

註：2021年及以前年份，規模以上互聯網和相關服務企業，指獲得《增值電信業務經營許可證》在中國大陸境內經營全國或區域性增值電信業務、上年度互聯網業務收入500萬元及以上的企業。2022年，規模以上互聯網和相關服務企業口徑由互聯網和相關服務收入500萬元以上調整為2000萬元及以上。

——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。

產業競爭格局

1、區域競爭：中國大數據企業主要分布在華南和華東沿海地區

根據企查貓數據，截止2022年9月23日，全國大數據產業中「存續」及「在業」的企業多集中分布在華南和華東沿海地區。其中，廣東省的大數據企業最多。

2、企業競爭：技術領域創新和經驗是關鍵，融合應用領域行業龍頭更能獲得青睞

根據大數據產業聯盟調研和發布的2022大數據企業投資價值百強榜單來看，榜單共選取了10個細分領域，涉及大數據基礎軟體、數據治理與分析、數據安全、商業智能、營銷大數據5個通用領域，以及政府大數據、金融大數據、工業大數據、健康醫療大數據、空間地理信息大數據5個融合應用領域。

大數據基礎軟體、數據治理與分析、數據安全、數據可視化等，是所有細分行業應用場景的基礎支撐，體現了大數據技術價值和作用。在這些細分領域提供技術解決方案的企業中，技術創新能力較強、在各自的細分領域有較長時間技術積累的廠商是投資機構的關注重點。

政府大數據、金融大數據發展相對成熟，落地實踐案例多和品牌知名度高的企業受市場關注程度較高。工業大數據、健康醫療大數據、空間地理信息大數據等市場仍處於待爆發階段，在各自細分領域建立競爭優勢的企業容易獲得投資機構的青睞。

註：2022年大數據企業投資價值百強榜是從企業估值/市值、營收狀況、創新投入、產品競爭力、細分市場潛力、領導層能力等多個維度進行綜合評比，同時結合行業專家打分，評選出2022年度大數據領域最具投資價值的100家企業。

產業發展前景：大數據將繼續保持高速增長

大數據作為新一代信息技術的重要標志，對生產製造、流通、分配、消費活動以及經濟運行機制、社會生活方式和國家治理能力均產生重要影響。伴隨國家快速推動數字經濟、數字中國、智慧城市等發展建設，未來大數據行業對經濟社會的數字化創新驅動、融合帶動作用將進一步增強，應用范圍將得到進一步拓寬，大數據市場也將保持持續快速的增長態勢。預計2027年我國大數據市場規模將達到2930.9億元，未來六年復合年增長率為22.6%。

更多本行業研究分析詳見前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》。