大数据时代的软件创新

㈠ 大数据时代下商业趋势与科技创新

大数据时代下商业趋势与科技创新

大量生动的案例和详实的数据分享了数字化时代的十个商业趋势，这包括从碎片化数据到大数据、从单边市场到平台双边市场、从PC互联到移动互联、从离线计算到云计算、从软件定义硬件到Software Define Entity、从小而全大而全到外包众包、从供应驱动消费到需求驱动消费、从规模经济到长尾市场、从传统金融到数字化与互联网金融、从纯线下到O2O模式。
这十大趋势应该如何理解？朱晓明院长在峰会中给出了答案。“从第一个趋势到第四个趋势大数据、云服务、平台化、移动互联网是数字化时代科技创新导致的基础设施的变化。第五个趋势就是预测，数字化年代软件将成为人类最强生产力之一的趋势。第六个趋势是揭示了服务业、研发等领域是可以用数字化手段来改变生产组织方式的。第七个趋势揭示了供应驱动消费与需求推动消费在互联网年代有可能是交替变化的，各显其能的趋势。第八个趋势是描述了创新型企业利用数字化手段。第九个趋势是互联网金融。第十个趋势是表明了LBS为基础的O2O模式，为众多企业商业模式的最佳模式。”
此外，朱晓明院长还提醒说，在大众创新的时代要谨防四种陷阱：一是过早采用新技术、二是过快放弃新技术、三是过晚地采用新技术、四是拖延太久采用新技术。
在谈到O2O的发展空间时，朱晓明院长表示“近六成的用户用过移动O2O，移动互联网的用户在中国有10.6个亿，可是移动O2O只有6.1个亿。中国的房地产占GDP的比重是百分之六，但O2O应用的比例只有百分之三点九，这就表明它的空间有很大。其中，在O2O环节里， LBS和电子支付非常重要。”
“企业要实现O2O的转型，应以定制化预约、设立导航服务、智能会员识别、LBS、大数据、广告精准推送和客户营销为目标。”
“在数字化年代数据可以挖掘，资源可以共享，因此信息可以对称，成本得以降低。降低了交易成本，商家才能在竞争的市场当中获得新生。”
在演讲的最后，朱院长预测说：“数字化大数据时代来临的时候O2O也许将是最具创新特色的商业趋势。而O2O商业世界的未来是产品不分高低、数可逢生，未来无数而不生;行业不分贵贱，网可助胜，未来无网而不胜;服务不分你我，云可众成，未来无云而不成;需求不分远近，移可求深，未来无移而不深。“

好屋中国介绍：
好屋中国是国内首家基于移动互联网的O2O房产全民众销平台，2012年创立于苏州现运营总部位于上海。
好屋中国成立三年时间，布局4大海外中心，48个中国一二线城市，为135个开发商提供服务，合作楼盘达562个，累积平台交易额已突破2942亿元。
2015年，好屋中国正式展开房地产全产业链战略布局，推出考拉社区——一款有情感、有温度、有智慧的社区懒人应用，搭建人与邻里，人与物业，人与商业之间的关系平台;抢钱宝——全民营销利器，用娱乐互动抢红包的方式实现社会化营销;抢客宝——客户案场直通车，客户信息快速直达置业顾问实现快速销售;助理宝——客户成交管理助手，实现从线上到线下无缝链接;全媒体——大数据时代的全网导客系统，实现线上全封锁、潜在客户精准全覆盖;客倍多——效果管理移动驾驶舱，让开发商随时随地了解效果和成交情况，使营销过程透明化，营销策略可控化;房拍惠——金融聚客产品，以金融众筹模式实现楼盘高效传播和短期快速聚客;数钱宝——一款会生钱的锁客神器，帮助开发商提前实现合法精准锁客蓄客的金融产品;好屋贷——房产首付金融产品，降低购房门槛，促进快速成交等11款全产业链新产品。建构了从售前信息整合，到售中服务体系，直至售后社区平台的全息、全系营销服务链，打造好屋“真”“金”电商平台。

以上是小编为大家分享的关于大数据时代下商业趋势与科技创新的相关内容，更多信息可以关注环球青藤分享更多干货

㈡ 透过应用看行业 大数据如何带来思维创新

透过应用看行业 大数据如何带来思维创新

大数据正在逐渐成为我们茶余饭后谈论的热点问题，不单是在工作当中，在生活上的很多大数据应用也带给我们很大的启发和改变，我们可以举一些很简单的例子，在以前我们到医院就医的时候护士一天会跑好几趟来收集患者的各项身体数据，比如体温、血压、血糖等等，但是在当今的大数据时代下，大数据在医疗行业的广泛应用使得医疗机构每天所能收集到的用户数据点能够高达1200个左右，这样一来就非常有助于医生对于治疗方案的及时修改和制定。

在大数据时代，一定程度的不精确性是可以被接受的，这跟以往的小数据时代是非常不同的。在小数据时代，我们拥有的数据量非常少，很少的数据点让我们陷于数据饥荒中，我们生活在信息匮乏中，因此我们要求每个数据点都是精确的，也必须极精确地、高质量地来处理以及呈现它们。而如果我们拥有足够的数据，我们就不需要那么做了，我们可以更宽容地对待它们，用不那么精确的态度来对待它们。

数据提供给我们分析能力

数据量在一天天的增长，用户对于数据的分析能力也在不断的提升，据了解，对于数据分析的历史已经有几个世纪那么久远，人们通过对数据的探索来改变自身的行为模式在现在看来已经不再是什么新鲜事，亚马逊利用用户过去的点击记录和购物信息来预测顾客未来可能会想买什么。这样一来，亚马逊就能向我们推荐我们可能会买的书籍、光碟及其他东西。亚马逊在这项服务上做得非常出色，以至于其收入的三分之一都来自于这个推荐服务。这是一个极其简单而又极其有效的技术。

大数据的未来，通过相关关系收集更多数据点，接受不精确性，我们可以更好地预测未来，更好地理解和洞察社会、世界和生活。这使我们不仅比现在做得更好，还让我们可以去做那些我们认为永远不可能做到的事，这就是大数据的发展前景。

数据已经变成商品

对于现在的企业用户而言，除了原有的一些物理资源之外，对于数据资源的重视程度和把控程度也在逐渐提升，大数据赋予了企业全新的洞察力和发展效率，数据本身也变成了可以被贩卖的商品，放眼未来来看，数据将会成为非常重要的资源，就像金钱和劳动力一样宝贵的资源。

在小数据时代，也就是在过去，我们只为了单一、直接的目的来使用数据，比如账单数据是为了付款，市场数据是为了推销新产品，生产数据是为了提高生产力。一旦这些直接目的达成了，这些数据就会被弃掉。但在大数据时代，这将会非常非常的不同，因为在大数据时代，数据的价值并不体现在达成直接目的，而是体现在间接目的上，体现在那些我们甚至在收集数据时都没想到、而在后来才想出的无与伦比的用途上。

行业概览

我们前文说了，对于现在的医疗卫生行业来说，在大数据的应用当中能够使得医生对每一位患者的实时数据进行收集和分析，从而帮助医生制定和随时调整医疗方案，从而保证了治疗的效果，这样的定制化方案在没有应用大数据技术之前是不敢想象的。

在教育行业当中，我们此前也进行过报道，像国外很多学校那样，学生上学已经都背上了“云书包”，也就是说，教育的电子化和信息化已经被广泛应用在了实际当中，学校利用大数据收集学生们读书、理解程度的信息，将结果反馈给老师，而教学效果也将因此而得到提升，学习效果会得到提升，知识将得到更好的传播。

对于传统的商业领域以及电子商务行业来说，大数据更是提供给商家更加全面的用户信息，这使得商家能够准确地把握住用户需求，从而对商品种类以及营销模式等等方面进行及时的调整，同时对于购买者而言，在选择商家进行购物的时候也变得更加方便和高效

以上是小编为大家分享的关于透过应用看行业 大数据如何带来思维创新的相关内容，更多信息可以关注环球青藤分享更多干货

㈢ 如何在大数据互联时代展开商业创新

举例说一下大数据时代用CRM场景营销进行商业创新的方式，在大数据快速发展的时代，企业引进一款CRM系统，能够更好地管理客户，规划营销，尤其是规划基于移动互联网时代兴起的场景营销，来创造大量的新机遇，加快企业在现代社会的发展。

基于了解客户需求的场景营销

在大数据时代的背景下，可以说引入一款专业的客户关系管理软件CRM，绝对是不二的选择。引入CRM的好处之一就在于，CRM能够海量存储客户的各种信息，包括姓名、电话、年龄、性别、购买需求、个性化偏好，等等。在海量信息的基础上，利用大数据技术，可以将具有相同属性的客户进行分类，再根据具体的场景，进行适宜的场景营销，为企业成交订单打下良好的基础。

场景营销带来商业创新机遇

大数据时代，企业要想发展，就要充分利用大数据所带来的各种信息、各种便利以及各种技术。基于场景的营销，能够为企业带来各种各样的客户及订单之余，企业也要利用场景营销突破创新，寻找新机遇。引进CRM利用大数据技术深入分析并掌握客户的需求，就掌握了核心资源。此时的创新，可以做免费平台，盈利模式就是“流量变现”，即首先在平台上蓄积海量流量，然后对接各种各样的场景服务。

㈣ 大数据分析工具面临哪些挑战

大数据分析工具面临哪些挑战

在大数据时代，传统的智能BI和报表工具已经很难承担大数据的市场应用任务。新一代的大数据处理工具将取代传统的数据处理软件，并引领新时代的数据挖掘浪潮。那么，在信息时代背景下，大数据分析工具又将会面临哪些挑战呢？
数据搜集与兼容
数据的搜集与整合是数据处理的第一步，在数据源充足的情况下，如何更好更快的检索并搜集到足够的数据成为数据分析过程的关键。对于大数据分析工具来说，有时甚至要面对数十种格式的数据源或数据库，能否快速兼容就成了关键。
新时代的大数据分析工具必须拥有强大的数据兼容能力，包括对非结构化数据的处理。即使在数据量庞大而杂乱的情况下，大数据分析工具也要能快速反应，整合与甄别数据，为接下来的数据分析工作打好基础。
大数据坏境下的数据分析速率
数据分析效率直接反映大数据分析工具的性能优劣，新时代的大数据分析工具在面对海量数据时不仅要能快速分析、快速得出结果，还要能保证数据分析结果的准确与客观（基于数据）。而传统的数据分析工具因为软件设计架构的落后已难以胜任大数据分析工作。
传统的技术架构不能满足大数据分析工具的性能要求，在众多大数据解决方案中，国云数据开发的大数据魔镜采用新颖的“三层架构”模式，将大数据分析工具的功能选项做进一步细分，不得不说是一种大胆的尝试与创新。
数据分析方法的革新
与传统的数据处理流程相比，因为数据量的庞大和非结构化数据的增加，大数据分析工具必须具有更强的并行处理能力。以便查询、分解及数据分析进行分布式处理，将处理任务分配到不同的处理节点，提高数据处理深度与宽度。
在数据分析过程中，数据分析模型扮演着分析“路径”的角色。大数据分析工具必须内嵌有多种数据分析模型才能满足不同目的的数据分析需求。这个要求从技术层面上来说问题不大，关键是随着大数据应用范畴的拓展，大数据分析工具能否赶上市场需求的步伐。
数据可视化技术（末端展示）
数据可视化可谓是新时代数据分析工具必备的功能了。数据可视化就是将数据或者数据分析结果以图表的形式展示在各种平台上。这要求大数据分析工具有着强大的数据图表渲染功能，并且要内置丰富的可视化效果，以满足用户的不同展示需求。
除了末端展示的需要，数据可视化也是数据分析时不可或缺的一部分，即返回数据时的二次分析。大数据魔镜仅可视化效果就有数百种，能为客户提供完美的数据可视化解决方案，可见数据可视化技术已成为主流大数据分析工具的“标配”。
时代在变化中发展，科技在争议中进步。大数据分析工具作为重要的大数据应用技术而影响着未来大数据产业的发展，可谓举足轻重。但只要顺应时代发展和社会需求，大数据分析工具的前途还是一片明朗的。

㈤ 大数据应用的创新路径

大数据应用的创新路径
随着云计算、移动互联网和物联网等新一代信息技术的创新和应用普及，海量数据正在生成。2015年，中国大数据市场规模达到115.9亿元人民币，增速达38%，预计2016至2018年中国大数据市场规模将维持40%左右的高速增长。大数据正从概念向实际应用转移，越来越多的成功案例相继在不同领域涌现。
IBM日本公司的经济指标预测系统，从互联网的新闻中搜索影响制造业的480项经济数据，计算出采购经理人指数PMI(采购经理指数)预测值。而IBM根据网上的新闻分析出的这个PMI预测值，准确度相当高;美国印第安纳大学学者利用Google提供的心情分析工具，以用户970万条留言，提前2-6天预测道琼斯工业指数，准确率达到87%。在中国，“淘宝CPI(居民消费价格指数)”这一指数通过采集、编制淘宝网上成交额比重达57.4%的390个类目的热门商品价格走势，反映网络购物市场整体状况以及城市主流人群的消费状况;阿里公司根据淘宝网上中小企业的交易状况筛选出财务健康和诚信的企业，从而无须担保来放贷。目前已放贷300多亿元，坏账率仅0.3%，大大低于商业银行;此外，利用对手机用户身份和位置的检测可实时动态掌握流动人口的来源及分布情况，也可实时掌握交通流量情况，可了解突发性事件的聚集情况等。在各个领域，掌握庞大的数据信息，并对这些含有意义的数据进行专业化处理，大数据就有了不同寻常的商业价值。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，就在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。当下，大数据的价值已在许多行业被挖掘出来。对此，中国工程院院士邬贺铨指出，大数据本身服务业的属性大于大数据软硬件的制造业;大数据对其他产业的影响大于对信息产业的影响;大数据的社会效应大于直接经济效益。因此，大数据的影响之大以及受到的广泛重视溢出效益明显。目前来看，大部分企业是把大数据分析用于客户分析，然后是运营分析、诚信分析;此外还应用与新产品和业务的创新，企业数据仓库优化。大数据支出最大的产业，一是离散制造，二是银行，三是流程制造。今年3月份通过的“十三五”规划中，专门有一章提到促进大数据产业健康发展，并提出要深化大数据在各行业的创新应用，探索和传统行业协同发展的新业态、新模式，加快完善大数据的产业链。
“我们需要加强研究，加大投入，综合运用各方面的技术掌握数据资源，加强大数据的挖掘分析，实现在各个行业的创新应用，挖掘大数据的深层价值。

㈥ 大数据 从“技术驱动”转向“应用驱动”

大数据：从“技术驱动”转向“应用驱动”
继物联网、云计算之后，大数据已经成为当前信息技术产业最受关注的概念之一。大数据时代的来临，使得领域和行业边界愈加模糊，应用创新超越技术本身，生产模式向服务化转变，数据作为一种资产为企业带来新商业价值，数据开放让政府治理和个人福祉都面临着机遇和挑战……无论个人、企业组织、社会团体，还是国家和经济体，都能藉此实现大数据梦想。
当前，全球大数据产业正处于蓬勃发展的孕育期和机遇期。核心关键技术正在加快发展和更新换代，各类解决方案提供商加大力度宣传造势，尤其是围绕电信、航空、交通、生物、城市管理等重点领域描绘美好蓝图，力求推动行业应用和商业模式创新，抢占产业增长点。与此同时，小微企业和创业者对大数据热情高涨，期望借此机会实现高速成长的梦想。由于整个大数据产业开始转向应用创新阶段，高成长的预期让各方都对未来抱以乐观的态度。
从“技术驱动”转向“应用驱动”
作为一个独立的产业，大数据的产业体系框架表现为“两纵三横”:“两纵”基于技术的基础程度，分为底层技术和应用层技术，前者是共性、基础性技术，如Hadoop框架、Hbase数据库、Mahout算法集等；后者是“二次开发”行为，包括各类个性化方案、产品与服务。“三横”基于处理的流程顺序，分为基础设施、分析系统和应用工具，也可进一步细化为数据的采集、存储、处理、分析、服务五方面。目前，“两纵三横”的产业体系已经趋于成熟，能够应对绝大多数的产业应用需求。
广义的大数据应用本质上是一种“增值分析”,前景有着近似无限的可能，不受任何行业、资源、地域、用户的约束。从这个层面看，各产业领域未来发展方向几乎都能和大数据挂钩。以“十二五”国家战略性新兴产业发展规划为例，很多技术前沿的描述和布局，均与大数据相一致或关联，或是可以通过大数据实现。如新一代信息技术产业布局了物联网、移动终端设备、云计算、海量数据处理软件；节能环保产业布局了高效储能、节能监测和能源计量；生物医药产业布局了生物资源样本库、基因测序，以及基于物联网的远程健康管理服务等。
由于大数据技术兴起于互联网时代，互联网的快速发展与其持有的开放、共享、合作等观念密切相关，因而大数据技术的创新也引入了互联网的这种价值观。例如有不少大数据技术是开源的，可无偿供给全世界的开发者使用和改进。开源项目、开源社区和开放性创新联盟组织的成熟更是推动了大数据核心技术的发展，催生了多种用于存储、处理和分析大数据的新产品。这一过程有效降低了产业技术的壁垒，推动更多的企业和创业者介入，进一步加快了技术应用转化的过程，有助于产业的迅速成长。
虽然大数据产业的“技术驱动”色彩十分明显，与“应用驱动”阶段尚有一段距离，但这一转变过程正在加速进行。
细化的产业竞争策略逐步成型
大数据产业是典型的知识密集型服务业，除了基础设施环节会带来一定能耗之外，其余环节均为零能耗、高附加值。其在初始资本、法规监管等方面的准入门槛极低，但对人才资源的要求较高。为此，产业竞争呈现出数量大、水平高的特点，企业竞争策略逐步分化。
尽管大数据从业者正在急剧增加--几乎所有的信息技术企业都在此领域布局，同时创业者持续不断地进入，竞争者甚多，然而由此带来的并非过度竞争，而是良性竞争，最终将推动技术的创新和价值的实现。
这主要归功于两个原因：一是高创新的属性。大数据技术是信息技术领域中的高附加值环节，以谷歌、亚马逊等为代表的大数据企业，无论是在技术先进性、创新活跃度还是在市场份额上，都在全球处于领先位置。二是高增长的预期。作为企业个体，在产业急速成长的预期之下，基本都选择了追求专业性的策略，依靠产品性能和服务取胜，而摈弃了追求低成本的策略。
在竞争过程中，不同类型的竞争者各具优势。按照技术的变革性与应用水平，主要分化为三类竞争者：一是“互联网颠覆者”,谷歌以及各类大数据开源项目发展了全新的基础技术与数据库构架，依靠免费、开源的所谓互联网模式，彻底改变了原有的技术标准与游戏规则，颠覆了以往各自为阵的信息技术产业。
二是“初生牛犊”,在新的规则面前，大公司与创业者处在同一条起跑线上，一些拥有核心人才与市场嗅觉的创业企业，在特定工具、专业平台方面迅速抢占先机，填补市场空白，获得快速发展，在产业链中拥有了一席之地。
三是“系统集成商”,像微软、IBM这样的传统IT巨头拥有强大的资金、研发能力和市场资源。他们能够敏锐意识到自我革命的紧迫性并马上采取应对举措，积极收购大数据相关企业，将收购获得的技术产品组装为面向行业的应用解决方案，并加强大数据商业营销。
另外，政府也是大数据产业的重要一环，主要体现在政府对公共数据的开放上这将使政府在促进产业发展上扮演更加重要的角色。
2009年，刚上任的美国总统奥巴马签署的首份总统备忘录即为《透明和开放的政府》，随后建立了统一的政府数据开放门户网站：Data.Gov,逐步开放政府拥有的公共数据，并提供多种应用程序接口，供开发者创建特色应用。截至2014年初，该网站开放的数据集已经超过了85000项，汇集了1200余个应用程序和软件工具、手机插件，其中超过300个是由个人或民间组织开发。新的商业模式和企业随之产生，如FlightCaster公司基于美国交通统计局、联邦航空局交通管制中心警报、美国气象局和航班运行状况信息网站FlightStats的数据，提供航班晚点预报，比航空公司的正式通知早6个小时，且准确率达到85%-90%.
数据驱动型的商业模式创新
数据驱动型的商业模式有如雨后春笋，在全球大量涌现。按照数据的获取、管理、分析、应用环节的区分方式，可以将大数据的商业模式分为数据托管和交易平台、关系挖掘和沉淀价值利用、数据社交和跨界连接三种类型。
数据托管和交易平台模式应用已有数十年之久，是发展最为成熟、最为普遍的大数据商业模式，本质是发挥规模效应，降低单个企业在数据信息存储和寻找上的投入成本。主要业务形态有空间出租托管、数据商店、数据市场等，典型的代表企业为亚马逊、EMC2、DropBox.
近年来引入“云”的概念，从简单的数据存储，逐步扩展到数据聚合平台，最终形成云服务；而以独特数据资源进行的整合朝着纵向产业链上下游整合和横向多种产业整合两个方向发展，促使了一站式数据商店和数据交易平台的出现。如亚马逊、微软等企业均建立了可以交易应用程序和高级数据集的数据商店，目前已有数万亿个数据点、数千个订阅、数百个应用程序。
关系挖掘是媒体热炒的主流大数据商业模式，也是数据科学的主要应用模式。核心是通过数据发现隐藏的相关性，最终用于指导商业、精准化服务与辅助决策。
实现这种模式需要一些先决条件，主要是面向数据的处理分析环节：一是目标领域的完全量化，如互联网广告领域，从广告点击到用户购买行为，均有完整详实的数据记录；二是数据处理能力的大幅提升，要能够处理非关系型数据，并在海量条件下保持实时快速的性能。该模式的难点在于需要颠覆常规的用户思维和需求逻辑，典型类型是沉淀价值的利用，将一些通常无意义的数据甚至是垃圾数据进行利用，最终得出有价值的结论。
例如，谷歌公司利用数十亿用户搜索时的错误拼写记录来提升其拼写检查器的智能性。就目前而言，基于关系挖掘的大数据模式尚未成熟，但承载了社会各界的较高期望：这种模式将有助于驱动产业转型和发展新兴产业，如推动生物医药等研发密集型产业、企业咨询等知识密集型产业向数据密集型产业转型，推动零售、交通等传统服务业向现代服务业转型，推动传统制造业向智能制造业转型等。
与前两种模式不同，数据社交和跨界连接模式直接面向每一个社会个体，本质上是充分挖掘物理世界的个体资源，将其变成虚拟世界的一个节点，与其他的节点进行连接、交互和交易，从而大大降低各类商业化业务的推广成本，并形成新兴业态。这种模式正在走向成熟，最典型的代表就是O2O.
例如微信成为了连接线上线下、开展移动支付的重要入口；打车软件有效降低了供需双方的信息不对称，提升了出租车市场的智能化程度；可穿戴设备将人体的讯息进一步量化，并提供决策建议；苹果Passbook软件为用户提供了一个智能的电子卡包。推行这种模式也有几个必要条件，主要是针对数据的采集传输环节：移动化，需要带有位置服务、能够发射无线信号的智能终端；稳定连接，需要高速、泛在的外部网络环境；在线支付，依靠用户最终的支付行为实现盈利；持续感知能力，需要先进的传感器技术、低功耗芯片技术以及电池技术作为保障。

㈦ 什么是大数据，大数据时代有哪些趋势

行业主要上市公司：易华录(300212)、美亚柏科(300188)、海量数据(603138)、同有科技(300302)、海康威视(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科创信息(300730)、神州泰岳(300002)、蓝色光标(300058)等

本文核心数据：大数据产业链、产业规模、应用市场结构、竞争格局、发展前景预测等

产业概况

1、定义：大数据产业覆盖范围广

根据中国信通院发布的《大数据白皮书》，大数据产业是以数据及数据所蕴含的信息价值为核心生产要素，通过数据技术、数据产品、数据服务等形式，使数据与信息价值在各行业经济活动中得到充分释放的赋能型产业。不同机构对大数据的定义也有所不同，具体如下：

2、产业链剖析：大数据产业链庞大

大数据产业链覆盖范围广，上游是基础支撑层，主要包括网络设备、计算机设备、存储设备等硬件供应，此外，相关云计算资源管理平台、大数据平台建设也属于产业链上游;

大数据产业中游立足海量数据资源，围绕各类应用和市场需求，提供辅助性的服务，包括数据交易、数据资产管理、数据采集、数据加工分析、数据安全，以及基于数据的IT运维等;

大数据产业下游则是大数据应用市场，随着我国大数据研究技术水平的不断提升，目前，我国大数据已广泛应用于政务、工业、金融、交通、电信和空间地理等行业。

大数据产业上游基础设施具体包括IT设备、电源设备、基础运营商及其他设备，相关代表企业华为、中兴通讯、艾默生、三大运营商等。

中游大数据领域可以细分为数据中心、大数据分析、大数据交易与大数据安全等子行业，相关代表企业包括宝信软件、数据港、久其软件、拓尔思、上海数据交易中心、贵阳大数据交易所与华云数据等。

在下游应用市场，我国大数据应用范围正在快速向各行各业延伸，除发展较早的政务大数据、交通大数据外，在工业、金融、健康医疗等众多领域大数据应用均初见成效。

产业发展历程：十年来大数据产业高速增长，信息智能化程度得到显著提升

我国大数据产业布局相对较早，2011年，工信部就把信息处理技术作为四项关键技术创新工程之一，为大数据产业发展奠定了一定的政策基础。自2014年起，“大数据”首次被写进我国政府工作报告，大数据产业上升至国家战略层面，此后，国家大数据综合试验区逐渐建立起来，相关政策与标准体系不断被完善，到2020年，我国大数据解决方案已经发展成熟，信息社会智能化程度得到显著提升。

产业政策背景：优化升级数字基础设施，鼓励大数据产业发展

2014年，大数据首次写入政府工作报告，大数据逐渐成为各级政府关注的热点，政府数据开放共享、数据流通与交易、利用大数据保障和改善民生等概念深入人心。此后国家相关部门出台了一系列政策，鼓励大数据产业发展。

当前，随着5G、云计算、人工智能等新一代信息技术快速发展，信息技术与传统产业加速融合，数字经济蓬勃发展，数据中心作为各个行业信息系统运行的物理载体，已成为经济社会运行不可或缺的关键基础设施，在数字经济发展中扮演至关重要的角色。数据中心作为大数据产业重要的基础设施，其快速发展极大程度地推动了大数据产业的进步。在2021年3月发布的“十四五”规划中，大数据标准体系的完善成为发展重点。

产业发展现状

1、行业整体情况：大数据产业规模维持高速增长 主要应用于金融和政府领域

——大数据产业规模：2021年超过800亿元

近年来我国大数据行业取得快速发展，赛迪CCID统计，我国大数据市场规模由2019年的619.7亿元增长至2021年的863.1亿元，复合年增长率达到18.0%，大数据市场规模包含了大数据相关硬件、软件、服务市场收入。

——大数据市场结构：产业整体以大数据服务为主，应用领域以金融和政府领域为主

从产业结构来看，目前，我国的大数据产业进入高质量发展阶段，大数据软件和大数据服务的需求开始不断提升，大数据硬件占比有所下降但仍占据主导地位，

CCID统计，2021年我国大数据市场结构中，大数据硬件、大数据软件和大数据服务的市场占比分别为40.5%、25.7%和33.8%。近几年大数据硬件的占比在逐渐下降，大数据软件和大数据服务的占比在逐步提高。未来我国大数据软件和服务市场相比硬件市场将呈现更好的发展态势。

从应用领域来看，大数据分析产品及服务已经从最早的为电信领域客户提供经营分析、为银行领域客户提供风控管理等辅助性经营决策，发展到目前的为金融、电信、政府、互联网、工业、健康医疗、电力等多个行业领域客户提供预测性分析、自主与持续性分析等，以实现企业决策与行动最优化。大数据分析产品及服务应用已经十分广泛，但由于各下游领域业务特点的不同，决定了其对大数据分析产品及服务的具体需求存在一定差异。

CCID统计，2021年我国大数据分析市场下游行业中，金融、政府、电信和互联网位居应用领域前四名，市场占比分别为19.1%、16.5%、15.2%和13.9%，合计超过60%;其他重点应用领域主要包括健康医疗、交通运输、工业、电力等。

2、细分市场一：金融大数据

——金融大数据需求：金融业务规模不断扩大，带动大数据需求提升

从金融领域需求来看，近年来，中国金融领域业务规模不断扩大，其中中国银行业金融机构不断积极拥抱金融科技，推动数字化转型，整体行业规模扩大;保险业和证券业的收入也随着市场经济的发展而提升。

近年来，随着新一代信息技术加速突破应用，以移动金融、互联网金融、智能金融等为代表的金融新业态、新应用、新模式正蓬勃兴起，我国金融业开始步入一个与信息社会和数字经济相对应的数字化新时代，金融数字化转型成为金融行业转型发展的焦点。2019年，人民银行印发《金融科技发展规划(2019-2021年)》，构建起金融科技“四梁八柱”的顶层设计，明确了金融科技发展方向和任务、路径和边界。2022年1月，人民银行再次发布《金融科技发展规划(2022-2025年)》明确提出，从战略、组织、管理、目标、路径以及考评等方面将金融数字化打造成金融机构的“第二发展曲线”。随着金融业务规模不断扩大，加之新一代信息技术的发展，大数据在金融领域的需求将不断提升。

——金融大数据应用场景

过去几年，金融大数据带来了重大的技术创新，为行业提供了便捷、个性化和安全的解决方案。目前，中国金融大数据典型的应用场景包括股票洞察、欺诈检测和预防、风险分析与金融服务领域。

3、细分市场二：政府大数据

——政府大数据需求：互联网政务服务用户规模不断提升

从政府领域需求来看，根据中国互联网络信息中心(CNNIC)发布的第49次《中国互联网络发展状况统计报告》数据显示，互联网政务服务发展展现出了巨大潜能。截至2021年12月，我国互联网政务服务用户规模达9.21亿，较2020年12月增长9.2%，占网民整体的89.2%。“十四五”规划纲要提出要“推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”。2021年，我国各省市积极探索、持续推进互联网政务服务建设发展，努力提升公共服务、社会治理等数字化、智能化水平。截至2021年11月，全国已有20多个省(区、市)相继出台数字政府建设的有关规划，为我国互联网政务服务发展注入新的活力。

——政府大数据应用场景

中国政府大数据主要应用于信息共享、政务数据管理、城市网络管理与社会管理几大领域。加强电子政务建设，管理好政府的数据资产，完善政府决策流程，将是未来数年大数据在公共管理领域发展的重要方向。大数据将对政府部门的精细化管理和科学决策发挥重要作用，从而提高政府的服务水平。舆情监测、交通安防、医疗服务等将是公共管理领域重点应用领域。

4、细分市场三：互联网大数据

——互联网大数据需求：互联网行业规模不断提升

在人工智能、云计算、大数据等信息技术和资本力量的助推和国家各项政策的扶持下，2021年，互联网和相关服务业发展态势平稳向好。企业业务收入和营业利润保持较快增长;互联网平台服务和数据业务实现快速发展，信息服务收入较快增长;多省份保持增长态势。2021年我国规模以上互联网和相关服务企业完成业务收入15500亿元，同比增长21.2%。

2022年上半年，我国规模以上互联网和相关服务企业完成互联网业务收入7170亿元，同比增长0.1%。

注：2021年及以前年份，规模以上互联网和相关服务企业，指获得《增值电信业务经营许可证》在中国大陆境内经营全国或区域性增值电信业务、上年度互联网业务收入500万元及以上的企业。2022年，规模以上互联网和相关服务企业口径由互联网和相关服务收入500万元以上调整为2000万元及以上。

——互联网大数据应用场景

在互联网行业，除了社交、B2C业务之外，像在线音视频业务、广告监测、精准营销等等，也是未来潜在应用场景。

产业竞争格局

1、区域竞争：中国大数据企业主要分布在华南和华东沿海地区

根据企查猫数据，截止2022年9月23日，全国大数据产业中“存续”及“在业”的企业多集中分布在华南和华东沿海地区。其中，广东省的大数据企业最多。

2、企业竞争：技术领域创新和经验是关键，融合应用领域行业龙头更能获得青睐

根据大数据产业联盟调研和发布的2022大数据企业投资价值百强榜单来看，榜单共选取了10个细分领域，涉及大数据基础软件、数据治理与分析、数据安全、商业智能、营销大数据5个通用领域，以及政府大数据、金融大数据、工业大数据、健康医疗大数据、空间地理信息大数据5个融合应用领域。

大数据基础软件、数据治理与分析、数据安全、数据可视化等，是所有细分行业应用场景的基础支撑，体现了大数据技术价值和作用。在这些细分领域提供技术解决方案的企业中，技术创新能力较强、在各自的细分领域有较长时间技术积累的厂商是投资机构的关注重点。

政府大数据、金融大数据发展相对成熟，落地实践案例多和品牌知名度高的企业受市场关注程度较高。工业大数据、健康医疗大数据、空间地理信息大数据等市场仍处于待爆发阶段，在各自细分领域建立竞争优势的企业容易获得投资机构的青睐。

注：2022年大数据企业投资价值百强榜是从企业估值/市值、营收状况、创新投入、产品竞争力、细分市场潜力、领导层能力等多个维度进行综合评比，同时结合行业专家打分，评选出2022年度大数据领域最具投资价值的100家企业。

产业发展前景：大数据将继续保持高速增长

大数据作为新一代信息技术的重要标志，对生产制造、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力均产生重要影响。伴随国家快速推动数字经济、数字中国、智慧城市等发展建设，未来大数据行业对经济社会的数字化创新驱动、融合带动作用将进一步增强，应用范围将得到进一步拓宽，大数据市场也将保持持续快速的增长态势。预计2027年我国大数据市场规模将达到2930.9亿元，未来六年复合年增长率为22.6%。

更多本行业研究分析详见前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》。

㈧ 大数据时代创新创业的三个方向和四大挑战

大数据时代创新创业的三个方向和四大挑战

大数据时代创新创业的三个方向和四大挑战【导语】从传统互联网的人机互联，人人互联，到工业互联网的物物互联，人机物三种端各自互联，才带来大数据的产生，利用云进行大数据的存储和计算，实现数据的融合和服务，数据从哪里来，到哪里去，数据如何关联，如何找到市场需求实现价值是关键。数据采集加工的跑马圈地已入中盘，数据分析与应用的商业模式才刚刚开盘，而这需要模式具备可持续性和可扩展性。如今时代变了，以前以企业为核心的理念转向以消费者、以用户为核心的理念，以前的设计在进行创意时以往主要靠拍脑袋决策，如今需要数据的支持和支撑来指导创意。基于大数据的创新创业面临的挑战，主要有四个方面：一是拿到可以利用的数据比较难，目前不少创业公司都是基于互联网上公开的数据在进行应用开发。二是大数据应用可能威胁到企业中传统的角色地位甚至生存，这就涉及到与传统利益的冲突，因此大数据应用推广需要一把手牵头推动。第三个瓶颈是人力资源，不管美国还是中国大数据人才非常紧缺，包括数据科学家和数据分析师，这些人才需要高校和企业一起合作来进行培养。
第四关于投资的难度加大，需要有更多大数据商业应用成功的项目和例子来引领投资的方向。
大数据时代创新创业的三个方向和四大挑战
——ADEC联手浙大、五叶草大数空间举办“大数据时代的创新创业实践与思考”研讨会
在大众创新、万众创业的热潮中，基于大数据的创业创新备受关注。12月17日，阿里数据经济研究中心(ADEC)、浙江大学管理学院、五叶草大数空间三者携手合作，邀请20余位浙大学者走入云栖小镇，在杭州这个创新创业的基地，聆听大数据创业创新实践者的感受，共同开展“大数据时代创业创新的实践和思考”的相关话题研讨。
三家大数据创新创业领域的企业数能科技、华院数据和洛可可公司的负责人给大家分享了他们的实践方向、面临挑战以及心得体会。在分享结束后，就大家关注的话题分组讨论的环节受到参会企业以及研究者们的欢迎。
三个方向和四大挑战
浙江大学管理学院教授刘渊老师在分享中提到，从传统互联网的人机互联，人人互联，到工业互联网的物物互联，人机物三种端各自互联，才带来大数据的产生，利用云进行大数据的存储和计算，实现数据的融合和服务，数据从哪里来，到哪里去，数据如何关联，如何找到市场需求实现价值是关键。

图为浙江大学管理学院教授刘渊
以浙江大学郭斌老师为组长的小组认为大数据创新创业的商业模式有三个方向(Analytics , Data, Services ,ADS)值得关注,其中A相当于为企业提供数据的计算分析能力；第二类D是提供数据为主，要做有效的决策背后所使用的数据可能来源于多个数据源，可以集聚数据成为运营的资源；第三类S相当于提供基于数据的服务，这种服务要嵌入到企业运营的业务流程。
以郑刚老师为代表的小组总结了基于大数据的创新创业面临的挑战，主要有以下四个方面：一是拿到可以利用的数据比较难，目前不少创业公司都是基于互联网上公开的数据在进行应用开发，二是大数据应用可能威胁到企业中传统的角色地位甚至生存，这就涉及到与传统利益的冲突，因此大数据应用推广需要一把手牵头推动；第三个瓶颈是人力资源，不管美国还是中国大数据人才非常紧缺，包括数据科学家和数据分析师，这些人才需要高校和企业一起合作来进行培养；第四关于投资的难度加大，需要有更多大数据商业应用成功的项目和例子来引领投资的方向。
大数据创新创业的三个实践
数能科技：数据分析老兵的创业之路
数能科技的总经理张晓明先生在国外有20多年的数据分析的经验，他在分享中谈到，美国的大数据指的是用常规方法无法处理的数据，比如音频、视频等数据，而中国的大数据实际上是大数据+小数据，以电影行业为例，通常都是数据采集后转化为小数据来进行统计分析和数据挖掘。

图为数能科技的总经理张晓明
张总认为，中国发展大数据面临三大挑战：一是数据孤岛现象严重，二是行业知识缺乏，在业务、技术和行政人员三方面沟通比较困难，跨学科的沟通以前比较缺乏，使得整个行业发展在应用层面的发展不快，三是过去中国的发展是粗旷式的，哪有机会往哪跑，现在是精细化管理，进行资源的优化配置，而政府官员对这种需求的优先级不高。
在大数据的商业模式方面，张总认为，数据采集加工的跑马圈地已入中盘，数据分析与应用的商业模式才刚刚开盘，而这需要模式具备可持续性和可扩展性，其中人才也是发展的一个瓶颈，尤其欠缺具备硬实力和软实力的数据分析师，尤其是软实力方面对于理工科学生来说更难，软实力主要指的是沟通、好奇心和业务理解力。
数能科技开发的“电影票房预测”应用和“电影排片宝”应用都是典型的基于数据的新应用，电影票房预测每天早晨9点半会发布当天的票房预测结果，希望成为全国以及各个城市电影票房的预测风向标，为发行人进行精准营销提供依据，“电影排片宝”应用通过收集来自媒体、影院的历史数据、网上售票的预售数据等信息为各大影院排片提供建议。这种应用场景还可以衍生到客流预测与资源优化管理，比如在旅游景点、大型超市等。
华院数据：数据分析人才基地的孵化新模式
国内专业的数据分析挖掘人才有很多都来自于华院数据，来自华院数据的执行总裁麦星在分享“华院数据——产业大数据生态的深度孵化器”的主题时谈到，华院数据目前聚焦是以大数据行业解决方案为核心，基于自己多年的技术积累，提供数据互联、人工智能引擎等核心能力和产品，融入于垂直行业，在各行业孵化出独立、专注、聚焦的大数据子公司。

图为华院数据的执行总裁麦星
目前已经孵化了数云、数创、数尊、华院分析等多家大数据+电商、零售、O2O、运营商的创业公司，这些创业公司形成产业大数据的生态，比如数云科技是电商数据应用的创业公司，为阿里巴巴平台上的商家提供CRM解决方案，连续三年都是金牌淘拍档。
洛可可：传统工业设计公司的大数据创新转向消费者为中心
洛可可作为一家工业设计公司，它所推出的一款55度杯子一上市就备受欢迎，杭州分公司负责人夏治朋在分享时提到，如今时代变了，以前以企业为核心的理念转向以消费者、以用户为核心的理念，以前的设计在进行创意时以往主要靠拍脑袋决策，如今需要数据的支持和支撑来指导创意，而且数据不仅是B端的需求，更重要的需要最终消费者的需求，让创意和设计更加精准。

图为洛可可杭州分公司总经理夏治朋
以前的产品只有功能，现在的产品还要有服务、有情感，产品具备智能的基础需要有大数据，现在的产品大都是软硬件结合的，同时还有app,从而了解用户的行为和习惯，通过App端数据的抓取来获知用户的行为和习惯，从而改变创意和设计，使得用户感知到产品是为之定制的。
大数据的创新创业刚刚开始
在信息经济发展迅猛的今天，随着数据扮演生产要素的角色，云计算发挥公共计算基础设施的作用，数据的开放、共享与流动成为可能，数据的融合激发新的生产力。与以往任何一个时代相比，大数据时代的创业创新将拥有更多的机会、更大的空间。虽然现阶段我国数据相关的法规政策尚不完善，基于数据的创业创新实践尚在探索阶段，业务和服务模式还不成熟，不确定性正意味着更多机会，因此我国不断涌现出企业进行基于大数据的新模式的尝试和探索。阿里数据经济研究中心(ADEC)期待与更多学界研究者进行深入合作，共同推动中国数据经济的良性快速发展。

㈨ 大数据时代处理数据的三大转变

大数据时代处理数据的三大转变
大数据概念的横空出世，有赖于短短几年出现的海量数据。据统计，互联网上的数据每两年翻一番，而目前世界上90%以上的数据都是最近几年才产生的。当然，海量数据仅仅是“大数据”概念的一部分，只有具备4个“V”的特征，大数据的定义才算完整，而价值恰恰是决定大数据未来走向的关键。
大数据发展必备三个条件
大数据的发展需要三个必要条件：数据源、数据交易、数据产生价值的过程。近年来，社交网络的兴起、物联网的发展和移动互联网的普及，诞生了大量有价值的数据源，奠定了大数据发展的基础。大数据时代到来的重要标志，则是大批专业级“数据买卖商”的出现，以及围绕数据交易形成的，贯穿于收集、整理、分析、应用整个流程的产业链条。大数据发展的核心，则是使用户从海量的非结构化数据和半结构化数据中获得了新的价值，数据价值是带动数据交易的原动力。
IBM、甲骨文、SAP近年纷纷斥巨资收购数据管理和分析公司，在这些互联网巨头的带动下，数据分析技术日渐成熟。2013年6月，爱德华·斯诺登将“棱镜计划”公之于众，“棱镜门”事件一方面说明大数据技术已经成熟;另一方面也佐证了现在阻碍大数据发展的不是技术，而是数据交易和数据价值。
大数据技术的发展促进了云计算的落地，云计算的部署完成又反过来加大了市场对数据创造价值的期待。大数据概念提出之后，市场终于看到了云计算的获利方向：各地的一级系统集成商与当地政府合作，建云数据中心;各大行业巨头在搭建各自行业的云平台;IT巨头想尽办法申请中国的公有云牌照。大数据促成了云计算从概念到落地。借助于智慧城市概念的普及，云计算基础设施已基本准备就绪，一方面完成了大数据应用的硬件基础;另一方面迫于回收云计算投资的压力，市场急需应用部署，大数据恰如雪中送炭，被市场寄予厚望。
现在，问题的核心指向了“数据如何创造价值?”
整合与开放是基石
大数据服务创业公司Connotate对800多名商业和IT主管进行了调查。结果显示，60%受调查者称：“目前就说这些大数据投资项目肯定能够带来良好回报尚为时过早。”之所以如此，是由于当前大数据缺乏必需的开放性：数据掌握在不同的部门和企业手中，而这些部门和企业并不愿意分享数据。大数据是通过研究数据的相关性来发现客观规律，这依赖于数据的真实性和广泛性，数据如何做到共享和开放，这是当前大数据发展的软肋和需要解决的大问题。
2012年美国大选，奥巴马因数据整合而受益。在奥巴马的竞选团队中有一个神秘的数据挖掘团队，他们通过对海量数据进行挖掘帮助奥巴马筹集到10亿美元资金;他们通过数据挖掘使竞选广告投放效率提升了14%;他们通过制作“摇摆州”选民的详细模型，每晚实施6.6万次模拟选举，推算奥巴马在“摇摆州”的胜率，并以此来指导资源分配。奥巴马竞选团队相比罗姆尼竞选团队最有优势的地方：对大数据的整合。奥巴马的数据挖掘团队也意识到这个全世界共同的问题：数据分散在过多的数据库中。因此，在前18个月，奥巴马竞选团队就创建了一个单一的庞大数据系统，可以将来自民意调查者、捐资者、现场工作人员、消费者数据库、社交媒体，以及“摇摆州”主要的民主党投票人的信息整合在一起，不仅能告诉竞选团队如何发现选民并获得他们的注意，还帮助数据处理团队预测哪些类型的人有可能被某种特定的事情所说服。正如竞选总指挥吉姆·梅西纳所说，在整个竞选活中，没有数据做支撑的假设很少存在。
2012年3月，美国奥巴马政府宣布投资2亿美元启动“大数据研究和发展计划”，将“大数据研究”上升为国家意志。一个国家拥有数据的规模和运用数据的能力将成为综合国力的重要组成部分。国内智慧城市建设目标之一就是实现数据的集中共享。
合作共赢的商业模式
随着云计算、大数据技术和相关商业环境的不断成熟，越来越多的“软件开发者”正在利用跨行业的大数据平台，打造创新价值的大数据应用，而且这一门槛正在不断降低。因为首先，数据拥有者能够以微乎其微的成本获取额外的收入，提高利润水平;其次，大数据设备厂商需要应用来吸引消费者购买设备，发展合作共赢的伙伴关系势必比单纯销售设备要有利可图，一些具有远见的厂商已经开始通过提供资金、技术支持、入股等方式来扶持这些“软件开发者”;第三，行业细分市场的数据分析应用需求在不断加大，对于整个大数据产业链来说，创新型的行业数据应用开发者必将是未来整个大数据产业链中最为活跃的部分。
未来，有三种企业将在”大数据产业链“中处于重要地位：掌握海量有效数据的企业，有着强大数据分析能力的企业，以及创新的“软件开发者”。社交网络、移动互联网、信息化企业、电信运营商都是海量数据的制造者，Facebook公司手中掌握着8.5亿用户，淘宝注册用户超过3.7亿，腾讯的微信用户突破3亿，这些庞大用户群所提供的数据，正在等待时机释放出巨大商业能量。可以预测，在不久的将来，Facebook、腾讯、电信运营商等海量数据持有者或者自我延伸成为数据分析提供商，或者与IBM、ZTE等企业密切对接成为上下游合作企业，大数据产业链将在某个爆发时点到来之际，以令人惊讶的速度成长壮大。
警惕大数据的危害
大数据时代，传统的随机抽样被“所有数据的汇拢”所取代，人们的思维决断模式，已可直接根据“是什么”来下结论，由于这样的结论剔除了个人情绪、心理动机、抽样精确性等因素的干扰，因此将更精确、更有预见性。不过，由于大数据过于依靠数据的汇集，一旦数据本身有问题，就很可能出现“灾难性大数据”，即因为数据本身的问题，而导致错误的预测和决策。
大数据的理论是“在稻草堆里找一根针”，而如果“所有稻草看上去都挺像那根针”呢?过多但无法辨析真伪和价值的信息和过少的信息一样，对于需要作出瞬间判断、一旦判断出错就很可能造成严重后果的情况而言，同样是一种危害。“大数据”理论是建立在“海量数据都是事实”的基础上，而如果数据提供者造假呢?这在大数据时代变得更有害，因为人们无法控制数据提供者和搜集者本人的偏见。拥有最完善数据库、最先接受“大数据”理念的华尔街投行和欧美大评级机构，却每每在重大问题上判断出错，这本身就揭示了“大数据”的局限性。
不仅如此，大数据时代造就了一个数据库无所不在的世界，数据监管部门面临前所未有的压力和责任：如何避免数据泄露对国家利益、公众利益、个人隐私造成伤害?如何避免信息不对等，对困难群体的利益构成伤害?在有效控制风险之前，也许还是让“大数据”继续待在笼子里更好一些。
大数据的经济价值已经被人们认可，大数据的技术也已经逐渐成熟，一旦完成数据的整合和监管，大数据爆发的时代即将到来。我们现在要做的，就是选好自己的方向，为迎接大数据的到来，提前做好准备。