大数据行业分析报告Word文档格式.docx

大数据行业分析报告Word文档格式.docx

《大数据行业分析报告Word文档格式.docx》由会员分享，可在线阅读，更多相关《大数据行业分析报告Word文档格式.docx（11页珍藏版）》请在冰豆网上搜索。

①数据准备环节8

②数据存储与管理环节8

③计算处理环节9

④数据分析环节9

⑤知识展现环节9

（3）大数据行业应用10

2、行业发展趋势10

（1）国家战略引领各地加快落实推进大数据行动10

（2）工业大数据将推动智能制造和制造强国建设11

（3）政务公开成为推动政务大数据发展应用有效手段11

（4）大数据交易机制加快探索交易中心模式走向成熟12

3、行业发展规模12

三、进入本行业的主要障碍13

1、技术壁垒13

2、客户粘性壁垒13

3、人才壁垒13

四、影响行业发展的因素14

1、有利因素14

（1）国家政策大力支持行业健康发展14

（2）数据资源的爆发式增长14

（3）新常态下催生出新的需求15

2、不利因素15

（1）缺乏综合性数据聚合流通平台15

（2）专业人才匮乏15

（3）软件法律保护体系不健全15

五、行业风险特征16

1、市场竞争风险16

2、技术更新的风险16

3、数据安全风险16

4、核心技术人员流失及技术泄密的风险17

六、行业主要企业17

1、广州汇智通信技术有限公司17

2、杭州三汇数字信息技术有限公司17

一、行业监管体制、主要法律法规及鼓励政策

1、行业监管体制

（1）行业主管部门

国家工业和信息化部是软件信息技术服务行业的行政主管部门，主要负责组织制定相关政策并协调信息化建设中的重大问题。

负责网络强国建设相关工作，推动实施宽带发展；

负责互联网行业管理（含移动互联网）；

协调电信网、互联网、专用通信网的建设，促进网络资源共建共享；

组织开展新技术新业务安全评估，加强信息通信业准入管理，拟订相关政策并组织实施；

指导电信和互联网相关行业自律和相关行业组织发展。

负责电信网、互联网网络与信息安全技术平台的建设和使用管理；

负责信息通信领域网络与信息安全保障体系建设；

拟定电信网、互联网及工业控制系统网络与信息安全规划、政策、标准并组织实施，加强电信网、互联网及工业控制系统网络安全审查；

拟订电信网、互联网数据安全管理政策、规范、标准并组织实施；

负责网络安全防护、应急管理和处置。

加强和改善工业和通信业行业管理，充分发挥市场机制配置资源的决定性作用，强化工业和通信业发展战略规划、政策标准的引导和约束作用等。

下设信息化和软件服务业司、信息通信管理局、网络安全管理局、信息通信发展司等机构细分化管理。

根据2015年4月20日发布的《中央编办关于工业和信息化部有关职责和机构调整的通知》（中央编办发[2015]17号），由中央网络安全和信息化领导小组办公室负责信息化推荐、网络信息安全协调。

（2）行业组织

2、主要法律法规及鼓励政策

二、行业概况

1、行业概述

大数据，即BigData，是指无法使用传统和常用的软件技术和工具在一定时间内完成获取、管理和处理的数据集，具有巨量化、多样化、高效化、价值化的特点。

而大数据产业的价值在于通过对数据的“加工”实现数据的“增值”。

（1）大数据的发展历程

20世纪90年代末至本世纪初，是大数据发展的萌芽期，处于数据挖掘技术阶段，对于大数据的研究主要集中于“Algorithm”（算法）、“Model”（模型）、“Pattern”（模式）、“Identification”（识别）等关键词。

随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术如数据仓库、专家系统、知识管理系统等开始被应用。

2003年至2006年，社交网络的流行导致大量非结构化数据的涌现，促进了大数据快速突破，进入非结构化数据自由探索阶段，主要围绕“Systems”（系统）、“Networks”（网络）、“Evolution”（演化）等关键词。

2006年至2009年，大数据技术形成并行运算与分布式系统，进入成熟期，研究聚焦于“Performance”（性能）、“CloudComputing”（云计算）、“MapReduce”（大规模数据集并行运算算法）以及“Hadoop”（开源分布式系统基础架构）等关键词。

2009年，美国政府启动Data.gov开放政府数据，引发全球各国政府的效仿。

随着数据量的不断增长及开放，数据开始对社会经济生活的各个领域产生影响。

2011年，麦肯锡全球研究院发布《大数据：

下一个创新、竞争和生产力的前沿》研究报告第一次正式提出了“BigData”这个词汇，认为大数据将引领新一波生产率增长和消费者盈余浪潮。

随后大数据概念风靡全球。

（2）大数据业务环节

①数据准备环节

在进行存储处理之前，需要对数据进行清洗、整理，传统数据处理体系中称为ETL（Extracting,Transforming,Loading）过程。

与以往数据分析相比，大数据的来源多种多样，包括企业内部数据库、互联网数据和物联网数据，不仅数量庞大、格式不一，质量也良莠不齐。

这就要求数据准备环节一方面要规范格式，便于后续存储管理，另一方面要在尽可能保留原有语义的情况下去粗取精、消除噪声。

②数据存储与管理环节

当前全球数据量正以每年超过50%的速度增长，存储技术的成本和性能面临非常大的压力。

大数据存储系统不仅需要以极低的成本存储海量数据，还要适应多样化的非结构化数据管理需求，具备数据格式上的可扩展性。

涉及的技术包括关系数据库、NOSQL、SQL、云存储、分布式文件存储等技术。

③计算处理环节

需要根据处理的数据类型和分析目标；

采用适当的算法模型，快速处理数据。

海量数据处理要消耗大量的计算资源，对于传统单机或并行计算技术来说，速度、可扩展性和成本上都难以适应大数据计算分析的新需求。

分而治之的分布式计算成为大数据的主流计算架构，但在一些特定场景下的实时性还需要大幅提升。

涉及的技术比如分布式计算、自然语言处理等。

④数据分析环节

数据分析环节需要从纷繁复杂的数据中发现规律提取新的知识，是大数据价值挖掘的关键，包括统计分析、数据挖掘、模型预测三个部分。

统计分析应用的技术包括回归分析、差异分析、方差分析、因子分析等。

不同于传统的结构化、单一对象的小数据，非结构化、多源异构的大数据集缺乏先验知识，难以建立显式的数学模型，需要更加智能的挖掘技术，通过分类、估计、预测、相关性分组或关联规则、聚类等方式挖掘出有价值的信息。

模型预测技术包括机器学习，建模仿真等技术。

⑤知识展现环节

在大数据服务于决策支撑场景下，以直观的方式将分析结果呈现给用户，是大数据分析的重要环节，该环节主要技术包括可视化技术等。

（3）大数据行业应用

2015年大数据中的部分行业和企业级应用已实现了产业化和规模化发展，有价值的实践案例和实用的行业解决方案，进一步加强了企业对大数据的认识。

从2014年中国大数据行业收入结构来看，金融、通信、零售、政府、医疗、旅游等行业，六大行业营收累计占比71.3%，其他如教育、制造、能源、媒体、互联网等，营收累计占比28.7%。

中国大数据已实现落地和规模化应用。

2、行业发展趋势

（1）国家战略引领各地加快落实推进大数据行动

我国对大数据高度重视，连续出台多项政策支持大数据与各行业的融合发展。

未来我国将在大数据产业规划编制、地方大数据试点、大数据关键产品研发和产业化、大数据基础设施建设、大数据标准体系建设等方面取得显著进展；

同时将有更多地方加快推进大数据发展，并在政府政务、民生服务、医疗卫生、生态环保、食品药品、社会信用、交通物流、文化教育、财税金融等方面进行品牌宣传支持和培育出一批具有代表性的大数据应用。

（2）工业大数据将推动智能制造和制造强国建设

《中国制造2025》和“互联网+”行动指导意见，在稳增长、调结构、促改革、惠民生等方面提出了许多具体的发展场景，为大数据走入工作、走入生活明确了指向和目标。

大数据将在企业研发设计、生产制造、经营管理、销售服务等全流程和全产业链得到综合集成应用。

未来，将有越来越多的企业更加注重整合、分析制造设备数据、产品数据、订单数据以及生产过程中产生的数据，能够使生产控制更加及时准确，生产制造的协同度和柔性化水平显著增强，从而给制造业配备上“大脑”，使之能灵活应对各种业务场景，实现真正的智能。

（3）政务公开成为推动政务大数据发展应用有效手段

由各级各类政府部门及公共机构掌握的政务数据，是现阶段我国数量最庞大、价值密度最高的一类数据资源，该金矿若能被挖掘利用，将有效提高我国社会信息化水平和全社会发展质量。

未来将有更多政府部门通过合理有序开放政务数据资源，提供政府购买服务、协议约定等方式，主动引入社会力量，推动政务大数据的发展与应用。

（4）大数据交易机制加快探索交易中心模式走向成熟

大数据交易可以打破信息孤岛及行业信息壁垒，汇聚海量高价值数据，对接数据市场的多样化需求，完善产业生态环境，实现数据价值的最大化，对推进大数据产业创新发展方面具有深远意义。

我国多地对大数据交易非常重视，已经建立或宣布建立了中关村数海大数据交易平台、贵阳大数据交易所、武汉东湖大数据交易中心、河北大数据交易中心等交易载体，京东等企业也开始为数据提供方和需求方提供数据交易的开放。

客观来看，国内大数据交易还处于初级阶段，规范尚未统一，发展模式也处于摸索过程中。

未来，伴随各行业数据交易需求的日渐强烈，大数据资产属性日益凸显，在数据隐私保护、数据交易规范等日臻完善情况下，将诞生一个万亿级的交易市场。

3、行业发展规模

从全球市场看，大数据产业近年来一直保持较快的增长势头。

2012、2013、2014年全球大数据市场规模分别达到118、186、285亿美元，分别同比增长61.64%、57.63%和53.23%，大数据成为全球IT支出新的增长点。

根据Gartner数据显示，2014年数据中心系统支出达1430亿美元，比2013年增长2.3%，大数据对全球IT支出的直接或间接推动将达2320亿美元，预计到2018年这一数据将增长三倍。

根据中国信息通信研究院发布的《中国大数据市场调查报告》预测，2015年中国主要用于大数据的软硬件和服务市场规模将达到115.9亿元。

未来三年，中国大数据市场规模还将维持40%左右的高速增长。

根据贵阳大数据交易所发布的《2015年中国大数据交易白皮书》，预计到2020年，中国大数据产业市场规模将由2014年的767亿元扩大至8228.81亿元。

三、进入本行业的主要障碍

1、技术壁垒

大数据产业具有较为复杂的技术体系，需要对与互联网、物联网、云计算技术相融合，具有高科技高技术含量的特点。

大数据产业各个环节涉及多种信息技术，需要具备软件工程、云计算工程等多学科背景以及实验经营的积累，才能保障产品的实用性、安全性和稳定性。

新进入者没有足够的技术积累较难进入市场。

2、客户粘性壁垒

大数据应用客户对信息系统运行、维护的持续性、稳定性有着较高的要求，转换云计算处理系统需要较高的学习成本，因此大数据客户在采购信息系统时，一般不会轻易更换大数据应用服务商，都倾向于长期合作。

较强的客户粘性形成了一定的市场壁垒。

3、人才壁垒

大数据行业属于知识密集型行业，软件开发人员不仅要求具有较高的软件开发技术，还需要对云计算业务有比较深刻的理解；

不仅要求具备丰富的软件开发经验，还需要熟悉大数据应用客户的需求。

大数据企业需要长期的人才积累、经验积累才能形成坚实的技术支撑。

四、影响行业发展的因素

1、有利因素

（1）国家政策大力支持行业健康发展

国家政策的支持为大数据行业的健康发展创造了良好的政策环境。

诸如20