加入收藏
| 文字：[ 大 中 小 ]
報告簡介
報告目錄
2019-2022年中國大數據行業(yè)競爭格局及行業(yè)發(fā)展前景預測報告
[交付形式]: e-mali電子版或特快專遞
http://uvmo.cn/
第一章 大數據產業(yè)相關概述 12
1.1 大數據介紹 12
1.1.1 大數據的產生 12
1.1.2 大數據的特點 13
1.1.3 大數據的數據來源 14
1.1.4 大數據的發(fā)展階段 15
1.2 大數據的價值及影響 16
1.2.1 大數據的價值 16
1.2.2 大數據研究意義 18
1.2.3 大數據對信息時代的影響 20
1.3 大數據產業(yè)簡介 20
1.3.1 大數據產業(yè)的概念 20
1.3.2 大數據產業(yè)鏈分析 21
1.3.3 大數據產業(yè)發(fā)展的必然性 23
1.3.4 大數據產業(yè)的戰(zhàn)略地位 24
第二章 大數據的發(fā)展背景及影響因素 26
2.1 經濟背景 26
2.1.1 國內外宏觀經濟對比分析 26
2.1.2 2018年中國宏觀經濟環(huán)境分析 41
2.1.3 中國宏觀經濟發(fā)展趨勢 61
2.2 政策背景 61
2.2.1 發(fā)達國家啟動大數據產業(yè)布局 61
2.2.2 工信部發(fā)布數據中心建設指導意見 62
2.2.3 中國大數據戰(zhàn)略需上升到國家層面 63
2.3 行業(yè)背景 66
2.3.1 數據正以爆炸式的速度增長 66
2.3.2 云計算為大數據誕生提供條件 67
2.3.3 物聯(lián)網成為大數據的重要來源 69
2.3.4 智能終端普及帶來豐富的數據 70
2.4 技術背景 71
2.4.1 大數據關鍵技術介紹 71
2.4.2 大數據技術研發(fā)熱點分析 74
2.4.3 世界主要企業(yè)加快技術研發(fā) 76
2.4.4 數據中心發(fā)展的技術影響因素 77
第三章 2017-2018年國際大數據產業(yè)的發(fā)展 79
3.1 2017-2018年全球大數據產業(yè)總體發(fā)展分析 79
3.1.1 全球大數據應用狀況調查 79
3.1.2 全球大數據行業(yè)市場格局分析 102
3.1.3 全球半數運營商布局大數據業(yè)務 106
3.1.4 部分國家運營商大數據發(fā)展狀況 106
3.2 2017-2018年歐盟開放數據戰(zhàn)略分析 109
3.2.1 歐盟開放數據戰(zhàn)略的背景 109
3.2.2 開放數據的創(chuàng)新價值分析 110
3.2.3 開放數據戰(zhàn)略的目的與核心 112
3.2.4 開放數據戰(zhàn)略的基礎與支柱 116
3.2.5 歐盟應對大數據的成功經驗 118
3.3 2017-2018年美國大數據產業(yè)發(fā)展分析 119
3.3.1 美國政府的大數據發(fā)展戰(zhàn)略 119
3.3.2 美國推動大數據技術發(fā)展的措施 123
3.3.3 美國大數據的應用案例 124
3.3.4 美國針對大數據安全問題制定的政策 127
3.4 2017-2018年日本大數據產業(yè)發(fā)展分析 131
3.4.1 日本大數據產業(yè)地位分析 131
3.4.2 日本大數據市場規(guī)模及趨勢 132
3.4.3 日本看好大數據經濟效益 134
3.4.4 日本將運行大數據預防災害 135
3.4.5 日本大數據產業(yè)重點企業(yè)分析 135
3.5 2017-2018年其他國家大數據產業(yè)發(fā)展狀況 136
3.5.1 英國投入巨資發(fā)展大數據技術 136
3.5.2 法國開展大數據領域投資計劃 137
3.5.3 澳大利亞大數據政策出臺 137
3.5.4 韓國將建首個開放大數據中心 138
3.5.5 新加坡準備建立全球大數據中心 139
第四章 2017-2018年中國大數據產業(yè)的發(fā)展 141
4.1 2017-2018年中國大數據產業(yè)發(fā)展綜述 141
4.1.1 中國大數據產業(yè)發(fā)展總況 141
4.1.2 中國大數據產業(yè)的發(fā)展階段 142
4.1.3 大數據帶動新興產業(yè)發(fā)展 144
4.1.4 大數據需求推動云基地建設 148
4.2 2017-2018年中國大數據產業(yè)布局透析 149
4.2.1 大數據在中國的行業(yè)分布 149
4.2.2 大數據在中國的地域分布 150
4.2.3 大數據在中國的企業(yè)規(guī)模分布 151
4.3 2017-2018年中國大數據產業(yè)需求分析 152
4.3.1 主要行業(yè)大數據的需求狀況 152
4.3.2 企業(yè)大數據的應用及需求狀況 153
4.3.3 大數據存儲領域的需求分析 155
4.3.4 中國小型機市場需求分析 158
4.4 2017-2018年大數據業(yè)務的商業(yè)模式 162
4.4.1 商業(yè)模式的概念 162
4.4.2 大數據業(yè)務的商業(yè)模式類型 162
4.4.3 大數據商業(yè)模式及應用特點 166
4.4.4 中國大數據商業(yè)模式初步形成 168
4.4.5 大數據創(chuàng)新商業(yè)模式的構建 169
4.5 2017-2018年中國大數據產業(yè)區(qū)域發(fā)展狀況 172
4.5.1 山東省推進旅游大數據應用 172
4.5.2 廣東推動大數據商業(yè)化應用 173
4.5.3 2013-2015年上海大數據發(fā)展計劃 173
4.5.4 同方大數據助貴州產業(yè)市場監(jiān)測 185
4.5.5 重慶大數據產業(yè)鏈發(fā)展商機探析 186
4.5.6 聯(lián)通青島云計算中心項目即將建成 189
4.6 2017-2018年大數據產業(yè)競爭格局 190
4.6.1 不同規(guī)模企業(yè)的競爭力分析 190
4.6.2 IT產業(yè)競相布局大數據產業(yè) 194
4.6.3 網絡保險市場大數據競爭狀況 195
4.6.4 企業(yè)在智慧城市建設領域中的競爭 197
4.7 中國大數據產業(yè)存在的問題 202
4.7.1 我國大數據產業(yè)發(fā)展存在的問題 202
4.7.2 中國大數據產業(yè)的現(xiàn)實挑戰(zhàn) 204
4.7.3 中國大數據應用面臨的挑戰(zhàn) 205
4.7.4 大數據帶來的安全問題分析 205
4.8 中國大數據產業(yè)的發(fā)展策略 208
4.8.1 大數據應作為國家競爭的戰(zhàn)略重點 208
4.8.2 大數據產業(yè)理性發(fā)展的政策建議 210
4.8.3 中國應加快大數據的研發(fā)與應用 211
4.8.4 應避免大數據的過度建設 212
第五章 2017-2018年重點行業(yè)大數據的應用分析 215
5.1 醫(yī)療行業(yè) 215
5.1.1 醫(yī)療行業(yè)大數據應用價值 215
5.1.2 醫(yī)療行業(yè)大數據應用狀況 215
5.1.3 醫(yī)療行業(yè)的數據類型分析 222
5.1.4 大數據對醫(yī)療行業(yè)的影響 223
5.1.5 醫(yī)療行業(yè)大數據應用的掣肘 224
5.2 金融行業(yè) 225
5.2.1 金融行業(yè)大數據應用價值 225
5.2.2 金融行業(yè)大數據應用背景 226
5.2.3 金融行業(yè)大數據應用需求 227
5.2.4 金融行業(yè)大數據應用案例 229
5.2.5 金融行業(yè)大數據應用發(fā)展展望 236
5.3 電子商務 238
5.3.1 電子商務大數據應用價值 238
5.3.2 電子商務大數據應用需求 239
5.3.3 電子商務大數據的發(fā)展機遇 239
5.3.4 電子商務大數據應用挑戰(zhàn) 241
5.3.5 電商企業(yè)大數據應用策略 242
5.4 零售行業(yè) 243
5.4.1 零售行業(yè)大數據應用價值 243
5.4.2 零售行業(yè)大數據應用需求 244
5.4.3 零售企業(yè)大數據應用狀況 252
5.4.4 零售行業(yè)線下數據采集方式 257
5.4.5 零售行業(yè)大數據應用案例 259
5.5 電信行業(yè) 259
5.5.1 電信行業(yè)大數據應用價值 259
5.5.2 電信行業(yè)大數據應用背景 261
5.5.3 電信行業(yè)大數據應用需求 264
5.5.4 電信行業(yè)大數據應用案例 266
5.5.5 電信行業(yè)大數據應用發(fā)展展望 269
5.6 交通行業(yè) 271
5.6.1 交通行業(yè)大數據應用背景 271
5.6.2 交通行業(yè)大數據應用需求 272
5.6.3 交通行業(yè)大數據應用案例 275
5.6.4 交通行業(yè)大數據應用問題及對策 277
5.6.5 交通行業(yè)大數據應用發(fā)展展望 278
5.7 智慧城市 281
5.7.1 中國智慧城市發(fā)展現(xiàn)狀 281
5.7.2 智慧城市大數據應用需求 286
5.7.3 智慧城市大數據應用價值 288
5.7.4 智慧城市大數據應用案例 292
5.7.5 智慧城市大數據應用發(fā)展展望 295
5.8 政府公共服務 297
5.8.1 政府公共服務中大數據應用價值 297
5.8.2 政府網絡執(zhí)政中大數據應用挑戰(zhàn) 298
5.8.3 政府統(tǒng)計工作中大數據應用機遇 301
5.8.4 大數據時代對政府信息公開的需求 301
5.8.5 軍隊管理中大數據的應用策略 303
5.9 其他行業(yè) 304
5.9.1 房地產業(yè)大數據應用狀況 304
5.9.2 服裝行業(yè)大數據應用案例 304
5.9.3 旅游行業(yè)大數據應用策略 306
5.9.4 影視行業(yè)大數據應用分析 310
5.9.5 媒體行業(yè)大數據應用狀況及趨勢 316
第六章 2017-2018年中國大數據重點應用領域分析 320
6.1 大數據一體機市場分析 320
6.1.1 大數據一體機簡介 320
6.1.2 大數據一體機的優(yōu)劣分析 320
6.1.3 大數據一體機的用戶類型 322
6.1.4 國外競爭格局與品牌分布 322
6.1.5 國內市場競爭格局分析 324
6.1.6 國內企業(yè)競爭優(yōu)劣勢分析 326
6.1.7 國內主流品牌及其特點 327
6.2 大數據處理和分析軟件市場分析 332
6.2.1 大數據與商業(yè)智能的關系 332
6.2.2 商業(yè)智能軟件的應用價值 338
6.2.3 全球商業(yè)分析軟件市場規(guī)模 342
6.2.4 全球大數據軟件市場發(fā)展態(tài)勢 343
6.2.5 國內大數據軟件市場發(fā)展狀況 343
6.2.6 國內商業(yè)智能軟件下游市場 345
6.2.7 全球大數據軟件市場發(fā)展?jié)摿? 346
第七章 2017-2018年國外大數據行業(yè)重點企業(yè)發(fā)展形勢 348
7.1 IBM 348
7.1.1 公司簡介 348
7.1.2 2014-2018年3月IBM經營狀況分析 348
7.1.3 IBM在中國市場的發(fā)展策略 350
7.1.4 IBM大數據領域中國客戶案例 354
7.2 甲骨文 357
7.2.1 公司簡介 357
7.2.2 2014-2018財年甲骨文經營狀況分析 357
7.2.3 甲骨文大數據解決方案透析 359
7.2.4 甲骨文大數據領域研發(fā)動態(tài) 363
7.3 微軟 364
7.3.1 公司簡介 364
7.3.2 2014-2018財年微軟經營狀況分析 364
7.3.3 微軟大數據解決方案透析 366
7.3.4 微軟大數據解決方案的優(yōu)勢 368
7.4 SAP 368
7.4.1 公司簡介 368
7.4.2 2014-2015年3月SAP經營狀況分析 369
7.4.3 SAP大數據解決方案透析 370
7.4.4 SAP在中國市場的地位分析 372
7.5 EMC 373
7.5.1 公司簡介 373
7.5.2 2014-2015年EMC經營狀況分析 376
7.5.3 EMC大數據領域的發(fā)展戰(zhàn)略 377
7.5.4 EMC在中國市場的發(fā)展策略 379
7.6 惠普 382
7.6.1 公司簡介 382
7.6.2 2014-2018財年上半年惠普經營狀況分析 382
7.6.3 惠普大數據領域發(fā)展動向 384
7.6.4 惠普云監(jiān)控大數據解決方案解析 386
7.7 其他企業(yè) 390
7.7.1 Teradata 390
7.7.2 NetApp 393
7.7.3 亞馬遜 396
7.7.4 Google 397
7.7.5 Cloudera 401
第八章 2017-2018年國內大數據行業(yè)重點企業(yè)發(fā)展形勢 402
8.1 中國移動通信集團公司 402
8.2 中國聯(lián)通集團 406
8.3 中國電信集團公司 415
8.4 百度公司 419
8.5 騰訊公司 432
8.6 北京拓爾思信息技術股份有限公司 437
8.7 北京東方國信科技股份有限公司 443
8.8 北京同有飛驥科技股份有限公司 449
8.9 浪潮集團 456
8.9.1 公司簡介 456
8.9.2 浪潮集團的云計算發(fā)展戰(zhàn)略 457
8.9.3 浪潮大數據一體機全面解析 457
8.9.4 浪潮發(fā)展大數據的優(yōu)劣勢分析 459
8.10 華為技術有限公司 462
8.10.1 公司簡介 462
8.10.2 華為聯(lián)手拓爾思推出大數據一體機 463
8.10.3 華為發(fā)布企業(yè)級大數據分析平臺 463
8.10.4 華為與央視合作開發(fā)大數據存儲系統(tǒng) 464
8.11 阿里巴巴集團 465
8.11.1 公司簡介 465
8.11.2 阿里巴巴大數據起手開局 465
8.11.3 阿里巴巴大數據應用策略 468
8.11.4 阿里巴巴B2B業(yè)務的大數據模式 470
第九章 2017-2018年大數據產業(yè)投資戰(zhàn)略分析 472
9.1 2017-2018年全球大數據產業(yè)投資狀況 472
9.1.1 大數據市場的投資空間巨大 472
9.1.2 全球數據中心的建設投入狀況 472
9.1.3 大數據行業(yè)獲得風投青睞 473
9.1.4 大數據行業(yè)風險投資的動向 476
9.1.5 2017-2018年大數據領域投融資案例 480
9.2 2017-2018年中國大數據產業(yè)投資現(xiàn)狀 486
9.2.1 中國大數據產業(yè)投資歷程回顧 486
9.2.2 中國大數據產業(yè)投資領域分布 487
9.2.3 國內外大數據創(chuàng)業(yè)和投資對比 488
9.2.4 大數據創(chuàng)業(yè)和投資存在概念泡沫 491
9.2.5 國內大數據創(chuàng)業(yè)企業(yè)發(fā)展策略 493
9.3 2017-2018年大數據產業(yè)投資機遇 498
9.3.1 中國大數據產業(yè)的投資機遇 498
9.3.2 大數據產業(yè)的投資熱點分析 499
9.3.3 大數據帶來的投資新機遇分析 501
9.3.4 大數據應用行業(yè)的潛在市場價值 503
9.4 2019-2022年大數據產業(yè)投資風險及防范 508
9.4.1 大數據行業(yè)的投資風險綜述 508
9.4.2 數據的流動性和可獲取性風險 514
9.4.3 大數據項目投資風險急劇增加 515
9.4.4 評估大數據產業(yè)投資回報的措施 518
第十章 2019-2022年大數據產業(yè)發(fā)展前景及趨勢 523
10.1 全球大數據產業(yè)發(fā)展前景及趨勢預測 523
10.1.1 全球大數據市場規(guī)模及發(fā)展趨勢 523
10.1.2 全球大數據與分析方案市場收入預測 523
10.1.3 全球大數據市場人才需求預測 525
10.1.4 2019-2022年全球大數據市場發(fā)展預測 530
10.2 中國大數據產業(yè)發(fā)展前景及趨勢預測 533
10.2.1 2019-2022年中國大數據產業(yè)發(fā)展預測 533
10.2.2 中國大數據市場帶來的發(fā)展機會 534
10.2.3 中國大數據應用市場發(fā)展趨勢分析 534
10.2.4 改變渠道模式的大數據趨勢分析 536
10.2.5 中國大數據技術與產品發(fā)展趨勢 538
圖表目錄
圖表 1 大數據的四個主要特征 14
圖表 2 大數據發(fā)展階段例圖 16
圖表 3 大數據產業(yè)鏈全景圖 22
圖表 4 各國際組織近期下調世界及主要經濟體經濟增長率預測值（％） 26
圖表 5 世界工業(yè)生產同比增長率（%） 27
圖表 6 三大經濟體GDP環(huán)比增長率（%） 28
圖表 7 世界及主要經濟體GDP同比增長率（%） 28
圖表 8 三大經濟體零售額同比增長率（%） 30
圖表 9 世界貿易量同比增長率（%） 30
圖表 10 波羅的海干散貨運指數（%） 31
圖表 11 世界、發(fā)達國家和發(fā)展中國家消費價格同比上漲率（%） 32
圖表 12 美國、日本和歐元區(qū)失業(yè)率（%） 32
圖表 13 全球貿易量實際值和長期趨勢 33
圖表 14 2014年全球需求仍處于較低水平 34
圖表 15 2014年降息經濟體 35
圖表 16 2014年升息經濟體 35
圖表 17 一年來美國道瓊斯工業(yè)指數走勢 36
圖表 18 一年來新興市場股指走勢 37
圖表 19 一年來美元指數及美元兌歐元和日元走勢 37
圖表 20 一年來美元兌盧布走勢 38
圖表 21 一年來每單位外幣兌美元走勢 38
圖表 22 國際市場初級產品價格名義指數走勢（2010＝100） 39
圖表 23 2010-2014年國內生產總值及其增長速度 41
圖表 24 2010-2014年城鎮(zhèn)新增就業(yè)人數 42
圖表 25 2010-2014年國家全員勞動生產率 42
圖表 26 2014年居民消費價格月度漲跌幅度 43
圖表 27 2014年居民消費價格比上年漲跌幅度 44
圖表 28 2014年新建商品住宅月度同比價格上漲、持平、下降城市個數變化情況 44
圖表 29 2010-2014年全國一般公共財政收入 45
圖表 30 2010-2014年年末國家外匯儲備 46
圖表 31 2010-2014年糧食產量 46
圖表 32 2010-2014年全部工業(yè)增加值及其增長速度 48
圖表 33 2014年主要工業(yè)產品產量及其增長速度 48
圖表 34 2010-2014年建筑業(yè)增加值及其增長速度 51
圖表 35 2010-2014年全社會固定資產投資 51
圖表 36 2014年分行業(yè)固定資產投資（不含農戶）及其增長速度 52
圖表 37 2014年固定資產投資新增主要生產與運營能力 53
圖表 38 2014年房地產開發(fā)和銷售主要指標完成情況及其增長速度 54
圖表 39 2010-2014年社會消費品零售總額 55
圖表 40 2010-2014年貨物進出口總額 56
圖表 41 2014年貨物進出口總額及其增長速度 56
圖表 42 2014年主要商品出口數量、金額及其增長速度 57
圖表 43 2014年主要商品進口數量、金額及其增長速度 58
圖表 44 2014年對主要國家和地區(qū)貨物進出口額及其增長速度 59
圖表 45 2014年非金融領域外商直接投資及其增長速度 59
圖表 46 2014年非金融領域對外直接投資額及其增長速度 60
圖表 47 云計算與大數據關系 67
圖表 48 云計算與大數據的差異 68
圖表 49 2013年全球主要大數據廠商收入排名（百萬美元） 102
圖表 50 2011－2015 年中國金融行業(yè)IT 投資規(guī)模與增長 226
圖表 51 中國金融行業(yè)大數據應用投資結構 228
圖表 52 電信運營商海量數據分析處理分類模型 260
圖表 53 電信運營商海量數據分析處理需求 261
圖表 54 國內外商業(yè)智能廠商優(yōu)劣勢對比 344
圖表 55 IBM利潤表 347
圖表 56 甲骨文利潤表 356
圖表 57 微軟利潤表 363
圖表 58 SAP利潤表 368
圖表 59 EMC利潤表 375
圖表 60 惠普利潤表 381
圖表 61 Teradata利潤表 390
圖表 62 NetApp利潤表 393
圖表 63 亞馬遜利潤表 395
圖表 64 Google利潤表 399
圖表 65 2012年中國移動綜合損益表 401
圖表 66 2013年中國移動綜合損益表 403
圖表 67 2014年中國移動綜合損益表 404
圖表 68 2012年中國聯(lián)通利潤表 408
圖表 69 2013年中國聯(lián)通利潤表 410
圖表 70 2014年中國聯(lián)通利潤表 412
圖表 71 2012年中國電信經營綜合損益表 416
圖表 72 2013年中國電信經營綜合損益表 417
圖表 73 2014年中國電信經營綜合損益表 418
圖表 74 2012年百度公司利潤表 421
圖表 75 2012年百度公司資產負債表 422
圖表 76 2012年百度公司現(xiàn)金流量表 424
圖表 77 2013年百度公司利潤表 425
圖表 78 2013年百度公司資產負債表 427
圖表 79 2013年百度公司現(xiàn)金流量表 429
圖表 80 2014年百度公司利潤表 430
圖表 81 2012年騰訊綜合損益表 433
圖表 82 2013年騰訊綜合損益表 434
圖表 83 2014年騰訊綜合損益表 435
圖表 84 2012年拓爾思利潤表 436
圖表 85 2013年拓爾思利潤表 438
圖表 86 2014年拓爾思利潤表 440
圖表 87 2012年東方國信利潤表 443
圖表 88 2013年東方國信利潤表 444
圖表 89 2014年東方國信利潤表 446
圖表 90 2012年同有科技利潤表 449
圖表 91 2013年同有科技利潤表 451
圖表 92 2014年同有科技利潤表 452
|
