報告簡介
大數據產業(yè)是對數量巨大、來源分散、格式多樣的數據進行采集、存儲和關聯(lián)分析,從中發(fā)現新知識、創(chuàng)造新價值、提升新能力的新一代信息技術和服務業(yè)態(tài)。大數據主要應用領域包括教育、交通、能源、大健康、金融等。隨著移動互聯(lián)網、物聯(lián)網、云計算產業(yè)的深入發(fā)展,大數據國家戰(zhàn)略的加速落地,2019年大數據體量呈現爆發(fā)式增長態(tài)勢。
一、大數據產業(yè)鏈
大數據產業(yè)鏈可以從數據源、大數據產品、大數據服務應用這三大塊來講。目前,我國的數據來源包括政府部門、企業(yè)數據采集及供應商、互聯(lián)網數據采集及供應商、數據流通平臺等。而大數據產品包括大數據平臺、云儲存、數據安全等基礎軟件產品;加工分析、解決方案等軟件產品;大數據采集、接入、存儲、傳輸等硬件設備產品。大數據服務方面,主要為應用服務、分析服務、基礎設施服務等供應商。
二、大數據市場分析
隨著移動互聯(lián)網、物聯(lián)網、云計算產業(yè)的深入發(fā)展,大數據國家戰(zhàn)略的加速落地,2019年大數據體量呈現爆發(fā)式增長態(tài)勢。數據顯示,2017年中國大數據產業(yè)規(guī)模達到4800億元,同比增長23%;其中,大數據硬件產業(yè)的產值為234億元,同比增長39%。
2018年我國大數據產業(yè)規(guī)模突破6000億元;隨著大數據在各行業(yè)的融合應用不斷深化,預計2019年中國大數據市場產值將達到8080億元。2019年包括數據挖掘、機器學習、產業(yè)轉型、數據資產管理、信息安全等大數據技術及應用領域都將面臨新的發(fā)展突破,成為推動經濟高質量發(fā)展的新動力。
具體分市場來看,未來大數據產業(yè)中應用層的規(guī)模將占比最大。目前,大數據廣泛應用在工業(yè)、企業(yè)管理、交通、金融、醫(yī)療等方面,但應用深度仍有待挖掘。隨著技術的不斷提升,未來大數據技術的應用不管從縱向或是橫向來看都將更加廣泛,規(guī)模擴大。
除了應用以外,大數據產業(yè)衍生的其他產品也將不斷擴張,市場規(guī)模排名第二。硬件、技術作為必不可少的環(huán)節(jié),在大數據產業(yè)規(guī)模中占比不小。而數據的來源、采集以及交易方面的市場占比則相對較小。
(1)應用層:大數據的應用是實現其價值的重要渠道,隨著大數據在實體經濟行業(yè)、政府機構、新興行業(yè)等領域的融合應用加深,通過分布式并行計算、人工智能等技術對大量數據進行分析、挖掘,再作用到行業(yè)的生產、管理等。隨著大數據技術及產品的應用進一步普及,預計應用市場在大數據產業(yè)中的占比將提高。
(2)衍生層:大數據產業(yè)鏈涉及的環(huán)節(jié)眾多,隨著大數據市場需求擴大,為了更好的滿足用戶需要,更好的支持大數據技術、大數據產品或是大數據服務,將衍生出不少相關的新業(yè)態(tài)。此外,新興產業(yè)快速發(fā)展的背景下,“大數據+”將帶來新業(yè)態(tài)、新模式。大數據產業(yè)衍生市場占比將進一步提高,將近兩成。
(3)硬件層:大數據技術中的硬件產品包括芯片、傳感器、傳輸設備、存儲設備、服務器、安全設備等,是支撐大數據產業(yè)基礎設施的建設,在大數據產業(yè)的占比不小。隨著需求升級、應用擴大,未來大數據技術硬件支撐也將不斷優(yōu)化升級。
(4)技術層:大數據產業(yè)鏈涉及的環(huán)節(jié)眾多,隨著大數據市場需求擴大,為了更好的滿足用戶需要,更好的支持大數據技術、大數據產品或是大數據服務,將衍生出不少相關的新業(yè)態(tài)。此外,新興產業(yè)快速發(fā)展的背景下,“大數據+”將帶來新業(yè)態(tài)、新模式。大數據產業(yè)衍生市場占比將進一步提高,將近兩成。
(5)數據源:數據源是大數據產業(yè)的基礎,大數據概念在我國的發(fā)展相對較晚,整體體系仍待完善,數據源覆蓋面不夠大。目前,我國數據來源主要有政府部門、互聯(lián)網巨頭、移動通信企業(yè)等。相對于應用、技術等領域來說,數據源市場份額在大數據產業(yè)中占比較小。
(6)交易層:大數據交易可以打破行業(yè)信息壁壘,為用戶提供大量數據源、管理、分析等,實現數據價值的最大化。但目前,我國大數據產業(yè)仍在發(fā)展階段,大數據交易市場尚未成熟。未來,隨著大數據交易市場統(tǒng)一規(guī)范,平臺、流通、管理等環(huán)節(jié)更為成熟、完善,大數據交易市場將進一步擴大。
報告目錄
2020-2024年中國大數據行業(yè)投資分析及產業(yè)供需格局預測研究分析報告
[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
1.1 大數據介紹
1.1.1 大數據的產生
1.1.2 大數據的定義
1.1.3 大數據的特點
1.1.4 大數據的類型
1.1.5 大數據典型分類
1.1.6 大數據的各個環(huán)節(jié)
1.2 大數據的價值及影響
1.2.1 大數據價值分析
1.2.2 大數據研究意義
1.2.3 大數據應用價值
1.2.4 對信息時代影響
1.3 大數據產業(yè)鏈構成分析
1.3.1 大數據產業(yè)鏈結構
1.3.2 大數據產業(yè)鏈領域
1.3.3 產業(yè)鏈價值流動方向
1.4 大數據技術層結構分析
1.4.1 大數據關鍵技術構成
1.4.2 大數據采集與預處理技術
1.4.3 大數據存儲管理技術
1.4.4 大數據處理的核心技術
1.4.5 大數據分析挖掘技術
1.4.6 大數據可視化技術
1.4.7 大數據安全技術
第二章 2017-2019年國際大數據產業(yè)發(fā)展分析
2.1 2017-2019年全球大數據產業(yè)總體發(fā)展分析
2.1.1 產業(yè)發(fā)展變革
2.1.2 產業(yè)規(guī)模狀況
2.1.3 企業(yè)類型分布
2.1.4 產業(yè)人才發(fā)展
2.1.5 數據中心發(fā)展
2.1.6 各國政府助推
2.2 歐盟大數據產業(yè)發(fā)展布局
2.2.1 歐盟通用數據保護條例
2.2.2 歐盟數據經濟規(guī)模分析
2.2.3 歐盟推進大數據產業(yè)發(fā)展
2.2.4 歐盟大數據產業(yè)戰(zhàn)略特點
2.2.5 產業(yè)戰(zhàn)略建設的相關啟示
2.2.6 歐盟布局大數據產業(yè)應用
2.2.7 歐盟大數據產業(yè)發(fā)展規(guī)劃
2.3 美國大數據產業(yè)發(fā)展分析
2.3.1 大數據發(fā)展扶持政策
2.3.2 大數據產業(yè)發(fā)展戰(zhàn)略
2.3.3 大數據應用案例分析
2.3.4 大數據企業(yè)分布情況
2.3.5 大數據投資情況分析
2.3.6 大數據協(xié)同創(chuàng)新措施
2.3.7 大數據技術發(fā)展措施
2.4 日本大數據產業(yè)發(fā)展分析
2.4.1 大數據發(fā)展歷程
2.4.2 大數據發(fā)展趨勢
2.4.3 大數據預防災害
2.4.4 “限定提供數據”條款
2.4.5 對我國大數據法律啟示
2.5 2017-2019年其他國家大數據產業(yè)發(fā)展狀況
2.5.1 法國
2.5.2 韓國
第三章 2017-2019年中國大數據產業(yè)發(fā)展分析
3.1 2017-2019年中國大數據產業(yè)發(fā)展綜述
3.1.1 大數據產業(yè)概念分析
3.1.2 大數據發(fā)展的必然性
3.1.3 大數據產業(yè)驅動主體
3.1.4 大數據產業(yè)發(fā)展階段
3.1.5 地區(qū)大數據產業(yè)聯(lián)盟
3.1.6 數字經濟的發(fā)展水平
3.1.7 大數據總體市場規(guī)模
3.1.8 大數據核心產業(yè)規(guī)模
3.2 中國大數據產業(yè)發(fā)展進程分析
3.2.1 政策方面
3.2.2 技術方面
3.2.3 應用方面
3.2.4 試點方面
3.2.5 人才方面
3.3 2017-2019年大數據產業(yè)競爭格局
3.3.1 大數據產業(yè)競爭主體分類
3.3.2 產業(yè)鏈環(huán)節(jié)競爭格局分析
3.3.3 大數據競爭企業(yè)資本層次
3.3.4 大數據百強企業(yè)統(tǒng)計分析
3.3.5 大數據創(chuàng)新場景應用服務商
3.3.6 互聯(lián)網企業(yè)布局大數據產業(yè)
3.3.7 大數據熱點應用領域的競爭
3.3.8 大數據產業(yè)競爭趨勢展望
3.4 2017-2019年中國大數據市場供需分析
3.4.1 大數據市場供給結構
3.4.2 主要行業(yè)大數據需求狀況
3.4.3 企業(yè)大數據的應用及需求
3.4.4 大數據細分領域需求場景
3.4.5 大數據熱點領域需求分析
3.4.6 數據小型機市場需求分析
3.5 中國大數據產業(yè)存在的問題
3.5.1 面臨挑戰(zhàn)分析
3.5.2 核心技術薄弱
3.5.3 數據相關問題
3.5.4 數據安全問題
3.5.5 人才供需問題
3.6 中國大數據產業(yè)的發(fā)展策略
3.6.1 相關政策建議
3.6.2 推進研發(fā)應用
3.6.3 避免過度建設
3.6.4 提高數據安全
3.6.5 地區(qū)發(fā)展思路
3.6.6 推動標準建設
3.6.7 打破信息孤島
第四章 大數據產業(yè)上游——數據源存儲層
4.1 數據來源層分析
4.1.1 大數據的來源渠道
4.1.2 數據資源的網絡基礎
4.1.3 數據資源SWOT分析
4.1.4 數據資源獲取難度
4.1.5 數據資源開放情況
4.2 數據存儲層分析
4.2.1 大數據存儲方式
4.2.2 大數據儲量規(guī)模分析
4.2.3 大數據存儲架構分析
4.2.4 數據倉庫建設的重要性
4.2.5 新型MPP數據庫的價值
4.3 數據存儲中心建設狀況
4.3.1 全球數據中心裝機規(guī)模
4.3.2 國內數據中心建設狀況
4.3.3 數據中心區(qū)域發(fā)展格局
4.3.4 數據中心的建設特點分析
4.3.5 數據中心的市場競爭格局
4.3.6 大數據中心未來發(fā)展趨勢
4.3.7 數據中心的布局策略分析
4.3.8 數據中心機房節(jié)能降耗策略
4.4 數據資源型企業(yè)——電信運營商
4.4.1 中國移動
4.4.1.1 企業(yè)發(fā)展概況
4.4.1.2 大數據發(fā)展優(yōu)勢
4.4.1.3 移動大數據應用
4.4.2 中國電信
4.4.2.1 企業(yè)發(fā)展概況
4.4.2.2 大數據產業(yè)布局
4.4.2.3 加快數據項目建設
4.4.3 中國聯(lián)通
4.4.3.1 企業(yè)發(fā)展概況
4.4.3.2 業(yè)務發(fā)展分析
4.4.3.3 大數據項目建設
4.4.3.4 未來前景展望
4.5 數據資源型企業(yè)——BAT企業(yè)
4.5.1 阿里巴巴
4.5.1.1 企業(yè)發(fā)展概況
4.5.1.2 產品技術架構
4.5.1.3 大數據計算服務
4.5.1.4 大數據平臺演變
4.5.1.5 企業(yè)數據庫方案
4.5.2 百度公司
4.5.2.1 企業(yè)發(fā)展概況
4.5.2.2 大數據解決方案
4.5.2.3 大數據分析平臺
4.5.2.4 數據安全方案
4.5.3 騰訊公司
4.5.3.1 企業(yè)發(fā)展概況
4.5.3.2 騰訊大數據平臺
4.5.3.3 構建大數據生態(tài)
4.5.3.4 大數據布局動態(tài)
第五章 大數據產業(yè)中游——數據分析處理層
5.1 大數據處理及分析技術綜況
5.1.1 大數據采集與預處理
5.1.2 數據處理框架分析
5.1.3 數據計算模式分析
5.1.4 數據分析細分領域
5.1.5 大數據分析的優(yōu)劣勢
5.2 大數據分析處理產業(yè)發(fā)展進程
5.2.1 技術生態(tài)分析
5.2.2 技術研發(fā)熱點
5.2.3 技術應用領域
5.2.4 企業(yè)布局加快
5.2.5 技術發(fā)展趨勢
5.3 大數據可視化分析技術分析
5.3.1 數據可視化的基本概述
5.3.2 大數據可視化市場規(guī)模
5.3.3 大數據可視化市場格局
5.3.4 數據可視化的研究進展
5.3.5 數據可視化的應用工具
5.3.6 數據可視化面臨的挑戰(zhàn)
5.3.7 數據可視化技術發(fā)展趨勢
5.4 大數據安全處理技術分析
5.4.1 大數據安全問題分析
5.4.2 大數據安全涉及的模塊
5.4.3 數據安全防護技術分析
5.4.4 數據脫敏安全控制技術
5.4.5 大數據安全防護體系分析
5.5 大數據技術擁有型企業(yè)分析
5.5.1 拓爾思
5.5.1.1 企業(yè)發(fā)展概況
5.5.1.2 大數據產品發(fā)布
5.5.2 同有科技
5.5.2.1 企業(yè)發(fā)展概況
5.5.2.2 大數據應用產品
5.5.3 浪潮集團
5.5.3.1 企業(yè)發(fā)展概況
5.5.3.2 數據基礎模型
5.5.3.3 加快推進地區(qū)合作
5.5.3.4 建立智慧城市平臺
5.5.3.5 推進數據社會化發(fā)展
5.5.4 華為公司
5.5.4.1 企業(yè)發(fā)展概況
5.5.4.2 大數據解決方案
5.5.4.3 大數據產業(yè)園建設
5.5.4.4 大數據產業(yè)合作
第六章 大數據產業(yè)下游——數據交易層
6.1 大數據交易層分析
6.1.1 大數據交易層分析
6.1.2 數據交易品種及類型
6.1.3 數據交易的影響因素
6.1.4 大數據交易標準體系
6.1.5 數據交易市場發(fā)展對策
6.2 大數據交易市場運行狀況
6.2.1 大數據交易市場環(huán)境
6.2.2 大數據交易市場構成
6.2.3 大數據交易市場規(guī)模
6.2.4 大數據市場定價方式
6.2.5 細分大數據交易狀況
6.2.6 全國首個交易中心成立
6.2.7 大數據交易產業(yè)發(fā)展動態(tài)
6.2.8 大數據交易市場人才需求
6.3 國際重點大數據交易平臺分析
6.3.1 Factual
6.3.2 InfoChimps
6.3.3 Microsoft Azure
6.3.4 Fujitsu
6.4 中國大數據交易平臺發(fā)展綜況
6.4.1 交易平臺經營范圍
6.4.2 交易平臺發(fā)展背景
6.4.3 各地大數據交易平臺
6.4.4 地區(qū)性平臺建設動態(tài)
6.4.5 平臺未來發(fā)展策略
6.5 中國典型大數據交易平臺分析
6.5.1 貴陽大數據交易所
6.5.1.1 平臺發(fā)展概況
6.5.1.2 平臺發(fā)展優(yōu)勢
6.5.1.3 平臺發(fā)展劣勢
6.5.1.4 平臺運營狀況
6.5.1.5 平臺發(fā)展特點
6.5.2 數據堂交易平臺
6.5.2.1 平臺發(fā)展概況
6.5.2.2 平臺發(fā)展優(yōu)勢
6.5.2.3 平臺發(fā)展劣勢
6.5.2.4 商業(yè)模式分析
6.5.3 中關村大數據交易平臺
6.5.3.1 平臺發(fā)展概況
6.5.3.2 平臺發(fā)展優(yōu)勢
6.5.3.3 平臺發(fā)展劣勢
6.5.4 香港大數據交易所
6.5.4.1 平臺發(fā)展概況
6.5.4.2 平臺發(fā)展動態(tài)
第七章 大數據產業(yè)下游——數據應用層
7.1 大數據應用層分析
7.1.1 大數據應用層結構
7.1.2 大數據衍生應用層
7.2 大數據應用服務型企業(yè)介紹
7.2.1 百分點集團
7.2.1.1 企業(yè)發(fā)展概況
7.2.1.2 大數據產業(yè)布局
7.2.2 明略數據
7.2.2.1 企業(yè)發(fā)展概況
7.2.2.2 大數據分析產品
7.2.3 Talking Data
7.2.3.1 企業(yè)發(fā)展概況
7.2.3.2 未來發(fā)展態(tài)勢分析
7.3 工業(yè)大數據
7.3.1 工業(yè)大數據基本概況
7.3.2 工業(yè)大數據發(fā)展階段
7.3.3 工業(yè)大數據市場規(guī)模
7.3.4 工業(yè)大數據應用案例
7.3.5 工業(yè)大數據政策分析
7.3.6 工業(yè)大數據發(fā)展問題對策
7.3.7 工業(yè)大數據應用趨勢分析
7.4 醫(yī)療大數據
7.4.1 醫(yī)療大數據體系分析
7.4.2 醫(yī)療大數據應用場景
7.4.3 醫(yī)療大數據市場規(guī)模
7.4.4 醫(yī)療大數據市場供需
7.4.5 醫(yī)療大數據區(qū)域格局
7.4.6 醫(yī)療大數據應用案例
7.4.7 醫(yī)療大數據發(fā)展問題及對策
7.4.8 醫(yī)療大數據發(fā)展方向分析
7.5 金融大數據
7.5.1 金融大數據體系分析
7.5.2 金融大數據典型應用領域
7.5.3 金融大數據創(chuàng)新應用領域
7.5.4 金融大數據市場競爭格局
7.5.5 金融行業(yè)大數據發(fā)展特征
7.5.6 金融大數據應用市場規(guī)模
7.5.7 金融大數據發(fā)展挑戰(zhàn)及對策
7.6 交通大數據
7.6.1 交通大數據應用概況
7.6.2 交通大數據應用狀況分析
7.6.3 交通行業(yè)大數據應用需求
7.6.4 國家級交通大數據實驗室成立
7.6.5 交通大數據融合應用試點項目
7.6.6 交通出行大數據合作動態(tài)
7.6.7 交通大數據應用案例分析
7.6.8 交通大數據應用問題及對策
7.6.9 交通大數據應用未來發(fā)展展望
7.7 電信大數據
7.7.1 電信大數據源供給規(guī)模
7.7.2 電信大數據應用需求分析
7.7.3 電信行業(yè)大數據應用情況
7.7.4 電信運營商價值數據分布
7.7.5 運營商大數據的應用模式
7.7.6 運營商數據中心建設分布
7.7.7 電信行業(yè)大數據應用案例
7.7.8 電信大數據發(fā)展的挑戰(zhàn)及對策
7.8 零售大數據
7.8.1 零售大數據發(fā)展概況
7.8.2 零售行業(yè)數據采集方式
7.8.3 零售行業(yè)大數據應用需求
7.8.4 零售行業(yè)大數據應用現狀
7.8.5 大數據下的新零售模式
7.8.6 零售大數據發(fā)展問題及對策
7.8.7 企業(yè)應用零售大數據的方向
7.9 電商大數據
7.9.1 電商大數據的主要來源
7.9.2 大數據處理對電子商務的影響
7.9.3 電子商務大數據的應用需求
7.9.4 電子商務大數據的具體應用
7.9.5 數據分析提高電商企業(yè)績效
7.9.6 全球首個電商大數據指數發(fā)布
7.9.7 政府重視電商大數據共享工作
7.9.8 電商大數據應用的挑戰(zhàn)及對策
7.10 政府大數據
7.10.1 政府數據資產基本分類
7.10.2 政府大數據的頂層設計
7.10.3 政府大數據的經濟價值
7.10.4 政府部門大數據應用案例
7.10.5 政府大數據信息公開需求
7.10.6 政府大數據發(fā)展路徑分析
7.10.7 政務大數據應用趨勢分析
第八章 2017-2019年大數據應用軟件及設備分析
8.1 大數據應用軟件分析
8.1.1 大數據典型軟件分析
8.1.2 智能軟件的應用價值
8.1.3 大數據軟件市場規(guī)模
8.1.4 大數據軟件發(fā)展方向
8.2 大數據硬件設備分析
8.2.1 大數據硬件構成框架
8.2.2 大數據主要硬件設備
8.2.3 大數據硬件市場規(guī)模
8.3 大數據一體機設備分析
8.3.1 大數據一體機簡介
8.3.2 大數據一體機的優(yōu)劣分析
8.3.3 大數據一體機的應用價值
8.3.4 大數據一體機的用戶類型
8.3.5 國外競爭格局與品牌分布
8.3.6 國內市場競爭格局分析
8.3.7 國內企業(yè)競爭優(yōu)劣勢分析
8.3.8 國內主流品牌及其特點
第九章 2017-2019年大數據產業(yè)發(fā)展模式探究
9.1 大數據交易模式分析
9.1.1 以數據運營方式為分類標準
9.1.2 以大數據結構化程度為分類標準
9.1.3 以數據產權轉讓形式為分類標準
9.2 大數據行業(yè)盈利模式分析
9.2.1 解決方案
9.2.2 基礎設施
9.2.3 數據產品
9.2.4 行業(yè)應用
9.3 大數據行業(yè)商業(yè)模式分析
9.3.1 B2B大數據應用模式
9.3.2 技術提供及軟件開發(fā)
9.3.3 大數據咨詢分析服務
9.3.4 大數據通用服務模式
9.3.5 自有平臺大數據分析
9.3.6 信息訂制與采購模式
9.3.7 信息數據租售模式
9.4 企業(yè)大數據商業(yè)化應用模式
9.4.1 企業(yè)大數據的基本構成
9.4.2 企業(yè)大數據商業(yè)化應用背景
9.4.3 企業(yè)大數據商業(yè)化應用層面
9.4.4 企業(yè)大數據商業(yè)化應用關鍵
9.4.5 企業(yè)大數據商業(yè)化應用途徑
第十章 2017-2019年重點區(qū)域大數據行業(yè)發(fā)展分析
10.1 中國大數據產業(yè)區(qū)域發(fā)展格局
10.1.1 大數據產業(yè)集聚區(qū)域分布
10.1.2 大數據產業(yè)園區(qū)分布狀況
10.1.3 國家大數據綜合試驗區(qū)
10.1.4 各地設立大數據管理部門
10.2 大數產業(yè)區(qū)域發(fā)展指數分析
10.2.1 各省市大數據發(fā)展指數
10.2.2 各地區(qū)大數據發(fā)展?jié)摿?
10.2.3 各地區(qū)大數據發(fā)展態(tài)勢
10.2.4 其地區(qū)大數據應用態(tài)勢
10.2.5 各地區(qū)大數據技術研發(fā)
10.2.6 各地區(qū)大數據共享態(tài)勢
10.3 京津冀大數據產業(yè)集群
10.3.1 京津冀地區(qū)經濟運行情況
10.3.2 京津冀大數據產業(yè)發(fā)展綜況
10.3.3 河北省大數據產業(yè)發(fā)展狀況
10.3.4 北京市大數據產業(yè)發(fā)展狀況
10.3.5 天津市大數據產業(yè)發(fā)展綜況
10.3.6 天津市大數據產業(yè)發(fā)展動態(tài)
10.4 珠三角大數據產業(yè)集群
10.4.1 珠三角地區(qū)基本運行狀況
10.4.2 珠三角大數據產業(yè)發(fā)展綜況
10.4.3 大數據試驗區(qū)建設方案出臺
10.4.4 廣州市大數據產業(yè)發(fā)展布局
10.4.5 深圳市大數據產業(yè)發(fā)展狀況
10.5 長三角大數據產業(yè)集群
10.5.1 長三角地區(qū)基本發(fā)展狀況
10.5.2 長三角大數據產業(yè)發(fā)展綜況
10.5.3 長三角大數據產業(yè)發(fā)展特點
10.5.4 上海市大數據產業(yè)發(fā)展布局
10.5.5 浙江省大數據產業(yè)發(fā)展狀況
10.6 西南大數據產業(yè)集群
10.6.1 西南地區(qū)基本發(fā)展狀況
10.6.2 西南大數據產業(yè)發(fā)展?jié)摿?
10.6.3 重慶市大數據產業(yè)發(fā)展狀況
10.6.4 四川省大數據產業(yè)發(fā)展布局
10.7 其他地區(qū)大數據產業(yè)發(fā)展動態(tài)
10.7.1 內蒙古
10.7.2 河南省
10.7.3 安徽省
10.7.4 湖南省
10.7.5 江西省
10.8 大數據產業(yè)園區(qū)發(fā)展分析
10.8.1 大數據產業(yè)園概述
10.8.2 大數據產業(yè)園格局
10.8.3 大數據產業(yè)園分布
10.8.4 大數據產業(yè)園典型模式
10.8.5 產業(yè)園面臨機遇與挑戰(zhàn)
10.8.6 國家級新區(qū)布局大數據
10.9 典型發(fā)展案例——貴州大數據產業(yè)發(fā)展經驗
10.9.1 貴州大數據發(fā)展機遇及優(yōu)勢
10.9.2 貴州省大數據發(fā)展地位
10.9.3 貴州大數據產業(yè)優(yōu)惠政策
10.9.4 貴州大數據產業(yè)運行狀況
10.9.5 大數據與實體經濟融合
10.9.6 貴陽市大數據發(fā)展狀況
10.9.7 貴陽大數據交易規(guī)模分析
10.9.8 貴安新區(qū)大數據建設狀況
10.9.9 貴州大數據應用狀況分析
第十一章 對中國大數據產業(yè)投資價值分析
11.1 大數據產業(yè)投資價值及機會評估
11.1.1 投資價值綜合評估
11.1.2 市場投資機會評估
11.1.3 投資發(fā)展動力評估
11.1.4 投資進入時機分析
11.1.5 產業(yè)投資象項分布
11.2 大數據行業(yè)投資壁壘分析
11.2.1 競爭壁壘
11.2.2 技術壁壘
11.2.3 資金壁壘
11.2.4 政策壁壘
11.3 大數據產業(yè)投資風險及防范
11.3.1 大數據行業(yè)投資風險綜述
11.3.2 數據的流動性和可獲取性風險
11.3.3 大數據安全風險及防范機制
11.3.4 大數據項目投資風險急劇增加
11.3.5 大數據產業(yè)投資建議與策略
11.3.6 評估大數據產業(yè)投資回報的措施
11.4 對2020-2024年中國大數據產業(yè)預測分析
11.4.1 2020-2024年中國大數據產業(yè)影響因素分析
11.4.2 2020-2024年中國大數據產業(yè)市場規(guī)模預測
11.4.3 2020-2024年中國數據經濟市場規(guī)模預測
第十二章 對中國大數據產業(yè)投融資分析
12.1 A股及新三板上市公司在大數據產業(yè)投資動態(tài)分析
12.1.1 投資項目綜述
12.1.2 投資區(qū)域分布
12.1.3 投資模式分析
12.1.4 典型投資案例
12.2 大數據行業(yè)投融資結構分析
12.2.1 主要融資模式
12.2.2 融資規(guī)模分析
12.2.3 融資結構分析
12.2.4 投資潛力領域
12.3 中國大數據產業(yè)融資動態(tài)分析
12.3.1 天弘基金注資數據米鋪
12.3.2 海量集團A+輪融資動態(tài)
12.3.3 商圈雷達完成新一輪融資
12.3.4 九次方大數據完成C輪融資
12.3.5 二手車大數據企業(yè)融資動態(tài)
12.3.6 醫(yī)療大數據企業(yè)融資動態(tài)
12.3.7 大數據征信平臺完成融資
12.4 中國大數據產業(yè)投資項目案例
12.4.1 城市數據湖運營項目
12.4.2 大數據系統(tǒng)平臺項目
12.4.3 大數據產業(yè)園建設項目
12.4.4 大數據管理平臺建設項目
12.5 中國大數據產業(yè)鏈投資機會分析
12.5.1 硬件層面投資機會分析
12.5.2 軟件層面投資機會分析
12.5.3 信息服務層面投資機會
第十三章 大數據產業(yè)發(fā)展前景及趨勢
13.1 全球大數據產業(yè)發(fā)展前景及趨勢預測
13.1.1 全球大數據收入規(guī)模預測
13.1.2 全球大數據產業(yè)發(fā)展趨勢
13.1.3 全球大數據市場發(fā)展熱點展望
13.2 中國大數據產業(yè)發(fā)展機遇及前景預測
13.2.1 財政機遇分析
13.2.2 產業(yè)發(fā)展機遇
13.2.3 行業(yè)未來發(fā)展特點
13.2.4 大數據市場熱點分析
13.2.5 大數據市場重點內容
13.2.6 大數據人才需求預測
13.3 中國大數據產業(yè)發(fā)展趨勢預測
13.3.1 大數據產業(yè)趨勢預測
13.3.2 大數據重點應用方向
13.3.3 區(qū)域特色化發(fā)展趨勢
13.3.4 產業(yè)融合發(fā)展趨勢加深
13.3.5 大數據技術發(fā)展方向分析
13.3.6 數據安全和數據流動成為焦點
13.3.7 “十三五”大數據產業(yè)發(fā)展趨勢
第十四章 大數據產業(yè)發(fā)展政策分析
14.1 大數據產業(yè)政策體系分析
14.1.1 發(fā)達國家大數據政策對比
14.1.2 大數據產業(yè)政策匯總分析
14.1.3 中國大數據產業(yè)發(fā)展綱要
14.1.4 大數據標準化白皮書分析
14.1.5 大數據產業(yè)管理機制分析
14.2 大數據產業(yè)應用類政策分析
14.2.1 金融機構大數據治理規(guī)范
14.2.2 醫(yī)療大數據政策總體分析
14.2.3 交通運輸信息資源整合
14.2.4 交通旅游大數據應用試點
14.2.5 林業(yè)大數據發(fā)展指導意見
14.2.6 水利大數據發(fā)展指導意見
14.2.7 生態(tài)環(huán)境信息化建設方案
14.2.8 國土資源大數據應用政策
14.3 “十三五”大數據產業(yè)發(fā)展規(guī)劃
14.3.1 發(fā)展目標
14.3.2 重點任務
14.3.3 保障措施
14.4 大數據產業(yè)區(qū)域性政策規(guī)劃
14.4.1 首部大數據地方法規(guī)發(fā)布
14.4.2 東莞市大數據產業(yè)發(fā)展規(guī)劃
14.4.3 福州市大數據產業(yè)發(fā)展計劃
14.4.4 北京大數據建設工作方案
14.4.5 貴州省大數據產業(yè)發(fā)展規(guī)劃
14.4.6 貴州大數據與工業(yè)融合方案
14.4.7 內蒙古大數據發(fā)展總體規(guī)劃
14.4.8 廣西省數字社會的建設規(guī)劃
14.4.9 湖南省大數據產業(yè)發(fā)展計劃
14.4.10 湖北省大數據產業(yè)發(fā)展規(guī)劃
14.4.11 河南省大數據產業(yè)發(fā)展規(guī)劃
14.4.12 河北省大數據產業(yè)發(fā)展計劃
圖表目錄
圖表1 大數據的4V特征
圖表2 大數據的類型
圖表3 大數據技術框架
圖表4 大數據的價值
圖表5 大數據產業(yè)鏈
圖表6 大數據產業(yè)主要數據資產類企業(yè)
圖表7 大數據產業(yè)鏈產值分布及發(fā)展方向
圖表8 大數據關鍵技術
圖表9 中國大數據產業(yè)鏈技術層細分
圖表10 未來大數據處理的核心技術
圖表11 數據可視化軟件平臺
圖表12 2018-2027年全球大數據細分市場規(guī)模預測
圖表13 2018年全球大數據企業(yè)類型分布
圖表14 2018年大數據產業(yè)人才分布
圖表15 2018年全球大型數據中心數量分布
圖表16 美國大數據研發(fā)與協(xié)同創(chuàng)新的主要政策文件
圖表17 2018年美國大數據產業(yè)企業(yè)分布
圖表18 2005-2019年NITRD預算趨勢
圖表19 日本大數據發(fā)展歷程
圖表20 2011-2018年大數據發(fā)展趨勢
圖表21 大數據產業(yè)企業(yè)布局情況
圖表22 中國大數據市場發(fā)展階段
圖表23 2017-2018年新成立的大數據產業(yè)聯(lián)盟
圖表24 2017-2023年中國數字經濟市場規(guī)模統(tǒng)計情況及預測
圖表25 2015-2018年大數據市場產值圖
圖表26 2015-2020年中國大數據核心產業(yè)規(guī)模及增速
圖表27 2018年大數據產業(yè)發(fā)展試點示范項目公示名單
圖表28 大數據人才培養(yǎng)要求
圖表29 大數據產業(yè)鏈不同環(huán)節(jié)競爭格局
圖表30 大數據企業(yè)資本層次
圖表31 中國大數據投資價值百強榜
圖表32 大數據創(chuàng)新場景應用服務商TOP40
圖表33 中國大數據應用領域企業(yè)
圖表34 互聯(lián)網行業(yè)大數據應用場景
圖表35 電信行業(yè)大數據應用場景
圖表36 金融行業(yè)大數據應用場景
圖表37 制造行業(yè)大數據應用場景
圖表38 企業(yè)現有的數據規(guī)模
圖表39 企業(yè)數據類型的構成
圖表40 大數據時代企業(yè)所能感覺到的數據變化
圖表41 目前企業(yè)處理大數據所面臨的問題
圖表42 企業(yè)對大數據的態(tài)度和認知
圖表43 企業(yè)在線則大數據平臺時所考慮的因素
圖表44 企業(yè)小型機的當前使用情況及未來計劃
圖表45 市場上大數據技術類人才招聘數量占比及求職人數占比
圖表46 主要城市大數據就業(yè)市場活躍度
圖表47 大數據行業(yè)求職者學歷與招聘需求占比
圖表48 大數據產業(yè)招聘及求職期望薪水分布
圖表49 中國大數據產業(yè)鏈數據源細分
圖表50 中國大數據資源SWOT分析
圖表51 2019年省級數林分布
圖表52 MPP架構圖
圖表53 2011-2017年全球數據儲量
圖表54 大數據的云存儲平臺
圖表55 MPP與Hadoop技術融合的產品架構圖
圖表56 iDB產品核心功能架構圖
圖表57 百度大數據+平臺
圖表58 九寨溝景區(qū)客流量預測系統(tǒng)
圖表59 峨眉山景區(qū)游客七日去向展示
圖表60 利用大數據進行在線精準營銷的效果
圖表61 騰訊大數據平臺的核心模塊
圖表62 Gaia主要結構
圖表63 TDBank的處理系統(tǒng)
圖表64 TDBank運行流程
圖表65 騰訊分布式數據倉庫
圖表66 Spark VS Mapreduce
圖表67 TRC運作流程
圖表68 大數據處理的關鍵層次架構
圖表69 典型大數據計算模式與系統(tǒng)
圖表70 數據分析細分領域和具體技術
圖表71 Palantir旗下兩大產品涉及領域
圖表72 Hadoop和Spark生態(tài)系統(tǒng)
圖表73 大數據技術關注度
圖表74 參數服務器工作原理
圖表75 2017年中國大數據可視化市場規(guī)模
圖表76 2017年中國大數據可視化市場份額
圖表77 大數據安全涉及模塊
圖表78 從運營商大數據到最終行業(yè)應用的加工產業(yè)鏈
圖表79 運營商建設大數據的核心需求:水平化的大數據平臺
圖表80 華為“1+N”運營商大數據解決方案
圖表81 中國大數據產業(yè)鏈交易層細分
圖表82 可交易的數據品種及類型
圖表83 影響數據交易的四大因素
圖表84 大數據交易標準體系
圖表85 大數據交易產業(yè)主要人才需求
圖表86 各地區(qū)大數據交易平臺
圖表87 數據堂商業(yè)模式
圖表88 中國大數據產業(yè)鏈大數據衍生層細分
圖表89 工業(yè)大數據分類
圖表90 國內工業(yè)大數據發(fā)展史
圖表91 國家工業(yè)大數據相關政策
圖表92 工業(yè)和信息化部相關政策
圖表93 醫(yī)療業(yè)大數據產業(yè)鏈
圖表94 醫(yī)療數據來源
圖表95 醫(yī)療數據的特性
圖表96 醫(yī)療大數據的用途
圖表97 醫(yī)療大數據企業(yè)
圖表98 2018年健康醫(yī)療數據供應概況
圖表99 2012-2017年健康醫(yī)療大數據相關企業(yè)地域分布
圖表100 2018年中國健康醫(yī)療大數據細分領域企業(yè)分布
圖表101 IBM智慧醫(yī)療“沃森醫(yī)生”
圖表102 2016-2017年BAT健康醫(yī)療大數據產業(yè)鏈布局
圖表103 金融大數據產業(yè)鏈
圖表104 大數據金融的場景應用
圖表105 大數據智能洞察金融業(yè)
圖表106 金融行業(yè)客戶的重要性
圖表107 大數據洞察推動民生銀行的轉型與創(chuàng)新
圖表108 大數據預測金融欺詐
圖表109 證券業(yè)大數據應用
圖表110 保險業(yè)大數據應用
圖表111 中國金融行業(yè)大數據投資結構
圖表112 智能交通的數據處理體系
圖表113 交通大數據應用領域示意圖
圖表114 大數據在滴滴出行中的應用
圖表115 廣東省高速公路省監(jiān)控大數據綜合展示
圖表116 電信運營商大數據應用
圖表117 大數據與客戶生命周期管理
圖表118 我國主流數據中心區(qū)域分布
圖表119 三大運營商及第三方IDC運營商數據中心數量占比
圖表120 廣東移動使用的Apache Hadoop軟件的英特爾分發(fā)版
圖表121 電信運營商大數據處理需求
圖表122 線下零售大數據產業(yè)鏈
圖表123 線上零售大數據產業(yè)鏈
圖表124 零售行業(yè)大數據分析應用階段
圖表125 中國零售企業(yè)主要實施的大數據項目
圖表126 零售企業(yè)對大數據分析整體表現自我評價
圖表127 政府大數據應用十大工程
圖表128 中國各政府機構大數據應用
圖表129 中國大數據產業(yè)鏈硬件支撐層細分
圖表130 大數據一體機的發(fā)展演進
圖表131 大數據一體機的計算與存儲一體化
圖表132 卷積神經網絡處理一張圖片的計算量
圖表133 大數據行業(yè)目前的四大盈利模式
圖表134 大數據通用服務熱點
圖表135 企業(yè)大數據的構成
圖表136 2018年中國大數據產業(yè)資源分布圖
圖表137 2017年全國各省、市、自治區(qū)大數據發(fā)展指數
圖表138 分區(qū)域大數據發(fā)展指數
圖表139 大數據產業(yè)呈現集聚發(fā)展態(tài)勢
圖表140 2017年全國大數據發(fā)展環(huán)境指數
圖表141 全國大數據產業(yè)指數
圖表142 全國大數據應用指數
圖表143 全國各省市大數據技術研發(fā)創(chuàng)新分析
圖表144 2017年全國數據資源開放共享指數排名
圖表145 京津冀主導行業(yè)大數據市場發(fā)展占比
圖表146 2017年西南五。▍^(qū)、市)經濟運行狀況
圖表147 各地大數據產業(yè)園數量占比與關注度分布
圖表148 各省市產業(yè)園區(qū)關注度排名
圖表149 國家級新區(qū)布局大數據產業(yè)
圖表150 投資價值綜合評估:大數據
圖表151 大數據產業(yè)市場機會整體評估表
圖表152 大數據產業(yè)市場機會矩陣
圖表153 投資發(fā)展動力評估:大數據