中国大数据产业链深度剖析和市场调研分析报告.docx
- 文档编号:17338496
- 上传时间:2023-07-24
- 格式:DOCX
- 页数:68
- 大小:20.19MB
中国大数据产业链深度剖析和市场调研分析报告.docx
《中国大数据产业链深度剖析和市场调研分析报告.docx》由会员分享,可在线阅读,更多相关《中国大数据产业链深度剖析和市场调研分析报告.docx(68页珍藏版)》请在冰点文库上搜索。
中国大数据产业链深度剖析和市场调研分析报告
中国大数据产业链深度剖析和市场调研分析报告
图表目录
表格目录
第一节大数据行业发展阶段
一、大数据从概念炒作阶段迈向实际应用阶段
大数据(BigData)穿越创新触发(innovationtrigger)、过高预期的顶点(peakoftheinflatedexpectation)、泡沫破灭低谷(troughofdisillusionment)、缓慢启发(slopeofenlightenment)到达新兴技术生命周期的生产力稳定(plateauofproductivity)时期。
图表1:
新兴技术生命周期,2015
来源:
Gartner's2015HypeCycleforEmergingTechnologies,北京欧立信信息咨询中心
从2015年图中,我们看到大数据的一些分支技术,仍出现在生命周期图中,如云计算(CloudComputing),在2013和2014时尚有2-5年产生稳定生产力,但是2015云计算方面实现突破,产生稳定收入。
又例如物联网(Internetofthings),2013年处于预期上升期,而近两年处于预期的高峰。
大数据总体作为一种技术已经由概念炒作向实际应用发展,并已实现一定的产出。
所以对于技术和业务成熟的公司,例如Google、Amazon、Facebook等,它们的大数据业务逐渐走向成熟。
图表2:
各国主要企业在大数据方面的支出
来源:
TheEmergingBigReturnsonBigData:
ATCS2013GlobalTrendStudy,北京欧立信信息咨询中心
二、从大数据市场规模看行业发展水平
图表3:
大数据业务收入增长率
来源:
Wikibon,北京欧立信信息咨询中心
仅从技术图说明大数据所处发展水平不够准确,我们使用wikibon对高科技公司大数据业务的收入情况来说明行业发展状态。
图表4:
大数据业务收入增长率
来源:
Wikibon,北京欧立信信息咨询中心
分析以上图表,我们首先看到,到了2015年,所有大数据相关业务的收入已经达到一定的规模。
更具体地看,云服务虽然总体占比不大,但是其增长率并未降低,说明企业在云服务上的投入不会降低。
专业服务由于2013-2015年的高增速,将在未来占据大数据领域最大的市场份额,因此也是很多企业转型的方向。
三、中国大数据行业进入高速发展期
两大特征:
(1)大数据创新企业由之前2014的亏损或平衡状态,在2015年迎来变现阶段,纷纷实现盈利。
(2)由于不同行业的数据资源处于不同阶段,大数据各行业发展阶段显示差异化。
图表5:
不同行业大数据的发展阶段
来源:
北京欧立信信息咨询中心
第二节大数据行业发展万事具备
表格1:
大数据发展的意义
来源:
公司路演资料,北京欧立信信息咨询中心
一、后工业时代,企业管理由粗放式向精细化转变,需要大数据支撑
1、数据成为未来社会的核心资源
随着云计算和大数据技术的发展,目前全球科技业已经达成共识,数据将是未来社会的核心资源。
在逐步实现人与人、人与服务、人与物、物与物连接的进程下,物联网社会的现实就是海量数据的生产和连通,这就是大数据应用的基础。
在互联网和移动互联网的刺激下,全球数据量爆发式增长。
图表6:
大数据产生速度与规模
来源:
互联网,北京欧立信信息咨询中心
图表7:
全球数据量,单位:
EB
来源:
EMCCorporation,北京欧立信信息咨询中心
图表8:
全球大数据产业预测,单位:
亿美元
来源:
wikibon,北京欧立信信息咨询中心
根据IDC国际数据公司发布的数据:
2003年全球数据总量仅为0.005ZB(1ZB=1021EB),到了2010年也仅为1.23ZB。
不过随着移动互联网、传感器的普及,全球大数据产业已经逐渐走向了高速发展的风口,预计2015年数据产生量将达到8ZB,到2020年,这一数据预计将达到40ZB。
根据市场调研机构wikibon公布的数据显示:
从市场规模方向来看,全球大数据市场呈快速扩张形态,2014年市场规模达到285亿美元,同比增长53.2%。
而整个市场仍在不断扩大,预计到2017年,全球大数据市场规模将突破500亿美元。
图表9:
2009-2014年中国IDC市场规模单位:
亿元
来源:
中国IDC圈,北京欧立信信息咨询中心
在中国市场方面,根据中国IDC圈产业研究中心发布的《2014-2015年度IDC行业发展研究报告》中的数据显示,2014年中国IDC(InternetDataCenter互联网数据中心)市场规模达到372.2亿元,同比增长41.8%。
在过去的6年内,中国IDC市场年复合增长率达到38.6%。
在今后的一段时间内,中国大数据产业仍会有广阔的市场空间和增长潜力,根据贵阳大数据交易所公布的《2015年中国大数据交易白皮书》显示,预计2020年中国大数据市场规模将突破8000亿元。
具体到产业价值链来看,传统产业的价值链以企业的资产和核心能力为中心,然后通过人力,财力,物力提供产品或者服务,然后通过销售端,最终到达消费者。
而未来产业的价值链以消费者为中心,开始于消费者的偏好,通过消费者的偏好来设计产品或者服务,通过人力,财力,物力来支撑体系的运行。
图表10:
传统产业价值链
来源:
北京欧立信信息咨询中心
图表11:
现代产业价值链
来源:
北京欧立信信息咨询中心
大数据时代,每个消费者都可以发出清晰而有力的声音,一个企业如果没有重视自己客户的意思,必然会被竞争对手取代,“以消费者为中心”成为必然的选择,这也必然导致商业模式的转变,现在正在发生的多边平台(将两个或更多的不同客户群体集合在一起,通过他们的相互依赖的关系获取价值)、定制化生产、依托海量信息开发新产品或服务,这一切都要源于对客户的理解。
运用大数据,可以将产品实现精准的匹配,客户的划分可以从大众化、细分化变为微分化、个性化。
例如亚马逊收集上亿客户的单体客户行为:
你搜索了什么,看了哪些产品的详细介绍,最终购买了什么产品。
为具有相似爱好的人群提供重要的参考。
大数据时代,客户实际上也已经介入到企业中,当商品出现过度供给后,企业价值链开始从生产驱动转向需求驱动,大数据引导企业价值链趋于深度整合,驱动企业价值链智能化和柔性化,在研发和设计、生产、供应、营销、售后服务等价值链环节不断优化企业。
产业升级在于信息的共享,数据的深度应用。
2、大数据特点突出
大数据的特点体现在四个维度(4V),数据量大(Volume):
计量单位可达到是PB(1000TB),乃至ZB(10亿个TB);类型繁多(Variety):
包括结构化、半结构化、非结构化数据;价值密度低(Value):
有价值信息被淹没在海量信息之中;速度快、时效高(Velocity):
处理速度也跟上数据增长速度,时效性要求高。
表格2:
大数据产品四个维度外的其它典型特点
来源:
北京欧立信信息咨询中心
表格3:
数据的时效性和累积性要求
来源:
北京欧立信信息咨询中心
大数据对于数据有时效性的特点,使不同企业掌握的数据源发挥的效力产生不同。
二、大数据与O2O、共享经济和物联网形成良性互动
1、大数据是服务业的特征,为020提供完美的变现通道
O2O商业模式将实体经济与线上资源融合在一起,使网络成为实体经济延伸到虚拟世界的渠道;线下商业可以到线上挖掘和吸引客源,而消费者可以在线上筛选商品和服务并完成支付,再到实体店完成余下消费。
近年来随着智能手机和移动互联网的高速发展,O2O交易额和用户量爆发式增长,由用户创造的海量数据远远超越了目前人力所能处理的范畴。
庞大的数据量使得数据过载、数据冗余、数据捕获成本快速增长、数据价值不易获得成为O2O电子商务面临的新问题。
O2O电子商务用户数据为在O2O电商日常经营中产生和积累的与用户相关的交易、互动、观测数据。
O2O用户数据具有大数据的特征:
体量大、类型多、速率快、价值高。
大数据挖掘成为O2O电商用户数据转化为具有价值知识的重要手段,是通过分析海量数据,从数据海洋中寻找其规律的技术。
针对O2O电商用户数据特点,大数据挖掘为O2O电商提供更有用的知识,更精确的信息以及更及时的响应.
图表12:
O2O电商用户大数据挖掘框架
来源:
互联网,北京欧立信信息咨询中心
O2O电商用户数据挖掘应用,通过数据深度分析,挖掘出用户的行为特征、消费习惯和兴趣焦点,让O2O电商各参与者获得具有极大价值的知识。
面向O2O电商平台,O2O电商用户数据挖掘可以帮助平台制定更加精准有效的营销策略;面向O2O商家,大数据挖掘可以使线下商家实时掌握市场动态并迅速做出应对;面向O2O用户,大数据挖掘可以帮助O2O平台及O2O商家为其提供更加及时、经济和个性化的服务。
2、大数据是共享经济的重要推动力
“共享经济”从狭义来讲,是指以获得一定报酬为主要目的,基于陌生人且存在物品使用权暂时转移的一种商业模式。
共享经济模式主要有三大主体:
商品或服务的需求方、供给方和共享经济平台。
共享经济平台作为移动互联网的产物,通过移动LBS(位置服务)应用、动态算法与定价、双方互评体系等一系列机制的建立,使得供给与需求方通过共享经济平台进行交易。
据统计,2014年全球共享经济的市场规模达到150亿美金。
预计到2025年,这一数字将达到3350亿美金,年均复合增长率达到36%。
Uber和Airbnb作为全球共享经济产业内的龙头,在过去3年迅猛发展,两家成立不到10年的企业,当前估值已经分别达到510亿美金和255亿美金。
其中,Uber公司成为全球估值达到500亿美元用时最短的公司(5年零11个月),并超过小米成为全球估值最高的非上市科技公司。
表格4:
全球共享经济龙头Uber和Airbnb
来源:
互联网,北京欧立信信息咨询中心
不难看出,共享经济的诞生,就是信息技术飞速发展的结果。
例如Uber、Airbnb等著名的企业,都是依靠对大量数据的处理实现资源的有效对接与共享。
共享经济的特点就是资源的切割与匹配,其背后要依靠大量的数据处理,而大数据技术有助于实现更好的资源切割与更智能的匹配。
未来共享经济还会延伸到工业领域,例如对办公场所、生产线、供应链,甚至人力资本的共享。
3、物联网,互联网+将线下数据迁移到线上
近年来,物联网已经形成,而且发展迅速。
物联网(IOT)或万物互联(IoE)指的是连入互联网的一切设备或物体,比如智能手表、Fitbit计步器甚至是冰箱、汽车等。
IDC预测,到2020年底,物联网设备规模将达到2120亿。
物联网的普及、联网设备的爆发式增长,直接带动社会方方面面的数据从线下转移到线上,海量并且极具价值的数据成为未来大数据重要的数据来源,将通过大数据分析服务于各个领域。
《互联网进化论》一书中提出“互联网的未来功能和结构将于人类大脑高度相似,也将具备互联网虚拟感觉,虚拟运动,虚拟中枢,虚拟记忆神经系统”,并绘制了一幅互联网虚拟大脑结构图。
1)物联网对应了互联网的感觉和运动神经系统。
2)云计算是互联网的核心硬件层和核心软件层的集合,也是互联网中枢神经系统萌芽。
3)大数据代表了互联网的信息层(数据海洋),是互联网智慧和意识产生的基础。
4)包括物联网,传统互联网,移动互联网在源源不断的向互联网大数据层汇聚数据和接受数据。
图表13:
互联网虚拟大脑结构图
来源:
《互联网进化论》,北京欧立信信息咨询中心
三、云计算与大数据的发展相互促进
从技术上看,大数据和云计算的关系是相辅相成的。
大数据必须采用分布式架构,在对海量数据进行分布式数据挖掘的过程中,大数据必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
图表14:
大数据和云计算关系构成图
来源:
工业和信息化部电信研究院,北京欧立信信息咨询中心
全球云计算产业进入高速发展期。
云计算包括三个层次的服务:
基础架构即服务(IaaS),平台即服务(PaaS)和软件即服务(SaaS)。
来自SAP关于云计算采用的研究《TheCloudGrowUp》中提出,69%的企业预计在未来三年内将会中度或者重度投资在云计算上,这意味着它们的核心业务功能将迁移到云上。
Gartner预测2015年全球云计算服务市场总收入将突破1800亿美元。
2015年2月,国务院下发《关于促进云计算创新发展培育信息产业新业态的意见》,支持政府机构和企业创新大数据服务模式,政府部门要加大采购云计算服务的力度等一系列措施。
云计算降低了使用IT资源的门槛,为数据集中化创造了基础,极大的促进了大数据产业的发展。
云计算中心基础设施的不断完善使得大型数据中心和PaaS类运行平台的趋于成熟,为SaaS类应用业务市场的大规模启动创造了条件。
SaaS应用的大规模使用降低了用户使用软件的成本,促进了企业信息化程度额提高,又进一步促进了数据集中化。
图表15:
2011-2017年全球云计算市场规模(亿美元)
来源:
Wikibon,北京欧立信信息咨询中心
图表16:
云计算助推大数据发展
来源:
互联网,北京欧立信信息咨询中心
四、大数据占据国家战略高度,处于政策机遇期
自2014年3月“大数据”首次出现在《政府工作报告》中以来,国务院常务会议一年内6次提及大数据运用。
在2015年6月的国务院常务会议上,李克强总理再次强调“我们正在推进简政放权,放管结合、优化服务,而大数据手段的运用十分重要。
”
2015年9月,国务院颁布《促进大数据发展行动纲要》。
明确了未来5-10年的主要任务和政府职责,明确表示要坚持创新驱动发展,加快大数据部署,深化大数据应用。
2015年10月29日,国民经济和社会发展第十三个五年规划的建议:
1)实施国家大数据战略,推进数据资源开放共享;2)运用大数据技术,提高经济运行信息及时性和准确性。
表格5:
中国大数据产业支持政策
来源:
北京欧立信信息咨询中心
第三节大数据产业链剖析
一、大数据产业链已初具雏形,数据源是关键
大数据产业链可以分为四个部分:
数据采集处理、数据存储计算、数据分析挖掘、数据行业应用。
无论是哪一个环节都离不开数据源,在理想的情况下,越多的数据源,就能够产生对业务支持的最大价值;谁拥有数据的数量越多和质量越好,就意味着谁能够在大数据产业中拥有更大的想象空间,创造更大的价值。
图表17:
大数据生态圈
来源:
互联网,北京欧立信信息咨询中心
图表18:
大数据产业链架构
来源:
互联网,北京欧立信信息咨询中心
一般而言企业利用的数据量不足其所获得的5%,在数据每年约60%增长的背景下,企业平均捕获其中25%-30%的数据(Forester估计),因此作为企业战略资产的数据价值远远未被挖掘。
而根据麦肯锡的研究,大数据的挖掘和应用可以创造出远超万亿美金的价值,数据的处理技术将成为企业的利润之源。
对数据的洞察力进一步体现到公司的战略和行动,形成正反馈,有助于企业积累竞争优势,创造更多的利润,使得行业龙头强者恒强。
因此,在我国乃至全球,大数据加工处理空间巨大,通过此类服务,可以减轻用户在本地数据处理软硬件资源上的时间、资金、人力投入,进而更加关注产品研发和科学研究问题本身。
做好大数据处理与分析等业务,不但可以充分加速大数据的流通使用,而且也能给企业带来巨大利润。
图表19:
大数据细分产业链图(从数据源到数据应用)
来源:
北京欧立信信息咨询中心
图表20:
大数据预处理产业链图
来源:
北京欧立信信息咨询中心
图表21:
大数据数据挖掘产业链图
来源:
北京欧立信信息咨询中心
第四节大数据深刻变革各个行业
一、依托于大数据的精准营销改变了传统传媒行业
1、大数据深入实现营销精准化、个性化
通过收集互联网用户的各类数据,如地域分布等属性数据,搜索关键词等即时数据,购物行为、浏览行为等行为数据,以及兴趣爱好、人脉关系等社交数据,可以在广告推送中实现地域定向、需求定向、偏好定向、关系定向等定向方式,实现精准化、个性化营销。
2、大数据整合实现跨平台、跨终端广告推送
通过对大数据的整合,可以实现跨平台、跨终端的广告推送。
例如通过微博、论坛、中小网站等平台向网民推送与其在电商网站上的购物历史、浏览信息或搜索引擎中使用过的搜索关键词等信息相关联的广告。
同时,谷歌眼睛等穿戴式设备的出现将推动跨平台数据的整合。
通过对大数据的分析形成的消费者画像可以依托统一账号等身份识别方式实现跨终端的广告推送。
图表22:
2015-2018年中国大数据营销市场规模
来源:
易观智库,北京欧立信信息咨询中心
图表23:
中国大数据营销服务市场AMC模型
来源:
易观智库,北京欧立信信息咨询中心
根据易观智库的分析,从发展历程上看,中国大数据营销服务市场从2006年前后浮现,但真正的繁盛是随着2012年前后大数据概念及消费者智能概念的兴起后。
同时多种新型服务形态厂商不断涌现,带动了会员智能管理、媒体洞察等热点方向的形成。
主要行业聚焦在快销、汽车、教育等营销渠道受新兴商业模式冲击严重,同时决策周期较长的行业中,目前市场仍在快速发展中。
预计2020年前后,基于大数据的营销服务将成为市场常态。
表格6:
BAT大数据营销战略与数据特点
来源:
北京欧立信信息咨询中心
二、大数据给人工智能带来了新的发展机遇,即深度学习
传统人工智能用的是符号推理模型和数据推动模型,只能解决小规模的问题,很难推广。
新时代计算机的发展方向就是传统信息处理,加上人工智能,有了大数据的支持,深度学习算法输出结果会随着数据处理量的增大而更加准确。
表格7:
人工智能中深度学习与机器学习的区别
来源:
XX,北京欧立信信息咨询中心
XX首席科学家吴恩达(AndrewNg)在硅谷的XXBIGTALK大会上表示,深度算法将和大数据结合,使新的人工智能算法越来越好,未来人工智能虚拟圈里完成整个循环。
电脑视觉是深度学习带来的革命,深度学习的算法是改变整个人工智能的方法。
而要实现深度学习,就要拥有强大的数据收集和处理能力。
比如,用户使用语音搜索,这个过程虽然简单,但是这需要在综合各种环境后,从千万中语音数据中,从来总结出十万多个小时的数据,通过这些数据,可以建立矩阵,跟其他的语音识别系统效果要更好,这背后秘诀就是强大的数据来支撑。
图表24:
XX深度学习“大脑计划”
来源:
互联网,北京欧立信信息咨询中心
人工智能需要有大数据支撑,人工智能主要有三个分支:
1)基于规则的人工智能。
2)无规则,计算机读取大量数据,根据数据的统计、概率分析等方法,进行智能处理的人工智能。
3)基于神经元网络的一种深度学习。
基于规则的人工智能,在计算机内根据规定的语法结构录入规则,用这些规则进行智能处理,缺乏灵活性,不适合实用化。
因此,人工智能实际上的主流分支是后两者。
而后两者都是通过“计算机读取大量数据,提升人工智能本身的能力/精准度”。
如今,大量数据产生之后,有低成本的存储器将其存储,有高速的CPU对其进行处理,所以才有了人工智能后两个分支的理论得以实践。
由此,人工智能就能做出接近人类的处理或者判断,提升精准度。
同时,采用人工智能的服务作为高附加值服务,成为了获取更多用户的主要因素,而不断增加的用户,产生更多的数据,使得人工智能进一步优化。
三、大数据将深刻的改变各行各业
大数据实践包含多个维度,按照行业划分,包括金融大数据、医疗大数据、零售大数据、交通大数据、运营商大数据、互联网大数据、物流大数据等等。
目前,大数据已经渗透到各行各业,对各个行业来讲都是一场革命。
除了营销传媒和人工智能行业外,大数据也将在医疗、金融、电子商务、零售、通信、政府等各个行业带来翻天覆地的变化。
表格8:
大数据正在各个领域发挥重大作用
来源:
阿里研究院,北京欧立信信息咨询中心
图表25:
大数据对各行业的影响
来源:
易观智库,北京欧立信信息咨询中心
第五节大数据行业市场容量
一、全球大数据市场规模惊人
Wikibon估测2014年全球大数据市场规模达到285亿美元,同比增长53.2%,大数据成为全球IT支出新的增长点。
预计到2017年全球大数据市场规模将达到501亿美元。
全球大数据市场目前仍处于发展初期,大数据的硬件设备相关业务,目前仍然占据大数据市场的较大比重。
根据赛迪智库的报告,2014年全球大数据市场中,行业解决方案、计算分析服务、存储服务和数据库服务市场份额排名最靠前的细分市场,分别占据35.4%、17.3%、14.7%、和12.5%的市场份额。
其中大数据应用市场占比为7.9%。
目前来讲,大数据的硬件设备相关业务占据了绝大多数市场份额,将成为大数据产业发展的最直接受益者。
但从更广义的角度来看,大数据带来的是社发展空间难以估量。
图表26:
2011-2017年全球大数据市场规模(亿美元)
来源:
Wikibon,北京欧立信信息咨询中心
图表27:
2014年全球大数据细分市场占比
来源:
赛迪智库,北京欧立信信息咨询中心
大数据所产生价值,最重要的是应用价值,所以对中国的企业来讲,除非是BAT级别的企业有能力在数据库等软件开发上面做投入,其他中小型的企业会向数据资源、数据挖掘和数据应用等方面加大投入和寻求突破。
二、国际巨头纷纷布局大数据
目前,大量各类厂商积极进军大数据领域。
图表28:
国内外大数据产业链上的代表公司
来源:
大数据技术研究综述,北京欧立信信息咨询中心
2014年IBM大数据业务收入为13.68亿美元,HP和Dell的大数据收入分别为8.69和6.52亿美元,排在第二三位。
三家公司的大数据业务主要来自于硬件解决方案。
收入最高的纯大数据分析公司为Palantir(为政府和金融机构提供数据分析软件服务),Pivotal(大数据集成产品,提供Hadoop,内存SQL数据库以及MPP等多种服务)和Splunk(大规模机器数据收集,存储,可视化分析),分别为4.18亿,3亿,2.83亿美元。
外界普遍认为谷歌未来将是大数据巨无霸。
得益于自身在互联网数据方面的积累,以及用户数据的丰富,谷歌被认为是未来大数据领域的巨无霸,谷歌将充分利用自己在数据和技术方面的优势,为全球各个行业的公司和客户提供大数据应用解决方案。
图表29:
2014年国际公司大数据业务收入(百万美元)
来源:
2015中国大数据交易白皮书,北京欧立信信息咨询中心
三、中国与美国大数据市场容量分析
我们总结wikibon估计的大数据市场容量,作为中国市场容量分析的基础。
图表30:
大数据业务收入增长率
来源:
Wikibon,北京欧立信信息咨询中心
我们看到,wikibon估计大数据业务收入在经历2013-2015年的高速增长后,最终在2017年达到500亿美元的数量级。
根据《中国大数据企业评级白皮书》,将中国大数据市场主要分为“BAT等互联网企业”、“传统IT企业”和“创新应用企业”三大类玩家,我们也以此为基础为中国大数据市场容量做一个比较合理的估计。
表格9:
公司收入及数据业务收入估计,单位:
亿元RMB
*注:
阿里巴巴2015营业收入按照比上年度增长30%估计
来源:
北京欧立信信息咨询中心
上图对BAT的数据业务做了估计,2014、2015年营业收入为财报披露数据,之后为预测。
2014年大数据业务占总收入占比数据来自于2013年wikibon报告中美国信息技术公司大数据业务占总收入比例的加权平均数,约为1.72%。
此后年度,大数据业务除了跟随营业收入增长,由于其高增长状态,在2017年以前额外给予30%的增长,2018-2020年跟随收入无额外增长。
据此预测,到2020年,仅BAT三家,大数据业务带来直接营业收入达到372.79亿。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中国 数据 产业链 深度 剖析 市场调研 分析 报告