2020年大数据投资价值百强企业图表 2020年大数据企业投资价值百强榜注:以上排名不分先后资料来源:2020年大数据产业生态联盟深度调研2020年大数据企业投资价值百强榜,依据自行设定的评判指标体系,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评比。经过专家打分,评选出2020年度大数据领域最具投资价值的100家企业。本榜单共选取了11个细分领域,涉及大数据基础软件、数据治理与分析、数据安全和商业智能4个通用领域,以及政府大数据、金融大数据、营销大数据、工业大数据、电信大数据、健康医疗大数据、教育大数据等7个融合应用领域。研究显示,部分大数据企业已经在软件与信息技术服务业、互联网或传统产业等领域深耕多年,企业本身已经形成一定规模,经过长时间的沉淀,在各自的细分领域中有较好的用户、渠道、技术、创新等积累,把握新一代信息技术创新发展机遇,在大数据采集、分析挖掘、存储、平台,以及与人工智能等技术深度融合应用方面,积极拓展大数据业务,具备较强的竞争优势,如帆软、神州医疗、树根互联、人大金仓等。这些企业通过横向投资、并购等手段,拓宽自身在大数据领域的赛道。此外,市场上大部分大数据企业成立时间较短,以中小企业为主。部分企业专注于大数据行业某一细分领域,深耕垂直行业,注重自主核心技术研发与迭代,为用户提供优质的大数据产品或服务,在这个过程中,这些大数据企业逐渐积累了稳定的用户以及大量的数据,在细分领域中建立了品牌和竞争优势,市场份额和地位不断提升。典型企业如百分点、三盟科技、网智天元、四方伟业、智慧星光、永洪科技、美林数据、数联铭品等。部分企业通过与大型平台企业(如阿里、腾讯、华为等)签署战略合作,加入平台生态,以及资本化运作的方式,不断扩大市场份额。 疫情给大数据行业带来的机遇从疫情后大数据细分领域未来机会点与业务预测方面来看,随着大数据技术与人工智能、物联网、5G等新一代信息技术深度融合,大数据在政务、应急管理、交通运输、健康医疗、社会保障等领域应用场景不断丰富。2020年,抗击新冠肺炎疫情是对国家治理体系和治理能力的一次大考,依靠整体性社会动员机制、织密的社会治理网络与现代化的网络技术正在发挥积极作用。但同时,此次疫情也暴露出社会治理存在的问题,给社会治理体系带来重大挑战,加强和创新社会治理,推动社会治理重心下移,成为了关注的焦点。根据2020大数据产业生态联盟调研数据分析显示,2020年,社会治理(安防、舆情、应急管理、信用、环境监测、交通、能源、城市管理等)、政务、软件与信息服务三个大数据细分领域最被大数据企业看好,未来机遇点多,受企业关注度高;同时,从市场上大数据业务来看,众多大数据企业更加看好政府业务,有50%的受访企业认为政府业务将给大数据企业带来较多机遇。图表 疫情后不同类型大数据业务机遇预测数据来源:2020大数据产业生态联盟调研
前言近年来,随着人们的数据意识和数据素养不断提升,商业智能和数据分析领域迎来了快速发展期,据Gartner商业智能报告统计,到2020年全球的商业智能市场容量预计将达到228亿美元。同时,大数据、人工智能、机器学习、深度学习等技术的快速发展,也促进了商业智能和数据分析产品的新一轮进化。Gartner分析师认为,到2020年,自然语言生成和人工智能将是90%的新BI平台的标准特征,50%的分析查询将使用搜索、自然语言处理,或语音生成,或将自动生成。但我们必须认识到,我国商业智能的市场特征、企业需求、关注点、发展阶段均与国外有所不同,以Gartner为代表的分析机构并不能准确描述我国商业智能行业的实际状况。针对这一问题,帆软数据应用研究院调研了规模不一的216家企事业单位,了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待,同时基于帆软数据应用研究院对行业的长期观察和思考,形成了该篇报告。主要预测:2018年,中国大数据 BI 产品将主要在自助分析的可操作性和功能丰富度、平台的安全性、数据管理能力、分析的共享能力、数据挖掘能力、大数据处理能力六大功能模块进行提升。一、2018年中国商业智能行业发展分析(一) 行业总体形势向好在当前经济环境下,企业盈利的压力和难度不断增加,越来越多的企业,尤其是一、二线稍具业务规模的企业,其高层都希望通过精细化运营提升市场竞争力,降低企业的运营成本。这些企业绝大多数都已经在2008年~2015年间上线了各种业务系统,存储了大量管理和运营数据,具备应用大数据BI进行数据分析和数据化管理的各种条件,这些需求将在2018年~2022年继续爆发。值得注意的是,艾瑞咨询在《2017年中国商业智能行业研究报告》中指出,我国已经进入商业智能领域第一方阵,成为发展最快的国家之一,但和美国还有比较大的差距。所以未来中国大数据BI行业总体将呈现加速度增长,市场容量将不断扩大。(二) 大数据BI厂商马太效应显现马太效应是指强者越强,弱者越弱的现象,国内BI行业的马太效应已经显现。据帆软品牌部调研数据显示,处于行业第一梯队的帆软、Tableau、微软PowerBI的品牌知名度和市场份额与其他厂商进一步拉大。帆软2017年全年营收2.77亿,远超其他国内厂商之和。同时帆软销售部反映,2017年度销售跟单中遇到的竞品种类和数量均较2016年有相当大幅度的下降。BI行业出现马太效应实属必然,综合实力强大的厂商更能投入资源做好产品、服务,解决更多用户的需求和问题。可以预见,2018年中国BI行业马太效应将进一步增强,逐步淘汰掉实力弱、规模小、产品差的企业。(三) 新型自助式BI与传统型BI平分秋色得益于敏捷、自助的特征,从2013年起新型自助式BI迎来了高速发展期,这一时期也是传统型BI的衰退期。2017年,传统型BI与新型自助式BI在国内市场中平分秋色。受访企业中,约50.2%的企业仍然在使用传统型BI,其中最典型的需求是企业常规日报、月报等汇总分析报告。约49.8%的企业应用新型自助式BI,通过报表平台+自助式BI+大数据底层平台的解决方案,来解决企业综合的数据展示和分析需求,形成经营和战略决策。在调研中我们注意到,约有18%的企业引进了新型自助式BI,部分或全部替代了传统BI。虽然传统型BI尤其自身优势和应用场景,但随着新型自助式BI的不断发展,传统型BI必将逐渐退出历史舞台,从国际传统BI巨头积极调整产品结构可见一斑。二、2017年中国商业智能用户状况分析根据企业的IT人员和业务人员在数据分析中的工作量和投入程度占比,我们将BI用户(企业)划分为5大类型,即BI应用金字塔模型,以更好的统计、分析企业的BI应用状况。(一) BI应用金字塔模型1. IT完全主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成95%以上的BI分析页面(注:主要是指用于生产、经营、管理会议所需要的数据分析页面,下同)的开发。业务人员仅负责前端数据查看,完成查看报表时相关联动钻取操作。调研中我们发现,处于“IT完全主导型”这一等级的企业,约有93.2%都在使用传统型BI工具,企业的业务人员基本没有能力,也没有需求去自主完成数据分析的工作。这些企业的业务变革并不剧烈,企业管理层认为当前的日常数据报告能够满足企业管理和决策的需要,相对缺少变革的动力。2. IT强主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成80%~95%数量的BI分析页面。业务人员完成低于20%数量的BI分析页面。从调研数据来看,这类企业中,67.5%的企业认为当前业务人员不具备数据分析的能力。而企业需要快速完成部分数据分析工作,所以选择让IT人员更多承担工作。这类企业中普遍认为,商业智能产品本身并非能够快速上手,且业务人员仍需要统计学基础,阻碍数据分析工作从IT人员向业务人员的转移。3. 业务强主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成前期示例不超过20%数量的BI分析页面。业务人员完成超过80%数量的BI分析页面。从调研数据来看,这类企业中,超过80.2%是曾经推行传统BI的企业,并且部分业务人员是有较高学历和能力的,能够学习和掌握商业智能工具和数据分析技能,并愿意在工作中积极使用;从帆软数据应用研究院的实地走访的部分企业来看,这些企业普遍行业排名靠前,公司从高层就重视数据分析工作。4. 业务完全主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的部分相关工作。业务人员完成95%以上数量的BI分析页面和相当部分BI工具层面的数据模型处理。相比于第三类使用人群(业务强主导型),这类用户的一大特点是业务变革十分迅速,从事业务工作的人员学历普遍较高,业务经营和发展需要企业快速做出决策。而基于数据分析得出的业务判断相比个人历史经验准确度更高,是这类企业基本共识。比如在新兴的互联网企业,或者新零售领域,这个特点尤为突出。5. 智能自助型其典型特征为,IT人员只做底层数据仓库、数据连接、数据字典相关工作。业务人员处理所有BI工具层面的数据处理,以及所有BI分析页面。IT人员搭建数据中心,业务人员完全自主处理和分析数据,这类企业有着明显的资源密集型的特点,业务人员更多的是偏向运营相关的工作。当然,因为此类受访企业占比较少,原因分析的可信度还有待进一步调研来核实。(二) BI用户状况分布基于BI应用金字塔模型,2017年企业分布如下;从调研数据中,我们可以得出两大结论。1、IT人员主导企业数据分析的模式仍占据主流,也就是IT驱动仍是2017年企业商业智能平台应用现状。从数据调研的受访企业来看,有高达60.5%的企业的数据分析工作仍是第二类型(IT强主导型),甚至有21.5%的企业的数据分析工作处在第一类型(IT完全主导型),这显然和业务人员自助数据分析的目标距离遥远。2、新型自助BI正在成为商业智能市场的主流。17.5%的企业是在2017年上线了新型自助BI,实现了让少部分业务人员自助完成BI数据分析的目标。三、2018年商业智能用户需求分析(一) 企业多级部门数据分层次IT权限和平台管控,占受访企业97.6%需求描述:BI工具支持企业的多级部门的数据/分析页面权限管控,使得不同层级的部门机构只能看到本部门机构和辖属部门机构的数据/分析页面。需求产生的原因:有的信息中心为释放压力,放权给业务部门使用数据,一旦口子打开,数据缺口就会像洪水一样泛滥,就又会走向另外一个极端,导致放权下的数据管理混乱,数据口径不统一,部门之间的数据壁垒等等问题就会出现,同时这将给企业带来极大的数据安全隐患。满足该需求对企业的价值和意义:在满足业务部门BI数据自助分析的同时,兼顾企业的数据权限管控,形成企业以IT部门集中管理下的良性数据分析风貌,杜绝企业数据安全隐患。(二) 业务人员可通过BI工具进行自助数据分析,占受访企业94.5%。需求描述:业务人员可以在浏览器前端,对自己权限范围内的数据进行多维拖拽探索和自助分析,发掘隐含在数据中的业务价值。需求产生的原因:企业的传统信息化建设中,IT信息中心对公司数据进行高度集中的管控,来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出,一旦业务部门需求集中扎堆,就会造成响应不足,业务部门怨声载道。信息中心自身成员熬夜加班做报表,成就感却很低。满足该需求对企业的价值和意义:通过高效灵活的BI工具,业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析,以工具简单易上手的低学习成本,让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索,最大化业务数据的分析维度和分析效率,灵活发掘数据中可能潜在的业务价值,同时也解放了IT人员的劳动力,降低企业人力成本。(三) 可快速搭建型自助BI业务数据模型,占受访企业87.5%。需求描述:数据库表中的数据需要基于业务分析主题进行分类管理,相关数据表之间支持手动/自动构建关联模型,同时建立的关联模型支持灵活应用,无需反复编辑修改或创建新的模型,一次建立即可灵活满足多重业务场景进行数据分析使用。需求产生的原因:传统BI工具创建的底层数据关联相互独立,无法重复利用,一旦遇到新的业务数据计算分析场景,数据关联就需要修改或重新创建,极为麻烦,非常不利于IT人员维护。满足该需求对企业的价值和意义:通过BI工具快速构建的新型自助式BI业务数据模型,较传统BI工具针对不同业务分析场景需要多次、重复建模的应用痛点,极大地提高了BI工具的企业中业务数据分析应用的效率,解放了以往IT人员对数据维护的压力。(四) OLAP多维分析:上卷、下钻、旋转、切片、联动、跳转等,占受访企业84.5%需求描述:BI工具支持强大的页面OLAP多维分析功能,包括分析视角的上卷、下钻,维度的旋转切换,指标的切换,分析数据的切片过滤,组件之间的联动过滤、页面超级链接跳转等。需求产生的原因:随着业务发展的复杂化,单一角度的数据分析往往难以再发掘出更多有价值的潜在业务信息,取而代之的是需要BI工具能够满足强大的页面OLAP多维分析功能。满足该需求对企业的价值和意义:通过BI工具强大的OLAP多维分析功能,以实现多角度、多关联数据之间的数据无限层次探索分析,发掘出数据中潜在的业务价值。(五) 大数据处理性能处理能力达到十亿数据秒级响应,占受访企业63.6%需求描述:BI工具可支撑处理亿级以上大数据分析计算的秒级响应,提供多维加速引擎对传统关系型数据仓库(SQLServer、Oracle、Mysql等)进行数据提速处理,同时也支持实时对接企业大数据平台(Vertical、Kylin、Greenplum等)进行数据分析计算。需求产生的原因:一方面,传统关系型数据库在面对上亿级别以上数据量时,容易出现性能瓶颈,长时间的查询等待往往会导致业务数据分析效率太低。另一方面,当今信息化水平飞速发展,越来越多的企业已经有了自己的高性能大数据平台,对于这部分企业来说,拥有一款能够直接对接大数据平台进行数据分析的工具尤为总要。满足该需求对企业的价值和意义:BI工具提供的强大数据计算处理引擎,能够降低企业数据查询等待时间成本,提高业务数据分析效率。同时,通过直接对接企业大数据平台,还可满足企业实时数据分析的需求。(六) 业务人员可完成工具层面的零代码数据加工处理工作,占受访企业57.5%。需求描述:BI工具可通过快速易上手的交互方式,让业务人员也能完成工具层面的零代码数据加工处理工作,例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法,实现对数据的无限层次多维透视分析统计。需求产生的原因:当业务需求相对偏复杂时,简单的维度和指标统计往往无法直接计算出业务所需要的计算结果,以往的处理方式往往可能是业务部门提需求给IT,然后IT经过SQL或者代码对底层数据表加工处理,然后最终导出一张excel数据表给业务部门,期间的反复沟通和等待时间往往降低了企业的业务数据分析应用效率。满足该需求对企业的价值和意义:通过BI工具,使得业务人员也能快速实现对数据的无限层次多维透视分和析加工统计,降低了传统模式下的沟通成本和等待时间,提高了企业业务数据分析的应用效率。(七) 移动端数据分析查看支持,占受访企业44.9%需求描述:BI工具支持移动端数据分析多维分析查看功能(兼容PC端的上卷、下钻、旋转、切片、联动、跳转等),对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等功能,同时满足某些社区平台如微信、钉钉的企业公众号集成。需求产生的原因:在当今这个移动设备便捷时代,仅仅PC端的数据分析已经不能满足某些特定时间和场所的业务分析需求了,而BI对移动端的支持已经成了必然要满足的功能点。满足该需求对企业的价值和意义:通过移动端的BI分析查看,使得数据分析不仅仅局限于PC端,较大地增强了数据分析的便捷性。同时微信和钉钉的集成接入,让业务通过社区平台也能直接查看想要的数据分析页面,更是为移动端数据分析锦上添花。四、中国大数据BI产品功能预测结合用户需求调研,和我国BI厂商的产品计划研究,2018年如下六个大的功能模块将会得到增强。(一) 提升自助分析的可操作性和功能丰富度为满足业务人员可通过BI工具进行自助数据分析的需求,中国大数据BI产品需要改善自助分析的功能和可操作性,包括图表的丰富性。前端布局自定义搭配,让业务人员随心所欲布置。比如仪表板自由布局,可快速拖拽生成所需要分析的页面;在全面支持常见的柱状图、条形图等图形基础上,增加支持中国(世界)地图、GIS地图、桑基图等大数据图表;为了适应更加多样的用户,大数据BI平台需要支持强大的OLAP多维分析功能,包括分析视角的上卷、下钻,维度的旋转切换,指标的切换,分析数据的切片过滤,组件之间的联动过滤、页面超级链接跳转等。业务人员在OLAP多维分析的基础上,能够在数据分析查看时,再次对所有维度进行二次的维度指标加工,并无限层次多维透视分析统计,全面开放业务人员对数据的处理和分析操作,以满足当前中国用户多个视角、多个层级的分析需求,把传统业务分析的智慧充分沉淀到数据分析系统中来。为了给不同用户提供个性化的视觉体验,大数据BI平台支持表格动态数值预警功能和图形设置动态警戒线,支持图表样式风格自由拖拽调整。同时,也需要大数据BI平台智能自动设置预警值和样式风格等。(二) 提升平台的数据挖掘能力为满足企业业务人员自助数据分析和自动挖掘的需求,中国大数据BI产品需要在已有的数据可视化和数据分析的功能基础上,增强数据自动挖掘能力,使业务人员在能够掌握挖掘基本概念的基础上,深入挖掘分析业务数据,为业务运营提供数据结论支持。大数据BI平台需要支持嵌入式高级分析功能,用户能够轻松使用平台内置的高级分析功能,也可以通过导入和集成外部开发的高级分析模型。比如平台内含数据挖掘常见算法(如线性预测、时序预测、聚类、分类等),或者提供外接其他数据挖掘平台和工具的可视化接口(如R语言或者Python语言),甚至内含适合特定业务场景的挖掘模型 。(三) 提升平台大数据处理能力为满足企业对大数据BI平台实时响应的需求,中国大数据BI产品需要将当前大数据处理能力提升一个量级,达到10亿数据量秒级响应水平,同时支持丰富多样的数据源。大数据BI平台需要支持丰富的数据源,如企业主流的关系型数据库、大数据平台、NOSQL数据库以及多维数据库,需要支持实时对接数据平台和分布式引擎拓展,同时支持跨数据源关联,同时支持对较大级别数据量进行数据抽取和索引建模,提高数据分析效率。(四) 提升平台的数据管理能力为了满足中国企业业务人员用户对数据处理的需求,中国大数据BI平台需要提升自身的元数据管理能力、数据的ETL处理能力、数据存储能力。提高元数据管理能力,使得用户能够集中管理元数据,包括对元数据进行检索、提取、处理、存储、分享复用和对外发布。中国企业的业务人员将需要在数据分析的过程中,直接操作经过IT人员标准化处理的元数据。近几年来,中国数据分析人才迅速增加,企业中也成长出一批有一定数据分析能力的业务人才,这些中国企业业务人才更多的是需要对数据进行ETL处理和存储,这就需要平台功支持用于查询、提取、转换和加载的功能,具有索引、管理、调度数据的能力。(五) 提升平台分析的共享能力随着ERP、OA、MES、HIS等常见业务系统的完善,企业少则数十套IT系统,多则上千套系统。新型自助BI需要能够与多个系统同时融合,全面分析企业的业务数据。这就需要中国大数据BI产品需要加强产品与不同软件系统的集成融合能力,这是中国企业面临的共同难题。大数据BI平台需要支持嵌入式部署,如主流的应用服务器,支持跨平台的权限集成和页面集成。大数据BI平台不同用户创建的分析页面,可以方便地分享给其他成员。同时,在企业的分析用户设计仪表板时,可以复用仪表板中的图表、维度、指标等,支持用户分享指定页面进行给其他部门成员,便于互动沟通交流。为满足企业人员实时办公、互通信息的需要。大数据BI平台还需要支持移动端上共享和查看分析结果,支持在移动端对分析结果进行数据层级钻取穿透、联动等。(六) 提升平台的安全性为了满足企业多级部门同时使用、不同权限的功能,中国大数据BI产品除了要提供灵活丰富的用户管理功能、权限控制功能,还需要内置强大的用户行为监控与分析功能,确保企业的数据安全和信息保密。大数据BI平台将支持持批量导入用户,支持同步企业统一权限管理数据库中的用户,以企业IT系统统一的用户管理方式进行用户管理。支持用户以企业IT系统统一的用户权限认证方式进行权限管理。同时,需要支持短信平台功能,并可用于用户账号身份验证等,多种用户和权限管理方式,来满足广大中国企业的不同的安全级别要求和安全管理策略。随着大数据BI在中国的发展,中国企业自身的大数据BI平台已有众多员工账号。这就对大数据BI平台提出新的挑战,除了要拦截非法用户,还要对大数据BI平台有效用户进行有效监控。2018年,大数据BI平台需要支持监控用户的操作行为,支持监控页面被访问的频次、访问来源,甚至是支持监控访问到的数据范围。为了保证大数据 BI平台系统持续支持企业经营管理,需要大数据BI平台支持系统数据迁移到企业数据库,支持对系统进行备份与还原,备份可以手动或设置周期定时备份。同时,支持云端服务器部署和本地服务器部署,支持多机热备,达到企业的灾备要求。此外,为了有效避免BI平台出现严重异常,还需要支持监控自身的运行性能,遇到系统性能风险,提前给出系统预警信号。
大数据整体市场规模达1000亿,其中行业应用市场规模为700亿,是最大细分领域。大数据在互联网、政府、金融成熟度最高。爱分析认为,提供整体解决方案的大数据公司机会最大。近日,爱分析在京举办了2018·中国大数据高峰论坛。TalkingData创始人崔晓波、邦盛科技创始人王新宇、九章云极创始人方磊等7位明星CEO分享了未来几年大数据行业的深度观察,爱分析在会上发布了《中国大数据行业报告》(以下简称报告)。《报告》称,2017年大数据行业整体市场规模1000亿,其中行业应用细分市场规模为700亿,是大数据行业最大细分领域,大数据在金融、政务、互联网成熟度最高。大数据整体市场规模1000亿,细分市场行业应用规模最大《报告》显示,整个大数据产业分为基础平台、通用技术、行业应用等多个细分市场,2017年大数据整体市场规模1000亿。细分市场中,基础平台整体市场规模在100亿元左右,通用技术整体市场规模在200亿元左右。行业应用层,大数据在各个行业应用差异较大,应用相对成熟的金融、政府领域市场规模为200亿元。整个行业应用市场规模为700亿。大数据在金融、政务、互联网成熟度最高《报告》显示,大数据在各行各业的成熟度与基础设施、市场规模和应用范围关系密切。根据调研,金融、政务、互联网这三个行业的IT投入位列各行业前列,随着“互联网+政务”的普及、政务云和政务大数据的落地,政府2017年IT投入超过800亿元,占中国IT总投入的5-10%。金融一直是重IT投入的行业,以银行为例,2017年中国银行业整体IT投资为800亿元,整个金融行业的IT投资突破千亿元大关。基础设施成熟度同样会对大数据应用落地应用产生很大影响。信息化是大数据的基础,互联网行业信息化程度最高,金融、政务行业在20世纪初已开始进行信息化建设,经历十几年发展,基础信息化已建设完毕。相比医疗、工业等领域,金融、政务和互联网行业结构化数据占比高,数据标准化程度高。云计算、大数据、AI、IoT多项技术融合是未来趋势,提供整体解决方案的公司机会最大《报告》指出,与国外不同,中国市场云计算、大数据、AI、IoT等技术几乎是同时间爆发,企业客户同一时间采购云计算、大数据、AI等产品,企业客户最终目的是通过新技术来实现开源节流,实现这一目标需要多项技术融合,技术边界正逐步模糊。云计算作为大数据的基础,大幅降低企业的IT硬件成本,将有超过50%的IT预算投入到大数据、AI等应用。AI促使大数据从辅助决策向替代决策进化,使大数据厂商突破工具软件天花板,发展空间放大10倍。在智能客服领域,AI技术的发展使得技术厂商的市场空间由原先的30-50亿提升到300-400亿。IoT技术的发展补全线下数据和机器数据,给大数据应用带来更加多元的数据,产生更加丰富的应用场景。在营销领域,通过WIFI、蓝牙、摄像头等途径,实现线上、线下数据的打通,形成整个营销闭环,从而实现跟踪用户的全生命周期,提升用户转化率。多项技术融合促使客户的需求更加多元化、复杂化,提供整体解决方案的大数据公司更加符合未来趋势,在整个产业链占据更重要地位,提供更加深度的场景化应用。以下为爱分析高级分析师李喆在会上发布报告的演讲实录。演讲实录李喆:在看待大数据行业未来趋势时,首先需要关注中美技术路径发展的差异,不仅仅是大数据,还包括云计算和AI等。从这张图,我们可以得出有几个结论:第一, 我们看到美国的市场是技术驱动,先从底层基础平台成熟,逐步延伸到上层应用。2006年AWS对外进行提供服务,2009-2010年大数据基础平台公司Cloudera、Hortonworks成立,2015年Google开源TensorFlow平台,这些事件促使云计算、大数据、AI进入快速发展阶段。中国市场更多以应用、政策为主导,云计算行业快速发展的原因是2012-2013年游戏等移动互联网的爆发,2014-2015年,政府出台一系列利好大数据的政策,促使整个行业快速发展。因此,中国市场应用型的公司发展速度更快。国外已经上市的大数据公司Splunk、Tableau、Cloudera、MongoDB都是基础平台和通用技术层的公司。国内市场发展速度快的TalkingData、同盾科技等公司,都是属于应用型的公司。第二, 不同于美国市场每一项技术中间会有一个很大的时间间隔,中国市场云计算、大数据、人工智能这些技术时间间隔很短,几乎是同时爆发。因此,数据在各个行业的发展是不均衡的,不同行业的渗透率差异很大。同时,大数据行业不能只看大数据,需要重点关注云计算、AI对大数据行业的影响。首先,我们看云计算对大数据的影响。云计算对大数据行业最大的影响是降低了整个基础设施的成本,未来会有50%以上的IT预算会投入到应用层,也就是大数据和AI。IT预算的结构将由左边的正三角形,转变成右边的倒三角形。以银行为例,不考虑上层应用,美国的银行在IT建设上会领先于中国的银行。根据我们的调研,中国的银行IT投入的70%都是在硬件投入,剩下30%投入是软件和服务。而美国的银行只有15-20%的IT预算投向硬件,更多预算投入到软件和服务。第二个影响是容器技术的成熟,降低了大数据业务的交付成本,从原来几个月的交付时间缩短到几周。第三个影响是,随着SaaS渗透率不断提升,更多的数据汇聚到云端,更加便捷的实现数据互通互联。其次,我们看AI对于大数据的影响,AI技术可以帮助大数据突破工具软件的天花板,将市场空间放大10倍,同时还可以降低大数据公司对人力的依赖,提高人均产能。以智能客服为例,客服软件市场规模是很小的,大概是30至50亿的市场规模,但整个客服市场规模很大。中国的客服人员有300-500万人,按照平均5-6万的人力成本计算,整个客服市场规模超过2000亿。如果其中有15-20%被智能客服替代,整个市场空间就有300-400亿。但如果厂商只做客服软件,即使加上数据分析等技术,能够提升人员效率,但依然很难触及到人力这部分市场,但通过AI技术,能够实现替代人力,厂商就能切入到这300-400亿的市场。公安领域,明略数据这样的公司通过深度服务公安客户,形成这个行业的知识图谱,也就是“公安大脑”。形成“公安大脑”后,明略数据在服务其他省市公安局的时候,会大大缩短服务周期,降低公司对人力的依赖,提升业务可复制性。因为各种技术几乎同时爆发,所以我们判断,多项技术融合是未来的趋势,会大幅提升各个行业的效率。下面这张图是大数据的业务链条,包含数据源、数据的采集、数据标准化、数据分析和数据应用。可以看出,各项技术其实都会对整个链条产生影响。IoT技术,补全了原本缺失的线下数据和机器数据。比如营销领域,之前可以拿到大部分是线上数据,用户点击的广告、网页的浏览行为。IoT的发展,通过WIFI、蓝牙、摄像头等方式,可以监测到用户的线下行为,打通了整个闭环。用户在线上看广告,官网浏览商品,再到实体店体验、购买,实现线上和线下的融合,有更多方式去提升转化效率。云计算使数据更容易汇聚,降低数据收集的难度,AI技术增强了数据分析能力。智能财税领域,针对小微企业的代账市场,传统软件不具备自动化和智能化,代账SaaS软件的普及,使越来越多的中小数据汇聚到云端,而依靠机器学习等AI技术,实现自动做账、自动报税。过去每名会计最多服务20到30家企业,但是依靠SaaS、大数据、AI技术等研发的代账软件,可以服务100到200家,未来还会进一步提升。这会使得传统代账公司的重心会放在获客和增值服务,而非基础做账业务,代账公司的服务半径扩大。多项技术融合后,客户的需求会更加多样化、复杂化,因此,我们判断做整体解决方案的公司机会最大。从产业链的角度看,做整体解决方案的公司更贴近客户,更容易获取标杆客户。提供单点能力的大数据公司,更多是技术提供方的角色,无法解决客户全部需求,在客户预算中只能占到很小的份额,集成商会占据更大的份额。整体解决方案的公司提供的是自下而上的服务,因此有机会从原来的技术提供商,成为过去集成商的角色。这样会带来几个方面的好处:首先,大数据公司能够触及的预算会更大。其次,可以延伸到其他需求。美国有一家做虚拟化的公司叫VMware,最早通过虚拟化产品拿下了很多500强的客户,但现在支撑他高速增长的是SDS和SDN业务。SDN业务是VMware收购了一家初创公司Nicira发展起来的。Nicira被收购的时候没什么收入,但VMware的SDN业务,只花了三年时间就做到10亿美金的收入。抛开技术原因,另一个原因是VMware有很强的客户资源,更有机会把他的新产品推向客户。第三,降低获取其他客户的门槛。企业服务市场,获客具备非常高的门槛,尤其对于初创公司获取客户信任的周期很长。金融大数据公司进入银行市场的时候,可能前期做POC就需要一年的时间。如果你有一个标杆客户,再去向同类公司进行推广的时候,难度会大大降低。标杆客户具备灯塔效应,不论是服务同体量的客户,还是下沉到腰部客户。从场景的角度,整体解决方案的公司更有机会把场景做深,提高价值。零售领域,很多公司从营销做起,但很难切入到库存管理、供应链管理。因为这些公司多数是提供营销工具,不是一个完整的解决方案。整体解决方案公司会从帮助客户建立大数据平台做起,更有机会从前端营销切入到后端业务,通过数据去打通各个环节。这也是因为当前中国的客户能力还相对不足,直接使用工具的成本和难度都很高。大数据公司需要将业务做重,单纯一个很轻的产品,价值度较低,很难形成壁垒。接下来,我们将分享大整个大数据的产业图谱,包括我们对每个细分领域的判断。这张图是我们对整个大数据的划分,从底层基础平台到上层行业应用,分为四大细分领域。基础平台分为交易型数据库、分析型数据库和围绕这两类数据库的计算引擎。基础平台往上有两个方向,一个是数据的方向,一个是技术的方向。数据方向有两类厂商,按照是否具备数据源分为第一方和第三方。技术方向是指大数据平台之上,具备通用性的数据处理的技术,包括 BI与可视化、日志分析等。行业应用更多的是直接面向一个个场景,用大数据技术去解决各个行业的场景去落地的公司。这是我们总结的大数据市场规模。市场规模最大的是行业应用,基础平台是市场规模最小的细分领域。根据我们的调研,2017年整个中国大数据的市场规模是1000亿,我们测算的逻辑主要分成两类:一类方法是Top Down。比如,我们测算中国BI领域市场规模,我们首先看全球市场BI的市场规模,全球BI的市场规模大概是180亿美金,考虑到BI在IT投入的比例,中国和全球应该大体一致,中国的比例会略低于全球的市场。全球的IT投入大概是3.6万亿美金,中国的IT投入大概是2.3万亿人民币,因此,我们测算中国的BI市场规模大概是135亿人民币。再比如,行业应用中的工业大数据,通过我们测算大概是100亿人民币市场规模。我们的方法是通过行业成熟企业的投入比例,去推断大数据在整个工业产值的比例。国家电网2017年营收在2万亿,每年在大数据的总投入是5亿。金风科技2017年营收260亿,在大数据的投入在500-1000万之间,由此可以判断规模以上的企业投入比例大概为1-2%。另一类是Bottom Up。重点看头部公司它的收入和市场份额。基础平台这个市场,我们主要看Oracle,因为它是市占率最高的公司。2017年亚太地区的收入是45-50亿美金的数据,其中数据库的比例大概会占到30%左右,所以是十几亿美金规模,中国市场收入会比这个数据要低,Oracle的占有率是在40%至50%之间。因此我们判断国内的基础平台的市场规模在100亿左右。再比如AI平台,我们判断AI平台(数据科学平台)这个领域是20多亿的规模,主要是考虑国内市场,这个领域最大的公司是SAS,每年收入30亿美金,在亚太地区的市场份额大概占到10%左右,而他的市占率会在50-60%,因此整个市场规模会在25亿上下。从各个细分领域来看,我们还是会去重点关注大数据的行业应用,大数据的最大价值肯定是体现在行业应用。从政府的大数据发展规划来看,2020年整个大数据市场规模将达到1万亿。但从IT投入来看,2017年IT软件与服务的投入只有1500亿。因此,未来大数据厂商切的主要预算不会来自IT,而是业务预算。只有做行业应用的公司才更有机会拿到业务预算。因此,我们判断,行业应用会是未来最大的细分领域。我们重点关注的是金融、政务这两个领域,主要去通过大数据在各行各业的成熟度判断。根据爱分析大数据成熟度模型,我们主要从市场规模、基础设施和应用范围去判断各行业的成熟度,大数据在各行业的渗透情况。首先,通过我们的分析,现在最成熟的是互联网、金融、政务。金融的IT投入肯定是非常大的,银行每年的IT投入就有800亿,加上证券、保险,整个金融IT投入是超过1000亿。政务每年的IT投入大概是800亿。这两个行业在整个中国IT投入占比非常高。中国2.3万亿IT投入中,有大概1万亿左右是运营商资源。去除掉这部分,金融和政务加起来会占到总投入的20%以上,现阶段大数据投入主要还是来自IT预算。其次,互联网、金融和政务,信息化建设是最完善的,这里的信息化建设不光是基础业务系统搭建,还包括数据的标准化、结构化程度。医疗的基础设施相对完善,IT投入也很高,但我们不认为它会优先爆发的原因,就是数据标准化的问题。数据业务链条上,现在能走通的就是金融和互联网,医疗领域的数据标准化还在建立当中。数据标准化程度高,才更容易产生深度的应用。第三,金融和政务两个领域的公司,发展最快、体量最大。根据我们的调研,2017年,像TalkingData、同盾科技、百融金服等公司,他们的确认收入都已经超过了1亿人民币,而1亿人民币收入是企业服务公司一个很大的门槛。通用技术领域,我们会去关注那些有机会切入到行业应用的公司。BI与可视化、用户行为分析、AI平台等领域,直接面向客户的应用问题,更有机会切入到行业应用。比如用户行为分析里面的神策数据、GrowingIO等公司,第一个直接的方向是营销大数据,这样以来会从原本工具软件这个比较小的细分市场,跳入到营销市场,而我们知道,整个营销市场是万亿级的市场,占GDP的2-3%。数据服务市场,我们也会看它和行业应用的结合,我们判断纯粹的数据交易公司机会有限,第一方平台将逐步崛起,这背后有几个原因:第一, 政策方面,2017年安全法的发布,对数据隐私、数据合规性的要求大大提升,这会对第一方数据公司是个利好,但第三方数据公司的业务受到很多限制。行业标杆客户也更愿意与有品牌、合规的公司合作。第二, 数据既然要和应用去结合,那么就需要热数据,能够持续不断更新的数据,第一方数据公司更容易实现这一点,因此数据本身就是他们业务不断产生的。对第三方公司来说,汇聚多方数据,持续更新的成本较高。基础平台市场,我们认为新需求带来的增量市场更值得关注。基于行业应用、数据分析产生的需求,也就是分析型数据库的市场。交易型数据库市场进入门槛太高,替代银行等头部客户生产环境下的数据库非常困难,这里面存在着数据丢失等风险,这是大企业很难接受的。而分析型数据库基本都是搭建在离线场景,不存在这方面的风险。这个市场目前是100亿,我们判断2020年会到150-200亿,主要的增量来自分析型数据库。全球基础平台市场规模是460亿美金,这里面50-60%是交易型数据库,40-50%是分析型数据库,但国内的分析型数据库只有10%的份额,未来渗透率还有很大的提升空间。扫码关注“大数据栋察”回复“大数据报告”即可获得完整版报告。【阅读推荐】四倍农业|猪联网 |数字富平军民融合|数人计划|数字中国数字生态论 | 数字经济要素的重构 | 联盟使命
随着互联网技术的快速发展,我国大数据产业也发展迅速。中国信息通信研究院结合对大数据相关企业的调研测算,发现我国大数据产业规模稳步增长。2016-2019年,短短四年时间,我国大数据产业市场规模由2840.8亿元增长到5386.2亿元,增速连续四年保持在20%以上。尤其是国家领域内的大数据产业发展迅速,已经成为大数据产业发展的核心。当前,我国正在加速从数据大国向着数据强国迈进。随着中国物联网等新技术的持续推进,到2025年,其产生的数据将超过美国。数据的快速产生和各项配套政策的落实推动我国大数据行业高速发展,预计未来我国行业大数据市场规模增速将维持在15%-25%之间,到2025年中国大数据产业规模将达19508亿元的高点。01 数据治理成为提升治理能力的关键智慧政府是我国政府近几年来建设的目标,而大数据技术作为智慧政府的一种支撑技术,有着不可或缺的作用。大数据在我国城市管理、交通管理、环境治理方面已发挥着重要作用,大数据技术已经渗透在我国政务管理的每一个方面,并同时起着深远的影响。在大数据时代,越来越多的政府摈弃经验和直觉,抛弃拍脑袋想对策的做法,更多地依据科学的数据分析和事实作出决策。2020年7月中旬,联合国电子政务调查报告发布,中国在全球的排名进一步提升。这个两年一度的全球电子政务排名,是对193个联合国成员国数字政府建设水平的权威评估。联合国从电子政务和电子参与两个维度进行评估,其中电子政务又进一步包括三个维度,分别是在线服务、人力资本和电信基础设施。《报告》还指出,中国是在2020年首次进入全球电子政务发展指数“非常高”的亚洲国家之一。我国的大数据原始数据资源丰富,然而数据壁垒广泛存在、法律法规发展滞后,数据治理体系远未形成,制约了数据资源中所蕴含价值的开采与转化。与此同时,我国大数据应用发展不均衡,虽然互联网应用市场化程度高、发展较好,但行业应用广度和深度明显不足,与实体经济融合不够,融洽和谐的大数据生态系统亟待形成和发展。02 大数据赋能智慧城市建设推进新型智慧城市,是政府推动我国新型工业化、信息化、城镇化和农业现代化同步发展做出的重大决策,有利于深化新一代信息通信技术与城市发展的深度融合,实现城市可持续发展。新型智慧城市产业覆盖面广,与众多行业存在交叉关系,链条长、带动性强,成为新技术创新应用的实验场。在经历概念探索、政策推动、试点示范等几个发展阶段后,我国智慧城市已全面进入建设期,投资规模不断扩大。随着智慧城市建设的深入,对数据处理能力提出了很高的要求,在这其中,城市智能中枢的数据全量多源化的接入、实时处理的能力。此外,城市智能中枢的运行亟需数据的协同,如何消除各自为政、条块分割、信息割裂的数据孤岛,成为城市大数据平台的核心能力。如智慧社区,就成为城市智慧中枢的具体案例。此次爆发新冠肺炎疫情,社区成为疫情联防联控的第一线,智慧社区通过运用互联网、大数据、人工智能等新一代信息技术,大幅提升社区精细化治理、智能化服务和精准化决策能力,在此次防疫工作中发挥重要作用。据相关机构预计,到 2022年,智慧社区市场规模将接近万亿元。03 大数据+互联网+卫星=无限想象卫星看似离我们很遥远,但卫星大数据的使用其实早已经渗透到了很多人的日常生活,包括定位导航、电视转播、气象监测等方方面面,都有卫星大数据在发挥作用。根据国家航天局数据显示,目前我国卫星应用年产值超过2000亿元人民币,这也意味着有一个近万亿级的卫星大数据市场,正在等待被挖掘。卫星互联网是基于卫星通信的互联网,通过一定数量的卫星形成规模组网,从而辐射全球,构建具备实时信息处理的大卫星系统,是一种能够完成向地面和空中终端提供宽带互联网接入等通信服务的新型网络。卫星通信与移动通信、地面光通信一样作为现代通信的重要方式之一,具有低延时、低成本、广覆盖、宽带化等优点。卫星互联网利用大数据底层数据优势,建立我国空天地一体的卫星互联网大数据网络成为新型的网络大数据应用产业被广泛关注。大数据产业的应用已经不断发展,和各行各业融合并存、创新,成为未来数字经济、数据要素的重要体现。04 个人信息安全上升为国家战略目前,在百度搜索“个人信息安全”有近3千万个搜索结果。“共享充电宝”出卖个人信息、“大数据杀熟”和“刷脸与个人信息”也成为了近期的新闻热词。《人民日报》发表题为《个人信息安全,不能止于“打补丁”》的观点评论,文章表示,网络社会带给人们更多方便与快捷,但如果这个社会缺失信息安全,人们怎敢放心在电子银行存转财富?何以放心在网购时写下实名地址?安全感少一分,经济社会发展的活力可能就会少十分。一个国家的网络安全掌控能力,既体现在对经济社会发展的护航上,也同样反映在个人信息安全的保护上。2019年,中央网信办等四部门全年开展“App违法违规收集使用个人信息专项治理”、工信部信管局“信息通信领域APP侵害用户权益”、市场监管总局“守护消费”暨打击侵害消费者个人信息违法行为、工信部网安局“电信和互联网行业提升网络数据安全保护能力”等专项执法行动,各大网络平台纷纷表态将严格加强网络保护。2020年2月9日,中央网信办公开发布《关于做好个人信息保护利用大数据支撑联防联控工作的通知》,明确为疫情防控、疾病防治收集的个人信息,不得用于其他用途。任何单位和个人未经被收集者同意,不得公开姓名、年龄、身份证号码等个人信息.随着大数据产业的不断发展应用,个人信息的安全使用和管理成为社会,乃至国家信息安全的重要战略问题。维护个人信息安全是场持久战,也是场前所未有的遭遇战。美国也曾发生过约1.91亿选民个人信息外泄,英国巴克莱银行曾有数万客户的个人资料被盗。网络犯罪的“进化”程度,有时会超过法律法规的制定速度。从技术上寻求防护对策,在理念上提高网民安全意识,多方用力、立体防护,才能打赢个人信息安全保卫战。05 大数据产业发展任重而道远,但前景喜人!国际数据公司IDC统计显示,全球近90%的数据将在这几年内产生,预计到2025年,全球数据量将比2016年的16.1ZB增加十倍,达到163ZB。根据IDC最新发布的统计数据,中国的数据产生量约占全球数据产生量的23%,美国的数据产生量占比约为21%,EMEA(欧洲、中东、非洲)的数据产生量占比约为30%,APJxC(日本和亚太)数据产生量占比约为18%,全球其他地区数据产生量占比约为8%。大数据几乎无处不在,在实现“十四五规划远景目标”和迈向“两个一百年”的征程大道上,大数据产业必将成为重要的一环,成为助推科技兴国的重要组成。北京博明信德科技有限公司作为国内领先的大数据产品和解决方案供应商,目前在环保大数据、油气管网大数据、金融资管大数据等领域形成了具有自主知识产权的核心技术,产品广泛应用于国资委和财政部管辖的128家央企。未来,博明信德将一如既往的坚持科技创新的国家战略,走出一条协同、包容、高效的绿色可持续发展之路。
大数据(big data),是指需要通过快速获取、处理、分析以从中提取价值的海量、多样化的交易数据、交互数据与传感数据,其规模往往达到了PB(1024TB)级。不同机构对大数据也有不同的定义。Gartner对大数据的定义:大数据是需要新处理模式才能具有更强决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。麦肯锡对大数据的定义:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。移动信息化研究中心对大数据的定义:大数据是帮助企业利用海量数据资产,实时、精确地洞察未知逻辑领域的动态变化,并快速重塑业务流程、组织和行业的新兴数据管理技术。大数据产业链简介大数据产业:是指一切与大数据的产生与集聚、组织与管理、分析与发现、应用与服务相关的所有活动的集合。主要包括大数据硬件、大数据软件和大数据应用三大块。◆ 大数据提供者拥有数据的公司、个人、社会团体以及政府机构等,此类角色属于大数据产业链上的基础环节,包括数据源提供者、数据流通平台提供者和数据API提供者。目前我国大数据提供者包括政府管理部门、企业数据源提供商、互联网数据源提供商、物联网数据源提供商、移动通讯数据源提供商、提供数据流通平台服务和数据API服务的第三方数据服务企业、社会团体或者个人等。◆ 大数据产品提供者提供直接应用于大数据产品的企业,包括提供大数据应用软件、大数据基础软件、大数据相关硬件产品的企业。大数据应用软件产品提供者,包括提供整体解决方案的综合技术服务商,也包括大数据计算基础设施上(与云结合),从简单的文件存储的空间租售模式,逐步扩展到提供数据聚合平台,进而扩展到为客户提供分析业务的服务上。大数据基础软件提供商,此类企业搭建大数据平台、提供相关大数据技术支持、云存储、数据安全等,此类公司在某些垂直行业或者区域掌握大数据入口与出口,并能对一些数据进行采集、整合和汇集。这样的企业包括传统的IT企业、设备商以及新兴的云服务相关企业。大数据相关硬件产品提供商,此类企业提供大数据采集、接入、存储、传输、安全等硬件产品和设备。◆ 大数据服务提供者以大数据为核心资源,以大数据应用为主业开展商业经营的企业。包括大数据应用服务提供者、大数据分析服务提供者、大数据基础设施服务提供者。这类企业挖掘数据价值,处于大数据产业链的下游,它们通过发掘隐藏在大数据中的价值,不断推动大数据产业链中各个环节的发展和成熟。从某种角度上说正是此类公司创造了大数据的真正价值,具体包括:1)应用服务提供者,基于大数据技术,对外提供大数据服务。2)分析服务提供者,提供技术服务支持、技术(方法、商业等)咨询,或者为企业提供类似数据科学家的咨询服务。3)大数据基础设施服务提供者,提供面向大数据技术和服务提供者的培训、咨询、推广等的基础类通用类的服务提供者。数据爆炸式增长,大数据行业市场规模持续扩大当前网民增长进入了一个相对平稳的阶段,互联网在易转化人群和发达地区居民中的普及率已经达到较高水平,下一阶段中国互联网的普及将转向受教育程度较低的人群以及发展相对落后地区的居民。目前,随着移动互联网的繁荣发展,移动终端设备价格更低廉、接入互联网更方便等特性,为部分落后地区和难转化人群中的互联网推广工作提供了契机。截至2018年12月,我国网民规模达8.29亿,普及率达59.6%,较2017年底提升3.8个百分点,全年新增网民5653万。我国手机网民规模达8.17亿,网民通过手机接入互联网的比例高达98.6%。2018年,互联网覆盖范围进一步扩大,贫困地区网络基础设施“最后一公里”逐步打通,“数字鸿沟”加快弥合;移动流量资费大幅下降,跨省“漫游”成为历史,居民入网门槛进一步降低,信息交流效率得到提升。当前,我国正在加速从数据大国向着数据强国迈进。国际数据公司和数据存储公司希捷的一份报告显示,到2025年,随着中国物联网等新技术的持续推进,其产生的数据将超过美国。我国产生的数据量将从2018年的约7.6ZB增至2025年的48.6ZB,数据交易迎来战略机遇期。1zettabyte大约是1万亿gigabyte,这是当今常用的测量方法。与此同时,美国2018年的数据约为6.9ZB。到2025年,这个数字预计将达到30.6ZB。在产业层面,我国大数据产业继续保持高速发展,大数据将深入渗透到各行各业。对于我国大数据产业的规模,目前各个研究机构均采取简介方法估算。中国信息通信研究院结合对大数据相关企业的调研测算,2017年我国大数据市场产值为4700亿元人民币,同比增长31.9%。注:此处大数据统计口径:指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动,包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动,以及相关信息技术服务。大数据应用层将占据市场最大份额大数据产业包括一切与大数据的产生与集聚(数据源)、组织与管理(存储)、分析与发现(技术)、交易、应用与衍生产业相关的所有活动。大数据产业按照数据价值实现流程,包括数据源、大数据硬件支撑层、大数据技术层、大数据交易层、大数据应用层与大数据衍生层等六大层级,每一层都包含相应的IT硬件设施、软件技术与信息服务等。从发展趋势来看,随着大数据相关产品及应用的不断普及,未来应用层规模将逐步增长。在技术层、数据源层以及衍生层的共同支撑下,2020年中国大数据应用市场规模份额将达到40%。其中,交易市场规模虽然占比最少,但是正是由于它的存在,使得数据的交易从法律上实现数据的合法化问题,以及实现了数据价值兑现。大数据产业园区迅速发展助力数字经济发展国内大数据产业园是集聚大数据产业资源的重要载体。当前,不仅八个国家级大数据综合试验区(贵州、京津冀、辽宁、内蒙古、上海、河南、重庆、珠三角)的大数据产业园/基地快速发展,与这些试验区毗邻的省份,如安徽、湖北、四川、陕西、浙江、山东和江苏,也都加快推进“大数据产业园区/基地”建设,增强数字经济发展实力,加速产业转型升级。多数大数据产业园的发展思路:“基础设施建设-数汇集整合开放共享,企业上云-大数据融合应用-大数据产业链延伸”,即首先聚集数据资源,而后通过落地开放共享,协同效应带动开发,最终实现产业链的拓展和完善。中国的大数据产业园可以分为三类:北京、上海、广州和深圳的大数据产业园多脱胎于原先的各类软件园,具有良好的发展基础和优势;河南、重庆、大连、沈阳、内蒙古、贵州等国家大数据综合试验区,加速推进辖区内大数据产业园建设;部分东南和中部省份,顺应产业发展趋势,也积极布局大数据产业园,力促产业转型升级。政策推动产业细化,产业价值链向上下游延伸2016年以来,随着大数据底层设施逐渐成熟,大数据分析开始结合具体行业,向下游垂直行业应用延伸。大数据开始由主题概念向业绩兑现转换。包括房地产、商贸零售、金融、汽车等传统行业开始深入布局大数据的行业应用。大数据源的战略性资源属性越来越普遍地得到各方认同,拥有数据源的企业在补齐分析和应用的技术,有望凭借数据链上游核心资源迎来快速发展。2015年,国家印发《关于促进大数据发展的行动纲要》,第一次将大数据上升到国家战略高度,提出了我国大数据的顶层设计。密集出台的大数据政策表明国家大力推动的意愿,环保部、国务院办公厅、国土资源部、国家林业局、煤工委、交通运输部、农业部的细则侧重指引垂直行业的落地。2016年,大数据已全面从理论研究迈向实际应用;2017年,在政策的推动下,大数据加快了向各行业中的普及,通过实际的经济效益实现,将带动更多的行业开启大数据应用探索。目前,大数据在金融领域的应用最为广泛,处于领先地位,其他行业应用尚处于初级阶段。在未来,大数据应用将全面覆盖各个产业,应用技术和方法将会更加成熟,应用市场规模也将保持高速稳定的增长态势。预计2020年中国大数据应用最多的为政府,行业应用方面,金融大数据还将占据25%的份额,其次为工业大数据,预计占比6.64%。电力、交通、电信等其他领域也会不断加强大数据应用。数据外包将成为产业新机遇点数据外包是指大数据企业将价值链中原本由自身提提供的具有基础性的、共性的、非核心的IT业务和基于IT业务的流程剥离出来后,外包给专业服务提供商来完成,通过重组价值链、优化资源配置,降低成本,增强核心竞争力。数据外包有效地解决了数据孤岛以及清理和标记机器学习培训数据需要花费大量的时间和费用这两个问题,促成了“三赢”数据安全防护需求驱动制度和技术变革数据安全防护是通过采用各种技术和管理措施,使与数据采集、存储、分析处理等各类系统正常运行,从而确保各类数据的可用性、完整性和保密性。通过采用全面的数据发现能力、快速的安全事件响应,以及有效地云和大数据安全保护,来为用户提供合规的、弹性的、智能的、一站式数据安全解决方案。数据泄露事件持续不断。根据全球知名数据安全公司金雅拓(Gemalto)发布的最新安全违规水平指数调查报告,显示2017年全球共发生1765起数据泄露事件,失窃、丢失或泄露数据总量高达26亿条,约为2016年的两倍。其中,身份盗用占全部数据泄露事件的69%,是最主要的数据泄露类型。而仅2018年上半年,全球就发生了945起数据泄露事件,共计导致45亿条数据泄露。国内数据泄露方面,2018年6月,一位ID为“f666666”的用户在暗网上开始兜售圆通10亿条快递数据,该用户表示售卖的数据为2014年下旬的数据,数据信息包括寄(收)件人姓名,电话,地址等信息,10亿条数据已经经过去重处理,数据重复率低于20%,并以1比特币打包出售。2018年6月,弹幕视频网站AcFun发布公告称,因网站受到黑客攻击,已有近千万条用户数据外泄。2018年7月,一个ID为“bijiaodiao1688”的暗网用户在“暗网”售卖顺丰快递数据,其称掌握了顺丰快递客户数据总量高达3亿条,售价两个比特币。2018年8月,华住旗下多个连锁酒店开房信息数据正在暗网出售,受到影响的酒店包括汉庭酒店、美爵、禧玥、漫心、诺富特、美居、CitiGo、桔子、全季、星程、宜必思、怡莱、海友等,泄露数据总数更是近5亿。目前国内的数据安全市场也正处于成长期,随着数据泄露事件数量激增、性质不断恶化,以及企业数字化转型加速、业务上云,物联网、区块链等新技术的落地,国内对于数据安全相关领域和应用的重视程度正在不断增加。线下场景营销成为大数据应用新机遇随着“互联网流量红利”达到饱和,线上营销服务逐步由增量竞争转变为存量竞争。在此背景下,以新零售为代表的“线下场景营销”成为破局关键。根据新零售理论,线上销售将会与线下销售结合,同时会结合现代物流、大数据、云计算等技术。未来可能会有60%-80%的零售属于新零售。数据驱动是新零售的内核之一。数字营销供应商,通过收集线下场景数据,制作“人物画像”,精准刻画线下客户群体。进一步,通过与各类“广告主”合作,协助其将品牌精准推送给目标客户。以上数据来源于前瞻产业研究院发布的《中国大数据产业发展前景与投资战略规划分析报告》。更多深度行业分析尽在【前瞻经济学人APP】,还可以与500+经济学家/资深行业研究员交流互动。
中商情报网讯:大数据产业是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据主要应用领域包括教育、交通、能源、大健康、金融等。随着移动互联网、物联网、云计算产业的深入发展,大数据国家战略的加速落地,2019年大数据体量呈现爆发式增长态势。数据显示,2017年中国大数据产业规模达到4800亿元,同比增长23%;其中,大数据硬件产业的产值为234亿元,同比增长39%。据数据显示,2018年我国大数据产业规模突破6000亿元;随着大数据在各行业的融合应用不断深化,2019年中国大数据市场产值达到8500亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破,成为推动经济高质量发展的新动力。未来,大数据技术应用将进一步加深,2020年产业规模有望突破10000亿元。数据来源:中商产业研究院大数据产业发展前景随着移动互联网、物联网、云计算产业的深入发展,大数据国家战略的加速落地,2019年大数据体量呈现爆发式增长态势。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破,成为推动经济高质量发展的新动力。2020年,大数据最令人瞩目的应用领域将是健康医疗、城镇化智慧城市、金融、互联网电子商务、制造业工业大数据;取得应用和技术突破的数据类型是城市数据、视频数据、语音数据、互联网公开数据以及企业数据、人体数据、设备调控、图形图像;在数据资源流转上,会自己收集大量数据、会利用数据提供服务、会免费提供数据集、会只下载和获得免费数据集、会买数据集;大数据的最佳拍档概念是数据科学、机器人和人工智能、智能计算或认知计算;我国大数据发展的最主要推动者来自于大型互联网公司、政府机构。来源:中商产业研究院未来,人口红利将转变为网民红利,成为支撑应用驱动创新的最大因素。随着老龄化社会的到来,以往在经济发展中扮演重要角色的“人口红利”逐渐消失,与此同时,我国网民规模不断扩大,网民红利更加凸显,中国已是世界上产生和积累数据体量最大、类型最丰富的国家之一。依托庞大的数字资源与用户市场,使得中国企业在应用驱动创新方面更具优势,大量新应用和服务将层出不穷并迅速普及。更多资料请参考中商产业研究院发布的《2020-2025年中国大数据产业发展前景及投资机会研究报告》,同时中商产业研究院还提供产业大数据、产业规划策划、产业园策划规划、产业招商引资等解决方案。
★ 导读 ★大数据产业是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据主要应用领域包括教育、交通、能源、大健康、金融等。随着移动互联网、物联网、云计算产业的深入发展,大数据国家战略的加速落地,2019年大数据体量呈现爆发式增长态势。2018年我国大数据产业规模突破6000亿元;随着大数据在各行业的融合应用不断深化,预计2019年中国大数据市场产值将达到7150亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破,成为推动经济高质量发展的新动力。为了更好的了解我国大数据产业的发展,中商产业研究院特推出《2019年中国大数据产业市场前景研究报告》。《报告》从五个方面分析当前我国大数据产业概况、大数据市场现状、大数据产业应用、大数据产业布局以及大数据产业发展前景。PART1:大数据产业概况大数据产业链可以从数据源、大数据产品、大数据服务应用这三大块来讲。目前,我国的数据来源包括政府部门、企业数据采集及供应商、互联网数据采集及供应商、数据流通平台等。而大数据产品包括大数据平台、云储存、数据安全等基础软件产品;加工分析、解决方案等软件产品;大数据采集、接入、存储、传输等硬件设备产品。大数据服务方面,主要为应用服务、分析服务、基础设施服务等供应商。PART2:大数据市场分析随着移动互联网、物联网、云计算产业的深入发展,大数据国家战略的加速落地,2019年大数据体量呈现爆发式增长态势。数据显示,2017年中国大数据产业规模达到4700亿元,同比增长30%;其中,大数据硬件产业的产值为234亿元,同比增长39%。2018年我国大数据产业规模突破6000亿元;随着大数据在各行业的融合应用不断深化,预计2019年中国大数据市场产值将达到7150亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破,成为推动经济高质量发展的新动力。PART3:大数据产业应用从应用领域来看,目前大数据最广泛应用于金融领域。未来,随着大数据技术应用的覆盖范围变得更大,其他领域的领域将加强。其中,政府部门大数据技术应用的占比将提高至一位。在大数据时代背景下,政府数字化转型正在加速进行中,大数据技术的应用逐步加深,未来有望超越金融行业,成为大数据产业应用最方面的领域。金融领域位居第二,依然是大数据技术应用广泛的行业之一。PART4:大数据产业布局从大数据产业地图来看,当前大数据产业的地域布局中,东部沿海地区经济相对较发达,大数据产业的上市企业多分布在北京以及东部沿海地区,其中主要以北上广地区分布居多。据产业地图显示,北京市大数据产业上市企业数量最多,达到了37家。其次,广东省为21家;上海则为10家,其余省份的大数据上市企业均在10家以下。PART5:大数据产业发展前景未来,人口红利将转变为网民红利,成为支撑应用驱动创新的最大因素。随着老龄化社会的到来,以往在经济发展中扮演重要角色的“人口红利”逐渐消失,与此同时,我国网民规模不断扩大,网民红利更加凸显,中国已是世界上产生和积累数据体量最大、类型最丰富的国家之一。依托庞大的数字资源与用户市场,使得中国企业在应用驱动创新方面更具优势,大量新应用和服务将层出不穷并迅速普及。报告仅展示部分,详情请下载《2019年中国大数据产业市场前景研究报告》http://wk.askci.com/details/fa844728727d45feb3bd9dba2162d8fe/点击快速下载完整版
01中国行业大数据应用市场概况2011-2018年中国大数据市场规模发展大数据市场驱动力:来自于线下大数据市场( IT企业的大数 据应用及大数据平台业务市场)中IT巨头 和单一大数据业务的厂商开始行动,优 化产品和服务路线图。来自于线上大数据市场(互联网用户数 据市场,以及以互联网金融为主的线上 金融市场)的成熟度逐渐提高,以金融 和零售为核心的线上大数据应用走向成 熟,市场体量进一步扩大。企业着力培育数据资产,积极探讨数据,行业大数据多集聚、少融合。大数据产业集群逐渐形成,即针对企业 而言,以云端大数据集聚为前提条件, 以行业云服务为平台,共享企业间核心 竞争力。中国大数据市场发展历程及主要模式数据存储租用:通过易于使用的API, 用户方便地将各种数据对象放在云端, 然后再像使用水电一般按用量收费。租售信息业务:涉及到大数据产业链的数据整理与分析环节。提供加工后的数据 “ 半成品”。数据增值服务:精准营销等提升企业价值链业务。 小额信贷等数据衍生新兴业务。数据技术服务:为运营某一环节或业务问题提供方案。 针对企业系统需求,提供整体解决方案。 大数据即服务。行业大数据结构及应用状况中国大数据市场行业投资结构中,金融、通信、零售为前三大行业,投资占比分别为16.0%、15.6%和13.9%。政府、医疗、旅游投资比例分别为12.7%、9.0%和4.1%。六大行业累计占比71.3%。其他行业包括教育、制造、能源、媒体、互联网等,累计占比28.7%。重点行业大数据应用表现与成熟度中国大数据市场行业契合度及应用可能性分析中国大数据市场集中度与成熟度分析02重点行业大数据应用现状零售业线上与线下大数据资源的打通线下零售企业数据管理特点:通常辐射范围仅在周边10-15公 里,线下会员人数的增长空间十分有限。拥有大量的交易类数据, 但由于大量线下企业仍未建立完善的会员体系,数据难以进行定向追踪,关联性差。线上零售企业数据管理特点:领先线上零售企业由于可以辐射全国,早已获得了上亿的注册用户。但这类企业非结构化数据多, 需要挖掘才能得到价值。零售业大数据应用特点未来零售业大数据应用趋势将具有如下特点:如何进一步通过数据驱动经营和营销——各 零售企业会以会员为核心进行管理优化,通 过以人为中心的数据驱动,实现决策优化及 精准营销。行业会探索越来越多的大数据营销新模式— —各类零售企业会积极尝试新机会,如微店 等,寻找消费者偏好的新潮流。不断丰富外部数据源——在企业自身线下数 据采集能力不断提高的同时,与更丰富的外 部数据源合作将快速提升营销的精准度,包 括权威市场研究机构、领先互联网巨头等。“知己”的压力将进一步加大——当企业获 取翔实的用户数据后,为了突破自身实现快 速营销的瓶颈,将会倒逼企业利用移动销售 巡检、库存盘点等手段进一步完善自身的采 购、库存、员工行为等信息采集,从而实现 进一步“知己”,最终为实现全产业链的大 数据应用打下基础。旅游业大数据产业链的差异性线下旅游主管机构及景区、酒店等数据管理特点:本身不产生大数据,对数据不求所有,但求所用。数据来源分散 (横向涉及交通、环保、交通等, 纵向涉及国家及各地市旅游局)、 异构, 进行数据交换时缺乏业内统一标准。线上旅游平台数据管理特点:拥有大量交易、检索及用户行为数据,需要具备强大的语义分析能力才能实现精确的用户画像。旅游业大数据应用特点医疗行业大数据产业链结构我国医疗行业大数据建设方向“3521工程”,即建设国家级、省级和地市级三级卫生信息平台,加强公共卫生、医疗服务、新农合、基本药物制度、综合管理5项业务应用,建设健康档案和电子病历2个基础数据库和1个专用网络建设。当前全国有数十个个省份在搭建省级的信息化平台、 100多个城市在不同程度上搭建市级平台。以及区域医疗建设和医联体等,都会积累大量的数据。医疗行业大数据主要建设方向通信行业大数据产业链结构大数据在通信运营商中的应用趋势金融行业大数据产业链结构大数据对金融行业竞争格局的影响政府行业大数据产业链结构综合数据源共筑智慧城市03大数据行业化应用趋势与看点未来大数据的价值创造方向大数据行业化提供商磨砺的三大武器大数据行业化应用的机会与看点欢迎关注作者,您的关注是我们前进的最大动力。
中商情报网讯:5月28日,《大数据蓝皮书:中国大数据发展报告No.2》发布。报告指出,中国已经进入大数据创新突破与应用落地的发展上升期,并对中国大数据发展的十大趋势进行了展望。据中商产业研究院发布的《2018-2023年中国大数据产业市场前景及投资机会研究报告》,数据显示,2017年中国大数据产业规模达到4700亿元,同比增长30%;其中,大数据硬件产业的产值为234亿元,同比增长39%。随着大数据在各行业的融合应用不断深化,预计2018年中国大数据市场产值将突破6000亿元。数据来源:中商产业研究院《大数据蓝皮书:中国大数据发展报告No.2》指出大数据发展呈现十大新趋势:趋势之一:政务大数据应用开发将获得有力支撑。作为一直阻碍大数据发展的一个重要瓶颈,政府信息开放共享在过去的一年取得重大突破。2018年1月,国家发改委宣布了政务信息系统整合共享工作最新进展,已有71个部门、31个地方实现了与国家共享交换平台的对接。趋势之二:信息消费升级将持续释放内需潜力。根据相关预测,到2020年,我国的信息消费规模预计达到6万亿元,年均增长11%以上,并拉动相关领域产出达到15万亿元。趋势之三:中西部农村信息基础设施建设将迎来爆发期。为加快推进“宽带中国”战略实施,国家发改委发布了包括“百兆乡村”示范及配套支撑工程在内的三大重点工程,其中“百兆乡村”的重点偏向了中西部地区。未来几年,中西部农村信息基础设施建设将迎来爆发期。届时,区域内行政村将全部实现光纤通达,农村宽带接入能力达到12Mbps,农村光纤到户用户占比大于50%。趋势之四:数字丝绸之路将成为“一带一路”建设的制高点。未来几年,中国与“一带一路”沿线国家的贸易将会保持10%-15%的增速;随着全球5G时代的到来,数字丝绸之路体系的发展将迎来一股爆发式的浪潮,增速将超过20%。趋势之五:人口红利将转变为网民红利,成为支撑应用驱动创新的最大因素。随着老龄化社会的到来,以往在经济发展中扮演重要角色的“人口红利”逐渐消失,与此同时,我国网民规模不断扩大,网民红利更加凸显,中国已是世界上产生和积累数据体量最大、类型最丰富的国家之一。依托庞大的数字资源与用户市场,使得中国企业在应用驱动创新方面更具优势,大量新应用和服务将层出不穷并迅速普及。趋势之六:大数据分析方法有望取得革命性突破。机器学习继续成为大数据智能分析的核心技术;人工智能和脑科学相结合,成为大数据分析领域的热点。通过与其他技术进一步融合发展,大数据分析有望出现革命性的新方法,算法和基础理论可能会产生理论级别的突破。趋势之七:数据控制权争夺战或将成为常态。2017年以来,国内外企业间围绕数据控制权爆发的纠纷事件频频发生。在大数据发展过程中,数据争夺将以更加复杂多样的形式展开,争夺强度也将日益激烈。如何以合理的制度规则促进有效率的数据竞争,需要在法律与经济两个维度之间找到准确的坐标点。趋势之八:运用大数据技术增强意识形态治理能力引起关注。2018年3月17日,英国《卫报》爆出数据分析公司剑桥分析非法获取了Facebook的五千万用户信息,通过针对性投放信息和广告,在美国大选中为特朗普服务。当大数据技术被利用至政治和意识形态的渗透和操纵中,或将对国家政治生态与意识形态安全产生重大挑战。趋势之九:数据安全与量子计算机的关联影响将愈演愈烈。量子计算机的问世将颠覆当下网络空间秩序,现行的公钥密码体制可以被这项新技术轻易攻破,数据安全博弈再次上升至新维度。未来,围绕“量子霸权”的争夺战将愈演愈烈,以此为代表的新一轮重大科技成为世界强国必争的战略制高点,这需要数据安全专家和工作者们加快研制更安全的抗量子计算密码算法,进一步为个人、组织乃至国家的数据安全提供必要保障。趋势之十:中国企业将有计划按步骤推进数字化转型。越来越多的企业将“数字”视为核心资源、资产和财富,纷纷选择数字化转型以抢占新的制高点。据调研机构IDC针对2000位跨国企业CEO调查表明,到2018年,全球1000强企业中的67%、中国1000强企业中的50%都将把数字化转型作为企业的战略核心。展望未来,数字化转型将是传统企业尤其中小企业必须跨越的生死关隘。
流媒体网(ID:iptvott)原创作者| 王建利做数据行业苦吗?“先苦后甜吧!”勾正数据董事长&CEO喻亮星没有大多数行业从业者的抱怨情绪,这原本就是一个需要长周期投入、长期坚守的事情,是一个需要耐得住寂寞的事业。“三五年不盈利是很正常的。”喻亮星看好大数据行业的发展前景才入场的,从求职到创业、从创业到再创业,在行业摸爬滚打已近二十年。目前他所带领的勾正数据发展已初见成效,经历了产品从0到1、经营业绩从亏损到盈利的过程。而数据价值的加速迸发更坚定了他继续走下去的决心。只不过,新业态、新技术变革太快,让他依然保持创业初期的斗志、一刻也不敢松懈。在他看来,“最苦的日子已经过去了,但依旧需要砥砺前行。”从“寻根”到“扎根”在职业生涯初期,大多数人都有过迷茫时刻,喻亮星也不例外,1998年踏入职场的喻亮星短短五年间在医药、农业、媒体等行业来回跳。他说:“当时,我还没有职业定位和方向”。2003年,喻亮星迎来职场的第一个转折点。在接触市场研究这类职业后,他看到了行业广阔发展前景,“当时在研究咨询数据领域,中国企业还比较落后,但是国际上已经出现如埃森哲、麦肯锡、罗兰贝格等一些全球知名的管理咨询公司。而随着全球一体化经济进程的不断推进,国外公司开始跟随自己的客户登陆中国,中国企业也开始走出国门、学习国外先进技术和经验,这为中国咨询业的兴起提供了土壤,且整个行业呈现出良好的发展势头。”他在行业中摸出一些门道,成为了小团队的负责人。从专业到管理、从个人到团队,无疑给了他更多施展和成长的空间。这期间,他也在考虑着自己的未来,是继续替别人打工,还是另起炉灶?2007年,他凭借着才干、胆识以及求职中积累的经验做出职场生涯中一个重要的决定,与三位合伙人一起成立了北京奥维市场咨询有限公司。他的角色发生转变——从就业者到创业者。但创业路充满了艰辛和曲折,喻亮星坦言,对市场前景和资金判断过于乐观,让公司走了很多弯路,甚至陷入危机。“在创业之初,自己以及整个团队对于所要做的事情认知都比较简单。在2008年金融危机之时,仍扩大业务范围、广招人马,加之此时奥维公司刚成立、产品尚未体系化、客户源仍不稳定,导致公司近乎破产。”他没有想过放弃,而是转变战略,进行业务调整,收缩业务范围,集中精力做好自身优势领域,并通过贷款来获得资金,进而翻转不利局面,慢慢恢复元气。市场并没有给奥维太多喘息的机会,在奥维公司逐步走向发展正轨时,又面临大数据战略布局和转型的挑战。2012年,大数据和数据分析技术持续升温,行业涌现出大批新产品与解决方案,整个产业蓄势待发;2014年,大数据首次写入政府工作报告,而这一年也被认为是“中国大数据元年”。大数据的兴起重塑着传统的研究咨询模式。这次,喻亮星及时做出判断、主动出击,从2013年开始集中精力带领奥维进行大数据战略转型:2013年开始布局大数据;2014年正式发布大数据战略;2015年推出第一代大数据产品市场罗盘,并在同年密集投资了智信购、勾正数据等大数据公司。他说,奥维转型做大数据是一个不进则亡、进慢则退的抉择。然而就在奥维转型大数据的关键时期,再次经受困难考验——大数据行业泡沫初显。2015年,大数据领域许多公司甚至知名的企业因此倒闭,耐心耗尽的资本也转身抽离。“当时很多企业跟风似的一拥而上、过于激进,能力水平的欠佳导致一批企业形势急转直下、发展停滞甚至破产倒闭”。喻亮星回忆称,那时公司领导层面已经判断出大数据泡沫出现,奥维发展也遭遇瓶颈。新阶段对奥维提出了更高的要求:不仅要有紧贴行业发展趋势并快速实现转型的能力,更要有数据源、数据算法模型和行业研判的能力。“复杂多变的环境已经超出了整个管理团队的能力,公司需要引入新股东、新人才、新资源和资金,才能逃脱在这次大数据行业洗牌中被收割的命运。” 2016年奥维启动定增安排,引进了以杨东文为首的战略投资人。2017年喻亮星选择离开创业整整十年的奥维。“当时四个创始人,只有一个选择留下。”他考虑到,自己作为此前奥维董事长和最大的股东,一直制定公司的战略规划,为给新的大股东和团队更多可施展的空间、避免双方在战略决策上发生冲突,在经过了一番考量和整个创始团队的一致同意,他主动做出让位。当时他内心交织着复杂的情感,也有不舍和伤感。但放手也是一种智慧,这种魄力和远见也正是一个成功人士所需具备的能力。“离去并不是梦碎,而是梦想在别处重新起航”,喻亮星从未质疑过大数据的发展前景,而正是基于这份信念让他丝毫没有停歇。喻亮星放下过往所有的成绩和荣誉,在离开奥维的同一年,选择带领勾正数据踏上了二次创业的新征程,继续在大数据行业“寻梦”。而除了对行业的坚定或许还有一份责任,“当新的资源和股东加入后,奥维计划启动创业板,作为奥维子公司的勾正数据由于持续在装机烧钱,因此最终被剥离。”接手一直亏损的烫手山芋不怕吗?“既然当初选择了,就要承担历史所留下的问题和面对困难。”二次创业、重新出发与第一次创业相比,喻亮星这次在起点、个人视野、所覆盖的资源、积累的经验上都具备了更多的优势。但奥维云网和勾正数据所关注的领域有明显的区别,前者更关注零售数据的研究,是单产业线形态。而勾正数据更关注家庭用户行为大数据研究,需要跨产业数据融合思维和能力。尽管喻亮星也深知自己进入到了一个陌生的研究领域,需要重建产品体系和商业逻辑,但未动摇他继续拓路的决心。四十出头的他,虽不是从零开始拼搏,但是构建对陌生领域的认知、度过迷茫期,谈何容易?“刚进入市场时,公司对行业痛点理解还不够深刻,加上当时自身数据分析、整合能力不足,导致2017年研发出的产品很快退出市场。”但二次创业过程中,喻亮星依然保持着年轻人的冲劲、热情和耐心,并花了三年的时间来找寻产品切入点和补足数据研发技术短板。在2017-2019年,喻亮星通过招聘专业人才打开市场,并带领整个团队通过反复观察、沟通、调研去寻找客户的痛点和需求,在与客户的多次磨合和碰撞中,不断摸索、试错、调整产品定位和商业模式。技术方面,加大投入研发力量,加强与电视机厂商等相关产业链资源方、数据方的深度合作,终于在2019年,才真正向市场推出两款核心产品。然而除了每个初创企业都面临的对陌生市场的开发难题,作为连续亏损、持续找不到发展方向的勾正数据而言,当时还饱受资金困难。“公司在发展前期并不顺利,没有产品,也没有很好的盈利模式,曾经遭到了多方的质疑,导致多次寻找投资人都无疾而终。”在多次与中信国安沟通,展示公司的研发方向、商业模式后,2018年3月勾正数据获得中信国安A轮投资,随后又获得创维酷开、欢网科技等企业的战略投资。回忆起那段创业经历,喻亮星很坦诚,“这三年其实是很痛苦的,也具有很多挑战性,经营压力很大。”其实,很多难关,是对公司经营的考验,但也是完成自我升华的机会。挺过去,将会向成熟的企业再迈进一步。回过头想当初那段经历,喻亮星说:“没有那三年的时间可能就不会有今天对行业的理解以及技术、经验的积累。”当谈到目前的发展情况,在业界一直以低调著称的喻亮星话语中也不经意流露出一些自豪感:目前公司在产品研发和商业变现上摸索出一些规律,数据和服务能力已经得到诸如阳狮、宝洁等国际大客户或行业标杆企业的认可。“公司现金流已经为正,并完全有能力凭借自身实现业务的正常周转。”保持着一颗永不松懈的心继续前行当前大数据行业已经逐渐退去了前些年的泡沫,正不断脱虚向实。2020年,大数据中心被列为国家新基建重点项目,再次为行业发展提速。在喻亮星看来,在经历了喊口号、挤掉泡沫、布局深耕之后,大数据行业从原来的概念炒作开始全面进入实质建设阶段,在产业应用中爆发巨大的潜力和能量。数据挖掘上,行业从数据孤岛、单维度分析走向全域跨屏数据、多维度深度分析。在数据安全的基础上,各家也不断开放自身的数据库,大小屏数据、直播点播数据、家庭户外数据的整合和打通越发成为常态。很多大数据企业也开始规范自律,联手打击数据造假,保证数据的真实性。“目前大数据研究分析中,可能还存在一些不完善的地方,但实际上这种样本级分析产品应用的价值已经开始不断凸显。”基于多年对市场的观察,喻亮星讲道,从内容到会员到广告,目前大数据分析和应用的案例不断涌现。与此同时,沉淀下来的企业开始构建自身商业体系,此前很多犹豫不决的客户也开始意识到了大数据的价值、搭建数据化营销体系,并愿意为大数据买单。尽管整个大数据行业向好发展,勾正数据业务也保持稳定增长。但技术发展日新月异,技术的变革必然会改变数据生产的既有模式,也会为数据的研究领域和应用带来更多的想象空间。对于勾正数据而言,新的挑战仍会不断出现。喻亮星也丝毫不松懈,他清楚地知道:“大数据的创新、探索、发展永远在路上”。作为企业的领导人,不轻视任何倾向、变化和机会,竞争力始终与市场需求、技术发展同步,才能不被市场淘汰。“勾正数据作为提供从数据获取、清洗、建模、分析等一体化服务的企业,更要保持与技术创新的同步,保持技术研发的领先性,才能保证产品不被淘汰出局,保证其发展不脱节。”在技术赋能下,大屏教育、智能家居、家庭医养等智慧家庭创新业务不断涌现。喻亮星也在思考公司下一步布局的方向,“以前我们关注的更多是家庭娱乐大数据的研究,目前也在考虑进行家庭医疗、家庭零售等新领域的技术储备和数据体系的构建。”在严酷的市场竞争、新技术新业态快速涌现的当下,成败也许只在一瞬间,考验着每一位领导者的决策智慧。喻亮星已经做好了迎接各种挑战的准备,多年的从业和管理经验让他具备了较强的抗压能力以及一步步向前推进的决心,而把压力变成动力也是他一直默默遵循的准则。他再次强调,做数据不可能一蹴而就,勾正数据将时刻保持敢想、敢拼、敢干的战斗状态。喻亮星说他将继续扎根这一领域,做深、做透,带领勾正数据构建一整套数据体系化服务链条,实现自身价值的同时,为客户和行业做出贡献、创造价值。“对我而言,如果把这件事情完成了,就是一件很了不起的成就了。”