信息行业研究报告

最近我又亲手采集了2020年初到2020年9月最新一批行业研究报告，一共挑选汇总了接近1800份行业研究报告，大小为5.5G多一点。这是压缩包大小所有分享的报告，是截止目前日期为止最新最全的行业资讯与数据信息。在整理分类的时候，我已经按获取渠道、行业分类作为子目录名挨个分好类。主要渠道来源30多个、包括阿里研究院、CBNData、百度指数、360营销研究院等、新浪微博数据中心、以及艾媒、艾瑞、CNNIC等专业机构。2020年是大变革的时代，也是是大浪淘沙的一年，历史更替、行业变革。作为普通人的 我们，迷迷糊糊的看着朦朦胧胧的世界，或迷茫、或浮沉，我们再次来到一个决定命运的交叉口。这时候，知识和数据将为我们指引航向。如此精彩的内容，无私与大家分享，希望能帮助到有此需求的人，这也是我们社群的宗旨。先上几张截图大家感受一下费了我好大功夫现在2020年1月—2020年9月最新的行业研究报告总量接近1800份的珍贵数据全都分享给您同时我也会每天收集+更新相关数据如果您觉得这份资料对您有帮助希望获取完整的内容参考学习您可以关注+评论+转发然后私信：2020感谢您的支持！

极光大数据日前发布了《2019年新闻资讯行业研究报告》。报告从用户行为、平台用户画像等多个方面分析用户对于各新闻资讯平台的品牌印象及行业概况。其中，一点资讯在资讯平台推荐度、人均单次使用时长、30日活跃留存率均位列第一，获评大众化、有品质和值得信赖的资讯平台。而今日头条、腾讯新闻也分别在DAU、使用时长、美誉度等方面表现优异。报告数据显示，一点资讯在各新闻资讯平台用户推荐度方面以7.211分位居榜首，这意味着相比于其他新闻资讯平台，用户更倾向于向周边亲友推荐使用一点资讯，也侧面反映出用户对平台内容和产品的高度认可。用户眼中，一点资讯的品牌印象获评大众化、有品质和值得信赖的资讯平台。除了品牌美誉度，一点资讯的用户忠诚度方面也表现优异。数据显示，一点资讯人均单次使用时长为16.8分钟，在新闻资讯APP中位列第一，高于第二名今日头条的14.6分钟。同时，平台30天活跃留存率高达21.7%，在众多新闻资讯APP中同样居于首位，成为人均使用时长和用户留存维度的“双料冠军”。使用时长和留存率反映了用户的忠诚度，同时也关乎用户习惯的养成。整体而言，一点资讯展示出强劲的平台实力，在用户心中树立了优质的品牌形象。当前国内移动资讯行业中，智能推荐算法在提高信息传播效率的同时，也引发用户对于内容质量、价值观问题、算法黑箱等多方面忧虑。一点资讯能够在用户心中建立有品质值得信赖的品牌形象，并受到用户广泛认可，源于自身对于价值内容的一贯追求。作为内容分发平台，一点资讯在底层技术架构融合了搜索和个性化推荐技术，以用户“兴趣”为核心，基于“智能算法 人工编辑”的人机协同模式，以寻求技术和价值之间的平衡之道，致力于让用户随时随地高效、智能地获取对自身有价值的内容信息。手持《互联网新闻信息服务许可证》和《广播电视节目制作经营许可证》两大牌照，一点资讯持续对自身的内容生态进行梳理和优化，严格把控内容，为内容消费者打造一个更好的资讯阅读环境。据了解，2018年一点资讯关停了9800多个自媒体，清除平台垃圾内容，通过专业内容生态团队把控，保证价值内容的输出。秉持“有趣更有用”的理念，一点资讯在算法和价值的双重加持下，既满足用户对有趣有料的热点内容和娱乐内容的需求，也满足用户对有用、有价值、有品质的内容需求，最终形成了很强的用户黏性。报告显示，一点资讯日人均使用时长高达80.5分钟，仅次于第一名今日头条的89.2分钟，远高于第三名网易新闻的29分钟。此外，在用户构成方面，一点资讯中、重度用户占比高达54.6%，其中，重度用户占比25.6%。在用户群体画像方面，一点资讯整体用户趋于年轻化，主要聚居于北上广等一线城市，男性占据主力位置。其中，25岁以下用户占比达到29.7%，26-35岁用户占比达到43.9%，85后用户超过七成，用户群体整体趋于年轻化，而男性也成为绝对用户主力，占比高达61.3%。在地域分布上，一点资讯用户城市等级分布基本与全体移动网民保持一致，分布最多的省份为广东、江苏、浙江、山东和河南，上海、北京和广州则成为用户占比最高的三座城市。高黏性的用户群体为一点资讯的优质内容版图拓展和商业变现打下了良好的基础。在内容拓展方面，一点资讯联合业内领先的大内容平台，不断拓展内容合作边界，先后引入音频、视频、小说、漫画等不同内容载体的优质内容，构建多种形态结合的内容平台，充分满足用户多元化内容消费需求，多项数据的行业领先也印证了用户对于平台的高认可度。而基于兴趣引擎，一点资讯能够向用户精准推荐内容，运用兴趣营销方式满足个性化广告需求，在商业拓展方面也更加重视电子书、音视频等多元化内容平台的合作，同时面向广告主也能满足个性化的广告价值诉求，帮助广告主实现品牌对目标客户 的有效触达。随着移动互联网增速放缓，流量红利的“潮水”逐渐退去，真正吸引大众的始终还是价值内容。在人机协同的内容分发模式下，一点资讯将充分发挥算法技术的优势，用有温度的优质内容，致力成为用户心中值得信赖的内容平台，实现品牌与用户的共生、双赢。(李新宇)

无论是金融机构研究员、咨询公司顾问甚至是互联网战略分析师，他们都有一个必备技能，那就是需要会做行业研究报告，从战略和经营角度为企业提供发展建议。如果没有通过专业的训练，很多人是不清楚如何做一份行业研究报告的，比如你身处短视频行业，你领导突然下达一个任务，让你做一份短视频行业的研究报告，你一定会是懵的，无从下手，从哪里切入？1行业研究思考框架 行业研究的逻辑线索简单来说就是从大到小，从宏观到微观。第一步，分析 宏观环境和整体 行业趋势，为之后的分析定下基调。第二步，分析 细分领域和 具体公司情况，因为宏观的概念无法落地。第三步，分析竞对企业情况和 应对策略，怎么样才能碾压对手or不被对手玩死。第四步，分析企业未来的发展趋势和 投资价值。（这一步不是必须的，可以根据研究的目的和具体的业务要求的不同灵活处理）以上四步，下面会针对每一步来详细讲具体的研究方法。2宏观形势分析分析宏观形势，大致也可以分为下面四步：1. PEST分析一个公司，一个行业无不受到整个国家乃至全球格局趋势的影响。如果想要预测和把控一个行业的发展机遇和方向，就一定要有更高的格局。更重要的是，现在一个行业的颠覆往往不是来自于内部企业，而是来自于看似完全不相关的外部企业，甚至是来自新的行业。第四次工业革命来临，大数据、AI、云计算带来的科技变革会产生很多新兴的公司和行业，而这些新来者往往正是传统行业的掘墓人。咨询公司常用到的PEST（Politics，Economy，Society，Technology）模型是分析宏观环境最好的工具之一。其中Politics（政治）维度是最需要重视的。有些不能过审的内容这里不能多讲，举几个简单的例子：国内有很多行业都是需要政府补贴的（例如新能源电动车等），还有很多行业是需要看政策风向吃饭的（例如动不动就翻车的P2P行业）。国外政府的态度和风向也很容易影响行业格局。华为就是最好的例子。川大统领从行政命令的角度对一个商业公司的封杀就是降维打击，本来是可以直接搞死企业的（例如美国弄死“法国华为”阿尔斯通的案例，可以参考《美国陷阱》这本书）。好在华为一直坚持自主研发的精神，在（窝巢支持下）和美国硬杠的道路上一骑绝尘，虽然芯片国产化的技术难度在短期内很难追上，但硬杠到底总比妥协屈服后被步步蚕食的下场好了太多，毕竟老牌资本主义国家的嘴脸一直是贪得无厌。这个问题北宋文学家苏洵在《六国论》里说的过于精辟，以下原文引用预警：今日割五城，明日割十城，然后得一夕安寝。起视四境，而秦兵又至矣。然则诸侯之地有限，暴秦之欲无厌，奉之弥繁，侵之愈急。古人云：“以地事秦，犹抱薪救火，薪不尽，火不灭。”2. 产业链分析任何一个行业其实只是整个产业链中的一个环节，通过对整个产业链条进行分析，其实可以帮助我们更好的了解行业。这里具体的方法很多，可以层层逼近的方式来深入了解行业，具体的问题例如：行业在产业链条中的位置是什么？上下游都有哪些？行业在产业链条中的价值是什么？行业在产业链条中是否不可或缺的？行业是否具备在产业链条中的定价权？…………二级市场行业研究经常会对一个公司背后的整条产业链进行分析，例如苹果和华为，这两家行业巨头的背后，是无数上下游供应商提供的各种零配件和技术。从芯片、到面板、到摄像模组、到音频系统等等，每个方面都是各种供应商的配件和技术结晶，最终才能呈现出一台优秀的手机。天朝大A股市场也常出现XX概念股（例如苹果概念股，5G概念股等），也是来自于产业链分析的结果。3. 行业规模估算既然要在一个行业发展或者深耕，就一定要知道这个行业的市场规模，这样才能知道有多大的蛋糕可以分（市场潜量），或者还剩下多少蛋糕可以分（市场存量）。估算市场规模（Market Sizing），是咨询公司面试常用的题目，一般可以从供给端（Supply）与需求端（Demand）出发，进行交叉验证。简单来说，本质上就是要把一个你不知道的数，拆成几个你知道或者容易推测的数。举一个例子，如何估算北京市每年的奶茶店市场规模？从需求端角度来看，可以拆成一个很简单的问题：我家三口人，只有我每两天喝一次奶茶，每杯30块钱。那我家一年花多少钱买奶茶？转化成专业一点的公式就是：市场规模 = 用户基数（3口人） x 渗透率（1/3） x 消费频次（约180杯/年） x 客单价（30块）这个公式里面，用户基数已知，客单价已知，渗透率和消费频次可以根据经验拍一个数，如果要提高准确率，还可以通过用户分群的方式估算不同人群的渗透率和消费频次。实际工作中，还可以通过数据分析、专家访谈、市场调研的方式获取更准确的数据进行估算，具体市场调研操作方法可以参考我之前写过的文章，这里不赘述。需要注意的是，很多时候只能做一个粗略的估算，并且不同估算方法考虑的因素不同，最后的估算结果也可能会有很大差异。更多的估算方法如果大家有兴趣，之后我会再写一篇文章给大家讲更多的例子。最后，如果想要省事，或者实在不好自行估算行业规模的话，也可以查找市场上现有的一些行研报告，采用报告中的估算数据，以作参考。4. 行业发展阶段分析通过上一步的市场规模估算，我们大概知道了这个行业还有多大的空间可以供企业争取。接着就需要判断行业处于哪个发展阶段，毕竟在不同的行业发展阶段，企业的竞争策略也是不同的。一般来说可以关注下面几种指标来判断行业的发展阶段：A）市场增长率、销售额/销售增长率、用户数/用户增长率这是主指标，与行业发展速度相匹配。传统企业更关注销售额/销售增长率，因为传统企业是利润驱动的。互联网企业更关注用户数/用户增长率，因为互联网企业是资本驱动的，只要有风口，就可以投入大量资本驱动行业增长，疯狂扩张，能熬死别人就赢了。举一个典型例子，瑞幸咖啡的前身神州租车就是这么玩的。B）利润率行业平均利润率，可以反应盈利能力和吸引投资能力。C）集中度行业前几名企业的销售额占比，反应垄断程度和竞争情况。集中度越高的行业越难进入，因为进入壁垒高，所以行业龙头的盈利水平较高，例如手机行业的苹果，常年以牛逼的毛利水平制霸全球同行财报。同理，集中度低的行业进入门槛低，但竞争激烈，盈利水平低。行业在初创期和成长期都很适合企业进入并抢“量”，成熟期和衰退期就需要稳扎稳打保持现有优势并谨慎探索未来方向，通过这样的思路来定一个策略上的基调3细分领域分析宏观的概念无法落地，所以第二步的分析要围绕整体策略，思考一个具体的落地方向，即下沉到一个细分目标市场。可以从以下5个维度思考这个问题：1. 商业模式是什么？严格来说其实没有所谓的互联网行业，只是互联网公司的产品以虚拟产品为主，而具体的深耕领域有游戏、广告、电商平台、社交、O2O平台、新闻资讯、互联网金融等等，更加垂直的领域有汽车、房产、美妆、母婴等等。这里谈的商业模式，更多关注盈利模式，下面举一些例子：B2C（商家对消费者）：网易严选、小米商城等品牌商自己运营的平台、P2PB2B（商家对商家）：咨询公司、广告公司、百度、头条B2B2C（早期是B2C）：京东（有京东自营，有入驻商家）C2C（消费者对消费者）：闲鱼二手交易、58同城二手板块B2VC（商家对投资者）：绝大部分互联网公司都是，例如瑞幸咖啡、共享单车、B站O2O（Online to Offline）：这个其实不能和上面几种放在一起讲，因为O2O的分类维度是从线上线下，而不是从交易对象的角度看。但是O2O可以包括B2C、B2B、C2C、B2B2C等等看到一个很生动形象的例子，也分享给大家：你在地摊买东西，C2C你去超市买东西，B2C超市找经销商进货，B2B超市出租柜台给经销商卖东西，B2B2C你在网上下载个优惠券去KFC消费，O2O所以问题来了，除了常识和经验，还有哪些方法可以用来搞清楚盈利模式？这里提供一些分析的思路，当然绝不仅限于这些思路：A）与业内人士交流问前辈，问同行，加入专业社群，付费咨询等B）看新闻，财报，行业文章通过关注行业新闻建立基本的认知，关注财报了解利润来源C）站在企业的角度看问题用户看问题是看功效（这个东西好不好用？）企业看问题是看谁来买单（能把这个东西卖给谁？谁会买？付多少钱买？）2. 细分市场是否有开发价值？这里主要是讲细分市场规模的现状与变化趋势。在前面的宏观形势分析里提过了估算行业规模的方法，同样的，针对细分市场也可以做进一步的市场估算，具体方法这里不赘述。3. 面向哪些消费群体？了解不同区域的消费群体规模、用户需求、消费者使用习惯与态度、品牌/产品渗透情况。具体分析方法参考之前写过的市场调研的文章。值得注意的是，传统行业除了分析消费群体，还特别注意具体的地域。因为每个大区、每个省、每个市可能都会有很多具体差异，光讲大趋势是落不了地的。4. 要做出什么产品？选择满足消费者需求，有增长空间的产品品类，并关注产品渗透率、产品所处的生命周期等。注意对于用户和产品的研究最好有量化数据。脱离规模谈需求，脱离用户谈产品，脱离地区谈策略，都是很不专业的。企业需要根据具体的数字做预算规划，行业研究想要落地，也离不开对一线业务的了解和调研。5. 有哪些风险制约因素？风险制约因素有很多，下面提供一些思路，但不仅限于这些思考维度：A）细分市场的PEST因素看具体落地时是否有机会点/障碍点B）行业的进入壁垒（也是关键的成功因素）即行业内既有企业在多年经营当中建立的优势。进入壁垒一般有：客户忠诚度，政策与政府关系，资本金投入，规模经济，技术积累，品牌效应，渠道，运营经验，产品差异化等等C）企业面临的潜在风险政策/法律风险（如贸易保护、行业限制、反倾销等）市场风险（如需求减少、竞争者增加等）经营风险（如员工过剩、成本提高等）财务风险（如坏账，现金流断裂等）…………D）核算成本和利润，看是否能盈利主要是传统企业，互联网企业可能不太在意利润的问题，毕竟烧钱是主流衡量盈利水平的指标一般有毛利率（Gross Margin），净资产收益率（ROE）和息税折旧摊销前利润（EBITDA）等等在研究具体项目时，一般会采用投资回报率（ROI），内部收益率（IRR），投资回收期（Payback Period）等等4竞争情况分析完成了对细分目标市场的分析之后，对行业的洞察已经可以具体到战术层面。如果还要更深入到战斗层面，结合行业趋势给出具体的操作方案，就得做第三步，竞争情况分析。大致的分析框架也可以分为下面四步：1. 竞争情况梳理首先可以做的一步是梳理一下行业目前有没有巨头？这些巨头是出于发展阶段还是已经占据了大壁江山？他们的研究方向是什么？除了新兴行业和高速发展中的行业，大部分行业的蛋糕其实已经被瓜分得差不多了，后来者如果想要搅局，就需要创新的思路。例如当年的新闻资讯行业，是门户网站的天下，例如新浪、搜狐、腾讯等，拥有大量的采编团队，对于已经形成如此体量的行业龙头而言，以传统的思路跟它们竞争是行不通的。于是今日头条作为搅局者，用算法分发的思路创新性地重构了行业格局，后来居上地占有了新闻资讯行业的一大块蛋糕。2. 选定竞争对手做竞争情况分析一定是需要对标一个甚至几个对家的。否则就是自嗨。只有选中对手才能谈优劣。因为最终选择权在用户手里。用户不会理会企业的各种策略，只会考虑我是谁、我需要什么功能、我觉得这个产品好不好用、我觉得这个产品贵不贵、我觉得对家产品是不是更好用、如果更好的话好在哪里……选中对手，才能真实测试用户态度，了解真实的竞争优势劣势，才能知道我们想象中的用户到底买不买单。3. SWOT分析SWOT（优势Strengths、劣势Weaknesses、机会Opportunities、威胁Threats）分析是最常用的竞对情况分析模型。通过对这SWOT四个因素的排列组合，可以确定之后的竞争策略。具体的思考维度可以参考但不限于以下思路：主要竞争品牌的知名度总体市场及各销售渠道的市场占有率用户构成、用户画像产品特点价格定位销售渠道、铺货范围、供货程度各销售渠道的优劣势各零售店的促销活动广告营销费用比例…………针对上面的每一个维度，都可以做SWOT分析，具体操作的时候建议结合当前业务关注的问题，选择最紧迫的几点有针对性地分析。抽象的概念不好理解，举一个好玩的例子来讲SWOT分析。时至2020年穿越剧仍然是很热门的话题，上半年就有从现代文明穿到古代文明拿狙击枪开挂吊打古人的，还有编剧穿到自己写的剧本里开上帝视角结果差点翻车的，所以这里可以提一个很有意思的问题：如果你穿越到三国时期，怎样才能成为人生赢家？（小目标是先赚他一个亿，大目标可以是一统天下）优势S作为穿越人士，最大的优势自然是对历史趋势的了解（俗称上帝视角、开天眼）。预知未来这个技能是所有人都梦寐以求的吧？要是让我回到2000年，我砸锅卖铁也要去买房子好吗。。。或者回到2010年，我愿倾家荡产投资茅台的股票。。。有人会说穿越人士还有一个优势是对现代军事科技的掌握，拜托你醒醒，火药你知道怎么配制吗？枪你可能会开，然而你会制造吗？你有图纸吗？有图纸你能一起带着穿越吗？重武器就更不要说了，不是专门研究这个的工程师就不要做梦了。。。还有人说穿越人士对兵法的了解？你是认真的吗？纸上谈兵还能有这么自信？古代战场上的天气、地势、敌我双方情况都是瞬息万变的，没有真正上过战场能理解这些细节吗？而且你知道怎么保障后勤吗？兵马未动粮草先行您能否考虑一下？所以作为穿越人士，要对自己有清醒的认知。你懂的是天下大势和历史人物的特点，不是具体的操作，所以请合理利用优势，广纳人才——因为你知道谁会打仗，谁会奇谋，谁会治军，谁会治国，所以请不要登月碰瓷三国时代名将谋臣的专业能力，你只需要知人善任，关键时候做出决策，老老实实做他们的老板就可以了。。。劣势W最大的劣势就是你作为一个穿越人士，光杆司令一个，没有认识的人，没有群众基础，连家人和朋友都没有。电视剧里那种一穿越就能碰到男主角/女主角的事情，想想就好，不要当真。更实际的情况是你穿越之后连衣服都没有，连一块烧饼都买不起，上无片瓦，下无交通工具。当然你要是开了金手指，开局直接魂穿了某位无辜群众，前面的话当我没说。机会O说到机会，从商业角度来看，就是要看前面提过的行业宏观形势和细分市场情况。有下面几个机会点可以考虑：1）致富请找医疗行业宏观形势是，三国时期瘟疫影响了很多战争的发展和结果（黄巾之乱就是源于东汉末年的大瘟疫，赤壁之战曹军水土不服也是一个例子），瘟疫和伤病也导致了很多名将谋臣的陨落。从细分市场来看，搞医疗行业必定是能致富的，但是关键问题在于你不掌握核心技术。所以赶紧去抱华佗大神的大腿，比如说对麻沸散这种神药进行商业化操作（由你作为药企掌握定价权），对五禽戏这种神操进行大规模推广开班（可惜不能直播教学）。不管是把华佗发展成商业合伙人，还是通过人格魅力发展成挚友，都是靠谱的方法~2）搞事请找你喜欢的合作伙伴如果想要改变历史进程，你需要先和诸侯或地方豪强合作，毕竟你手里没兵没粮，巧妇难为无米之炊。先获取诸侯豪强的信任，获得创业的第一桶金（即兵马钱粮），接着就可以靠你的天眼一步一步扭转历史。具体跟谁合作取决于你穿越到了哪一年。举个栗子，如果穿越到建安二年，你可以去找曹老板，建议他不要去搞张绣的婶婶。如果穿越到建安五年，你可以去找孙策，建议他不要单骑出猎。如果你要和刘备一起干，随时可以建议他去请诸葛先生出山并且尽快把法正从刘璋那里挖过来。威胁T整体的宏观环境威胁来自于你不会武功，又没有军队，被抢劫or被暗杀or亡于兵灾的可能性很大，所以需要考虑和本地豪强合作，或投靠某位诸侯。具体的细分领域威胁来自于你要发展的行业：如果要发展医药行业就要紧密观察华佗会不会抛弃你单干，是否能够获取核心的商业机密（例如麻沸散的制作方法等），或者如何通过股权运作的方式保住你在公司里的地位等等。如果要搞事，最大的威胁就是曹刘孙三家诸侯，他们在你羽翼未丰之际是强大的竞争对手，在你形成实力之后是随时会卷土重来的隐患。接下来可以看一下具体的竞争策略了：机会优势战略（OS）如果外部的机会正好是你的优势，赶紧利用起来机会劣势战略（OW）外部有很好的机会，但是目前是你的劣势，你就需要改进优势威胁战略（ST）你具有优势但是外部存在威胁，那就需要时刻监视、保持警惕威胁劣势战略（WT）既是威胁又是你的劣势，请及时逃离并消除以下是结合“如何在三国成为人生赢家”这个问题的具体战略说明：4. 标杆分析标杆分析（Benchmarking），就是把企业经营的各方面情况与与竞争对手或行业一流企业的产品、服务、经营业绩进行对照分析的过程。说的通俗一点就是高级的拿来主义，怎样把别人的优秀经验化为己用，如何对别人的经验取其精华去其糟粕，并调整为符合自己战略和特点的操作。这里举一个例子：对于销售部门来说，标杆分析是很适合的方法。如果直接对销售进行指导，无异于纸上谈兵。毕竟总部的分析师不一定会去一线接触销售跑单的业务，就算接触了也是钦差出巡体验生活，并不是真的和基层销售员一起跑业务，所以上来就指手画脚经常是脱离实际的。销售会质疑总部的分析人员，但不会质疑比他们自己做得好的销售，最多抱怨自己没有人家的外形条件、地域条件、促销政策、话术指导、以及其他支持资源等等（是的他们可以找一万个理由证明业务做不过人家不是自己的问题）。所以对于这种情况，树立标杆比讲道理有用，让他们跟着做得最好的销售标杆案例学习是让他们心服口服的好办法。全国的销售团队，总有一个大区的业绩最好，这个大区里又有一个省市业绩最好，这个省市里又有一个商圈业绩最好，这个商圈里又有一个门店业绩最好，这个门店里又有一个金牌销售业绩最好。为什么人家业绩好？刨除不可复制的因素之外，学TA的成功经验就好了。销售行为毕竟还是可以通过一定的观察和分析，总结出套路和流程化操作的。你的目的不是把60分的销售变成90分，而是把不及格的销售变成60分，量变引起质变，最后对总体业绩的提升将会是明显的。这里就不展开来说未来趋势分析这一点了，毕竟对于未来趋势的把握，需要长期的行业经验积累和商业洞察才能做到，大部分人的预测都只是看看而已，就算是数据模型，对未来的预测也有太多的变数。这一点以后有机会再聊。5去哪里找数据最后讲一下数据要去哪里找。毕竟不管是做行研，还是做分析，一切研究的基础都需要有数据，所以找数据是第一步。1. 怎么找数据？从大的角度看，有5种方法：1）搜索引擎谷歌大法好，请善用搜索引擎，可以帮你节省大量时间，准确找到需要的信息，并且发现一些新的思考维度。唯一的门槛是需要科学上网。2）搜索引擎搜不到的其他网络内容例如微信公众号的内容，就是一个信息孤岛，不开放给搜索引擎的，所以只能自行关注感兴趣的行业，寻找相关的媒体或自媒体。3）公开二手数据国家官方公开数据，例如统计局数据上市公司公开数据，例如招股书、财报、重大公告以及来自咨询公司、数据平台、第三方机构的研究报告4）市场调研数据这些数据可以是二手的，也可以是自己调研得来的一手数据，具体调研方式包括但不限于专家访谈、用户访谈、问卷调查、实地考察、Cold Call等等。5）人脉交流这部分数据就看各位同学的本事了，可以是你家里带来的资源，可以是你的同学、老师、校友、同事、朋友带来的资源，也可以是你自己通过社交、会议、沙龙、社群等方式获得的人脉资源。毕竟很多内幕消息和行业核心信息，只掌握在少数人手里，必须接触到相关人士，才能了解到这类信息。总的来说，看脸，也看缘。2. 怎么看待数据？拿一张表做说明：1）官方数据最权威的数据来源是国家统计局。但是即使是国家统计局，拿到/上报的数据就是一定真实的吗？不敢多说怕不过审。行业协会数据同理。2）第三方机构数据这种数据比较真实，但是有两个问题：一、数据来源于使用了第三方机构产品的企业。例如TalkingData（这个公司是做数据服务的）发布的互联网行业报告，但是注意这个报告对互联网行业的定义，仅限于那些用了TalkingData产品的互联网企业。那还有很多没有用这个公司产品的互联网企业，就不算了？二、第三方机构的数据只能用于某些特定行业的分析，例如电商、社交、游戏等互联网属性强的行业，有大量的用户数据供分析。但是对很多传统行业而言，要么没数据，要么很难收集数据，你怎么分析？3）市场调查数据调研数据也是比较真实可信的，局限在于样本太小、成本又太高。只要涉及到抽样，都会有样本是否有代表性的问题，反推可能过于夸张，而且还有幸存者偏差。国家统计局也会做抽样，但是样本相比全国的企业简直是九牛一毛。如果做全量统计，除了公安机关民政机关，就是运营商和微信有这个能力了（三大运营商用户智能机设备数超过14亿，微信用户数接近12亿），但是微信采集不到其他APP的数据，三大运营商采集不到没有智能机的人群的数据。这都是客观局限。4）企业主动发布数据上市公司的财报、公告等信息一般可以从官网的投资者关系这一栏找到，同时上市公司的招股说明书对于新手了解一个行业非常有用，会有一些章节详细介绍上市公司从诞生到上市的情况，包括业务情况和运作方式，并将公司所在行业进行一次梳理。招股书、财报这类数据，虽然存在粉饰的嫌疑，但总体来说也是比较真实的，但是也有两个问题：一、数量太少、频率太低，毕竟你不能逼着企业发布数据啊。二、对于广大非上市公司，你怎么分析？估计只能猜了。当然还有一些其他渠道的数据，但除非能够相互印证，一般都不能直接使用。3. 数据不准确怎么办？既然能获取的数据存在这么多问题，那应该怎么用呢？如果数据不准要怎么办？首先，不要迷信行研的数据。严格来说，行研数据肯定不准，也没办法准，如果你的内部数据和行研数据对不上，也很正常，相信你的内部数据，不要强行说服自己。但是商业数据通常很难获取，特别是竞争对手的数据，即使是通过私人关系从对方内部拿到的数据也是天差地别，无法甄别。因此通过第三方咨询公司购买是最常用的做法。除此之外，从对方网站爬数据，通过搜索引擎收集相关的新闻报道、公司高管的采访视频、投资人对公司的评价等等方式也是常用的手段。虽然比较麻烦，但是把以上方式收集到的数据综合在一起看却是最接近真相的数据。行研真正的价值，不是具体数字，而是分析师对于行业整体发展趋势的判断。好的分析师能够结合其他的数据和信息，看到数据背后隐含的商业行为和价值，这才是真正做战略分析的意义所在。所以行研的参考意义大于实战价值，如果内部数据都分析不出来问题，行业分析更是只能作为参考，更多的时候是给投资人画饼的时候的背书。更关键的是，逻辑有时候比数据更重要。不管你通过数据分析出了多少结论，最后都要输出并且说服别人。这就需要你有讲故事的能力。说服力强的故事通常有着严密的逻辑分析推理过程，因果关系在大多数情况下也是成立的。这个过程并不比数据收集分析简单，或者说更具有挑战性。因为你的读者（不管是同事、老板、还是客户）可能很难质疑你的数据，所以会更加注意你的逻辑是否合理和严密。思考的逻辑可以是树状的，但是沟通的逻辑最好是线性的，表达和汇报的时候需要有清晰的结构和重点，对于逻辑思维和表达的训练说起来又可以单独写一篇文章了，以后有机会再跟大家分享。4. 常用工具推荐下面推荐一些常用的找数据的工具和网站，供大家参考：官方统计数据：国家统计局行业统计数据：各大行业协会官方网站咨询公司报告：MBB、罗兰贝格、德勤、普华永道、尼尔森、IBM等第三方数据机构报告：CAICT中国信通院、 CNNIC国家互联网络信息中心、阿里研究院、企鹅智酷、360研究报告、 199IT、 TalkingData、QuestMobile、前瞻网、乐晴智库、友盟、艺恩、艾瑞、艾媒、易观、亿欧、极光等二级市场研报：WIND万得金融终端、迈博汇金（慧博）、Bloomberg（彭博）等上市公司财报：上交所、深交所、港交所、美国SEC、上市公司网站投资者关系页、巨潮网、证券星等创投媒体：36 氪、虎嗅、猎云、亿邦、新浪科技等财经媒体：华尔街见闻、财新网、FT、新浪财经等垂直领域研究与资讯：微信公众号、知乎机构号等宝藏工具：B站，包括但不限于知识区的财经频道，科普频道，社科频道等个人推荐的行研报告查询平台：发现报告 https://www.fxbaogao.com/并购家 http://ipoipo.cn/作者：胖小丁 知名咨询公司管理咨询pointer，头部互联网战略分析师和策略分析师。

今天为大家分享的是IDC行业研究报告，部分内容如下，下期（K12在线教育行业研报）2020年中国IDC行业概览.pdfIDC—数字中国发展的基石.pdfIDC系列报告一：数字产业基石，关注卡位核心地区的IDC企业.pdfIDC系列报告三：数据中心中各类IT硬件占比拆分.pdfIDC系列报告之六：从DCF角度看IDC行业的长期投资价值.pdfIDC系列报告二：还原IDC行业的真实盈利能力.pdfIDC行业展望：发展确定性高，2020是机遇之年.pdfIDC行业投资标的梳理.pdfIDC行业报告：新一代信息技术的核心基础设施-搜搜报告.pdfIDC行业深度报告之一：中美对比研究：哪些因素在影响IDC企业估值.pdfIDC行业深度报告：以美为鉴，腾飞在即_搜搜报告.pdfIDC行业研究框架报告：IDC-数字化转型的基础设施.pdf云计算数据中心产业链专题：短期需求叠加长期逻辑，IDC及云计算产业链投资图谱-搜搜报告.pdf从三大边际变化再论本轮IDC投资三要素.pdf从全球IDC龙头Equinix看中美IDC发展路径：乘数字化之浪潮，REITs助力成长.pdf全球IDC价值重估系列报告之五：与流量巨头共舞，尽享景气提升红利.pdf全球IDC价值重估系列深度之一：流量将第三次爆发增长，从“收入-成本”视角看全球IDC企业价值重估.pdf全球IDC价值重估系列深度之二：回顾全球IDC发展史，寻找下一个Equinix.pdf印制电路板行业深度：头部通讯PCB厂商深度受益IDC基站建设.pdf掘金数据中心系列深度报告（一）：IDC大变革时代，紧握优质核心资产.pdf数据中心IDC行业深度研究报告：数据中心：沧海流量，信息基石-搜搜报告.pdf数据中心专题报告：关注上游设备及深耕一线商圈的IDC服务商.pdf数据中心深度报告（二）：IDC投资快速增长，成就IC变革引擎.pdf文件名清单.TXT新三板TMT专题报告：数据中心景气下能耗问题爆发，IDC节能降耗行业腾飞在即.pdf申万宏源-通信周报：IDC投资建议聚焦头部互联网企业的供应商.pdf获取本文件夹所有文件名（不含子文件夹）.bat计算机行业2020年中期策略报告：关注IDC板块的投资机会.pdf通信行业2020年下半年投资策略：新基建政策推动下，5G和IDC赛道开启加速跑.pdf通信行业深度分析：5G和IDC“新基建”促温控技术革命性升级，散热行业迎量价齐升大发展.pdf钢铁企业涉足IDC业务的可能性：钢企发展IDC：生产要素再利用.pdf钢铁企业涉足IDC业务的可能性：钢企发展IDC：生产要素再利用.pdf钢铁行业深度报告：当钢铁遇上IDC.pdf钢铁行业深度研究：钢厂IDC——新势力崛起搅动IDC行业.pdf部分报告内容展示：注明：报告内容归原作者所有，如有侵权，联删，行研君作为内容整理方，仅作为学习使用，下载后请在24小时内删除，否则后果自负。更多细分领域报告请查看星球。目前星球的报告已经按资料类型、细分行业、发布机构进行了整理，目前已经整理了200+、30000+精品报告，也持续更新了570+天。往期推荐5G行业研究报告（合集）从阅读行研报告开始了解一个行业（内附260+行业30000+份最新行研报告资源）-搜搜报告-每天分享50+研报的社群从阅读研报开始了解一个行业交个朋友。

今年4月，建设银行的“无人银行”在上海开业。它采用带有人脸识别功能的智能摄像头和闸机取代了安保人员，用迎宾机器人取代了原本的大堂经理，用智能柜员机取代了银行柜员，客户在进入银行之后，由机器人引导通过自助或远程的方式完成业务办理。“无人银行”引起了人们的无限遐想，未来的银行业会发展成什么样子？《Bank3.0》作者Brett King曾预言，“未来的银行将不再是一个地方，而是一种行为”。在经历了以物理网点、网络银行为主导的两代后，银行将变为：随时随地，无处不在的金融。Banking Anywhere，Banking Anytime！将“人”置于银行服务的中心位置，让传统的银行服务彻底摆脱物理网点和机具的限制，实现人们所到之处、所需之时、实时拥有便捷的金融服务。在今天，这样的畅想并不是空穴来风，伴随着科技的进步和互联网金融的冲击，银行业的智能化变革正如火如荼地展开，智慧银行时代，悄然来临。什么是智慧银行？智慧银行有哪些特征？智慧银行是传统银行、网络银行的高级阶段，是银行在当前智能化趋势的背景下，以客户为中心，重新审视银行和客户的实际需求，并利用人工智能、大数据等新兴技术实现银行服务方式与业务模式的再造和升级。智慧银行相对传统银行具有两个显著的特点：一是智能化的感知和度量。与以往直接的询问或根据历史服务数据做简单分析的方式不同，智慧银行通过一系列的智能化设备，在用户毫无察觉的情况下感知用户需求、情绪、倾向偏好等，从而为进一步的营销和服务提供支持。二是资源和信息的全面互联互通。智能化的感知和度量改变了银行采集信息的方式，将以往无法量化的信息按照某种规则进行量化分析，从而为资源的配置和优化提供决策依据。如，通过对银行网点的排队情况、业务类型、业务量的监控分析，可辅助银行完成网点布局的优化；通过对用户位置、需求信息以及网点实时服务情况的获取，可帮助用户选择最优的网点等。线上与线下的结合与不同渠道的信息互联使资源的配置更加合理和高效。有哪些因素驱动了银行的智慧化变革？技术、数据、场景和市场是主要的驱动力。技术方面，随着人工智能等技术的逐渐成熟，其商业应用场景逐渐受到行业的重视，银行业因数据量大，应用场景众多而成为各项技术争相落地的沃土；数据方面，金融业大量的数据沉淀对数据处理工作提出了更高的要求，也为大数据、人工智能等技术的应用提供了数据基础；场景方面，银行业务场景多样且呈精细化运营的趋势，针对各个环节的服务创新有助于提升效率，优化服务；市场方面，互联网金融的发展给银行业务带来不小的冲击，使传统银行在面临同业竞争的同时，还不得不应对新经济形态带来的用户习惯的改变和用户对服务质量要求的提高。激烈的市场竞争环境促使银行以客户为中心，重新审视用户需求，利用新技术手段优化业务流程，从而提升银行业的运营效率和服务水平。我国智慧银行的发展现状传统线下网点运营的成本压力使得银行一方面大量裁撤网点，另一方面也积极地投入智能化变革。当前，智慧银行呈现出线上线下结合、前后台协同的业态。其典型应用场景包括：用户识别、刷脸支付、智慧网点、智能客服和智能风控等。从产业链的角度来看，布局智慧银行领域的技术公司种类多样，其中，以生物识别、计算机视觉、自然语言处理、大数据等技术公司较为普遍，在应用上，生物识别和智能风控相对成熟。智慧银行的发展趋势回顾过去几年，网络银行、数字银行、虚拟银行、智慧银行等说法不断更新人们对银行的认知。这些被赋予了时代特色的名词，虽然在概念的界定上并不完全清晰，但它足以表明银行业追随技术发展与时俱进的步伐。在当前这个智能、高效、万物互联的时代背景下，银行业的发展也呈现智能、高效和便捷的特征，其网点建设则表现出明显的智能化、轻型化、特色化和社区化的趋势。注：本报告PDF版本可点击链接下载关于36氪研究院36 氪研究院是 36 氪子品牌，专注于一级市场的行业研究，通过定性定量结合的方式研究新兴行业与企业，欢迎大家积极与我们交流讨论。分析师：杜玉(yu100，yu@36kr.com)，关注人工智能、金融科技领域。

中商情报网讯：电子信息产业是一项新兴的高科技产业，被称为朝阳产业，其市场前景十分广阔。2018年，对于我国电子信息制造业来说是不平凡的一年。这一年，全球传统消费电子市场疲软不振，产业发展经贸不确定性不断提升，我国电子信息制造业可谓迎难而上谋发展。展望2019年，在中美贸易摩擦加剧态势下，电子信息制造业面临“外患内忧”的瓶颈局面，增长力度将有所减缓，并亟待聚力创新，打造差异化竞争体系，走向高质量发展。据最新数据显示：2019年1－4月，全国规模以上电子信息制造业增加值同比增长9.0%，增速比去年同期回落3.6个百分点。其中，4月份增加值同比增长12.4%，增速比上月加快2.2个百分点。从出口交货值来看：1－4月，规模以上电子信息制造业出口交货值同比增长4.9%，增速同比回落2.6个百分点。4月份出口交货值同比增长9.4%，增速比上月加快6.2个百分点。可见，2019年我国电子信息行业已慢慢趋向高质量发展。数据来源：工信部、中商产业研究院整理从行业营收来看：最新数据显示，1－4月全国规模以上电子信息制造业营业收入同比增长6.1%，利润同比下降15.3%，营业收入利润率为2.93%，营业成本同比增长6.1%，应收票据及应收账款同比增长5.4%。总体来看，行业营收及利润低于2018年整体水平，体现了电子信息制造业效益整体下滑。数据来源：工信部、中商产业研究院整理从电子信息制造业生产者出厂价格来看：1－4月，电子信息制造业生产者出厂价格同比增长0.3%。其中，4月份电子信息制造业生产者出厂价格同比增长0.3%，比上月提高0.1个百分点。整体来看，电子信息制造业生产者出厂价格自2018年起在不断上升。数据来源：工信部、中商产业研究院整理从固定资产投资来看：2019年1－4月，我国电子信息制造业固定资产投资同比增长6.7%，比1－3月加快1.2个百分点，高于同期制造业投资增速4.2个百分点。数据来源：工信部、中商产业研究院整理2019年电子信息行业展望从电子信息行业最新数据可以看出，当前我国电子信息行业发展增速有所放缓。展望2019年，电子信息制造业仍将保持平稳增长。产业发展中存在的不确定因素可能增加，企业业绩增速将进入换挡期。据业内分析：2019年，电子信息产业发展会面临如下几大瓶颈：资料来源：中商产业研究院整理同时，国际贸易形势对电子信息产业的影响一直备受关注，可以预计，2019年，部分电子信息制造企业的订单将受到贸易冲突影响，负面影响的广度和深度将继续扩大。 重点行业加速发力目前，我国电子信息制造业正加速结构调整与动能转换。中国电子信息行业联合会副会长兼秘书长周子学表示，一方面，手机、计算机和彩电等传统行业继续保持规模优势；另一方面，主要行业和产品的高端化、智能化发展成果显著，智能手机、智能电视机市场渗透率超过80%，智能可穿戴设备、智能家居产品、虚拟现实设备等新兴产品种类不断丰富。在虚拟现实/增强现实、无人驾驶、人工智能、无人机、智慧健康养老等新兴领域，国内涌现出了一大批创新型企业，技术和应用在全球处于领先位置。在智能手机市场，2019年，高端市场竞争加剧，新技术、新产品将拉动新消费。随着全球智能手机市场由增量转存量，各大品牌纷纷瞄准高端市场，一批高性能、高价位的产品将被集中推出。2019年，屏幕、拍照、快充、识别等功能技术的成熟，有望拉动智能手机的新一波消费。此外，随着5G商用的不断推进，几乎所有品牌均表示将在2019年发布5G手机，5G手机将成为推动智能手机消费的另一个增长点。核心领域仍待突破2018年，我国电子信息制造业不断夯实核心基础领域。而 2019年，我国电子信息制造业要走向高质量发展并非易事。由于我国电子信息制造业新兴领域创新与国际速度显现落差，亟需加速合力凝成协同创新体系；传统领域下降态势尚难被创新势能提振，有待聚力打造差异化竞争体系；产业规模和供应链掌控水平尚不协调，亟待构建安全可控的供应链体系。更多资料请参考中商产业研究院发布的《2019-2024年中国电子信息行业市场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。

百家号三周年之际，我们联合新榜研究院发布《内容行业研究报告》，经过三年的发展，百家号已发展为内容生产者的必选平台之一，内容创作者入驻数量已超220万。《内容行业研究报告》发现美食、体育等专业垂直领域用户黏性更高，竞争相对较小，适合新账号突围。报告还为创作者总结出内容形式的三大规律：传统内容看图文，视觉冲击看图集，生动简单看视频。以下是《内容行业研究报告》详细信息：为激励优质创作者，百家号已推出“金芒计划”、“百家榜” 、“红人计划” 等三大扶持计划和六大变现方式，为优质内容创作者提供资金和流量支持。时光荏苒，初心不变！未来，百家号将持续发挥技术优势，努力建设更加多元的内容生态，为创作者提供成就自我、影响世界的机会，推动内容行业健康发展！

MobData分析师认为，无论是马云提出的“新零售”、刘强东的“第四次零售革命”还是张近东的“智慧零售”，归根到底，是对传统零售的重塑变革，本质在于线上+线下+物流的融合与贯通，最终目的在于带来消费者购物体验的提升和企业运营效率的提高。| 中国3G| @中国好4G |通信行业最具影响力自媒体作者@中国好4G ：资深分析师｜特约撰稿人｜新媒体专栏作者｜手机评测专家中国3G通信行业最具影响力自媒体微信公号:china_3g回复 “目录”查文章编号回复相应数字看对应文章新浪百万名博@中国好4G坚持做有态度的原创订阅号

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。