中国大数据行业研究报告

★ 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

中国大数据产业规模日趋成熟2015年左右，大数据相关政策规划密集出台，同期为大数据企业新增数量顶峰时期。近年来，我国大数据产业迎来新的发展机遇期，产业规模日趋成熟。大数据产业主体从“硬”设施向“软”服务转变的态势将更加明显，面向金融、政务、电信、医疗等领域的大数据服务将实现倍增创新。1、中国大数据企业数量持续增长，增速与政策出台密切相关根据IT桔子统计，大数据企业的快速增长阶段出现在2013-2015年，增长速度在2015年达到最高峰。2015年后，市场日趋成熟，企业新增开始趋于放缓，大数据产业逐渐走向成熟。大数据新增企业数量的变化与新政策的出台密不可分。2015年8月国务院颁布《促进大数据发展行动纲要》，大数据由此正式上升为国家发展战略。2016年工信部印发了《大数据产业发展规划(2016-2020年)》，推动大数据产业进一步发展。另一方面，新一代信息技术、智慧城市、数字中国等发展战略逐步推动社会经济数字化转型，大数据的产业支撑得到强化，应用范围加速拓展，产业规模实现相应快速增长。2、中国大数据企业地域分布以北上广为主根据中国信息通信研究院监测统计，当前我国活跃的大数据企业超过3000家。我国大数据企业主要分布在北京、广东、上海、浙江等经济发达省份。受政策环境，人才创新，资金资源等因素影响，北京大数据产业实力雄厚，大数据企业数量约占全国总数的35%。依托京津冀大数据综合试验区，天津、石家庄、廊坊、张家口、秦皇岛等地大数据产业蓬勃发展，依靠良好的政策基础、科研实力、地理位置和交通优势，分别形成了大数据平台服务和应用开发、数字智能制造、旅游大数据等创新企业集聚中心，在信息产业领域形成了竞争优势。3、行业应用领域丰富，企业服务、医疗健康、金融等细分领域前景可期根据中国信通院对1404家涉及行业大数据应用的企业进行的统计整理，从中可以看出，金融、医疗健康、政务是大数据行业应用的最主要类型。除此之外依次是互联网、教育、交通运输、电子商务、供应链与物流、农业、工业与制造业、体育文化、环境气象、能源行业。从融资细分领域分布来看，大数据行业融资企业分布在近20个领域，大数据行业迎来历史新机遇，在企业服务、医疗健康、金融等垂直细分领域的大数据应用展现出巨大潜力。大数据产业增量蓝海市场正在逐步打开，截止到2019年，企业服务领域的企业获投占比最高为62%，金融行业次之为13%，健康医疗为8%。随着互联网与移动互联网的进一步普及渗透，以及IT基础设施的逐步完善，企业服务市场仍将继续扩大。更多数据及分析请参考于前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》，同时前瞻产业研究院提供产业大数据、产业规划、产业申报、产业园区规划、产业招商引资、IPO募投可研等解决方案。（文章来源：前瞻产业研究院）

图片来自“123rf.com.cn”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，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有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。本文来自亿欧，创业家系授权发布，略经编辑修改，版权归作者所有，内容仅代表作者独立观点。

商业智能（Business Intelligent）也被称为商业智慧或商务智能，人们习惯的称呼为“BI“，围绕BI工具建设的平台常称为”某某BI系统“、”某某报表平台“、”某某管理驾驶舱“等。BI（商业智能）技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处，让企业决策有数据依据，减少决策盲目性，理性地驱动企业决策和运营。近几年，BI越来越多的跟大数据联系在一起，BI工具需要提供大数据处理能力，也需要能实时对接大数据平台进行数据分析计算。自2012年以来，中国大数据BI行业都保持着快速的发展，虽然2018年企业外部环境愈加复杂，但BI行业并未受到明显影响，依然强势取得了同比增长25.8%的成绩。这一增长率，约是中国软件业增速的2倍，中国GDP增速的4倍。但是整体来看，中国BI行业的市场规模依然很小，2018年约有16.6亿人民币（纯软件销售收入，不含项目实施、项目运维），我们可以肯定，未来中国BI行业的发展潜力巨大。帆软数据应用研究院是中国研究大数据BI行业的重要力量之一，始终密切关注着中国BI行业的发展。自2018年3月开始，我们通过线上、线下的调研方式收集信息，共覆盖了全国各地5500多名企业IT及相关业务部门人员，了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待等，并走访了重点企业。我们还重点研究了IDC、Gartner、赛迪顾问、中国信通院等咨询研究机构对大数据、BI、数据分析行业的分析判断。结合多位帆软数据应用研究院专家，以及一线售前工程师、行业化顾问、项目经理们的经验、积累，我们研究分析了2019年BI行业发展趋势，并将这些成果总结为《2019年中国大数据BI（商业智能）行业预测报告》（后台回复关键字“报告”下载原文），期待着您的批评斧正。主要预测观点2019年BI行业纯软件收入规模将达到21亿元，同比增长27；2019年BI行业市场依旧处于整合期，马太效应明显；企业中BI用户的不断增加，中层使用BI的比例增速更快；2019年企业BI项目成功的三大障碍分别为：数据整合治理、数据人才培养以及企业数据文化的建设；2019年BI用户最关心的功能为：企业BI平台数据权限管控、探索式自助分析、快速搭建业务数据模型、OLAP多维分析、大数据处理性能、自助数据处理和移动数据分析查看。2019年BI行业基本面自我国开始实施国家大数据战略以来，大数据BI行业保持着高速稳定的发展。一方面得益于国家政策的牵引，如《大数据产业发展规划（2016-2020年）》等利好政策，对打造“数据、技术、应用与安全协同发展的自主产业生态体系”做了全方位的支撑和部署。另一方面，持续多年的信息化应用价值教育，企业自身信息化建设的准备，以及企业面临的实际经营难度和压力，都让越来越多的企业更坚决的拥抱BI产品，期望通过精细化运营来提升经营效益，增强市场的竞争力。当前我国已经进入BI（商业智能）及DA（数据分析）领域的第一方阵，并成为发展最快的国家之一，但距离美国还有一定的差距，在未来五年内，中国都将处于追赶态势。（1）企业信息化基础建设落后，BI市场教育需要持续进行。中国企业信息化起步较晚，企业上线BI更是需要一个过程。2001年我国加入WTO以后，受到上游国际企业的要求和影响，ERP、MIS、SCM、OA等综合业务管理系统在国内企业迅速生根发芽，从外向型规模制造企业到其他行业延伸，但直到2008年~2015年期间，一、二线城市稍具业务规模的企业才上线了主要业务系统，要知道美国通用汽车在20世纪80年代就已经实现了初步的OA与ERP功能。当前整体来看，中国企业信息化建设较美国落后10至15年，尤其是西北、西南等偏远地区，落后更多。（2）国内外的BI需求不同，国产BI的先进性需要重新定义。Gartner作为全球BI行业最重要的观察者，每年都会发布BI和分析平台魔力象限报告，报告中的领导者企业一般会被认为当前BI行业中最尖端企业，代表着最先进的生产力，遗憾的是至今国内BI产品还从未入榜。由于我国企业对BI的需求、关注点、市场特征、发展阶段均与国外有所不同，目前处于国外商业智能趋势风口的诸如自然语言搜索、语音生成、自动生成等增强分析功能在国内仍停留在概念阶段，并未形成规模化市场应用，所以国产BI厂商在需求的响应和方向选择上有自己的准则，并非“为了先进而先进”，所以国产BI的先进性需要重新定义。2018年中国大数据BI行业（纯软件销售收入，不含项目实施、项目运维）的增长率达到25.8%，比2017年的22.3%高出将近4个百分点。在诸多行业中，BI取得的成绩是十分瞩目的，BI行业的增长率约是中国软件业的2倍， GDP增长率（6.6%）的4倍。虽然增长率迅速的，但中国BI行业的市场规模依然很小，2018年约有16.6亿人民币，未来中国BI行业的发展潜力巨大。我们估计，2019年中国BI行业软件收入规模将达到21亿左右，增长率达到27%。大数据BI行业已然是个香饽饽，进场者越来越多，鱼龙混杂，整个竞争局面是神仙打架，小鬼遭殃。2018年活跃的BI工具和厂商，约有50个，较2017年的42个多出8个，很多产品都是近两年推出的。BI行业是个充满吸引力的领域，同时也是极具门槛的领域。B2B行业与B2C、C2C行业属性不同，即便是在互联网巨头或大量资本的支持下，没有较明显的产品优势、服务优势和用户基础，新创品牌是很难闯出一片天的。早些年大量融资的BI企业，2018年的日子并不好过，后劲明显不足。在市场知名度方面（品牌提及率，提到BI想到的厂商品牌），帆软以29.27%的品牌提及率一马当先，IBM以11.54%、SAP以5.98%分列榜眼、探花，微软以5.34%位居第四，Tableau以3.63%位居第五。IBM、SAP因为未能提供有竞争力的自助式BI产品，其知名度正持续下降，但得益于他们在IT领域的沉淀，销售业绩并未出现大幅度的衰减。微软、Tableau的产品因为本土化服务策略、商业策略以及产品特性，知名度也有限。至于领头羊的帆软，其稳健的产品和服务策略，知名度、销售业绩双双提升。其他厂商则过于小众，提及率普遍在1%以下，甚至更低。可以看到，同金融、保险、生产制造、互联网等行业一样，结合各企业的实力现状和发展潜力（人才结构、企业文化理念等因素），我们相信在未来的很长一段时间内，BI行业的马太效应持续增强，强者益强，弱者益弱。企业应用BI系统的现状如上文所述，企业对BI的重视程度在不断增加。为了让BI成功落地，产出更多价值，大多数企业改进了组织架构，对IT部门进行重新定位，比如分拆除ITBP、数据分析师、数据运营官等职能岗位。据调研，2018年约7成的企业已经成立了履行数据分析工作的相关部门（或扩展IT部门的职能），较2017年增长将近10个百分点。因为企业的需求，IT部门也正逐渐从幕后走向台前，承担更多的责任。调查数据显示，有35.2%的企业信息化方向和策略，是基于该公司战略目标或管理层决策制定的。有47.1%企业处于技术运维阶段（能够通过IT手段，增强企业业务的管理和运作能力，对业务有一定的支撑），有40%处于合作伙伴阶段（合作伙伴，能够在业务部门还未想到之前，就运用IT技术，帮助实现业务的发展和新业务的开拓）。对于工作成绩，领导层对数据分析/BI项目的满意度超过80%（非常满意的38.9%，比较满意的42.6%）。在IT部门不断崛起的过程中，BI的价值也得到了更充分的释放。调查数据显示，约38%的企业处于业务监测阶段（传统的DW/BI阶段，用以监测现有业务的运行状况），26%的企业处于业务洞察阶段（使用统计分析、预测分析、数据挖掘，来提示重大、相关的业绩改善建议，即“告诉我我所需要知悉的”阶段）。有16.7%的企业明确表示，BI建设落后，无法满足多变的需求，需要升级。此外，我们在调研中发现，BI的应用层面正从领导层向下扩散，越来越多的中间层（业务管理层、业务执行层）使用BI，2019年将更快的增长。从诞生之日起，BI的直接受众都是企业的决策者，但近来由于入门级BI（报表工具）的推广应用，越来越多的中层开始享用BI系统带来的好处。调研发现，在成功上线BI项目的企业中，约有57.3%的企业领导在使用BI进行数据查看和分析；业务管理层和业务执行层中越来越多的人在使用BI，人数已经过半。我们惊喜的发现，IT部门与业务部门的配合愈加紧密。虽然IT完全主导、IT强主导仍然是常态，但是业务强主导则从2017年的9.67%增长至2018年的23.31%，翻倍增长。未来将会更加紧密。仅有3.45%的企业，IT与业务的配合较差，存在一些部门墙。但是，25.9%的企业配合如鱼得水，IT理解业务，业务认可IT。整体来看，企业应用BI系统的状况不断良性发展，但也面临着诸多挑战，也是BI成功的重点、难点。（1）数据整合治理。64.8%的受访企业表示数据的整合与治理，是未来的主要挑战。数据问题主要集中在：“数据过于分散，形成数据孤岛，取数分析麻烦” “底层数据混乱，存在准确、失效、性能的问题”这两个方面。一半的受访企业认为，数据人才的培养和数据分析工具的选择，也是主要难点。（2）数据人才的培养。从整体背景来看，越来越多的企业开始把数据人才作 为企业经营战略版图的核心组成部分，集中表现越来越愿意花高薪聘请大数据人才，整体薪资水平在不断提升。但是优秀的大数据人才培养的成本 居高不下，培养周期长，人才供应始终是在大数据人才需求越来越大的背景下捉襟见肘。薪资竞争力不足以及企业创新力不足，让传统企业愈加困难。（3）企业数据文化的建设。在企业认可数据，积累数据的过程中，大数据团队对数据人才的培养也会逐步找到一些法门，这些方法和技巧无不是围绕在数据文化建设之上。调查显示，在彰显数据文化方面，虽然“沟通协调讨论用数据说话，基于数据讨论”达到了81.8%，但“数据获得容易，数据分析快速、流畅”还不足35.19%。让BI成功并非易事，尤其是让BI能持续产出价值，更是一个重大挑战。无论BI厂商如何去改进产品，都不能忽视掉使用BI的人的要素。我们交付给企业一款好的产品，但不教给他足够的本领去驾驭这款产品，就像给你一把绝世好剑，但没有给你剑谱，你依然是个菜鸟小白，即便给了你一个剑谱，如果你没有刻意练习，那到头还是一事无成。我们结合2017、2018年的售前咨询经验发现，企业用户如果不具备充足的BI项目建设能力，那么他们更倾向于让BI厂商提供一揽子方案，而不是只采购软件然后让企业的IT部门学习、实施。未来BI厂商提供给用户的，除了产品以外，还有配套的学习资源、培训资源、服务资源、交流平台、各行业咨询方案以及一揽子的项目实施，这一套组合拳，也正是国产BI厂商克敌制胜的法宝。2019年BI主要的功能需求Gartner2019年度分析和商业智能平台的魔力象限报告分析认为，到2020年，增强分析将成为新购买分析和商业智能，数据科学和机器学习平台以及嵌入式分析的主要推动力，50％的分析查询将通过搜索，自然语言处理或语音生成，或者将自动生成；到2021年，自然语言处理和会话分析将提高分析和商业智能的采用率，从35％提升到50％以上。如上文所述，中国实际情况与欧美不同，以Gartner为代表的分析机构并不能准确描述我国BI行业的实际状况，帆软数据应用研究院的研究结果可能跟接近用户的声音：中国BI用户目前主要的需求还是围绕企业BI平台数据权限管控、探索式自助分析、快速搭建业务数据模型、OLAP多维分析、大数据处理性能、自助数据处理、移动数据分析查看这七大核心模块。（1）企业BI平台数据权限管控支持企业用户的多级数据权限分配，数据表支持分配行级别以及列级别的权限，同时支持分级管理员对自己权限范围内的数据表、业务包、模板和用户进行管理，满足集团企业分级管理的需求。当今时代企业对数据安全管控越来越重视。无论未来商业智能市场发展趋势如何，BI平台数据权限管控都将是现代企业商业智能分析的基石。(2) 探索式自助分析支持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门槛和低学习成本，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。相比于过去IT集中式做报表的信息化模式，在未来，业务部门的数据和分析专家数量将以IT部门专家的三倍速度增长，相信这将迫使企业重新考虑其组织模式和数据技能。通过现代商业智能产品简单易上手的学习门槛，这将会让人人都成为数据分析师的能力不再只是IT人的独有技能。(3) 快速搭建业务数据模型根据企业不同业务数据分析主题进行分类管理，同时支持自动/手动构建高度可复用性业务数据关联模型，一次创建即可满足不同数据分析业务场景应用，无需反复对底层数据模型进行编辑修改。通过构建高度灵活、高可复用性的敏捷业务数据模型，让IT部门逐步摆脱企业取数机的困境，大幅度提高企业的数据分析应用效率。(4) OLAP多维分析支持强大的页面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。由于传统的单一汇总式指标展示形式，已经逐渐无法满足业务分析的复杂度，OLAP多维分析提供的强大分析功能正是帮助用户洞察数据背后的深刻业务见解提供了便利的工具。(5) 大数据处理性能BI工具可支撑处理亿级大数据分析计算的秒级响应，提供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。通过BI工具强大的数据抽取计算引擎，能够极大地提高数据计算速度，同时也支持实时对接企业大数据平台，为业务用户提供海量数据下分析的性能保障。(6) 自助数据处理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分析统计。传统BI工具对于一些稍微复杂的数据分析场景，往往需要依赖IT人员进行SQL或者ETL处理，然后再将结果数据导出给业务分析用户，沟通成本大，分析效率低。而通过零编码式的自助数据处理，让普通的业务分析用户也能快速的完成基础的数据清洗和加工操作。(7) 移动端数据分析查看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。通过移动端的数据分析应用，正逐步让企业的数据分析展示终端不再仅仅局限于PC和大屏应用，较大地提高了分析的便捷性。结语BI（商业智能）已经成为企业精细化运营不可获取的一部分。企业数据需要转换为信息，升级为知识，升华成价值的过程要用到的种种技术和工具，就是BI。如果把企业经营和管理的数据比喻为金矿，那么BI就是一个淘金场，负责采集大量的金矿石、金沙，然后经过进一步的分离、加工等操作，最后提炼出千足金。BI系统的运作过程，也是炼石成金的过程。酒香也怕巷子深，BI工具的知名度还亟待提升。很多企业有非常明显的BI需求，但是他们不知道有“BI工具”可以帮他们解决问题，更不要说对BI厂商的认知了，这也从侧面反映出BI市场的巨大潜力。市场教育不是一朝一夕的事情，需要BI同行们的共同努力。“待到山花烂漫时，她在丛中笑”，2019年，中国大数据BI行业会更好。 作者简介帆软数据应用研究院资深专家，帆软阿米巴咨询总监，盛和塾理事长单位特聘顾问，浙江省经信委特邀研学专家。专注阿米巴经营、企业数据化管理、精益生产、智能排产。曾主导浙江华友钴业、海航、重庆耐德工业等企业落地阿米巴。尤其擅长集团数据治理，将大数据应用引入到企业，从数据角度解决企业面临的库存、财务、经营等管理问题；推倒部门墙实现经营数字化、透明化，解决企成本高、浪费大的问题；从数据角度为管理创新、产品创新另辟蹊径。帆软BI资深产品运营经理、资深数据分析专家。曾参与过华三通信、瓮福福团、神华能源、中财集团等诸多客户大型项目的前期BI信息建设推进。曾推出"FineBI V5.0基础学习视频"、“BI工程师从入门到精通线上学习班”、“跟Royide老师学习FineBI系列直播课程”，广受学员好评。帆软数据应用研究院研究员、帆软零售行业总监。专注于零售行业大数据解决方案、现有零售大数据解决产品《零售管家》，涉及零售企业攻守模型、数据化管理、门店管理、主题分析等模块。为永辉、步步高、中百仓储、广百等企业的大数据平台提供专业服务，帮助提升企业信息透明化、管理数据化，打通企业数据链和管理链，数据直达业务与管理，搭建企业数据与价值的桥梁。关于帆软数据应用研究院帆软数据应用研究院是帆软公司主导成立的，也是国内主要的、高水平的大数据BI分析领域研究机构。研究院专注于企业数据化应用、大数据BI技术趋势和理论观点的研究，致力于让数据成为企业真正的生产力。自2016年9月正式成立以来，研究院输出了大量的企业应用案例、行业解决方案、行业观察评论、数据化管理思维模型等内容，并指导参与了多个业内顶级会议、沙龙，专业水准和知识产量均被业内称道。

在整体餐饮行业中，团餐是极其重要的组成部分，这个在中国餐饮行业中过去一直被忽视、相对封闭的市场，正在迎来大的变革机会。增长，显然已经成为10年来中国发展的关键词。亿欧智库整理统计，经济总量增长了2.5倍，社会消费品零售总额增长3.37倍，民用汽车保有量增长3.36倍，城镇人均可支配收入增长2.3倍，高铁里程增长183倍，中产阶层人口数量达到2.25亿。经济快速的发展，消费理念的转变，在这样的大背景下，团体用餐场景的档口品牌化、产品标准化、运营方式多样化，使团餐行业开始被广泛关注并重视。餐饮企业不断尝试使用第三方供应链、食品安全监管、信息化及管理咨询等服务，借力企业服务商的专业能力加速市场化开拓。人工智能、大数据、移动互联网等新技术的逐渐成熟及其在餐饮市场的广泛应用，亦为团餐信息化发展提供了条件。这些变化，预示整个产业创新升级正在发生，亿欧智库认为团餐产业正在跨入一个2.0时代的新阶段。中国团餐行业现状规模小而分散、行业集中度低、9成以甲方进驻模式运营等，是传统团餐行业多年较为固有的特点。传统模式下，封闭的经营环境使团餐行业成为产业互联网时代显而易见的数据孤岛。据中国烹饪协会公布的数据显示，国内团餐百强企业2017年的营业总收入为601亿元。其中，行业龙头千喜鹤2017年的营收为121亿元，而国外三家代表性团餐企业年收入均超过900亿元，高于中国团餐百强企业的年收入总和。除此之外，我国团餐用户地域分布非常分散，使得团餐企业经营很难形成规模优势。供应链集约化程度较低、服务水平参差不齐、内部信息化程度不高等问题同样制约着团餐企业发展。近几年，团餐领域出现了一批新兴企业通过集体配餐模式抢占团餐市场，其他团餐企业也通过不断丰富服务内容，创新服务方式，优化服务体验来迎合消费需求升级，人工智能、大数据、移动互联网等新技术的应用改变传统团餐低效的管理模式，给团餐行业带来更大的发展空间。团餐2.0时代的变革亿欧智库认为，规模化、轻资产、具有优秀运营能力的平台型团餐企业将是团餐2.0时代重要的运营模式。团餐企业平台化发展的关键点在于运营能力，运营能力的提升需注重两个方面：1）对现有运营环节的优化， 团餐企业的平台化是在原有的运营体系上实现流程优化，并加入人员培训体系和产品安监体系，完善运营环节；2）引入更先进的技术（如使用大数据技术辅助决策）及资金，快速升级设备，实现市场的迅速扩张，推动产业链变革。详见下图：与原有运营环节对比，团餐2.0变革主要表现在四个方面：1）供应链。团餐企业可使用第三方供应链服务优化采购物流环节，降低采购成本，保障食品安全，提高采购管理效率及透明度。2）档口经营。团餐企业开始向品牌化经营转型，探索标准化制餐流程及标准化产品，注重餐厅装修及服务升级，并尝试与社会餐饮品牌商家合作进行品牌孵化。3）人员管理。近一两年，部分大型团餐企业开始尝试整合其积累多年的内部管理运营经验并进行市场化输出。未来行业第三方管理咨询企业可通过一整套成熟的管理咨询及人员培训方案为团餐企业解决用工问题。4）食品安全。团餐企业引入第三方食品安全服务机构的专业服务来建立其内部的食安管理制度，帮助餐饮企业建立科学的食安监管机制，提高团餐从业人员的食安意识及操作水平，以规避食品安全事故。除此之外，正如文章开头提到的，大数据、信息化等新技术以及金融服务也能为团餐2.0带来更大的发展空间。未来趋势与展望基于对团餐行业的研究，亿欧智库也简要概括了团餐2.0时代行业八大发展趋势（详细内容下载报告）。其中技术迭代将促使团餐行业进行信息化变革，提升消费者体验同时优化经营，降低成本。另外，大型团餐企业的实力不断增强，品牌效应开始凸显，行业进入壁垒提高。未来，运营能力不具竞争优势的小型团餐企业或寻求转型或被市场淘汰。本次，亿欧智库联合中国烹饪协会、禧云国际以第三方的视角来观察整个团餐行业，通过对团餐行业环境、特点、产业链、发展趋势等问题进行系统性研究，意为广泛业内同行提供有价值的参考资料，为团餐行业的长期发展积累阶段性的总结分析成果。同时，我们也深知我们对团餐行业认知的不足，欢迎行业专家沟通交流。完整报告下载：《2018年中国团餐行业研究报告》https://www.iyiou.com/intelligence/report589.html

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。

近日，由大数据产业生态联盟联合赛迪顾问共同完成的《2019中国大数据产业发展白皮书》（以下简称《白皮书》）在2019世界计算机大会——“计算机未来：算力驱动万物互联”主题论坛上重磅发布。以下是对白皮书中大数据人才领域的深度解读。人才是第一资源，是一个城市、企业发展的基础。近年来，各省（市、区）相继出台人才引进政策，从提供落户、购房津贴、安家补助吸引人才流入。一线城市间的“人才争夺战”也越演越烈，尤其各类科技型人才是各地区抢夺的焦点；同时，各企业也在高薪招引人才，如华为在人工智能、机器学习、物联网等与大数据紧密相关的领域，用百万年薪招聘顶尖毕业生。目前，人才是城市、企业、产业发展的关键因素已成为大家的共识，人才引进可推动引才城市的经济高质量发展、产业结构调整和转型升级、企业竞争力增强、科技创新能力提高，人口结构改善等。伴随新一轮科技革命和产业变革蓄势待发，国家大数据战略和数字中国建设实施加快，我国亟需制定科学合理的人才战略，培养符合发展需求的大数据人才，为大数据相关领域发展提供支撑。一、大数据人才的定义大数据人才指从事大数据相关领域工作的人才。主要包括拥有算法设计、程序编写、数据分析等专业技能的核心人才和既拥有某些行业背景又具备一定大数据专业技术应用的复合型人才。目前，我国处于新旧动能转换的关键时期，大数据技术作为产业转型升级的有力工具，需要与传统产业深度融合。因此，产业发展对大数据人才提出更高要求，需要既懂大数据技术又懂相关产业，市场对大数据复合型人才的需求日益增加。大数据人才定义二、大数据人才现状大数据人才主要集中于一线城市。北京、上海、深圳、杭州、广州是信息技术发展的引领者，阿里、百度、腾讯、滴滴、美团、小米等老牌互联网企业和新兴独角兽企业都集聚在这五大城市，这些城市拥有大数据产业发展的土壤，聚集和培育了大量的大数据人才；同时这五大城市经济发展水平高、企业薪酬待遇好、大数据企业聚集度高，为个人成长提供全方位的条件，吸引并留住大量资深的大数据人才以及全国范围内大数据相关专业的毕业生。截至2018年底，全国大数据核心人才约200万人，这五大城市大数据人才总和占比达到47.5%，大数据人才储备属于第一梯队。大数据人才结构仍需优化。大数据技术众多重点应用领域具有前沿性，大数据产业的发展需要高层次、高水平人才来保障，以免大数据产业发展受到核心领域技术突破不足的限制。然而，目前从全国范围来看，大数据人才中本科学历占比达到67%，硕士及以上学历占比仅22%。截至2018年底主要城市大数据人才数量占比截至2018年底大数据人才学历结构2019年大数据人才流入量前5大城市贵阳大数据人才储备属于第三梯度。贵阳作为首个国家级大数据综合试验区，大数据已成为贵阳的城市名片和重点发展的产业。近几年，贵阳大数据产业发展迅速，但在大数据领域创新能力、技术市场成熟度、数字产业增长力等人才储备要素能力方面与一线城市相比仍存在差距。目前，贵阳正通过各种政策保障大数据人才：一是大力培育本地人才，支持贵州大学、贵州财经大学等高校建立大数据相关学院培养大数据人才；二是发布人才引进政策，2019年5月印发《关于优化人才发展环境促进高水平对外开放的若干措施》，实施大力引进海内外优秀人才、建立全球招才引智平台、大力培育本土人才、加强人才创新平台建设、大力培育“甲秀工匠”、优化提升人才服务环境这六大重点任务，高标准全方位的给予人才服务绿卡、科技资金资助、人才引进补贴、服务平台和环境等，助力大数据人才的引培。杭州大数据人才储备能力处于全国前列。由杭州市经济和信息化局指导、杭州大数据产业联盟汇编的《2018年度杭州市云计算与大数据发展报告》显示，杭州大数据产业发展迅猛，每年保持较高的增速。同时，杭州对大数据领域人才具有较强吸引力，由中国信息安全评测中心、杭州安恒信息技术股份有限公司、猎聘网联合发布的《中国互联网人才发展白皮书》显示，2018年杭州互联网人才净流入率全国第一、对技术人才的吸引力指数首次超越北京，位居全国第一。目前，杭州人才政策也不断加码：一是落户政策放宽，全日制普通高校紧缺专业大专及本科及以上学历人才符合要求都可落户；二是高层次人才补贴标准提高，补贴标准由硕士2万元、博士3万元调整为本科1万元、硕士3万元、博士5万元人才生活补贴，人才引进政策在全国都具有较强的竞争力，为杭州市大数据产业发展储备更多后备力量。三、大数据人才缺口将持续扩大大数据人才缺口截至2018年底，全国（不含港、澳、台地区）大数据核心人才仍存在60万人的缺口。并且，大数据人才分布不均匀，主要集中在互联网和金融两大领域，导致制造业等产业转型升级过程中极度缺乏大数据人才。从整体看，数字中国建设，产业转型升级、企业上云用云，这些都对大数据人才产生巨大需求量且需求呈快速增长趋势，而人才培养的数量和速度难以满足现实需求，导致大数据人才缺口持续增大，预测到2025年全国大数据核心人才缺口达230万人。从城市角度看，北京、上海、深圳、杭州、广州属于大数据人才储备的第一梯队，大数据人才数最多，但需求量也最大。目前，这些城市的大数据相关产业发展优势明显，特别是人工智逐渐成熟和广泛应用，亟需大量会编程、懂平台开发的专业大数据人才。河南属于大数据人才储备的第三梯队，大数据人才储备少，而建设国家大数据（河南）综合试验区需要大量大数据人才，因此河南省人才交流中心发布的2019年第二季度河南全省公共人才服务机构才市分析报告显示，河南各地方产业结构加快调整升级，大数据相关领域新兴岗位的需求不断增加且增速较快，岗位缺人明显，供给不足，大数据、人工智能等领域薪酬明显高于其它领域。大数据领域的快速发展，使多个城市存在大数据人才缺口。从专业角度看，编程能力、数据分析、算法设计等专业技能是企业招聘大数据人才最为关注的点。近几年数字经济发展和产业转型升级加快，对大数据人才的专业技能、实操能力提出更高要求，目前市场上大数据人才数量供给及服务能力难以满足发展需求，紧缺能够编写程序、设计算法、搭建系统架构、理解大数据产业的综合性人才。四、赛迪建议（一）对高校完善学科体系，创新培养模式。高校一是要充分调研大数据人才市场需求状况，申报开设数字经济相关专业、开设相关课程，重点院校应同时加快相关专业硕士点、博士点的申报与建设，推进大数据、云计算、人工智能、物联网等核心技术人才的培养；二是要依据产业发展需求，科学设置大数据课程体系，注重学科间的交叉融合，鼓励其它专业学生辅修大数据相关专业，扩大大数据人才培养规模；三是要创新培养模式，建设与大数据新技术、新业态、新产业紧密结合的教育课程体系，构筑“学科+行业+企业”的实践基地，组建跨企业、跨学科、跨专业的创新型导师队伍等，促进教学实践体系与行业技术及应用发展的动态融合。（二）对企业深化产教融合，加强校企合作。企业一是要与高等院校、科研机构建立联合培养机制，推进在职人员学历教育工作，提升中层大数据人才核心技术技能水平；同时企业要为高等院校、科研机构提供端到端的大数据人才培养解决方案，打造产教融合的人才培养新生态；二是要与职业院校共建人才教育实践、实训基地，对大数据中低层技能人才以及复合型人才进行岗位培训和职业教育；三是要支持大数据龙头企业、大型骨干企业独立建立或参与建立职业院校，提升大数据人才职业教育水平，推动大数据人才培养更好地服务于大数据产业发展。（三）对职业教育机构面向数字技能需求，打造定制化培养模式。中等职业院校要面向大数据产业对技能人才的需求，科学设置课程体系，加强实操性课程安排，提升大数据人才的数据搜集、数据清理、数据分析等技能；职业院校和职业培训机构要积极与企业对接，为企业设计定制化培养方案、输送专业程度高、定制化的大数据人才；职业培训机构要积极整合资源，不断健全涉及人才培训、数字化实训、技能认证、就业指导等多个维度的人才培养机制。（四）对政府优化政策环境，搭建人才培养平台。政府一方面要积极贯彻落实国家大数据战略，顺应市场发展趋势，出台大数据人才相关政策，加大对大数据人才的引进和培养力度，鼓励高校、大数据企业、职业教育机构创新培养模式并给与政策扶持；同时，设立大数据人才专项资金，完善数字经济人才激励机制，加大对大数据发展有突出贡献的企业、团队、个人的奖励范围和力度。政府另一方面要搭建人才培养平台，推动高校、研究机构、职业教育结构、企业间人才的良性互动；鼓励高校和行业内的龙头企业引入领军人才、高端人才，培养大数据产业发展的主力军；同时政府相关部门要定期开展人才交流活动，加强大数据领域人才互动。

大数据产业发展步入快车道2015年以来，我国一大批大数据产业园相继落地，大数据产业生态加速完善，相关标准和技术体系持续完善，应用市场日益壮大，产业国家影响力不断提升。根据赛迪研究院数据显示，中国大数据产业受宏观政策环境、技术进步与升级、数字应用普及等众多利好因素影响，2018年整体规模达到4384.5亿元，较2017年同比增长24%，预计到2020年规模将达到6605.8亿元。在政府、企业和各类行业组织的协力推动下，中国大数据产业生态不断完善，推动了大数据硬件和软件的持续变革，大数据专项服务和通用服务的蓬勃发展，以及大数据安全防护策略的加速成熟。而现阶段我国大数据产业细分领域包括硬件、软件、服务以及安全防护四大模块。四大细分市场规模均持续增长大数据硬件是指数据的产生、采集、存储、计算处理、应用等一系列与大数据产业环节相关的硬件设备，包括传感器、移动终端、传输设备、存储设备、服务器、网络设备和安全设备等。根据赛迪研究院统计数据，2018年我国大数据硬件市场规模达到2244.7亿元。大数据软件是指用于实现数据采集、存储、分析挖掘和展示的各类软件，包括大数据计算软件、大数据存储软件、数据查询检索软件、基础平台软件、平台管理软件、系统工具软件和大数据应用软件等。根据赛迪研究院数据，2015-2018年我国大数据服务市场规模逐年增长，到2018年，行业市场规模达到822.5亿元。大数据服务是指依托大数据资源管理与分析的相关服务产业，包括数据交易服务、数据采集服务、数据应用服务、数据增值服务等。从大数据通用服务来看，数据价值挖掘与基于大数据的信息服务成为市场热点，其次是大数据数据采集、清洗加工、整合、可视化、增值服务，热度稍低的是数据治理和数据安全、数据交易。根据赛迪研究院数据，2015-2018年我国大数据服务市场规模逐年增长，到2018年，行业市场规模达到1317.3亿元。大数据安全是用以搭建大数据平台所需的安全产品和服务，以及大数据场景下围绕数据安全展开的大数据全生命周期的安全防护。大数据安全主要包括大数据平台安全、大数据安全防护和大数据隐私保护，产品主要包含大数据系统安全产品、大数据数据发现、大数据管理运营、敏感数据梳理、大数据脱敏、应用数据审计、大数据审计等。根据赛迪研究院统计数据，2018年我国大数据安全行业市场规模为28.4亿元，同比增长30.5%。以上数据来源请参考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。

来源：金融界网站作者：产业中国研习社课题组数据几乎无处不在。 随着信息技术与生产生活深度融合，数据呈现爆发增长、海量聚集的特点。经历了消费互联网对人类生活和互动方式的变革，我们看到，全球经济亦加速产业数字化的转型。云计算、大数据、物联网、人工智能、区块链等新技术和新商业模式，正在推动全社会的万物互联，也推动着产业链内部、产业之间、产业与政府之间的高度互联和跨界融合，经济的去中心化和生态化已经十分明显了。 产业互联网生态下，基于企业、行业、政府数据的深度挖掘和应用成为提供区域与产业咨询、规划与政策供给、招商引资与产业运营服务的必需品，在技术、商业、社会治理等领域，产业大数据带给人们的惊讶才刚刚开始，尤其对于活跃在市场中的不同政府、企业、机构而言，增量信息汹涌而来，带来的是近乎颠覆性的变革。 也正是如此，产业大数据平台应运而生。它服务于城市和产业的发展，帮助人们更便捷地找到新的商业机会以及更快速地获取行业知识，也引领着我国对于新经济增长点的探寻和经济治理模式的革新。 那么，产业大数据在我国究竟发展得如何，谁又是弄潮儿，未来，又将何去何从？ 谁在玩产业大数据从公开资料梳理，目前，我国已经形成了业务有交叉但又各具特色的几大产业大数据平台。 代表性产品包括：华夏幸福产业大数据平台、赛迪产业大脑、中科点击慧数行业大数据平台、今日云商、阿里云区域经济大脑、软通动力产城大数据。各平台的基本情况如下： 华夏幸福产业大数据平台：基于17年产业招商经验、结合人工智能与大数据技术研发的专业化平台，聚焦10大产业，拥有3500余万家企业11.5亿条动态数据，提供产业可视化地图、产业智囊APP、产业在线研究、产业数据服务端四大产品。 赛迪产业大脑：以产业链和多维度产业大数据为核心，进行产业现状监测、研究分析以及趋势预测等，以数据具化产业画像，从产业、企业、技术、资源等多角度、多层次剖析产业优势及症结，为政府、园区、企业、投资机构等用户提供产业洞察、辅助决策及资源对接等服务。 中科点击慧数行业大数据平台：以政策库、行业库、展会库、人才库为基础，多维度分析各产业链间的关联企业，对目标企业信息自动筛选，形成一个围绕企业的综合数据集群，从而全面掌握行业发展情况、预判产业发展趋势，预测市场风险。 今日云商：为产业招商人员提供涉及27大产业、超500个产业项目和超4500万家企业的有效数据，轻量化的终端使产业招商人员便捷地获取招商信息。 阿里云区域经济大脑：汇集与产业经济发展及企业发展相关的数据，基于算法模型的智能分析以及自上而下整体贯通的产品架构，协助政府推动改革创新。 软通动力产城大数据：以“城市云+产城大数据”的业务模式为定位，为中国重点区域及城市提供政务、产业和民生等城市云运营服务及产城大数据服务。 尽管架构和功能各有异同，但从本质上讲，产业大数据平台的功能包括“产业-区域-企业-服务”四个维度，根据平台业务逻辑不同形成了面向产业、区域、企业、服务的不同系统组织和架构模式，各具特色。 　如果进一步拆分，六大平台功能设置如下:　面向产业的元数据项：在面向产业的功能维度上，华夏幸福产业大数据平台和赛迪产业大脑是覆盖最为完整的。 华夏幸福与赛迪研究院都在产业服务领域深耕多年，面向各自不同的核心业务场景，两者具备不同的功能。 华夏幸福产业大数据平台已上线的产业领域包括生物医药、汽车与零部件、新一代信息技术产业，其产业维度元数据的设置面向细分化的产业招商服务展开，实现了对于招商服务中所必须的产业价值-产业链条-产品与产线-落地项目-招商赛道-招商意向预判-产业动态等所有环节所需信息的全覆盖，并以长期的招商服务经验为基础，对数据进行重组和再加工。 以新型显示产业为例，平台依托专业的产业研究团队，将组件材料、生产设备、面板模组、激光显示四大产业链重点领域细分为72个赛道，进行面向招商的产业全景监控。 在华夏幸福产业大数据平台3.0版本中，“产业大数据”移动版——“产业智囊APP”全新上线，以服务招商为核心，集企业查询、榜单检索、资讯速递、报告阅览于一体，移动端的布局使得业务适用场景更为多样。 而赛迪产业大脑则更具有信息服务属性。现已上线的产业领域包括无人机、大数据、数控机床、人工智能、集成电路、机器人、智能制造、生物医药、虚拟现实、网络安全、节能环保等，其产品逻辑围绕面向区域和行业的产业信息服务展开，以自身行业研究和分析资源为基础，主要功能包括监测产业规模与增长、产业发展重点区域、产业布局情况、TOP企业信息、更新产业实时资讯等以完成全球产业动态观察，通过对产业链各环节规模、发展及发展阶段评价实现产业全景洞察。 面向区域的元数据项：阿里区域经济大脑和软通动力产城大数据平台是面向区域的产业大数据的代表。 其中，阿里区域经济大脑以产业运营和精准化企业服务供给为核心场景，软通动力产城大数据以全方位智慧城市数据中心为核心场景。区域经济大脑连接了政府与企业。在政府端，具备全景洞察、企业画像、招商雷达、风控雷达和企业服务等功能，全面帮助区域政府有效管理企业。在企业端则搭建企业与政府间的信息通道，采用全景档案、成长通道、专享权益、金融扶持、商机扩展等产品模块，让政府有效下达企业扶持政策和服务，企业亦能积极同步提供研产销过程中最新的数据和信息。利用区域经济大脑，政府能够对发展中的敏感点、企业的痛点更清晰地透视，加大市场化手段调节力度，倒逼企业加快转型。 软通动力则通过获取整个城市运行状况的综合信息，据此进行城市顶层设计、科学规划、宏观决策、舆情分析、精准扶贫、应急指挥、劳动就业、行业分析、产业洞察、交通出行、节能环保、文化旅游、医疗养老、智慧社区等服务需求，借助大数据来优化城市的管理和运营，是面向区域来组织的产业大数据平台，具有管理和服务属性。 面向企业的元数据项：企业数据是产业大数据平台分析的基础，但与产业维度和区域维度的功能设置相比，面向企业服务的功能在产业大数据平台中的功能相对薄弱。 阿里云区域经济大脑为企业提供了相对丰富的企业发展服务和金融扶持、权益服务和企业商机服务。华夏幸福产业大数据平台产业智囊APP不仅为招商人员集成了企业信息服务，使企业信息元数据项在基本的工商注册信息，还集成了华夏幸福基于17年产业发展实践形成的必备元数据项目，并提供企业名称、行业分类和专题三种检索和浏览模式，方便招商人员基于不同的业务需求对企业信息进行查询。 面向服务的功能设置：服务是平台的最终产品，赛迪产业大脑和华夏幸福产业大数据平台形成了偏向“产业”的服务内容，其中华夏幸福依靠强大的产业研究经验及专家力量，线上线下服务相结合，提供大量的产业研究、产业招商服务、区域经济形势分析、落地项目评估等服务，而阿里云区域经济大脑和软通产城大数据形成了偏向“区域”的服务内容，以政府为切入点，提供经济发展诊断、政务云平台、企业服务发展和规划决策服务。 产业大数据三大应用场景无场景，不数据。 尽管各个产业大数据平台的服务对象不尽相同，但总体而言，其赋能产业发展有三个关键要素，即数据、行业知识和应用场景。 随着数字经济的快速发展，数据越来越成为重要的生产要素之一，高容量、多样性、存取快的数据是大数据服务体系中的战略资源。 但是，数据本身并不具有价值，只有与行业知识相融合，并被进一步有效利用，才能成为驱动产业发展与经济变革的引擎，而其中的结合点就是应用场景。 就产业发展而言，大数据赋能的核心场景有三个方面： 　一是基于大数据的产业信息服务和战略咨询。信息是决策的基础，传统的产业信息服务和战略咨询以个人经验和抽样样本为决策基础，随着数据采集和分析运算能力的提升，基于全样本的企业信息和行业数据成为可供分析的对象，信息的日益完全成为了经济决策效率提升的关键，具体的应用体现在基于区域多维度、多领域的经济和产业发展报告、监控和分析，以全样本企业数据为基础的产业画像以及针对企业的全景式情报观察。 在这种场景下，能够掌握的数据量的丰富性和独特性成为影响服务能力的关键。 二是基于大数据的产业集群导入和招商引资服务。招商引资是产业发展中最复杂、最多变，也是最重要的环节。传统产业招商模式高度依赖招商队伍，招商人员的工作经验、人脉资源、信息视野、知识结构等直接影响招商工作的效率、质量和水平。随着新兴产业的不断涌现和产业链条的日益复杂，传统的招商模式给招商人员带来极大的学习成本，招商过程中靠个人积累经验也难以实现快速有效的复制和推广，与此同时，易受地域空间限制，有效信息的获取难度很大。招商需要的海量信息已难以进行人工处理，招商信息和投资信息的传递和匹配也需要更高的计算效率，这给了大数据用武之地。 以智慧招商为核心功能的产业大数据平台可以通过对产业的动态监控和产业链深度分析，进而为招商引资服务提供信息支撑和专家指导，由于招商服务的场景多样性和逻辑复杂性，行业知识和招商实践积累是影响服务能力的关键。 三是基于大数据的产业运营和精准化企业服务。随着智慧城市建设的加速，城市的方方面面都产生着可供利用的数据。从企业发展的需求的精准对接、政策供给的精准传导，大数据作为决策依据的属性，能够精准分析供给与需求，减少产业发展服务中的盲目性，进而创新服务模式，实现精准化智能服务。 在以产业运营和智能服务为核心功能的平台中，对以特定区域为核心的应用场景的深度分析和捕捉是服务能力的关键。 　谁将引领产业大数据那么，基于现有代表性的产业大数据平台，谁更具有引领性呢？ ·产业信息服务和战略咨询服务能力比较对于产业信息服务和战略咨询服务能力，我们从数据信息的丰裕度、数据信息独特性、数据信息的颗粒度、数据可复用性、数据的再加工程度、数据信息的应用价值等维度建立评价体系，对六大平台进行对比，其后发现赛迪产业大脑具有更强的信息服务能力。 赛迪产业大脑的信息服务能力来源其面向行业和区域建立的信息资源优势。首先，产业大脑以产业链和多维度产业大数据为核心，进行产业现状监测、研究分析以及趋势预测等，以数据具化产业画像，从产业、企业、技术、资源等多角度、多层次剖析产业优势及症结所在，为政府、园区、企业、投资机构等用户提供产业洞察、辅助决策及资源对接等创新服务。 其次，以满天星知识分享平台和赛迪研究院资源为核心，整合1000多名行业分析人员资源，面向100多个行业，紧密跟踪行业动态、时事政策和产业发展产业研究成果，并根据用户需求不断推出创新产品，不断追求最大限度高效利用产业数据，使产业大数据绽放其产业价值，凭借资源优势和长期的产业咨询服务经验，赛迪产业大脑成为产业大数据平台中以信息服务为核心竞争力的代表性平台。基于信息服务和战略咨询能力的评价·产业集群导入和招商引资服务能力比较对于产业集群和招商引资服务能力的比较，我们从招商信息丰裕度、招商数据颗粒度、招商逻辑表示度、招商服务落地性、招商服务效果来衡量，华夏幸福产业大数据平台凭借其长期积累的招商经验和产业集群导入服务业务需求成为产业集群导入和招商引资服务能力最强的平台。 基于产业集群导入和招商引资服务能力的比较招商是华夏幸福产业大数据平台选择的核心应用场景，其发展基础来自于三个方面。 首先，基于17年的招商经验，华夏幸福形成了海量有效的产业数据积累。早在业内招商人员靠陌生拜访、参展参会等方式积累企业信息的阶段，华夏幸福已经建立首个产业招商领域的CRM系统。依托庞大的产业发展团队和行业圈层资源，积累了19万条有效企业信息数据，形成了华夏幸福原创的产业发展数据库雏形。 在长期的产业发展实践中，华夏幸福进一步聚焦新一代信息技术、高端装备、汽车等十大重点产业，细分37个二级与109个三级产业领域，深谙不同产业、不同产业领域的数据来源、数据维度、数据结构，可以有针对性地搜集整合全产业链动态数据。 与此同时，在平台建立过程中，整合了上亿的企业和多个场景数据，针对性留存源自企业、媒体平台、会议论坛、行业公众号等渠道的多维、立体化数据。 其次，华夏幸福针对不同行业、不同应用场景，开发了精准算法模型。针对不同行业，通过分析企业生命周期、资本活跃度、产品生命周期、生产线能力等影响因子，前置研判企业的投资选址需求，支持团队实现按图索骥，智慧招商。 例如，在生物医药与器械“智慧招商”产品设计之初，技术开发团队组织了30余场、100多人次的内外部专家访谈，总结出3大类、16种企业投资扩产或搬迁场景，确定决定投资选址的影响因子及权重，建立Xgboost、NLP等算法模型，大数据平台通过算法模型输出包含300多家企业的“长短名单”，经团队走访验证，30％以上的企业有明确的投资选址或搬迁意向，较传统招商模式提升5倍。 此外，平台拥有基于线下反馈的深度学习和优化迭代。华夏幸福凭借4600人的产业发展团队，从事以招商引资服务为核心的产业发展服务，在服务各个区域和不同产业的实践中，持续对大数据产品的成果进行反复验证，形成有效反馈，推动了平台深度学习，同时不断校正优化算法模型。 ·产业运营和精准化企业服务供给比较对于产业运营和精准化企业服务供给能力的评价，我们从业务场景的独特性、服务有效性、产业运营效果、平台普及率等角度对产业运营和精准化服务能力进行评价，比较而言，阿里云区域经济大脑具有更强的服务供给能力。 基于产业运营和精准化企业服务供给能力的比较阿里云区域经济大脑重在对区域经济建设发挥作用，例如在企业评估中，平台能依据企业的排污量、税收、用电量、人力等综合数据分析，对将入驻企业进行评估，为政府招商引资提供判断依据。 区域经济大脑解决了政府管理中的多处困局，包括如何能从宏观到微观对经济和企业发展状况和趋势有深入的认识；如何能全面，综合和公正地对企业进行评估；如何综合分析企业上下游和供应链关系；如何能让政府和企业的信息更透明对称；如何能融合社会力量解决企业在发展中的困难。 政府端与企业端的双向链接与沟通为平台提供了丰富的介于政府和企业互动的应用场景，应用场景是其维持竞争力的根源。 产业大数据的未来中共中央十九届四中全会的公报中，首次明确提出数据可作为生产要素按贡献参与分配，这成为推进十八届五中全会提出的实施国家大数据战略的重要一环。 随着大数据战略上升为国家战略，全面推进大数据发展和应用，加快建设数据强国，释放技术红利、制度红利和创新红利，促进经济转型升级，产业大数据平台发挥的价值将越来越大。未来发展趋势表现在三个层面： 一是“机器+人工”的平台运行流程仍将长期被使用。当前效果较好的产业大数据平台中，人工的辅助是平台搭建和运行的重要保障，由于产业发展业务的复杂性和专业性，产业大数据平台的数据标注等基础性工作也产生了更高的知识密集型人才需求。 在以数据库系统为主流的数据存储形态下，计算机可接受的用于描述产业发展逻辑的数据结构和处理能力受限，未来，基于本体的知识表示和语义推理等人工智能技术的发展将是产业大数据平台进一步智能化的可能路径。 二是行业知识仍将是搭建产业大数据平台效果的关键要素。消费大数据平台的搭建是单点突破模式，在某一点形成商业模式的创新孵化新的产品。 而产业大数据都需要不同程度的集成区域、产业、企业信息，其产品形态必然是基于业务场景的模块化形态，在与产业发展相关的领域，行业知识对产品逻辑和产品架构影响极大，不论是招商还是规划，都需要“数据驱动+模型驱动”的双重赋能，数据与机理的深度融合才能真正解决问题，以行业知识为基础的基于行业内生数据和场景化建模的业务决策辅助是产业大数据平台发展的方向。 三是政府将成为产业大数据生态的关键一环。从数据供给来看，政府数据是产业大数据平台的底层数据之一。当前，各地政府也在积极因地制宜，与时俱进探索运用大数据搭建智慧城市和智慧政务服务。 政府数据开放性和数据资源管理机制是影响政府数据供给的重要因素。同时，从服务应用来看，政府将成为产业大数据的终端客户。 大数据对人类生活的更新率先兴起于消费和社交领域，随着产业大数据平台的兴起和发展，大数据对区域治理、经济发展方面的应用价值将越来越大，基于政府业务场景，依托线上的信息共享和数据分析，立足区域特点，科学运用大数据从事经济发展服务的时代已经到来。 百花争艳才是春天，产业大数据虽在上路伊始，却已初露峥嵘，我们期待着产业大数据的春天的来临。