大数据产业持续升温,市场发展潜力巨大
自2015年以来,大数据产业受到了国家层面的高度重视,产业呈现出高速增长、投资热度依旧、与其他产业融合加速等特点。
一、市场特点
许多业内精英人士将2015年定义为中国“大数据元年”。无论从国家战略、市场热度、产业发展规模来分析,还是从数据应用领域来界定,中国大数据产业都发生了较为明显变化,其市场特点主要体现在以下几个方面:
从政策环境来看,大数据产业战略地位不断上升,国家层面高度重视。
《中国制造2025》战略提出,要以加快新一代信息技术与制造业深度融合为主线,以推进智能制造为主促进产业转型升级,把我国建设成为引领世界制造业发展的制造强国。在此背景下,大数据作为新一代信息技术中,前景最广阔、推进作用较为明显,并且在国内已经逐步被认知的产业,受到了国家的高度重视。
国家从2012年就开始提出支持大数据产业发展的相关意见,2012年7月国务院发布的《“十二五”国家战略性新兴产业发展规划》中明确提出支持海量数据存储、处理技术的研发和产业化,2013年8月国务院发布的《关于新兴消费扩大内需的若干意见》中提出,推动商业企业加快信息基础设施演进升级,增强信息产品供给能力,形成行业联盟,制定行业标准,构建大数据产业链,促进创新链与产业链有效嫁接。2015年,随着大数据作用的逐步凸显,国家对于大数据产业发展有了突破性的支持,提出了《关于运用大数据加强对市场主体服务和监管的若干意见》、《“互联网+”行动计划》等一揽子的政策意见,并于2015年8月19日,国务院常务会议通过《关于促进大数据发展的行动纲要》,强调开发应用好大数据这一基础性战略资源。大数据成为了重要的战略资源。
从市场规模看,市场规模高速增长,市场发展潜力巨大。
整体看,中国的大数据市场依然保持高速增长的趋势。2015年中国大数据市场规模达到124.9亿元,增速保持在34.2%,虽然低于2013和2014年,但是不仅高于同期的工业增速,而且比同期的电子信息制造市场增速(7.4%)高出26.8个百分点,比同期的软件和信息技术(17.7%)市场增速高出16.5个百分点。大数据仍然是各行业IT投资的重点,仍具有较大的市场潜力。
从市场热度看,概念持续升温,备受资本市场青睐。
从全球范围来看,大数据已经步入了硅谷技术曲线的下降通道,即从概念热潮的峰值滑落,步入了产业实施部署的“低调期”。但是在中国,大数据产业的政策环境逐步完善,产业依然保持高速增长的趋势下,大数据产业概念受到投资界的持续关注,瞄准大数据领域的资本运作频繁出现。如,人人网领投美国大数据创业公司FiscalNote总额1000万美元的融资;东方国信1810万英镑收购Cotopaxi正式进入工业大数据领域;博彦科技5000万收购红麦聚信,拓展大数据业务;数据型服务公司信励科技SimplyBrand获数百万美元投资;浪潮携手思科将斥资1亿美元成立合资公司,致力于为智慧城市及大数据等领域提供方案和服务。2015年在国内融资的大数据创业公司,总融资金额超过50亿人民币。其中融资上亿元的大数据公司达到19家,占35.8%,A轮以上融资均为千万元及以上级别。
从投资的领域来看,手握数据资源优势的金融、电信、互联网等企业领域依然是目前投资的重点领域。2015年互联网、金融、电信三大领域的投资规模达到大数据投资规模的60.7%,仍是对大数据产业投资的重点行业。未来,政府、医疗等其他行业的投资比重逐渐提升。
传统产业与大数据融合推进,新业态互进成为共识。
产业发展是一个逐步认知到认同的过程,大数据产业已经进入了普遍认同的时期。大量大数据中心的建设,以贵阳大数据交易所为代表的数据交易中心的建设,大数据法律法规的完善,数据挖掘、分析、存储和数据感知等技术的不断成熟,以及数据安全的加强,使得大数据应用和推广更加广泛和易接受。大数据已经融入了制造业、医疗、金融等多个领域。特别是数据感知、存储、分析技术的成熟,硬件和软件开发的突破,大量应用案例开始涌现,工业大数据有了可行性的基础。
从制造流程看,大数据技术目前主要应用于生产流程的健康诊断和预警报警,比如高圣自省性的带锯机床,通过数据技术,对机床进行健康状态、带锯衰退监控和预测。九江石化催化裂化装置报警预警,也是结合历史数据,通过数据挖掘,分析故障原因并实现预警机制。
另外,大数据也通过与其他产业的融合衍生出了新的模式,比较典型的是金融和医疗领域。比如,随着大数据与金融保险行业的融合,将衍生出差异分级式的保险定价模式。随着车联网的加速发展,汽车后市场将迎来变革。整车制造商和互联网厂商将基于用户数据和车辆行驶数据实现跨界竞争等。
二、发展趋势
整体环境更加规范,产业发展呈现新特征。
虽然我国的大数据产业受到国家的高度重视,但是大数据产业尚处于成长过程中,产业的整体环境依然有待规范和完善。未来,我国大数据产业将从几个维度加强环境完善。首先,是行业标准的完善,值得期待的是,大数据的行业统计口径的进一步规范和标准化,国家统计局正在与贵州大数据中心进行大数据统计标准的制定工作。标准的制定将成为规范研究大数据产业的一项重要举措。在数据采集、流通、交易、应用等方面的详细标准和规范可能在2016年相继出台。
其次,行业发展更加务实。在“十三五”规划、“两化融合”、“互联网+”和《中国制造2025》等重大国家战略中,明确要求在全社会各个领域中加大对大数据应用,促进大数据产业发展,加快“数据中国”建设。大数据产业“十三五”发展规划也正在紧锣密鼓的编制过程中。规划形成后,大数据产业发展的目标和方向将更加明确。
最后,行业领域更加开放,开放包括资源开放、技术开放和生态开放三重内涵。资源开放指在政策引导的驱动下,政府将示范性的开放数据和公共信息,特别是各级政府为了推进本地大数据产业发展,必将加快资源的开放速度。所谓技术开放是指营造良好的市场环境,加快推动开源技术的推广和普及。所谓生态开放是指,通过支持大众创新创业和健全市场运行机制,吸引更多的人才资本进入产业。
技术研究不断加深,数据应用逐步升级。
大数据产业发展初期,人民对大数据的认知仅限于数据的采集、数据存储或者通过简单的数学模式,进行粗浅的分析理解,该阶段数据技术对其他行业的发展和推动作用十分有限,业内称之为“管理数据”阶段。但是随着大数据技术的提升,特别是数据的可视化技术的提升,以及海量信息智能化处理、自然语言理解、多媒体内容理解和机器学习等高端技术的不断进步,使得机器对于数据的理解能力和学习能力有了重大突破,而大数据可以更广泛、更深入地应用到更多的领域,比如未来无人驾驶的实现将依托大数据技术的普及、疾病诊疗和重大灾害预警应用了大数据实时跟踪和分析处理功能。而工业领域中,随着大数据技术的发展,将逐步实现产品的柔性化、定制化,最后实现工业生产的跨领域、跨区域的跨界协同。可以说,大数据正逐步从“管理数据”阶段进入“理解数据”的阶段。
曾经有人说,大数据和云计算是一对“双生子”,可见大数据和云计算具有十分密切的关系。大数据挖掘处理需要建立在一个平台上,现代的数据处理平台已经从过去的“计算主机/个人电脑到服务器/客户机”,演变成了云平台。由于大数据的应用趋势是对实时交互的海量信息的查询、分析,并实现更加深入的“理解数据”功能,“云”所具备的大规模弹性计算资源为大数据处理提供能力保障,成为数据资源收集、承载、流通的重要载体。
“云平台”不但为大数据产品与服务提供了重要的展示空间,也为大数据处理提供了关键的能力保障。可以说,云计算与大数据之间是相辅相成,相得益彰的关系。但是,我们也要看到混合云架构的兴起将对信息产品的兼容性提出新的挑战。
企业定位细分,产业体系三分天下。
目前看,国内大数据产业已经从初期探索阶段到了市场高度认同,产业链相对完善的阶段,大数据企业已经从初期小规模探索式的、定位不明确的发展到了定位清晰、业务方向明确的阶段。
从业务领域来看,现阶段大数据企业可以分为数据资源型企业,即先天拥有或者以汇聚数据资源为目标的企业,以在自身行业积累了丰富数据资源,和力图汇聚开放网络数据的企业为代表。这类企业将占据一定先发优势,利用手中的数据资源,或挖掘数据来提升企业竞争力,或主导数据交易平台机制的形成。包括行业用户、互联网企业和数据中间商,典型代表企业数据堂、星图数据、优易数据。
二是以技术开发见长的技术工具型企业,即专注开发数据采集、存储、分析以及可视化工具的企业,包括软件企业、硬件企业和解决方案商,代表企业星环科技、永洪科技、南大通用。
第三种是为客户提供云服务和数据服务的应用服务型企业,这类企业利用专业化的一体化解决方案,广泛对接各个行业,这类企业专注于产品的便捷化和易维护性,同时要针对不同行业客户的需求提供差异化的服务。代表企业百分点、明略数据、TalkingData。
这三类企业未来依托自身优势,呈现三分天下的局面,并通过产业联盟、企业合作框架等形式,建立长期或者单一的业务合作,形成互补的上下游支撑的发展模式。
企业强强联手,合作共赢谋发展。
前面曾经提出产业开放将成为未来的重要趋势,生态的开放就是一个重要的表现。要实现生态开放,企业间的合作共谋,利益共赢是最重要的途径。目前,业内某些大数据企业已经探索强强联合的合作方式,如久其软件与龙信数据合资设立久其龙信数据,东方国信与Cloudera达成合作,推动Hadoop技术有效落地,星环信息携手万国数据共同推进大数据核心技术、产品及服务,IBM加强与苹果合作,成立专门的部门面向医疗健康行业提供数据分析服务,中国联通与西班牙电信成立合资公司开展基于位置的大数据业务,京东与美国基于机器学习算法的大数据分析公司ZestFinance合作,Cloudera与Teradata宣布集成,为Hadoop提供企业级运行设备,百分点与华为宣布了合作伙伴关系,成立了大数据商业战略联盟等。
这些企业有些具有数据优势、有些具有技术优势,企业通过合作实现了资源和技术的互补。因此,战略联盟和合作的一个重要指标就是不同企业间资源、技术的差异化,通过合作为客户提供更优的整体解决方案,实现1+1>2的规模经济和技术扩散效应。这种模式的推广将有利于大数据产业的健康和可持续发展。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22