中投顾问

24小时免费服务热线400-008-1522

2020-2024年中国大数据行业投资分析及前景预测报告(上中下卷)

首次出版:2013年12月最新修订:2020年6月交付方式:特快专递(2-3天送达)

报告属性:共657页、54.1万字、213个图表下载目录版权声明

定购电话:0755-82571522、82571566、400-008-1522

24小时服务热线:138 0270 8576 为什么选择中投顾问?

中文版全价:RMB8900 印刷版:RMB8600 电子版:RMB8600

英文版全价:USD6000 印刷版:USD5800 电子版:USD5800

立即订购 加入购物车 定制报告 在线客服

最新十四五区域经济特别专题讲座!

赠送报告

订购上方报告,即可免费获赠以下二款报告中任意一款(电子版),多买多赠! 价值8900元《2020-2024年云计算产业投资深度研究报告》价值8900元《2020-2024年中国大数据产业政策深度调研报告》

中投顾问中投顾问
新基建成2020年中国经济关键词,重点机会有哪些?
扫码关注右侧公众号,回复对应关键词,即可免费获取以下报告

报告目录内容概述 定制报告

第一章 大数据产业相关概述
1.1 大数据介绍
1.1.1 大数据的产生
1.1.2 大数据的定义
1.1.3 大数据的本质
1.1.4 大数据的特点
1.1.5 大数据的类型
1.1.6 大数据典型分类
1.1.7 大数据的各个环节
1.2 大数据的价值及影响
1.2.1 大数据价值分析
1.2.2 大数据研究意义
1.2.3 大数据应用价值
1.2.4 对信息时代影响
1.3 大数据产业链构成分析
1.3.1 大数据价值链模型
1.3.2 大数据产业链结构
1.3.3 大数据产业链领域
1.3.4 产业链价值流动方向
1.4 大数据技术层结构分析
1.4.1 大数据关键技术构成
1.4.2 大数据采集与预处理技术
1.4.3 大数据存储管理技术
1.4.4 大数据处理的核心技术
1.4.5 大数据分析挖掘技术
1.4.6 大数据可视化技术
1.4.7 大数据安全技术
第二章 2018-2020年国际大数据产业发展分析
2.1 全球大数据产业总体发展分析
2.1.1 产业发展变革
2.1.2 产业发展阶段
2.1.3 产业规模状况
2.1.4 细分市场格局
2.1.5 企业类型分布
2.1.6 重点企业分析
2.1.7 产业人才发展
2.2 全球大数据产业发展特点
2.2.1 国家战略布局加快
2.2.2 制造业成为融合重点
2.2.3 5G成为数字基建关键
2.2.4 数字贸易规则制定加快
2.2.5 数据的合规性受到重视
2.3 欧盟大数据产业发展布局
2.3.1 欧盟通用数据保护条例
2.3.2 欧盟数据经济规模分析
2.3.3 欧盟推进大数据产业发展
2.3.4 欧盟大数据产业战略特点
2.3.5 产业战略建设的相关启示
2.3.6 欧盟布局大数据产业应用
2.3.7 欧盟大数据产业发展规划
2.4 美国大数据产业发展分析
2.4.1 大数据发展扶持政策
2.4.2 大数据产业发展战略
2.4.3 大数据应用案例分析
2.4.4 大数据企业分布情况
2.4.5 大数据协同创新措施
2.4.6 大数据技术发展措施
2.5 日本大数据产业发展分析
2.5.1 大数据发展历程
2.5.2 大数据相关法规
2.5.3 大数据发展趋势
2.5.4 大数据预防灾害
2.5.5 “限定提供数据”条款
2.5.6 对我国大数据法律启示
2.6 其他国家大数据产业发展动态
2.6.1 法国
2.6.2 韩国
2.6.3 新加坡
第三章 2018-2020年中国大数据产业发展分析
3.1 2018-2020年中国大数据产业发展综述
3.1.1 大数据产业概念分析
3.1.2 大数据产业构建层次
3.1.3 大数据发展的必然性
3.1.4 大数据产业驱动主体
3.1.5 大数据产业发展阶段
3.1.6 地区大数据产业联盟
3.1.7 数字经济的发展水平
3.1.8 大数据总体市场规模
3.1.9 大数据核心产业规模
3.2 中国大数据产业发展进程分析
3.2.1 政策方面
3.2.2 技术方面
3.2.3 应用方面
3.2.4 试点方面
3.2.5 人才方面
3.3 2018-2020年大数据产业竞争格局
3.3.1 大数据相关企业规模概述
3.3.2 大数据产业竞争主体分类
3.3.3 产业链环节竞争格局分析
3.3.4 大数据竞争企业资本层次
3.3.5 大数据百强企业统计分析
3.3.6 大数据创新场景应用服务商
3.3.7 互联网企业布局大数据产业
3.3.8 大数据热点应用领域的竞争
3.3.9 大数据产业竞争趋势展望
3.4 2018-2020年中国大数据市场供需分析
3.4.1 大数据市场供给结构
3.4.2 主要行业大数据需求状况
3.4.3 企业大数据的应用及需求
3.4.4 大数据细分领域需求场景
3.4.5 大数据热点领域需求分析
3.4.6 数据小型机市场需求分析
3.5 中国大数据产业存在的问题
3.5.1 面临挑战分析
3.5.2 竞争壁垒问题
3.5.3 技术生态问题
3.5.4 核心技术薄弱
3.5.5 数据相关问题
3.5.6 数据安全问题
3.5.7 人才供需问题
3.6 中国大数据产业的发展策略
3.6.1 相关政策建议
3.6.2 推进研发应用
3.6.3 避免过度建设
3.6.4 提高数据安全
3.6.5 地区发展思路
3.6.6 推动标准建设
3.6.7 打破信息孤岛
第四章 大数据产业上游——数据源存储层
4.1 数据基础设施发展综况
4.1.1 数据基础设施的范围
4.1.2 数据基础设施的特征
4.1.3 数据基础的相关企业
4.1.4 数据基础设施的展望
4.2 数据来源层分析
4.2.1 大数据的来源渠道
4.2.2 新技术带来数据增长
4.2.3 数据资源的网络基础
4.2.4 数据资源SWOT分析
4.2.5 数据资源获取难度
4.2.6 数据资源开放情况
4.3 数据存储层分析
4.3.1 大数据存储方式
4.3.2 大数据储量规模分析
4.3.3 大数据存储架构分析
4.3.4 数据仓库建设的重要性
4.3.5 新型MPP数据库的价值
4.4 数据存储中心建设状况
4.4.1 全球数据中心建设规模
4.4.2 国内数据中心市场规模
4.4.3 国内数据中心建设规模
4.4.4 数据中心的市场竞争格局
4.4.5 数据中心的硬件成本分析
4.4.6 大数据中心总体发展趋势
4.4.7 数据中心绿色节能发展趋势
4.4.8 数据中心的布局策略分析
4.5 数据资源型企业——电信运营商
4.5.1 中国移动
4.5.2 中国电信
4.5.3 中国联通
4.6 数据资源型企业——BAT企业
4.6.1 阿里巴巴
4.6.2 百度公司
4.6.3 腾讯公司
第五章 大数据产业中游——数据分析处理层
5.1 大数据处理及分析技术综况
5.1.1 大数据采集与预处理
5.1.2 数据处理框架分析
5.1.3 数据计算模式分析
5.1.4 数据分析细分领域
5.1.5 大数据分析的优劣势
5.2 大数据分析处理产业发展进程
5.2.1 技术生态分析
5.2.2 技术研发热点
5.2.3 技术应用领域
5.2.4 企业布局加快
5.2.5 技术发展趋势
5.3 大数据可视化分析技术分析
5.3.1 数据可视化的基本概述
5.3.2 大数据可视化市场规模
5.3.3 大数据可视化市场格局
5.3.4 数据可视化的研究进展
5.3.5 数据可视化的应用工具
5.3.6 数据可视化面临的挑战
5.3.7 数据可视化技术发展趋势
5.4 大数据安全处理技术分析
5.4.1 大数据安全问题分析
5.4.2 大数据安全涉及的模块
5.4.3 数据安全防护技术分析
5.4.4 数据脱敏安全控制技术
5.4.5 大数据安全防护体系分析
5.5 大数据技术拥有型企业分析
5.5.1 拓尔思
5.5.2 同有科技
5.5.3 浪潮集团
5.5.4 华为公司
第六章 大数据产业下游——数据交易层
6.1 大数据交易层分析
6.1.1 大数据交易层分析
6.1.2 数据交易品种及类型
6.1.3 数据交易的影响因素
6.1.4 大数据交易标准体系
6.1.5 数据交易市场发展对策
6.2 大数据交易市场运行状况
6.2.1 大数据交易市场环境
6.2.2 大数据交易市场构成
6.2.3 大数据交易市场规模
6.2.4 大数据市场定价方式
6.2.5 细分大数据交易状况
6.2.6 全国首个交易中心成立
6.2.7 大数据交易场所主要类型
6.2.8 大数据交易逐步规范化
6.2.9 大数据交易市场人才需求
6.2.10 数据交易场所的问题及对策
6.3 国际重点大数据交易平台分析
6.3.1 Factual
6.3.2 InfoChimps
6.3.3 Microsoft Azure
6.3.4 Fujitsu
6.4 中国大数据交易平台发展综况
6.4.1 交易平台经营范围
6.4.2 交易平台发展背景
6.4.3 大数据交易典型平台
6.4.4 交易平台融资动态
6.4.5 平台未来发展策略
6.5 中国典型大数据交易平台分析
6.5.1 贵阳大数据交易所
6.5.2 数据堂交易平台
6.5.3 中关村大数据交易平台
6.5.4 香港大数据交易所
第七章 大数据产业下游——数据应用层
7.1 大数据应用层分析
7.1.1 大数据应用层结构
7.1.2 大数据衍生应用层
7.2 大数据应用服务型企业介绍
7.2.1 百分点集团
7.2.2 明略数据
7.2.3 TalkingData
7.3 工业大数据
7.3.1 工业大数据基本概况
7.3.2 工业大数据发展阶段
7.3.3 工业大数据市场规模
7.3.4 工业大数据应用案例
7.3.5 工业大数据发展问题对策
7.3.6 工业大数据应用趋势分析
7.4 医疗大数据
7.4.1 医疗大数据体系分析
7.4.2 医疗大数据应用场景
7.4.3 医疗大数据市场规模
7.4.4 医疗大数据市场供需
7.4.5 医疗大数据区域格局
7.4.6 医疗大数据应用案例
7.4.7 医疗大数据发展问题及对策
7.5 金融大数据
7.5.1 金融大数据体系分析
7.5.2 金融大数据典型应用领域
7.5.3 金融大数据创新应用领域
7.5.4 金融大数据应用市场结构
7.5.5 金融大数据市场竞争格局
7.5.6 金融行业大数据发展特征
7.5.7 金融大数据发展挑战及对策
7.6 交通大数据
7.6.1 交通大数据应用概况
7.6.2 交通大数据应用状况分析
7.6.3 交通行业大数据应用需求
7.6.4 交通大数据融合应用试点
7.6.5 交通出行大数据合作动态
7.6.6 交通大数据应用案例分析
7.6.7 交通大数据应用问题及对策
7.6.8 交通大数据应用未来发展展望
7.7 电信大数据
7.7.1 电信大数据的发展阶段
7.7.2 电信大数据源供给规模
7.7.3 电信大数据应用需求分析
7.7.4 电信行业大数据应用情况
7.7.5 电信运营商价值数据分布
7.7.6 运营商大数据的应用模式
7.7.7 电信行业大数据应用案例
7.7.8 电信大数据发展的挑战及对策
7.8 零售大数据
7.8.1 零售大数据发展概况
7.8.2 零售行业数据采集方式
7.8.3 零售行业大数据应用需求
7.8.4 零售行业大数据应用现状
7.8.5 大数据下的新零售模式
7.8.6 零售大数据发展问题及对策
7.8.7 企业应用零售大数据的方向
7.9 电商大数据
7.9.1 电商大数据的主要来源
7.9.2 大数据处理对电子商务的影响
7.9.3 电子商务大数据的应用需求
7.9.4 电子商务大数据的具体应用
7.9.5 数据分析提高电商企业绩效
7.9.6 全球首个电商大数据指数发布
7.9.7 政府重视电商大数据共享工作
7.9.8 电商大数据应用的挑战及对策
7.10 政府大数据
7.10.1 政府数据资产基本分类
7.10.2 政府大数据的顶层设计
7.10.3 政府大数据的经济价值
7.10.4 政府部门大数据应用案例
7.10.5 全国公安大数据项目状况
7.10.6 政府大数据信息公开需求
7.10.7 政府大数据未来发展展望
第八章 2018-2020年大数据应用软件及设备分析
8.1 大数据应用软件分析
8.1.1 大数据软件构成框架
8.1.2 大数据典型软件分析
8.1.3 智能软件的应用价值
8.1.4 大数据软件市场规模
8.1.5 大数据软件发展方向
8.2 大数据硬件设备分析
8.2.1 大数据硬件构成框架
8.2.2 大数据主要硬件设备
8.2.3 大数据硬件市场规模
8.3 大数据一体机设备分析
8.3.1 大数据一体机简介
8.3.2 大数据一体机的优劣分析
8.3.3 大数据一体机的用户类型
8.3.4 国外竞争格局与品牌分布
8.3.5 国内市场竞争格局分析
8.3.6 国内企业竞争优劣势分析
8.3.7 国内主流品牌及其特点
第九章 2018-2020年大数据产业发展模式探究
9.1 大数据交易模式分析
9.1.1 以数据运营方式为分类标准
9.1.2 以大数据结构化程度为分类标准
9.1.3 以数据产权转让形式为分类标准
9.2 大数据行业盈利模式分析
9.2.1 解决方案
9.2.2 基础设施
9.2.3 数据产品
9.2.4 行业应用
9.3 大数据行业商业模式分析
9.3.1 B2B大数据应用模式
9.3.2 技术提供及软件开发
9.3.3 大数据咨询分析服务
9.3.4 大数据服务市场规模
9.3.5 大数据通用服务模式
9.3.6 自有平台大数据分析
9.3.7 信息订制与采购模式
9.3.8 信息数据租售模式
9.4 企业大数据商业化应用模式
9.4.1 企业大数据的基本构成
9.4.2 企业大数据商业化应用背景
9.4.3 企业大数据商业化应用层面
9.4.4 企业大数据商业化应用重点
9.4.5 企业大数据商业化应用关键
9.4.6 企业大数据商业化应用途径
第十章 2018-2020年重点区域大数据行业发展分析
10.1 中国大数据产业区域发展格局
10.1.1 国家大数据综合试验区
10.1.2 地区大数据管理机构设置
10.1.3 城市大数据人才储备状况
10.2 大数产业区域发展指数分析
10.2.1 各省大数据发展排名
10.2.2 各省大数据排名变动
10.2.3 区域大数据发展指数
10.2.4 各省大数据发展类型
10.2.5 各省分指数评价分析
10.3 大数据产业园区发展分析
10.3.1 大数据产业园概述
10.3.2 大数据产业园区分类
10.3.3 大数据产业园数量规模
10.3.4 大数据产业园典型模式
10.3.5 产业园面临机遇与挑战
10.3.6 国家级新区布局大数据
10.4 京津冀大数据产业集群
10.4.1 京津冀地区经济运行特点
10.4.2 京津冀大数据产业发展综况
10.4.3 河北省大数据产业发展状况
10.4.4 北京市大数据产业发展状况
10.4.5 天津市大数据产业发展综况
10.4.6 天津市大数据安全布局动态
10.5 珠三角大数据产业集群
10.5.1 珠三角地区基本运行状况
10.5.2 珠三角大数据产业发展特点
10.5.3 大数据试验区建设方案出台
10.5.4 广东省大数据产业发展格局
10.5.5 广州市大数据产业发展布局
10.5.6 深圳市大数据产业发展状况
10.6 长三角大数据产业集群
10.6.1 长三角地区基本发展状况
10.6.2 长三角大数据产业发展综况
10.6.3 长三角大数据产业发展特点
10.6.4 上海市大数据产业发展布局
10.6.5 浙江省大数据产业发展状况
10.7 西南大数据产业集群
10.7.1 西南地区基本发展状况
10.7.2 西南大数据产业发展潜力
10.7.3 重庆市大数据产业发展状况
10.7.4 四川省大数据产业发展布局
10.8 其他地区大数据产业发展动态
10.8.1 内蒙古
10.8.2 河南省
10.8.3 山东省
10.8.4 山西省
10.8.5 安徽省
10.8.6 湖南省
10.8.7 江西省
10.8.8 海南省
10.9 典型发展案例——贵州大数据产业发展经验
10.9.1 贵州大数据发展机遇及优势
10.9.2 贵州省大数据发展地位
10.9.3 贵州大数据产业优惠政策
10.9.4 贵州省数字设施投资状况
10.9.5 贵州大数字产业运行状况
10.9.6 贵州大数据典型企业名单
10.9.7 大数据与实体经济融合
10.9.8 贵阳市大数据发展状况
10.9.9 贵安新区大数据建设状况
10.9.10 贵州省大数据融合发展方案
10.9.11 贵州大数据应用状况分析
第十一章 中投顾问对中国大数据产业投资价值分析
11.1 大数据产业投资价值及机会评估
11.1.1 投资价值综合评估
11.1.2 市场投资机会评估
11.1.3 投资发展动力评估
11.1.4 投资进入时机分析
11.1.5 产业投资象项分布
11.2 大数据行业投资壁垒分析
11.2.1 竞争壁垒
11.2.2 技术壁垒
11.2.3 资金壁垒
11.2.4 政策壁垒
11.3 大数据产业投资风险及防范
11.3.1 大数据行业投资风险综述
11.3.2 数据的流动性和可获取性风险
11.3.3 大数据安全风险及防范机制
11.3.4 大数据项目投资风险急剧增加
11.3.5 大数据产业投资建议与策略
11.3.6 评估大数据产业投资回报的措施
11.4 中投顾问对2020-2024年中国大数据产业预测分析
11.4.1 2020-2024年中国大数据产业影响因素分析
11.4.2 2020-2024年中国大数据产业市场规模预测
11.4.3 2020-2024年中国数字经济总量规模预测
第十二章 中投顾问对中国大数据产业投融资分析
12.1 A股及新三板上市公司在大数据产业投资动态分析
12.1.1 投资项目综述
12.1.2 投资区域分布
12.1.3 投资模式分析
12.1.4 典型投资案例
12.2 大数据行业投融资热点分析
12.2.1 大数据产业投资热点
12.2.2 数据源及流通领域
12.2.3 软硬件产品领域
12.2.4 应用端领域
12.3 中国大数据产业融资动态分析
12.3.1 教育大数据企业融资动态
12.3.2 媒体大数据企业融资动态
12.3.3 保险大数据公司融资布局
12.3.4 大数据软件企业融资布局
12.3.5 酒店大数据运营投资项目
12.3.6 医疗大数据企业融资动态
12.3.7 数据搜索公司融资动态
12.3.8 大数据安全企业融资动态
12.3.9 大数据基础设施提供商融资
12.4 中国大数据产业投资项目案例
12.4.1 城市数据湖运营项目
12.4.2 大数据系统平台项目
12.4.3 大数据产业园建设项目
12.4.4 大数据管理平台建设项目
12.5 中国大数据产业链投资机会分析
12.5.1 硬件层面投资机会分析
12.5.2 软件层面投资机会分析
12.5.3 信息服务层面投资机会
第十三章 大数据产业发展前景及趋势
13.1 全球大数据产业发展前景及趋势预测
13.1.1 全球大数据企业竞争趋势
13.1.2 全球大数据产业发展趋势
13.1.3 全球大数据市场发展热点展望
13.2 中国大数据产业发展机遇及前景预测
13.2.1 财政机遇分析
13.2.2 产业发展机遇
13.2.3 行业未来发展特点
13.2.4 大数据市场热点分析
13.2.5 大数据市场重点内容
13.2.6 大数据人才需求预测
13.3 中国大数据产业发展趋势展望
13.3.1 信息消费逐步提质升级
13.3.2 工业互联网建设进程加快
13.3.3 “一带一路”数据合作形成
13.3.4 大数据治理科技应用广泛
13.3.5 大数据相关立法进程加快
13.3.6 大数据与区块链融合提速
第十四章 大数据产业发展政策分析
14.1 大数据产业政策体系分析
14.1.1 发达国家大数据政策对比
14.1.2 中国大数据产业政策特点
14.1.3 中国大数据产业政策汇总
14.1.4 中国大数据产业发展纲要
14.1.5 大数据标准化白皮书分析
14.1.6 大数据产业管理机制加强
14.2 大数据产业应用类政策分析
14.2.1 工业大数据政策环境分析
14.2.2 金融机构大数据治理规范
14.2.3 医疗大数据政策总体分析
14.2.4 交通运输大数据发展纲要
14.2.5 交通旅游大数据应用试点
14.2.6 林业大数据发展指导意见
14.2.7 水利大数据发展指导意见
14.2.8 生态环境信息化建设方案
14.2.9 国土资源大数据应用政策
14.3 “十三五”大数据产业发展规划
14.3.1 发展目标
14.3.2 重点任务
14.3.3 保障措施
14.4 大数据产业区域性政策规划
14.4.1 首部大数据地方法规发布
14.4.2 天津市大数据发展应用条例
14.4.3 海南省大数据开发应用条例
14.4.4 东莞市大数据产业发展规划
14.4.5 福州市大数据产业发展计划
14.4.6 北京大数据建设工作方案
14.4.7 贵州省大数据产业发展规划
14.4.8 贵州大数据与工业融合方案
14.4.9 内蒙古大数据发展总体规划
14.4.10 广西省数字社会的建设规划
14.4.11 湖南省大数据产业发展计划
14.4.12 湖北省大数据产业发展规划
14.4.13 河南省大数据产业发展规划
14.4.14 河北省大数据产业发展计划

图表目录

图表1 大数据的4V特征
图表2 大数据的类型
图表3 大数据技术框架
图表4 数字价值链模式
图表5 大数据产业链
图表6 大数据产业主要数据资产类企业
图表7 大数据产业链产值分布及发展方向
图表8 大数据关键技术
图表9 中国大数据产业链技术层细分
图表10 未来大数据处理的核心技术
图表11 全球大数据市场的收入规模
图表12 2018年全球大数据企业类型分布
图表13 国际主要大数据企业简介
图表14 全球主要大数据存储企业
图表15 全球主要大数据分析企业
图表16 2018年大数据产业人才分布
图表17 全球先进制造业发展战略格局
图表18 美国大数据研发与协同创新的主要政策文件
图表19 2018年美国大数据产业企业分布
图表20 日本大数据发展历程
图表21 2011-2018年日本大数据发展趋势
图表22 2018年韩国大数据产业企业布局情况
图表23 大数据产业构建
图表24 中国大数据市场发展阶段
图表25 2017-2018年新成立的大数据产业联盟
图表26 2015-2019年大数据市场产值图
图表27 2015-2020年我国大数据核心产业规模及增速
图表28 2016-2019年中国数据科学与大数据技术专业新增备案数量
图表29 2018年大数据产业发展试点示范项目公示名单
图表30 2018-2019年教育部新增审批本科大数据相关专业
图表31 大数据人才培养要求
图表32 大数据企业资本层次
图表33 2019年大数据企业投资价值百强榜
图表34 大数据创新场景应用服务商TOP40
图表35 中国大数据应用领域企业
图表36 互联网行业大数据应用场景
图表37 电信行业大数据应用场景
图表38 金融行业大数据应用场景
图表39 制造行业大数据应用场景
图表40 企业现有的数据规模
图表41 企业数据类型的构成
图表42 大数据时代企业所能感觉到的数据变化
图表43 目前企业处理大数据所面临的问题
图表44 企业对大数据的态度和认知
图表45 企业在线则大数据平台时所考虑的因素
图表46 市场上大数据技术类人才招聘数量占比及求职人数占比
图表47 主要城市大数据就业市场活跃度
图表48 大数据行业求职者学历与招聘需求占比
图表49 大数据产业招聘及求职期望薪水分布
图表50 数据基础设施
图表51 数据基础设施“横向融合”与“纵向融合”
图表52 数据基础支撑型企业
图表53 数据平台型企业
图表54 中国大数据产业链数据源细分
图表55 中国大数据资源SWOT分析
图表56 2019年省级数林分布
图表57 MPP架构图
图表58 2013-2018年全球大数据储量
图表59 2018年全球大数据储量区域分布
图表60 MPP与Hadoop技术融合的产品架构图
图表61 全球数据中心数量
图表62 全球数据中心总机架数
图表63 2009-2019年中国IDC市场规模及增长情况
图表64 2016-2019年中国数据中心机架规模统计情况
图表65 数据中心规模划分(按机架规模)
图表66 2019年中国超大型、大型数据中心占比情况
图表67 国内IDC市场格局
图表68 民营IDC企业的竞争优劣势分析
图表69 电信运营商在IDC领域的竞争优劣势分析
图表70 数据中心IT硬件成本结构
图表71 近年来国内IDC领域主要并购案例
图表72 不同产商的业务类型选择
图表73 飞天大数据平台的完整架构
图表74 iDB产品核心功能架构图
图表75 百度大数据+平台
图表76 九寨沟景区客流量预测系统
图表77 峨眉山景区游客七日去向展示
图表78 利用大数据进行在线精准营销的效果
图表79 腾讯大数据平台的核心模块
图表80 Gaia主要结构
图表81 TDBank的处理系统
图表82 TDBank运行流程
图表83 腾讯分布式数据仓库
图表84 Spark VS Mapreduce
图表85 TRC运作流程
图表86 典型大数据计算模式与系统
图表87 数据分析细分领域和具体技术
图表88 Palantir旗下两大产品涉及领域
图表89 Hadoop和Spark生态系统
图表90 大数据技术关注度
图表91 参数服务器工作原理
图表92 大数据安全涉及模块
图表93 华为FusionInsight大数据平台的技术规格
图表94 中国大数据产业链交易层细分
图表95 可交易的数据品种及类型
图表96 影响数据交易的四大因素
图表97 大数据交易标准体系
图表98 大数据交易产业主要人才需求
图表99 数据堂商业模式
图表100 中国大数据产业链大数据衍生层细分
图表101 工业大数据分类
图表102 国内工业大数据发展史
图表103 医疗业大数据产业链
图表104 医疗数据来源
图表105 医疗数据的特性
图表106 医疗大数据的用途
图表107 医疗大数据企业
图表108 2014-2018年中国健康医疗大数据行业市场规模
图表109 2018年中国健康医疗大数据细分行业市场结构
图表110 2018年健康医疗数据供应概况
图表111 健康医疗大数据相关企业地域分布
图表112 2018年中国健康医疗大数据细分领域企业分布
图表113 2016-2018年BAT健康医疗大数据产业链布局
图表114 金融大数据产业链
图表115 大数据金融的场景应用
图表116 大数据智能洞察金融业
图表117 金融行业客户的重要性
图表118 大数据洞察推动民生银行的转型与创新
图表119 大数据预测金融欺诈
图表120 中国金融行业大数据投资结构
图表121 智能交通的数据处理体系
图表122 交通大数据应用领域示意图
图表123 大数据在滴滴出行中的应用
图表124 电信大数据发展阶段
图表125 电信运营商大数据应用
图表126 2019-2020年4G用户总数占比情况
图表127 2019-2020年末光纤接入(FTTH/O)和100Mbps及以上接入速率的固定互联网宽带接入用户占比情况
图表128 2019-2020年手机上网用户情况
图表129 2019-2020年移动互联网累计接入流量及同比增速比较
图表130 2019-2020年移动互联网接入月流量及户均流量(DOU)情况
图表131 2019-2020年移动电话用户增速和通话时长增速
图表132 2019-2020年移动短信业务量和收入同比增长情况
图表133 广东移动使用的Apache Hadoop软件的英特尔分发版
图表134 电信运营商大数据处理需求
图表135 线下零售大数据产业链
图表136 线上零售大数据产业链
图表137 零售行业大数据分析应用阶段
图表138 中国零售企业主要实施的大数据项目
图表139 政府大数据应用十大工程
图表140 中国各政府机构大数据应用
图表141 2016-2019年公安大数据建设项目数量与金额
图表142 2016-2019年上半年公安大数据建设投资结构
图表143 政府大数据应用痛点及机会点
图表144 大数据软件主要类别
图表145 大数据硬件产业链
图表146 典型大数据服务应用比较
图表147 大数据通用服务热点
图表148 企业大数据的构成
图表149 大数据在企业级的应用方面
图表150 八大国家大数据综合试验区分布
图表151 省内大数据管理机构设置情况
图表152 2014-2018年省级大数据管理机构设置情况
图表153 2019年中国大数据人才储备要素评价
图表154 2019年全国31个省份大数据发展指数评价结果
图表155 2019年各地区大数据政用、民用和商用指数得分情况
图表156 2016-2019年各省大数据发展总指数排名
图表157 2016-2019年各省大数据发展总指数排名变化情况
图表158 2019年四大区域大数据发展指数得分
图表159 2016-2019年四大区域大数据发展指数均值变化情况
图表160 2019年各省大数据发展类型
图表161 2016-2019年大数据发展类型分布情况
图表162 2019年各省大数据政用指数得分与均值比较
图表163 2016-2019年各省政用指数得分排名变化情况
图表164 2019年各省大数据政用指数得分情况
图表165 2019年各省大数据商用指数得分与均值比较
图表166 2016-2019年各省商用指数得分排名变化
图表167 2019年各地区大数据商用指数得分情况
图表168 2019年各省大数据民用指数得分与均值比较
图表169 2016-2019年各地区大数据民用指数得分排名变化
图表170 2019年各省大数据民用指数得分情况
图表171 中国典型大数据产业园
图表172 国家级新区布局大数据产业
图表173 珠三角9城GDP
图表174 2019年贵州省各市(州)、贵安新区数字基础设施投资完成情况表
图表175 2019年贵州省数字基础设施重点企业投资完成情况表
图表176 贵州省大数据领域投资情况表
图表177 贵州省大数据企业TOP50名单(排名不分先后)
图表178 中投顾问投资价值综合评估:大数据
图表179 中投顾问大数据产业市场机会整体评估表
图表180 中投顾问大数据产业市场机会矩阵
图表181 中投顾问投资发展动力评估:大数据
图表182 中投产业投资进入时机:大数据产业
图表183 中投产业生命周期:大数据产业
图表184 大数据产业投资象项
图表185 中投顾问进入壁垒评估:大数据
图表186 中投顾问投资机会箱:大数据产业
图表187 中投顾问对2020-2024年中国大数据产业市场规模预测
图表188 中投顾问对2020-2024年中国数字经济总量规模预测
图表189 2019年A股及新三板上市公司大数据产业投资规模
图表190 2020年A股及新三板上市公司大数据产业投资规模
图表191 2019年A股及新三板上市公司大数据产业投资项目区域分布(按项目数量分)
图表192 2019年A股及新三板上市公司大数据产业投资项目区域分布(按投资金额分)
图表193 2020年A股及新三板上市公司大数据产业投资项目区域分布(按项目数量分)
图表194 2020年A股及新三板上市公司大数据产业投资项目区域分布(按投资金额分)
图表195 2019年A股及新三板上市公司大数据产业投资模式
图表196 2020年A股及新三板上市公司大数据产业投资模式
图表197 大数据数据源及流通领域投资热点
图表198 大数据软硬件产品领域投资热点
图表199 大数据应用端领域投资热点
图表200 引力传媒大数据管理平台整体架构图
图表201 大数据政策比较框架
图表202 各国大数据战略规划比较
图表203 各国技术能力储备政策比较
图表204 国外政府数据开放与共享主要政策
图表205 国外政府数据开放与共享主要政策(续)
图表206 2012-2019年大数据产业政策关键词
图表207 2015-2019年大数据产业发展关键节点
图表208 2015-2018年中国大数据相关政策
图表209 地方管理机制分析
图表210 国家工业大数据相关政策
图表211 工业和信息化部相关政策
图表212 工业大数据重点建设任务
图表213 国内健康医疗大数据行业发展政策

继物联网、云计算之后,大数据已经成为当前信息技术产业最受关注的概念之一。大数据是为了更经济地从高频率获取的、大容量的、不同结构和类型的数据中获取价值,而设计的新一代架构和技术。人们普遍将该定义概括为四个“V”,即更大的容量(Volume,从TB级跃升至PB级,甚至EB级)、更高的多样性(Variety,包括结构化、半结构化和非结构化数据),以及更快的生成速度(Velocity)。前面三个“V”的组合推动了第四个因素——价值(Value)。

全球的数据储量仅在2011就达到1.8ZB,相当于每个美国人每分钟写3条Twitter信息,总共写2.6976万年。2019年全球数据量达到约41ZB。而今后十年,用于存储数据的全球服务器总量还将增长十倍。大数据正在成为国家竞争的前沿,以及产业竞争力和商业模式创新的源泉。联合国“数据脉动”计划、美国“大数据”战略、英国“数据权”运动、日本“面向2020年的ICT综合战略”、韩国大数据中心战略等先后开启了大数据战略的大幕,有力推动了大数据产业化、市场化进程。

2015年我国大数据产业规模已达2800亿元,截止至2017年我国大数据产业规模增长至4700亿元,规模增速进一步提高至30.6%,根据测算2018年和2019我国大数据产业规模分别达到6200亿元和8000亿元。

截至2019年初,所有省级行政区都发布了大数据相关的发展规划,十几个省市设立了大数据管理局,8个国家大数据综合试验区、11个国家工程实验室启动建设。可以说,大数据的政策体系已经基本搭建完成,目前已经纷纷进入落地实施甚至评估检查阶段。2020年5月27日,《大数据蓝皮书:中国大数据发展报告No.4》发布。资料显示,2019年,中国大数据发展总指数的平均得分为40.38,较上年得分提高1.29,大数据政用与民用指数得分较上年也显著提高。从各地来看,北京和广东的大数据发展依然保持全国领先位置,两者大数据发展总指数得分均突破70,远远高于全国平均值。整体来看,共有14个省份超过总指数平均值(较上年增长2个),占比突破45%。

2020年4月以来,国内复工复产的加速,计算机行业利好政策相继出台。4月9日,中共中央国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》,对数据要素市场化配置的重要指示,将进一步加快我国大数据产业和数字经济的发展。4月10日,工信部公示《网络数据安全标准体系建设指南》(征求意见稿),提出“到2021年,初步建立网络数据安全标准体系”、“到2023年,健全完善网络数据安全标准体系”的建设目标。2020年7月2日,《数据安全法(草案)》全文发布,在开展数据活动的组织、个人不履行数据安全保护义务或者未采取必要的安全措施的,由有关主管部门责令改正,给予警告,可以并处相关的罚款。随着政策的逐步规范,大数据产业将迎来新的发展机遇。

中投产业研究院发布的《2020-2024年中国大数据行业投资分析及前景预测报告》共十四章。首先介绍了大数据和大数据产业的定义、特点、地位等,接着分析了国内外大数据行业的发展及行业格局,然后分析了大数据产业链的上中下游行业发展状况,并对大数据软硬件设备、大数据发展模式、重点区域大数据产业发展布局等进行了细致的透析。随后,报告重点分析了大数据行业的投资状况及其未来发展前景,最后报告还分析了大数据产业的政策环境。

本研究报告数据主要来自于国家统计局、中投产业研究院、中投产业研究院市场调查中心以及国内外重点刊物等渠道,数据权威、详实、丰富,同时通过专业的分析预测模型,对行业核心发展指标进行科学地预测。您或贵单位若想对大数据行业有个系统深入的了解、或者想投资大数据行业,本报告将是您不可或缺的重要参考工具。

本报告目录与内容系中投顾问原创,未经中投顾问书面许可及授权,拒绝任何形式的复制、转载,谢谢!

微信扫一扫关注公众号"中投顾问"(ID :touziocn),回复""即可获取。

知道了
在线咨询: 点击这里给我发消息