24小时免费服务热线400-008-1522

2019-2023年中国大数据行业投资分析及前景预测报告(上下卷)

首次出版:2013年12月最新修订:2019年4月交付方式:特快专递(2-3天送达)

报告属性:共597页、50.2万字、169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:USD6800 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

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《2019-2023年云计算产业投资深度研究报告》价值8900元《2019-2023年中国大数据产业政策深度调研报告》

中投顾问官方微信中投顾问官方微信
中投顾问服务号中投顾问服务号

中投顾问咨询服务

中投顾问以"挖掘产业投资机会,促进区域经济发展"为己任,发展起以产业研究为坚实根基,以产业规划、招商服务为重点,以中投大数据为创新方向的业务体系,十余年间累计服务政企客户数万家。

报告目录内容概述信息技术产业投资指南

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 大数据的特点
1.1.4 大数据的类型
1.1.5 大数据典型分类
1.1.6 大数据的各个环节
1.2 大数据的价值及影响
1.2.1 大数据的价值
1.2.2 大数据研究意义
1.2.3 大数据的应用价值
1.2.4 对信息时代的影响
1.3 大数据产业链构成分析
1.3.1 大数据产业链结构
1.3.2 大数据产业链领域
1.3.3 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 2017-2019年国际大数据产业发展分析
2.1 2017-2019年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 产业规模状况
2.1.3 市场竞争格局
2.1.4 应用状况调查
2.1.5 产业布局分析
2.1.6 各国政府助推
2.2 欧盟大数据产业发展布局
2.2.1 欧盟数据经济规模分析
2.2.2 欧盟推进大数据产业发展
2.2.3 欧盟大数据产业发展战略
2.2.4 欧盟大数据产业战略特点
2.2.5 产业战略建设的相关启示
2.2.6 欧盟布局大数据产业应用
2.2.7 欧盟大数据产业发展规划
2.2.8 欧盟通用数据保护条例发布
2.3 美国大数据产业发展分析
2.3.1 大数据产业发展战略
2.3.2 大数据产业发展状况
2.3.3 大数据应用案例分析
2.3.4 大数据技术发展措施
2.3.5 针对安全问题的政策
2.3.6 产业发展的经验借鉴
2.4 日本大数据产业发展分析
2.4.1 大数据产业地位
2.4.2 大数据发展规模
2.4.3 制造业大数据应用
2.4.4 运行大数据预防灾害
2.4.5 产业重点企业分析
2.4.6 大数据产业发展展望
2.5 2017-2019年其他国家大数据产业发展状况
2.5.1 英国
2.5.2 法国
2.5.3 澳大利亚
2.5.4 韩国
第三章 2017-2019年中国大数据产业发展分析
3.1 2017-2019年中国大数据产业发展综述
3.1.1 大数据产业的概念
3.1.2 大数据产业的战略地位
3.1.3 大数据产业发展的必然性
3.1.4 大数据产业的驱动主体
3.1.5 大数据产业的发展阶段
3.1.6 地区大数据产业联盟
3.1.7 我国数字经济发展水平
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 2017-2019年大数据产业竞争格局
3.3.1 大数据产业竞争主体分类
3.3.2 产业链环节竞争格局分析
3.3.3 大数据竞争企业资本层次
3.3.4 大数据百强企业统计分析
3.3.5 大数据创新场景应用服务商
3.3.6 互联网企业布局大数据产业
3.3.7 IT产业竞相布局大数据产业
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 2017-2019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分析
3.4.5 大数据存储领域需求分析
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 核心技术薄弱
3.5.2 数据相关问题
3.5.3 数据安全问题
3.5.4 恶性竞争出现
3.5.5 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 推进研发与应用
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 打破数据信息孤岛
第四章 大数据产业上游——数据源存储层
4.1 数据来源层分析
4.1.1 大数据的来源渠道
4.1.2 数据资源的网络基础
4.1.3 数据资源SWOT分析
4.1.4 数据资源获取难度
4.1.5 数据资源的共享指数
4.2 数据存储层分析
4.2.1 大数据存储方式
4.2.2 大数据储量规模分析
4.2.3 大数据存储架构分析
4.2.4 数据仓库建设的重要性
4.2.5 数据处理技术的核心
4.2.6 新型MPP数据库的价值
4.3 数据存储中心建设状况
4.3.1 全球数据中心装机规模
4.3.2 国内数据中心建设状况
4.3.3 数据中心区域发展格局
4.3.4 数据中心的建设特点分析
4.3.5 数据中心的市场竞争格局
4.3.6 大数据中心未来发展趋势
4.3.7 数据中心的布局策略分析
4.3.8 数据中心机房节能降耗策略
4.4 数据资源型企业——电信运营商
4.4.1 中国移动
4.4.1.1 企业发展概况
4.4.1.2 大数据发展优势
4.4.1.3 移动大数据应用
4.4.2 中国电信
4.4.2.1 企业发展概况
4.4.2.2 大数据产业布局
4.4.2.3 加快数据中心建设
4.4.3 中国联通
4.4.3.1 企业发展概况
4.4.3.2 大数据业务分析
4.4.3.3 逐步实现数据共享
4.4.3.4 未来前景展望
4.5 数据资源型企业——BAT企业
4.5.1 阿里巴巴
4.5.1.1 企业发展概况
4.5.1.2 大数据计算服务
4.5.1.3 大数据平台演变
4.5.1.4 数据化精准营销
4.5.1.5 企业数据库方案
4.5.2 百度公司
4.5.2.1 企业发展概况
4.5.2.2 大数据解决方案
4.5.2.3 大数据分析平台
4.5.2.4 数据安全方案
4.5.3 腾讯公司
4.5.3.1 企业发展概况
4.5.3.2 腾讯大数据平台
4.5.3.3 构建大数据生态
4.5.3.4 大数据布局动态
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
5.5.1.1 企业发展概况
5.5.1.2 大数据产品发布
5.5.2 同有科技
5.5.2.1 企业发展概况
5.5.2.2 大数据应用产品
5.5.3 浪潮集团
5.5.3.1 企业发展概况
5.5.3.2 数据基础模型
5.5.3.3 加快推进地区合作
5.5.3.4 建立智慧城市平台
5.5.3.5 推进数据社会化发展
5.5.4 华为公司
5.5.4.1 企业发展概况
5.5.4.2 大数据解决方案
5.5.4.3 大数据产业园建设
5.5.4.4 大数据产业合作
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 大数据交易平台发展分析
6.2.8 大数据交易市场人才需求
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 各地大数据交易平台
6.4.4 地区性平台建设动态
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
6.5.1.1 平台发展概况
6.5.1.2 平台发展优势
6.5.1.3 平台发展劣势
6.5.1.4 平台运营状况
6.5.1.5 平台发展特点
6.5.2 数据堂交易平台
6.5.2.1 平台发展概况
6.5.2.2 平台发展优势
6.5.2.3 平台发展劣势
6.5.2.4 商业模式分析
6.5.3 中关村大数据交易平台
6.5.3.1 平台发展概况
6.5.3.2 平台发展优势
6.5.3.3 平台发展劣势
6.5.4 香港大数据交易所
6.5.4.1 平台发展概况
6.5.4.2 平台发展动态
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
7.2.1.1 企业发展概况
7.2.1.2 大数据产业布局
7.2.2 明略数据
7.2.2.1 企业发展概况
7.2.2.2 大数据分析产品
7.2.3 TalkingData
7.2.3.1 企业发展概况
7.2.3.2 未来发展态势分析
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 工业大数据政策布局加快
7.3.6 工业大数据发展问题及对策
7.3.7 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
7.4.8 医疗大数据发展方向分析
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 金融大数据市场竞争格局
7.5.5 金融行业大数据发展特征
7.5.6 金融大数据应用市场规模
7.5.7 金融大数据应用案例分析
7.5.8 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 国家级交通大数据实验室成立
7.6.5 交通大数据融合应用试点项目
7.6.6 交通出行大数据合作动态
7.6.7 交通大数据应用案例分析
7.6.8 交通大数据应用问题及对策
7.6.9 交通大数据应用未来发展展望
7.7 电信大数据
7.7.1 电信大数据源供给规模
7.7.2 电信大数据应用需求分析
7.7.3 电信行业大数据应用情况
7.7.4 电信运营商价值数据分布
7.7.5 运营商大数据的应用模式
7.7.6 运营商数据中心建设分布
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 政府大数据信息公开需求
7.10.6 政府大数据发展路径分析
7.10.7 政务大数据应用趋势分析
第八章 2017-2019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 大数据典型软件分析
8.1.2 智能软件的应用价值
8.1.3 大数据软件市场规模
8.1.4 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 大数据一体机的应用价值
8.3.4 大数据一体机的用户类型
8.3.5 国外竞争格局与品牌分布
8.3.6 国内市场竞争格局分析
8.3.7 国内企业竞争优劣势分析
8.3.8 国内主流品牌及其特点
第九章 2017-2019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
9.2.2 解决方案
9.2.3 基础设施
9.2.4 数据产品
9.2.5 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 大数据通用服务模式
9.3.5 自有平台大数据分析
9.3.6 信息订制与采购模式
9.3.7 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关键
9.4.5 企业大数据商业化应用途径
第十章 2017-2019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 大数据产业集聚区域分布
10.1.2 大数据产业园区分布状况
10.1.3 国家大数据综合试验区
10.1.4 各地设立大数据管理部门
10.2 大数产业区域发展指数分析
10.2.1 各省市大数据发展指数
10.2.2 各地区大数据发展潜力
10.2.3 各地区大数据发展态势
10.2.4 其地区大数据应用态势
10.2.5 各地区大数据技术研发
10.2.6 各地区大数据共享态势
10.3 京津冀大数据产业集群
10.3.1 京津冀地区经济运行情况
10.3.2 京津冀大数据产业发展综况
10.3.3 河北省大数据产业发展状况
10.3.4 北京市大数据产业发展状况
10.3.5 天津市大数据产业发展综况
10.3.6 天津市大数据产业发展动态
10.4 珠三角大数据产业集群
10.4.1 珠三角地区基本运行状况
10.4.2 珠三角大数据产业发展综况
10.4.3 大数据试验区建设方案出台
10.4.4 广州市大数据产业发展布局
10.4.5 深圳市大数据产业发展状况
10.5 长三角大数据产业集群
10.5.1 长三角地区基本发展状况
10.5.2 长三角大数据产业发展综况
10.5.3 长三角大数据产业发展特点
10.5.4 上海市大数据产业发展布局
10.5.5 浙江省大数据产业发展状况
10.6 西南大数据产业集群
10.6.1 西南地区基本发展状况
10.6.2 西南大数据产业发展潜力
10.6.3 重庆市大数据产业发展状况
10.6.4 四川省大数据产业发展布局
10.7 其他地区大数据产业发展动态
10.7.1 内蒙古
10.7.2 河南省
10.7.3 安徽省
10.7.4 湖南省
10.7.5 江西省
10.8 大数据产业园区发展分析
10.8.1 大数据产业园概述
10.8.2 大数据产业园格局
10.8.3 大数据产业园分布
10.8.4 大数据产业园典型模式
10.8.5 产业园面临机遇与挑战
10.8.6 国家级新区布局大数据
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 贵州大数据产业运行状况
10.9.5 大数据与实体经济融合
10.9.6 贵阳市大数据发展状况
10.9.7 贵阳大数据交易规模分析
10.9.8 贵安新区大数据建设状况
10.9.9 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融资分析
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 大数据行业投融资结构分析
11.2.1 主要融资模式
11.2.2 融资规模分析
11.2.3 融资结构分析
11.2.4 投资潜力领域
11.3 中国大数据产业融资动态分析
11.3.1 天弘基金注资数据米铺
11.3.2 海量集团A+轮融资动态
11.3.3 商圈雷达完成新一轮融资
11.3.4 九次方大数据完成C轮融资
11.3.5 二手车大数据企业融资动态
11.3.6 医疗大数据企业融资动态
11.3.7 大数据征信平台完成融资
11.4 中国大数据产业链投资机会分析
11.4.1 硬件层面投资机会分析
11.4.2 软件层面投资机会分析
11.4.3 信息服务层面投资机会
11.5 大数据行业投资壁垒分析
11.5.2 竞争壁垒
11.5.3 技术壁垒
11.5.4 资金壁垒
11.5.5 政策壁垒
11.6 大数据产业投资风险及防范
11.6.1 大数据行业投资风险综述
11.6.2 数据的流动性和可获取性风险
11.6.3 大数据安全风险及防范机制
11.6.4 大数据项目投资风险急剧增加
11.6.5 大数据产业投资建议与策略
11.6.6 评估大数据产业投资回报的措施
第十二章 大数据产业发展前景及趋势
12.1 全球大数据产业发展前景及趋势预测
12.1.1 全球大数据收入规模预测
12.1.2 全球大数据产业发展趋势
12.1.3 全球大数据市场发展热点展望
12.2 中国大数据产业发展机遇及前景预测
12.2.1 财政机遇分析
12.2.2 产业发展机遇
12.2.3 行业未来发展特点
12.2.4 大数据市场热点分析
12.2.5 大数据市场重点内容
12.2.6 大数据人才需求预测
12.3 中国大数据产业发展趋势预测
12.3.1 大数据产业趋势预测
12.3.2 大数据重点应用方向
12.3.3 区域特色化发展趋势
12.3.4 产业融合发展趋势加深
12.3.5 大数据技术发展方向分析
12.3.6 数据安全和数据流动成为焦点
12.3.7 “十三五”大数据产业发展趋势
12.4 中投顾问对2019-2023年中国大数据产业预测分析
12.4.1 2019-2023年中国大数据产业影响因素分析
12.4.2 2019-2023年中国大数据产业市场规模预测
12.4.3 2019-2023年中国数据经济市场规模预测
第十三章 大数据产业发展政策分析
13.1 大数据产业政策体系分析
13.1.1 发达国家大数据政策对比
13.1.2 中国大数据产业发展纲要
13.1.3 中国大数据产业促进方案
13.1.4 数据中心建设指导意见
13.1.5 大数据产业管理机制分析
13.2 大数据产业应用类政策分析
13.2.1 金融机构大数据治理规范
13.2.2 医疗大数据应用发展政策
13.2.3 交通大数据应用政策分析
13.2.4 交通旅游大数据应用试点
13.2.5 林业大数据发展指导意见
13.2.6 水利大数据发展指导意见
13.2.7 生态环境大数据建设方案
13.2.8 国土资源大数据应用政策
13.2.9 农业农村大数据试点方案
13.3 “十三五”大数据产业发展规划
13.3.1 发展目标
13.3.2 重点任务
13.3.3 保障措施
13.4 大数据产业区域性政策规划
13.4.2 首部大数据地方法规发布
13.4.3 东莞市大数据产业发展规划
13.4.4 福州市大数据产业发展计划
13.4.5 北京市大数据产业发展规划
13.4.6 贵州省大数据产业发展规划
13.4.7 广东省大数据产业发展规划
13.4.8 福建省大数据产业发展规划
13.4.9 浙江省大数据发展实施计划
13.4.10 湖南省大数据产业发展计划
13.4.11 湖北省大数据产业发展规划
13.4.12 河南省大数据产业发展规划
13.4.13 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 大数据的价值
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 数据可视化软件平台
图表12 全球大数据行业2017-2020年复合增长率
图表13 2014-2020年全球大数据竞争格局及预测
图表14 中国大数据市场发展阶段
图表15 2017年以来新成立的大数据产业联盟
图表16 大数据市场产值图
图表17 中国大数据核心产业规模及增速
图表18 2018年大数据产业发展试点示范项目公示名单
图表19 大数据人才培养要求
图表20 大数据产业链不同环节竞争格局
图表21 大数据企业资本层次
图表22 中国大数据投资价值百强榜
图表23 大数据创新场景应用服务商TOP40
图表24 中国大数据应用领域企业
图表25 互联网行业大数据应用场景
图表26 电信行业大数据应用场景
图表27 金融行业大数据应用场景
图表28 制造行业大数据应用场景
图表29 企业现有的数据规模
图表30 企业数据类型的构成
图表31 大数据时代企业所能感觉到的数据变化
图表32 目前企业处理大数据所面临的问题
图表33 企业对大数据的态度和认知
图表34 企业在线则大数据平台时所考虑的因素
图表35 精准营销在企业大数据体系中的位置
图表36 2015年中国移动互联网用户APP分类月均活跃用户规模TOP20
图表37 企业小型机的当前使用情况及未来计划
图表38 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39 主要城市大数据就业市场活跃度
图表40 大数据行业求职者学历与招聘需求占比
图表41 大数据产业招聘及求职期望薪水分布
图表42 中国大数据产业链数据源细分
图表43 中国大数据资源SWOT分析
图表44 2017年中国开放数林指数
图表45 MPP架构图
图表46 全球数据储量
图表47 大数据的云存储平台
图表48 未来大数据处理的核心技术
图表49 MPP与Hadoop技术融合的产品架构图
图表50 大数据资源及应用
图表51 iDB产品核心功能架构图
图表52 百度大数据+平台
图表53 九寨沟景区客流量预测系统
图表54 峨眉山景区游客七日去向展示
图表55 利用大数据进行在线精准营销的效果
图表56 腾讯大数据平台的核心模块
图表57 Gaia主要结构
图表58 TDBank的处理系统
图表59 TDBank运行流程
图表60 腾讯分布式数据仓库
图表61 Spark VS Mapreduce
图表62 TRC运作流程
图表63 大数据处理的关键层次架构
图表64 典型大数据计算模式与系统
图表65 数据分析细分领域和具体技术
图表66 Palantir旗下两大产品涉及领域
图表67 Hadoop和Spark生态系统
图表68 大数据技术关注度
图表69 参数服务器工作原理
图表70 2017年中国大数据可视化市场规模
图表71 2017年中国大数据可视化市场份额
图表72 大数据安全涉及模块
图表73 从运营商大数据到最终行业应用的加工产业链
图表74 运营商建设大数据的核心需求:水平化的大数据平台
图表75 华为“1+N”运营商大数据解决方案
图表76 中国大数据产业链交易层细分
图表77 可交易的数据品种及类型
图表78 影响数据交易的四大因素
图表79 大数据交易标准体系
图表80 各地加速建立大数据交易平台
图表81 大数据交易产业主要人才需求
图表82 各地区大数据交易平台
图表83 数据堂商业模式
图表84 中国大数据产业链大数据衍生层细分
图表85 工业大数据分类
图表86 国内工业大数据发展史
图表87 医疗业大数据产业链
图表88 医疗数据来源
图表89 医疗数据的特性
图表90 医疗大数据的用途
图表91 医疗大数据企业
图表92 2018年健康医疗数据供应概况
图表93 2012-2017年健康医疗大数据相关企业地域分布
图表94 2018年中国健康医疗大数据细分领域企业分布
图表95 IBM智慧医疗“沃森医生”
图表96 2016-2017年BAT健康医疗大数据产业链布局
图表97 金融大数据产业链
图表98 大数据金融的场景应用
图表99 大数据智能洞察金融业
图表100 金融行业客户的重要性
图表101 大数据洞察推动民生银行的转型与创新
图表102 大数据预测金融欺诈
图表103 证券业大数据应用
图表104 保险业大数据应用
图表105 中国金融行业大数据投资结构
图表106 中信银行大数据应用技术架构图
图表107 客户综合分析管理系统功能架构图
图表108 客户生命周期服务管理
图表109 智能交通的数据处理体系
图表110 交通大数据应用领域示意图
图表111 大数据在滴滴出行中的应用
图表112 广东省高速公路省监控大数据综合展示
图表113 电信运营商大数据应用
图表114 大数据与客户生命周期管理
图表115 我国主流数据中心区域分布
图表116 三大运营商及第三方IDC运营商数据中心数量占比
图表117 广东移动使用的Apache Hadoop软件的英特尔分发版
图表118 电信运营商大数据处理需求
图表119 线下零售大数据产业链
图表120 线上零售大数据产业链
图表121 零售行业大数据分析应用阶段
图表122 中国零售企业主要实施的大数据项目
图表123 零售企业对大数据分析整体表现自我评价
图表124 政府大数据应用十大工程
图表125 中国各政府机构大数据应用
图表126 中国大数据产业链硬件支撑层细分
图表127 大数据一体机的发展演进
图表128 大数据一体机的计算与存储一体化
图表129 卷积神经网络处理一张图片的计算量
图表130 大数据行业目前的四大盈利模式
图表131 大数据通用服务热点
图表132 企业大数据的构成
图表133 2018年中国大数据产业资源分布图
图表134 2017年全国各省、市、自治区大数据发展指数
图表135 分区域大数据发展指数
图表136 大数据产业呈现集聚发展态势
图表137 2017年全国大数据发展环境指数
图表138 全国大数据产业指数
图表139 全国大数据应用指数
图表140 全国各省市大数据技术研发创新分析
图表141 2017年全国数据资源开放共享指数排名
图表142 京津冀主导行业大数据市场发展占比
图表143 2017年西南五省(区、市)经济运行状况
图表144 各地大数据产业园数量占比与关注度分布
图表145 各省市产业园区关注度排名
图表146 国家级新区布局大数据产业
图表147 中投顾问投资价值综合评估:大数据
图表148 中投顾问大数据产业市场机会整体评估表
图表149 中投顾问大数据产业市场机会矩阵
图表150 中投顾问投资发展动力评估:大数据
图表151 中投产业投资进入时机:大数据产业
图表152 中投产业生命周期:大数据产业
图表153 大数据产业投资象项
图表154 数字经济领域投融资情况
图表155 数字经济各领域投融资占比
图表156 中投顾问进入壁垒评估:大数据
图表157 中投顾问投资机会箱:大数据产业
图表158 大数据各层技术演进方向
图表159 中投顾问对2019-2023年中国大数据产业市场规模预测
图表160 中投顾问对2019-2023年中国数据经济市场规模预测
图表161 大数据政策比较框架
图表162 各国大数据战略规划比较
图表163 各国技术能力储备政策比较
图表164 国外政府数据开放与共享主要政策
图表165 国外政府数据开放与共享主要政策(续)
图表166 地方管理机制分析
图表167 交通信息资源目录体系
图表168 生态环境大数据管理工作机制
图表169 各地大数据相关政策举措互联网关注和评价情况

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(或1.8万亿GB),相当于每个美国人每分钟写3条Twitter信息,总共写2.6976万年。2017年全球大数据储量达到21.6ZB。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。

2017年,中国大数据产业市场规模达到4,700亿元,同比增长30.6%;2018年,大数据产业市场规模约为5,300亿元,同比增长15%。分析预计,2019年我国大数据产业市场规模将达到6,300亿元,未来五年(2019-2023)年均复合增长率约为15.47%,2023年将达到11,200亿元。

十九大报告中提出“推动大数据与实体经济深度融合”,“十三五”规划中提出“实施国家大数据战略”。卫健、农业、环保、检察、税务等部门还出台了领域大数据发展的具体政策。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。

2019年5月6日,《数字中国建设发展报告(2018年)》发布。数字中国建设取得重要进展,2018年中国数字经济规模达31.3万亿元,占GDP的比重达到34.8%。截至2018年年底,中国网民规模达8.29亿,互联网普及率达59.6%,电子信息制造业、软件和信息技术服务业、通信业、大数据产业等保持较快增长。分析预测“十三五”期间,大数据产业将迎来巨大发展机遇。

中投产业研究院发布的《2019-2023年中国大数据行业投资分析及前景预测报告》共十三章。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!
在线咨询: 点击这里给我发消息