2016中国大数据市场研究报告
2016年中国大数据行业发展历程及规模应用现状
2016年中国大数据行业发展历程及规模应用现状一、大数据的来源数据来自于一切客观存在，包括宏观到微观的物理世界，各种生物体、人类社会活动、感知、认识和思维的结果。
随着信息技术的发展，当通常所说的数据是指经过数字化转换后的信息，是可以被量化、分析和再利用的信息，包含数值、文字、符号、音频、视频等不同形态。
对数据的分析都并非新鲜事，如交通规划、宏观经济分析、电力系统规划、气象预测、高能物理、航天航空、基因工程等大规模数据分析和计算早已在人类生产和生活中发挥着关键的作用。
早在1970年哈佛大学关于资源三角形的论述中，将材料、能源、信息看成是推动社会发展的三种基本资源，因此传统的商业智能和数据库厂商得以出现并快速发展。
数据规模和类型的剧变：互联网和移动互联网的发展、传感技术的广泛应用，使得数据的规模和种类急剧增长。
数据类型也不仅仅包含关系型数据，还出现了大量的日志、文本、图片、音频和传感器等非结构化和半结构化数据。
2020年所产生的数据量是2009年的44倍。
数据存储成本下降：单位信息存储成本的下降，使得对海量数据的分布式存储技术难度降低。
30年前，1TB存储的成本为16亿美金，如今通过云存储服务所需不到100美金。
大规模数据处理成为可能：随着计算机技术能发展，对非结构化数据的处理和分析方式组建成熟，MapReduce模型以及云计算模式的出现，是大规模数据处理的成本和技术门槛大大降低。
数据采集更为密集和广泛：随着移动互联网和物联网技术的发展，使得数据的采集更加方便。
数据分析应用的发展：Google、百度、淘宝等数据分析的经典案例给业界带来很强的冲击。
二、行业术语SparkSpark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用并行框架，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS（Hadoop Distributed FileSystem），因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
2016年度中国餐饮大数据研究报告珍藏版【行业趋势篇】
2016年度中国餐饮大数据研究报告珍藏版【行业趋势篇】该报告在总结过去6年中国餐饮市场的整体发展和变化，结合食客的消费特点，窥探2017年餐饮发展趋势的同时，希望给予众多外卖从业者一些启示，为2017年的餐厅运营打好坚定的基础。
该报告分为分“行业趋势篇”和“食客行为篇”两部分。
今天，参某为大家带来“行业趋势篇”。
1全国餐饮收入超过3.5万亿占社会消费品零售总收入的10.8%据国家统计局官网数据显示，从2010年起，全国餐饮规模成逐年增长趋势。
然而，受国家经济和政策环境的影响，与2013年以前的快速增长相比，近年来的餐饮增长率相对趋于平缓，但也保持住两位数的增长率。
截至2016年，全国餐饮收入超过3.5万亿，占到了社会消费品零售总收入的10.8%。
2美团外卖、饿了么、百度外卖三家公司瓜分绝大部分外卖市场份额全国在线订餐用户规模增长迅速。
从2011年的0.63亿人增长至2016年的2.56亿人，累计增长率达到了406%。
“懒人经济“的发展，使网络订餐已经成为越来越多消费者的选择。
而随着该类市场的逐步成熟，绝大部分市场份额被市场份额占有率较大的美团外卖、饿了么、百度外卖三家公司瓜分。
3中式餐厅仍是全国餐厅门店的主力军广东、江苏、山东、浙江等六省餐厅门店总数占据全国近半壁江山据辰智餐饮大数据研究中心数据显示，截至2016年底，全国餐饮门店增至602万个，中式餐厅合计数量超过8成，以中式正餐和中式快餐为主。
西式餐厅数量不到2成，以面包甜点居多。
韩国料理、日本料理、东南亚菜等亚洲菜系的门店数不到2%。
在全国31个（不包含港澳台地区）省、市、自治区中，广东省的餐饮门店数最多，西藏的餐饮门店较少。
从分布热力图上可以直观的看出，餐饮门店多集中在经济较为发达、人口较多的广东、江苏、山东、浙江、四川、河南等省市。
4天津、内蒙古、湖南等地每万人餐厅消费总额远高于平均水平，市场潜力巨大目前，全国31个省市每万人餐厅数量全国均值为44家，高于该均值的省市14个，北京位居榜首，数量达到76家，浙江、上海紧随其后，数量也远大于平均值；2016年度每万人外出餐饮全国平均实际消费额度是2659万元，天津、内蒙古、湖南等地的餐饮市场实际消费额度高于预期，特别是天津，每万人餐厅实际消费总额5000多万元，远高于平均值和预估值，反映了天津当地餐饮市场潜力巨大。
2016年版中国医疗大数据市场分析研究报告
2016年版中国医疗大数据市场分析研究报告2016年6月目录前言 (1)一、医疗大数据应用开放、厂商间豪强纷争已成定局 (3)1、国务院印发《关于促进和规范健康医疗大数据应用发展的指导意见》 (4)2、技术型企业产品成熟、客户积累能力强 (6)3、政府资源企业获区域性强势地位、商业资源最大化客户覆盖 (6)二、计算机行业三条主线路径差异展显、终极目标殊途同归 (8)1、分级诊疗推行紧锣密鼓、区域卫生平台运营模式创新升级 (8)2、新健康产业提供全方位服务、部分环节（和公司）率先落地 (11)3、IT业务为核心，依靠产品渗透及相关运营 (15)三、商保资源争夺硝烟四起、利益绑定力推新模式落地 (17)1、商业健康险受政策持续推进、收入保持高速增长 (17)2、商保公司与信息化厂商合作升级、资本绑定激发商业模式落地进程 (29)四、重点相关分析 (32)1卫宁健康 (32)2思创医惠 (35)3创业软件 (36)图表目录图表2：资源优势型企业：政府资源和商业资源 (7)图表3：区域卫生信息化运营模式创新案例 (10)图表4：区域覆盖、占领形态 (10)图表5：大健康产业逻辑框图 (12)图表6：卫宁的市场和客户基础 (13)图表7：相关公司PBM业务上的进展 (13)图表8：海虹控股2013年某地医保控费系统上线后诊疗合理性变化情况14图表9：产品突进形态逻辑框图，商业模式案例：思创医惠 (16)图表10：政府对商业健康险推进力度持续加大 (18)图表11：2010-2015年社保基金收入与支出 (21)图表12：2010-2015年城镇基本医保基金收入与支出 (21)图表13：2008 -2015年健康险原保险保费收入 (22)图表14：2008-2015年健康险业务赔款和给付情况 (23)图表15：2015年全国各地区健康险收入及增长情况（单位：亿元） (24)图表16：人保健康的健康险产品拆分（单位：百万元） (25)图表17：中国人寿各业务利润总额（单位：百万元） (25)图表18：公开中标信息统计各省级行政单位下完成大病医保招标的地市个数 (27)图表19：中标商保公司按地市数量占比 (28)图表20：大病医保招标部分关键数据 (28)图表21：金坛市信息化支撑下的县域医改——基于医联体的分级诊疗模式 (33)图表22：日照市人民医院智慧医疗流程优化 (33)前言行业趋势明确：健康大数据逐渐开放、全国性龙头分庭抗礼医疗信息化行业内龙头企业的发展历史已有十几年，已经初步实现对市场的把控和技术产品的领先优势。
2016中国趋势分析报告(2016-trends-china)-cn
2016 TRENDSChina书写年度趋势一直是一项棘手的工作。
在这些趋势中，一些是现有趋势的延续，另一些引人注目的新趋势则需在未来几年后才得以成熟。
在这份列表中，我们与你分享在2016年的中国我们渴望了解的话题，其中一些格外的突出且重要。
当然，并不是每个企业都同步发展，有些企业已经在2015年尝试了其中的一些趋势，而有些企业可能觉得这些趋势与之毫无关联。
无论如何，我们都希望你能在这8个趋势中得到启发：人工智能下的广告昂贵的大数据付费内容成新趋势虚拟现实的实现无缝对接的重要性一张好图胜过千言万语曝光时间至关重要数字媒体开始终结人工智能下的广告近年来，我们目睹了人工智能产品作为交流界面的应用和普及，通常是像Siri，微软小娜一样的个人助理。
尽管现在的人工智能与电影《她》中的Samantha还相去甚远，但其所取得的快速进步是有目共睹的。
而且，人工智能也在我们的消费决策中扮演越来越重要的角色。
最起码，人工智能会通过筛选进而影响我们所能接触到的信息，也会相应地要求品牌根据这些算法，以便于搜索和表现的形式来处理它们的数据。
实际上，我们将会为消费者建立更加友好的人工智能体验。
除此之外，我们可能会看到并非专门针对人来投放的媒体形式，而是在人工智能索检信息后自发推送给我们的。
智能算法的另一优势是机器在商业计划和消费者分类方面快速发展的学习能力。
智能算法的第一个阶段是收集大量的数据；第二阶段，则是基于数据建立模型；而我们毫无疑问已经进入第三阶段，就是建立自我优化算法对数据进行学习和预测。
但它有自己的问题，尤其是作为预测模型这些结论如何被进一步证实，使它们具有真正的价值。
但相应地，我们挖掘和分析数据的方法也注定要随之发生改变。
昂贵的大数据对大数据的关注已成为广告行业的主流趋势。
我们看到广告主和广告代理商纷纷与像百度、腾讯、阿里这样的数据巨头建立合作关系，而且程序化购买的发展也需要有更多的数据收集和分析。
但是，越来越多的集团开始意识到大数据并不是免费的，而事实恰恰相反。
大数据产业分析-2016-2020年大数据产业发展规划分析-产业报告
大数据产业分析:2016-2020年大数据产业发展规划分析-产业报告通过对我国大数据产业分析获悉，大数据市场规模快速增长。
十二五以来，我国大数据产业从无到有，全国各地发展大数据积极性较高，行业应用得到快速推广，市场规模增速明显。
据发布的2016-2021年大数据行业深度分析及“十三五”发展规划指导报告显示，2016年，是我国大数据产业市场规模明显增长、技术创新与应用创新特征凸显、地方政府结合需求推动顶层设计、行业应用成为新热点的一年。
接踵而来的2017年，立足于上述发展基础，大数据产业将持续发力。
2016-2020年大数据产业发展规划近日出台。
2016-2020年大数据产业发展规划分析“国家大数据战略”被写进了备受关注的“十三五”规划，规划提出，目标到2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成。
大数据相关产品和服务业务收入突破1万亿元，年均复合增长率保持30%左右，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。
规划部署了七大任务，包括强化大数据技术产品研发、深化工业大数据创新应用、促进行业大数据应用发展、加快大数据产业主体培育、推进大数据标准体系建设、完善大数据产业支撑体系、提升大数据安全保障能力。
主要从推进大数据技术产品创新发展、提升大数据行业应用能力、繁荣大数据产业生态、健全大数据产业支撑体系、夯实完善大数据保障体系五个方面开展工作。
大数据治国势在必行。
目前，国外一些政府先行者已经在运用大数据方法提升治理社会的能力，实现政府公共服务的技术创新、管理创新和服务模式创新。
大数据在公共管理领域的应用，不仅使传统难题变得迎刃而解，更是新时期应对新挑战、解决新问题的必然选择。
尤其在金融行业，大数据很早在银行反欺诈工作中就有诸多体现。
金融业对大数据的应用，正快速伴随着互联网金融的步伐蔓延开来。
未来三年大数据发展必将主要集中于政府大数据与金融大数据之间，发挥1+1》2效应，深入纵横，迎来经济社会突破性发展。
2013-2016年中国大数据产业政策研究报告
一、研究背景及概述二、大数据产业发展现状三、大数据重点政策分析四、大数据政策区域分析五、大数据相关政策类型分析六、行业大数据政策分析七、后期大数据政策方向研判八、大数据产业发展趋势分析概述报告从四个方面对大数据政策进行分析，掌握政策精髓，助力大数据产业发展。
大数据政策整理国家出台的产业政策，掌握大数据产业的发展的整体方向。
行业大数据政策了解行业大数据政策，掌握大数据应用情况。
大数据相关政策类型研究大数据政策类型，找出产业政策支持的侧重点。
政策概述随着技术的发展，信息化的深入推进，大数据作为一种重要的资产越来越得到公众认可。
通过该报告，读者能更加全面、客观地了解到全国各地大数据产业政策布局方向和目标，把握国家和地方大数据政策传统行业的引导。
而大数据从业者能够更好地运用政策来辅助决策，把握商机，顺势而为，最终促进大数据产业的科学合理发展。
区域政策分布通过大数据政策的区域分布，找出大数据产业发展的重点区域。
大数据发展现状：2009-2011年，是我国大数据市场萌芽期，行业关注度极高；2012-2013年，仍属于起步阶段，随着技术沉淀和应用市场探索，整个大数据生态圈逐渐衍变；此后，随着政策力挺，我国大数据产业进入高速发展时期，2015年市场规模达到34亿元，同比增长133%。
随着技术的成熟和应用不断扩大，大数据产业正在进入成熟期，不但自身正在成为规模庞大的新兴产业，并有望在“十三五”期间，带动市场规模万亿之巨的IT 服务业转型、促进了国民经济其他领域的飞速发展。
%三、大数据重点政策分析国家大数据产业政策（1）2013-2014年——地方政府积极布局大数据（2）2015年——国务院着力推动大数据产业发展（3）2016年——国家及地方政策的继续深化和落实早在2013年7月，上海便推出了《上海推进大数据研究与发展三年行动计划（2013-2015年）》。
同年底，南京市政府推出《南京市关于加快大数据产业发展的意见》。
2016年版中国医疗大数据市场分析研究报告
2016年版中国医疗大数据市场分析研究报告2016年4月目录前言 (1)一、医疗大数据应用正处于崛起前夕，是风险资本布局的黄金时期 (2)二、布局医疗大数据可逐次分析 (10)2.1挖掘投资机会，首先从寻找医药产业对大数据应用的需求在哪出发 (11)2.2从大数据服务本身在落地过程中产生的需求挖掘产业链机会 (34)三、投资建议 (43)3.1基本结论 (43)3.2国内领先的DNA数据分析服务提供商华生科技（833190.OC） (45)3.3有望通过数据端积累在未来拓展医疗大数据应用的基因测序企业 (50)3.4未来具备大数据挖掘潜力的新三板传统医疗信息化企业 (57)3.5医院信息化大数据领域的创业型企业雕龙数据（836685.OC） (62)四、风险提示 (65)附录一、一个全基因组关联分析的实现案例 (65)附录二、生物信息产业的回顾与前瞻 (67)（一）生物信息学背景简介 (67)（二）生物信息学市场增长迅速，未来机会很多 (70)（三）以测序应用为服务对象的生物信息产业和基因测序领域的发展紧密关联 (74)（四）生物信息数据解读相关服务的发展方向 (82)附录三、生物信息云架构企业的优势养成——以荣之联为例 (84)附录四、我国医疗信息化领域的发展历程回顾与趋势 (87)附录五、商业智能的一般架构 (89)图表目录图表1：围绕医疗大数据的热点问题和挑战一览 (3)图表2：医疗大数据的4V & 医疗大数据有别于常规大数据的特点 (3)图表3：Google Scholar显示的提及大数据的文献的累计数量 (4)图表4：医学健康&生命科学领域提及大数据的文献的累计数量 (5)图表5：医疗大数据应用在美国有望带来每年3000亿-4500亿美元价值 (5)图表6：医疗大数据五大类形式的具体应用案例示意 (6)图表7：大数据企业的分工情况和服务类型 (8)图表8：医疗大数据企业的盈利模式 (8)图表9：医疗大数据标的挖掘的三个维度——本部分的逻辑结构&我们的投资框架示意图 (10)图表10：相对完善的临床决策辅助系统至少要涉及到以下数据类型（数据类型会随基础科学进步不断增加） (12)图表11：从健康大数据挖掘到形成病情预测的常规流程（上：特征变量选取和模型搭建；下：基于特征变量的患者的聚类分析）——以IBM的心衰风险预测为例 (14)图表12：基于健康大数据技术形成的病情预测结果精度明显高于基于医生经验形成的预测——以IBM的心衰风险预测为例 (14)图表13：健康.临界态.病情加速发展.患病状态的发展过程——以急性肾损伤的疾病发展阶段为例 (16)图表14：DNB（动态网络标志物）相关度在疾病发生过程中的变化——在疾病临界态DNB相关性发生显著改变，在患病态DNB则表现出相关性异常 (17)图表15：在肝癌发生的临界态，肝癌DNB突然出现正常状态下本不应出现的强关联（越红关联度越高，该分析共涉及2291个基因） (17)图表16：一个用临界态预测流感的研究案例（H3N2 / Wisconsin） (17)图表17：从大数据挖掘到形成最终决策支持建议的常规流程示意 (18)图表18：数据挖掘形成病患聚类临床路径模拟是生成建议的基础——以IBM对心衰病人的临床路径模拟为例 (19)图表19：Waston Ontology形成决策用到的数据库一览 (19)图表20：在Watson Ontology界面输入病人特征变量取值（上左），Watson Ontology即能给出一系列优先级不同的诊疗建议（下右） (21)图表21：Google成功预测流感的研究发表于当年的Nature (22)图表22：医疗大数据用于识别不当的保费支出 (24)图表23：医疗大数据用于保险公司正常经营 (24)图表24：医疗大数据分析帮助新药研发人员解决以下经常面对的问题 (25)图表25：文献关联分析的ABC模型 (27)图表26：基于5000多篇MEDLINE文献发现的56个乳腺癌相关基因信号之间的联系 (27)图表27：药物基因组学用于研发的常规流程 (28)图表28：只要明确毒理作用的发生机理，因“不明原因的”严重毒性被撤回的药品就可能被重新挽回——部分药品和基因型相关的毒性机理一览 (29)图表29：基因型差异导致药物经常不对所有人都有效（仅供参考，同类药品也会因具体品种不同而异） (29)图表30：基因型差异能导致不良药物反应的案例 (30)图表31：一个基于移动医疗的、提供心脏病患者实时监控&预警&必要干预措施的慢病管理健康大数据应用案例 (33)图表32：大数据应用涉及的基本流程简介 (34)图表33：实现大数据应用的标准流程 (35)图表34：临床大数据应用中，非结构化电子病历的机器识别与结构化是一大技术难点，和创业企业诞生的潜在点 (37)图表35：影像的机器识别亦是临床大数据应用中亟待解决的问题，和创新诞生的沃土 (37)图表36：数据共享的案例——PACS云 (38)图表37：本报告布局医疗大数据涉及的三个维度 (44)图表38：江苏华生的核心产品与服务简介 (45)图表39：公司营收和利润情况一览 (46)图表40：公司基因检测业务营收占比在15年提升显著 (46)图表41：公司的盈利能力一览 (47)图表42：北京华生是江苏华生的控股公司，饶江是公司的实际控制人 (48)图表43：华生恒业的成长路径 (49)图表44：公司核心团队成员基本情况是考察公司研发实力、技术积累、战略导向的重要指标 (49)图表45：乐普基因最终控股股东是乐普医疗（300003） (51)图表46：乐普基因的业务架构 (52)图表47：乐普基因的高通量测序服务一览 (52)图表48：乐普基因的营收和净利润情况 (53)图表49：乐普基因当前营收仍主要由传统检测业务贡献 (54)图表50：乐普基因的盈利能力指标一览 (54)图表51：达安基因（002030）是达瑞生物的大股东 (55)图表52：达瑞生物的业务架构示意图图表53：达瑞生物的优生优育整体解决方案 (56)图表54：达瑞生物的营收与净利润一览图表55：达瑞生物盈利能力指标一览 (56)图表56：曼荼罗、冠新软件、中迪医疗的业务情况汇总 (58)图表57：曼荼罗、冠新软件、中迪医疗的营收情况图表58：曼荼罗、冠新软件、中迪医疗的净利润情况 (58)图表59：曼荼罗、冠新软件、中迪医疗的盈利指标（毛利率、净利率、经营性净现金流/净利润） (59)图表60：冠新软件是我国医疗信息化企业中区域市场定位相当独特的企业——以创业软件、卫宁软件为对照 (59)图表61：我国医疗信息化领域的市场集中度依然较低 (60)图表62：不论意在获取新业务还是区域拓展，并购都是包括智慧医疗在内的智慧城市产业企业高频使用的手段 (61)图表63：雕龙数据HBI-医院决策支持系统的主要组成部分 (63)图表64：公司基本情况 (64)图表65：公司的毛利率不低 (64)图表66：全基因组关联性分析需大量样本 (66)图表67：SNP的分析结果—相关性分析与连锁分析 (66)图表68：生物信息学相关应用举例 (69)图表69：生物信息学市场分型—按服务类别 (71)图表70：生物信息学市场分型—按应用领域 (71)图表71：未来将是生物信息学产业增长的黄金时期 (73)图表72：DNA测序、RNA测序和生物信息学应用为未来使用频次增加排名前三的实验室常用技术 (73)图表73：全球基因测序市场规模迅速增长背后是相关生物信息需求的迅速增长 (74)图表74：测序成本的循序降低是基因测序走向大规模民用化的关键，而民用化进程又会加速数据出产 (76)图表75：生物数据巨量出产会带来对数据解读相关服务的巨大需求 (77)图表76：作为生物信息学IT服务下游的基因测序产业市场空间巨大 (78)图表77：根据llumina估算基因测序市场空间大约为200亿美元 (78)图表78：诊断类基因检测相关政策不断放开将进一步促进行业的快速成长 (79)图表79：23andMe个性医疗服务 (81)图表80：23andMe用户增长速度 (81)图表81：华大的BGI Online云计算平台是生物信息公有云的典型代表（左：BGI Oline的ELSA工作模式示意图；右：ELSA可完成的功能） (84)图表82：国内医疗信息化正向临床信息化与区域信息化过渡 (88)图表83：医疗信息化各阶段的主要建设工作 (88)图表84：商业智能的一般架构 (90)。
2016-2022年中国大数据行业发展趋势预测及投资战略研究报告
2016-2022年中国大数据行业发展趋势预测及投资战略研究报告什么是行业研究报告行业研究是通过深入研究某一行业发展动态、规模结构、竞争格局以及综合经济信息等，为企业自身发展或行业投资者等相关客户提供重要的参考依据。
企业通常通过自身的营销网络了解到所在行业的微观市场，但微观市场中的假象经常误导管理者对行业发展全局的判断和把握。
一个全面竞争的时代，不但要了解自己现状，还要了解对手动向，更需要将整个行业系统的运行规律了然于胸。
行业研究报告的构成一般来说，行业研究报告的核心内容包括以下五方面：行业研究的目的及主要任务行业研究是进行资源整合的前提和基础。
对企业而言，发展战略的制定通常由三部分构成：外部的行业研究、内部的企业资源评估以及基于两者之上的战略制定和设计。
行业与企业之间的关系是面和点的关系，行业的规模和发展趋势决定了企业的成长空间；企业的发展永远必须遵循行业的经营特征和规律。
行业研究的主要任务：解释行业本身所处的发展阶段及其在国民经济中的地位分析影响行业的各种因素以及判断对行业影响的力度预测并引导行业的未来发展趋势判断行业投资价值揭示行业投资风险为投资者提供依据2016-2022年中国大数据行业发展趋势预测及投资战略研究报告∙出版日期：2016年∙报告价格：印刷版：RMB 7000 电子版：RMB 7200 印刷版+电子版：RMB 7500 ∙报告来源：/b/tongxun/T61651NT73.html∙智研数据研究中心：报告目录大数据（big data），指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。
换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
2016年中国通信大数据行业分析报告简析
2016年中国通信大数据行业分析报告简析一、中国通信行业发展现状1、电信运营商传统主业已接近天花板，市场趋于饱和，不转型将面临巨大业绩下滑压力。
工信部数据显示：2015年，我国移动电话用户普及率达95.5部/百人，其中有9个省市自治区的移动电话普及率突破100部/百人，北京更是高达188部/百人，存量博弈异常激烈;固定电话用户数连降9年，普及率已经降至16.9部/百人。
1949-2015年我国电话用户普及率(单位：部/百人)2015年中国移动电话用户分省普及率(单位：部/百人)用户净增乏力，OTT替代明显，语音、短信等业务量持续下滑。
虽然随着4G的快速普及，数据流量爆发式增长，但面临“量收增长不同步”困局，无法明显改善业绩。
加之营改增、虚拟运营商加剧竞争、提速降费等因素的影响，运营商利润下滑已成为常态。
电信运营商加速转型、寻求新的业务和收入增长点已经势在必行。
2、当前，运营商最赚钱的业务仍是“语音”和“短信”，毛利率分别高达44%和68%。
但这两项业务正是OTT冲击的重灾区，下滑颓势难以挽回。
一方面，单价有降无升，导致毛利率持续降低;另一方面，业务量也不断下滑：工信部数据显示，2016年1月，全国移动电话去话通话时长完成2352.2亿分钟，同比下降1.1%，较同期峰值2014年1月的2465.8亿分钟下降约5%;全国移动短信业务量完成540.8亿条，同比下降11.3%，较同期峰值2012年1月的855.7亿条更是大幅下滑36.8%。
2013-2015年中国语音平均单价及短信平均单价2012-2015年中国移动语音和短信业务量变化趋势图随着移动互联网的快速发展，4G加快普及，运营商的数据流量业务爆发式增长。
工信部数据显示：2015年，我国移动数据流量消费达41.87亿GB，同比增长103%，比上年提高46.96个百分点。
虽然业务量高速增长，但为响应国家“提速降费”要求，数据流量的平均单价持续降低，目前约0.06元/MB，毛利率仅20%左右。
2016年中国大数据产业发展规模现状及趋势课件
2016年中国大数据产业发展规模现状及趋势“大数据”一词来自于未来学家阿尔文·托夫勒1980年所著的《第三次浪潮》，他将大数据热情地赞颂为“第三次浪潮的华彩乐章”。
最早开始对大数据进行应用探索的是2005年雅虎公司的Hadoop项目，而Hadoop最初只是用来解决网页搜索问题的一个项目，后来被Apache Software Foundation公司引入并成为开源应用。
2009年，谷歌公司研发的一款预测流感的产品——“谷歌流感趋势”，在甲型H1N1流感暴发的几周前，成功的预测了流感在美国境内的传播，其分析结果甚至具体到特定的地区和州，且花费时间很短，而美国疾病控制中心要在流感暴发一两周之后才知道。
“谷歌流感趋势”所带来的社会意义，瞬间把大数据推上了风口浪尖。
那么大数据到底是什么？研究机构Gartner将“大数据”定义为：需要新处理模式才能具有更强的决策力、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。
IBM指出，大数据V olume（大量）、Velocity（高速）、Variety（多样）、Value（价值）和Veracity（真实性）。
对于上述5个特征，我们需要综合来看，对于量级没有达到PB级的数据，如果需要快速完成、数据真实且能够挖掘出一定的价值，我们也称之为大数据。
大数据的真正魅力并不在于数据的量多及丰富性，而在于通过数据的整合共享来挖掘其中的价值，帮助国家政府、企业及消费者做出更加明智的决策，降低各类成本。
中国大数据市场规模目前，中国大数据仍处于起步发展阶段，各地发展大数据积极性较高，行业应用得到快速推广，市场规模增量明显。
数据显示，2014年，中国大数据产业市场规模达到约767亿元。
预计到2020年，中国大数据产业市场规模将达到8228.81亿元。
对于大数据细分市场规模来讲，目前，我国的大数据产业基础建设市场所占比重最大，2014年大数据基础建设市场占比超过一半，达到64.53%。
中国大数据交易市场专题研究报告2016(免费版)
中国大数据交易市场专题研究报告2016本产品保密并受到版权法保护Confidential and Protected by Copyright Laws大数据交易的兴起目录12大数据交易产业链分析大数据交易业务模式分析3大数据交易与人力资源4大数据交易发展趋势52015年各地加速建立大数据交易平台Time2015.72011.52014.122015.72015.122015.4河北京津冀数据交易中心成立长江大数据交易所（筹）在光谷资本大厦揭牌东湖大数据交易所交易平台在武汉正式启动全国首个大数据交易所——贵阳大数据交易所正式挂牌运营并完成首批大数据交易国内首家专注于互联网综合数据交易和服务的公司“数据堂”成立。
“北京大数据交易服务平台”上线2015.10徐州大数据交易挂牌成立数据产生者：原始数据数据加工者：被加工数据数据整合者：被整合数据供给端数据需求企业数据需求个人应用端大数据交易机构刺激市场发展，并决定了交易的规模上限数据数据带动企业与个人进入数据流通市场大数据交易市场环境用户教育亟待时日政府、企业或组织还未充分认识到引入外部数据可以对自身工作或业务起到巨大的提升作用市场机制尚未成熟数据拥有者存在价值认知的鸿沟和避险心理企业与个人普遍对引入外部数据认知不足企业数据支撑业务的优先级高于数据交易化解数据隐私问题需多管齐下大数据交易亟待形成统一的技术标准合理的价格制定方式仍需不断探索很多数据拥有者不放心让自身的数据进入流通环节，担心用户隐私或企业机密泄露社会普遍还未形成数据交易的传统，自身数据资源支撑业务的优先级依然高过通过数据交目前对于大数据交易会进行数据脱敏处理，对数据买方进行一些限制，外资数据买方进行资格审查，还需要一定的技术来确定数据是否会被滥用大数据交易过程中涉及到的数据采集、数据清洗、数据标准、交易标准、数据资产价值评估、数据资产风险评估等方面仍处于缺失状态卖方定价的策略使得数据流向金融等购买能力强的行业，容易形成数据垄断，不利于数据在不同行业的流通，大数据交易产业链分析目录12大数据交易的兴起大数据交易业务模式分析3大数据交易与人力资源4大数据交易发展趋势5大数据交易中的官方数据体系©Analysys 易观智库部门数据就业及社会保障对外经济贸易能源财政资源与环境运输邮电金融旅游科技卫生与社会服务文化与体育教育国家各部门数据地方数据省数据城市数据官方数据大数据与不同垂直部门的结合能够极大的提升政府管理国家的效率，降低管理成本，未来对于官方数据的利用一定是未来大数据交易的重点，但是由于官方数据的地域性差异、数据敏感性强、数据复杂性、国家安全和个人隐私安全等情况，官方数据的开放需要更多的准备工作，不同部门的数据需要定制不同的数据标准，数据的开放也必然是逐步的、缓慢的开放，在能够保证安全的前提下在官方的渠道逐渐开放，也会出现一些相对封闭的对于数据运用的定制项目出现。
艾瑞咨询：2016年中国数据驱动型互联网企业大数据产品研究报告
艾瑞咨询：2016年中国数据驱动型互联网企业大数据产品研究报告2016年中国数据驱动型互联网企业大数据产品研究本报告的大数据产业图谱以大数据产品的角度出发，对产业链角色进行划分。
其中，数据管理与数据分析部分包括了大数据基础架构及相关分析技术，能够实现大数据的存储、分析、挖掘、可视化等环节。
而在数据源与数据应用方面，从功能和流程角度来看具有高度的关联性及一致性，涉及行业极其广泛。
数据应用大数据应用已渗透电信、金融、医疗、人力资源、物流、天气等多个行业，从产品角度来看，除传统的工具/产品化服务、行业应用及解决方案外，大数据应用也包括商业智能等分析服务。
应用情况：目前大数据应用的主要输出形式是可视化报表，未来将在功能方面进一步融合提升。
典型大数据行业应用：物流：优化整体运输流程，实现实时查询把控。
营销：应用形式成熟落地，既提高了用户对目标商品的获取效率，又改善了商家的投放效果。
数据管理与分析大数据基础架构包括多种数据库及相关分析计算技术，能够支持数据的采集、清洗、集成、存取、分析、挖掘等环节，从功能角度来看，除传统的数据处理过程外，可视化分析等分析服务也是基础架构的一环。
应用情况：企业（含互联网企业）的数据相关部门（如数据中心/数据分析平台/数据商业部等），主要通过对数据的管理、分析及整合，服务于自有业务，同时不断拓展应用类型和范围。
价值体现：大数据处理过程中流转的数据形态可划分为静态数据和动态数据，主要通过计算过程实现其价值，其中，模型算法为数据深度挖掘的核心，能够实现预测等功能。
数据来源目前数据来源已较为多元，维度也越加丰富，尤其是互联网行业，在数据深度与广度方面具有天然优势，而物联网、车联网等的出现丰富了数据的采集方式与采集范围。
应用情况：目前企业内部的数据打通已成行业趋势，未来将进一步实现行业内外的数据流通乃至共享。
价值体现：1）大数据能够对人群进行细化管理，并提高对特定人群的覆盖率；2）数据价值的实现与其鲜活度相关；3）大数据的核心价值不在于数据量大，而在于通过数据的沉淀与应用产生价值，其价值升级来源于数据的流通和共享。
2016中国大数据市场研究报告
2
大数据正从概念走向实际落地，但前路仍然困难重重。
得益于众多外部利好的推动，一小部分企业开始现行尝试大数据，并且有大 量用户积极评估，准备导入（36%）。
但内功的修炼不足，包括从数据获取、预处理、存储、分析、可视化的实用
性差强人意，导致企业用户实践步履维艰，企业客户犹豫不决，保持继续评 估观望状态。
数 据 价 值 不 断 提 升
以分布式计算、非 关系型数据库的出 现为标志 价值输出时代
TB以上 非结构化数据居多 秒或更小单位 信息粒度细
计算能力强，成 本低 可以处理多类型 数据
认知计算 深度学习 ……
颠覆性变革
从追溯静态的已知到探究动态的未知是大数据与传统数据管理的本质区别
采集
信息获取时代
现象 少量结构化数 据采集
预处理
数据易处理 无效数据去除
存储
少量结构化 数据存储
分析
根据需要提前设 置关系模型
可视化
静态图表
本质
关键信息收集
降低计算成本
关键信息可 追溯
经营活动总结
理解过去
信息挖掘时代
现象
本质
数 据 价 值 不 断 提 升
价值输出时代
现象
认知计算 深度学习
动态图表
本质
大数据技术追本溯源
大数据的定义
中国电子信息技术标准化研究院的定义：
Gartner对大数据的定义（是什么）：
大数据是需要新处理模式才能具有更强的决策力、 洞察发现力和流程优化能力来适应海量、高增长
大数据
数据本身 大数据技术 挖掘和展现价值的 一系列技术和方法 大 小 形 态 关 联 性 应用 对特定的大 数据集、集 成应用大数 据系列技术 与方法，获 得有价值信 息的过程
2016年IDC数据中心行业研究报告
2016年IDC 数据中心行业研究报告一、行业管理 (2)1、行业监管部门和行业监管体系.................................... 2..2、行业相关法律法规及政策........................................ 3..二、行业发展现状和市场规模 (4)1、互联网行业概况..................................................................... 4.. .2、I DC行业概况.................................................. 5.（1）全球IDC 市场 (6)（2）中国IDC 市场 (7)（3）专业IDC 服务商 (9)三、行业风险特征 (10)1、政策风险.................................................................... 1..0 .2、技术更新较快风险............................................ 1..1.3、基础运营商挤压的风险......................................... 1..1四、行业壁垒 (12)1、市场准入壁垒.................................................................... 1..2 .2、资金壁垒.................................................... 1..2.、行业管理1、行业监管部门和行业监管体系行业主管部门是中华人民共和国工业和信息化部和各省、自治区、直辖市设立的通信管理局，实行以工业和信息化部为主的部省双重管理体制，工业和信息化部对各省、自治区、直辖市设立的通信管理局进行垂直管理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据技术追本溯源
大数据的定义
中国电子信息技术标准化研究院的定义：
Gartner对大数据的定义（是什么）：
大数据是需要新处理模式才能具有更强的决策力、 洞察发现力和流程优化能力来适应海量、高增长
大数据
数据本身 大数据技术 挖掘和展现价值的 一系列技术和方法 大 小 形 态 关 联 性 应用 对特定的大 数据集、集 成应用大数 据系列技术 与方法，获 得有价值信 息的过程
2
大数据正从概念走向实际落地，但前路仍然困难重重。
得益于众多外部利好的推动，一小部分企业开始现行尝试大数据，并且有大 量用户积极评估，准备导入（36%）。
但内功的修炼不足，包括从数据获取、预处理、存储、分析、可视化的实用
性差强人意，导致企业用户实践步履维艰，企业客户犹豫不决，保持继续评 估观望状态。
中心推出本报告，梳理现阶段国内 大数据的市场现状，发展趋势。
研究说明
调研方法
定量研究：问卷调查 定性研究：深度访谈、资料整理
重要说明
本次报告的数据截止2016年11月，报告历时3个月完成。 本报告涉及的调研样本共计431个，实际有效样本304个。
主要观点
大数据是传统数据管理的补强，帮助企业洞察未知，从而
ห้องสมุดไป่ตู้
多方环境利好，大数据市场增长潜力巨大
首先，得益于政策红利，大数据基础逐渐完善，为大数据的发展提供了良好的基 础条件及推力；其次，我国经济增速下行，市场竞争加剧，企业寻求精细化管理， 为实践大数据提供了良好的契机。
3
我国大数据有较为良好的基础条件、际遇、以及外部推力，未来会在全球大数据
市场中占有较高比例，以国外市场突破千亿的情况来看，我国大数据市场仍有很 高的成长空间。
率和多样化的信息资产。
麦肯锡对大数据的定义（有什么）：
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。
超过典 型数据 管管理 能力
分 预 存 析 可 采 储 挖 视 集 处 理 掘 化
移动信息化研究中心对大数据的定义 …... （做什么）：
大数据是帮助企业利用海量数据资产实时、精确的
洞察未知逻辑领域的动态变化，并快速重塑业务流
挖出模式与知识
程、组织和行业的新型数据管理技术。
大数据是组织以价值为导向的管理目标不断演进的产物
企业数据
以数据库的 出现为标志
数据处理能力
数据分析方法
研究背景
国内外传统IT巨头厂商纷纷布
研究目的
探究大数据的实质性意义； 判断国内大数据市场是否仍 处 于概念期； 寻找市场增长潜能，做出合理 预期。
局大数据市场，而国外大数据起步
较早，已经进入实战期，并且市场 规模稳步增长，已破千亿。我国虽 然大数据起步较晚，但市场发展前
景较好。基于此，移动信息化研究
采集
信息获取时代
现象 少量结构化数 据采集
预处理
数据易处理 无效数据去除
数据管理目标
信息获取时代
兆及以下级别 几乎都是结构化数据 以周为单位 信息粒度粗
解决数据集中和 共享问题 仅能提取少量特 定结构化数据
少样本的统计 分析
经营活动总结
信息挖掘时代
以关系型数据库 的出现为标志 兆到G级别 结构化数据居多 几天甚至周为单位 信息粒度粗 计算能力及自动化 商业分析能力补强 计算成本依然居高 不下 大量样本的自 动化统计分析 企业决策支持
2016中国大数据市场 研究报告
01 02 03 04 05
研究概述
主要观点
大数据追本溯源 从概念走向落地 （用户实践） 优质的蓝海市场
研究概述
关于本报告
本研究报告主要针对大数据 市场进行研究。首先理清大数据 的定义及本质。而后，就大数据 市场是处于概念期还是实战期做 出判断分析，包括企业用户的实 践情况，实践方向，实践障碍。 最后，就大数据市场的发展潜力 进行分析。
数 据 价 值 不 断 提 升
以分布式计算、非 关系型数据库的出 现为标志 价值输出时代
TB以上 非结构化数据居多 秒或更小单位 信息粒度细
计算能力强，成 本低 可以处理多类型 数据
认知计算 深度学习 ……
颠覆性变革
从追溯静态的已知到探究动态的未知是大数据与传统数据管理的本质区别
4
产业链逐渐完善，并且纵向链条上的各细分市场均处于蓝海
市场，并且在资本的助推下，创新厂商迎来良好的进入机会
从2014年来看，大数据产业链发展不均衡，导致市场资源无法有效整合，厂商 缺乏价值链条的传导，市场开拓情况不佳；而发展到现在，大数据市场产业链 已逐渐完善，从基础设施层来看，存储、数据库厂商无论是数量还是质量保持 稳定成长，从分析层的厂商来看，国内不断的涌现如机器学习类、认知计算等 厂商，从应用层来看，初创厂商如雨后春笋般冒出，虽然这片市场鱼龙混杂， 但面对剧烈的竞争，这片市场的厂商成长也最为迅速。 纵向产业链的各环节上，均处于行业生命周期的初始期或成长期。并且资本看 好这片市场，多数创新厂商在A轮或A轮以前可以融到数千万的启动资金，极大 程度的催熟创新厂商的成长。
1
完成颠覆式变革
伴随着数据体量、形态的变化，数据价值不断提升，而企业相应的数据管 理目标也随之改变，从最初的经营总结到决策支持，再到现在的构建颠覆 式变革（重塑业务流程、组织和行业） 。而针对于新的数据管理目标，传 统技术已难支撑，企业需要大数据帮助其补强传统数据管理的短板 大数据新的数据获取技术、预处理技术、存储技术、分析技术、可视化技 术等使用更高维度、模式的算法挖掘数据，从而洞察未知，使企业构建颠 覆式变革成为可能。
静态 为主
动态 为主
从数据来看，大数据技术针对的 是实时产生的大量结构化及非结
构化数据。
从处理工具来看，大数据技术要
大数据 技术
求实时处理数据。 从数据算法来看，大数据技术探 究的是建立算法模型，基于实时
数据不断优化。
已知 为主
未知 为主
大数据技术探究的是已知之外 的数据关联程度。
从信息获取到价值挖掘时代，企业数据管理核心环节的内涵发生了质的变化