2019年中国工业大数据市场研究报告

２０１９年中国工业大数据市场研究报告CONTENTS大数据产业分析1.1 大数据产业概况•大数据产业概念•大数据技术体系•大数据产业图谱•大数据产业生态链•大数据产业链全景图1.2 大数据市场分析•大数据市场规模•大数据细分市场•大数据应用市场CONTENTS 工业大数据市场2.1 工业大数据定义2.2 工业大数据来源 2.3 工业大数据分类2.4 工业大数据系统框架2.5 工业大数据市场规模工业大数据应用CHAPTER 1第一章大数据是信息化发展的新阶段。

随着信息技术和人类生产生活交汇融合，互联网快速普及，全球数据呈现爆发增长、海量集聚的特点，对经济发展、社会治理、国家管理、人民生活都产生了重大影响。

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。

大数据技术体系纷繁复杂，但其中有诸多技术格外受到关注。

随着社交网络的流行导致大量非结构化数据出现，传统处理方法难以应对，数据处理系统和分析技术开始不断发展。

随着需求不断扩大、升级，单个企业、甚至单个行业的数据都难以满足要求，数据融合的价值更加显现，形成了数据流通技术体系这一热点。

从数据在信息系统中的生命周期看，数据分析技术生态主要有5个发展方向，包括数据采集与传输、数据存储与管理、计算处理、查询与分析、可视化展现。

数据分析技术安全多方计算和区块链是近年来常用的两种技术框架，此外还涌现出同态加密、零知识证明、群签名、环签名、差分隐私等多种数据流通的技术工具。

数据流通技术而随着摩尔定律的失效（底层硬件的变化），单机性能扩展的模式走到了尽头，而数据交易规模的急速增长（上层应用的变化）要求数据库系统具备大规模并发事务处理的能力。

事务处理技术从大数据产业细分领域来看，可以大致分为数据源、大数据硬件支撑层、大数据技术层、大数据交易（应用）层。

数据源是大数据产业的基础。

目前，我国数据来源主要有政府部门、互联网巨头、移动通信企业等。

硬件产品包括芯片、传感器、传输设备、存储设备、服务器、安全设备等，支撑大数据产业基础设施的建设。

大数据交易除了数据本身，还有应用服务、分析服务、基础设施建设等。

随着技术的完善、升级，大数据的应用越来越广泛、深入。

技术层包括实现数据采集及处理、存储管理、加工分析、数据可视化、数据安全等技术手段，是实现大数据价值的重要环节目前，我国的数据来源包括政府部门、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。

数据源提供者数据流通平台提供者数据API 提供者大数据应用软件供应商大数据基础软件供应商大数据硬件产品供应商应用服务供应商分析服务供应商大数据基础设施服务供应商数据加工分析大数据采集与储存数据采集数据储存大数据分析与服务数据可视化数据交易数据安全大数据应用金融大数据交通大数据医疗大数据教育大数据工业大数据企业大数据来源：中商产业研究院随着移动互联网、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。

20152016201720182019E 2020E 2015-2020年中国大数据产业规模及预测产业规模（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。

来源：中商产业研究院从细分环节来看，未来大数据产业中应用层的规模将占比最大。

目前，大数据广泛应用在工业、企业管理、交通、金融、医疗等方面，但应用深度仍有待挖掘。

随着技术的不断提升，未来大数据技术的应用不管从纵向或是横向来看都将更加广泛，规模扩大。

除了应用以外，大数据产业衍生的其他产品也将不断扩张，市场规模排名第二。

硬件、技术作为必不可少的环节，在大数据产业规模中占比不小。

而数据的来源、采集以及交易方面的市场占比则相对较小。

40%大数据的应用是实现其价值的重要渠道，随着大数据在实体经济行业、政府机构、新兴行业等领域的融合应用加深，通过分布式并行计算、人工智能等技术对大量数据进行分析、挖掘，再作用到行业的生产、管理等。

随着大数据技术及产品的应用进一步普及，预计应用市场在大数据产业中的占比将提高。

大数据产业链涉及的环节众多，随着大数据市场需求扩大，为了更好的满足用户需要，更好的支持大数据技术、大数据产品或是大数据服务，将衍生出不少相关的新业态。

此外，新兴产业快速发展的背景下，“大数据+”将带来新业态、新模式。

大数据产业衍生市场占比将进一步提高，将近两成。

18%17%大数据技术中的硬件产品包括芯片、传感器、传输设备、存储设备、服务器、安全设备等，是支撑大数据产业基础设施的建设，在大数据产业的占比不小。

随着需求升级、应用扩大，未来大数据技术硬件支撑也将不断优化升级。

大数据产业链涉及的环节众多，随着大数据市场需求扩大，为了更好的满足用户需要，更好的支持大数据技术、大数据产品或是大数据服务，将衍生出不少相关的新业态。

此外，新兴产业快速发展的背景下，“大数据+”将带来新业态、新模式。

大数据产业衍生市场占比将进一步提高，将近两成。

数据源是大数据产业的基础，大数据概念在我国的发展相对较晚，整体体系仍待完善，数据源覆盖面不够大。

目前，我国数据来源主要有政府部门、互联网巨头、移动通信企业等。

相对于应用、技术等领域来说，数据源市场份额在大数据产业中占比较小。

15%5%大数据交易可以打破行业信息壁垒，为用户提供大量数据源、管理、分析等，实现数据价值的最大化。

但目前，我国大数据产业仍在发展阶段，大数据交易市场尚未成熟。

未来，随着大数据交易市场统一规范，平台、流通、管理等环节更为成熟、完善，大数据交易市场将进一步扩大。

4%总的来说，未来大数据产业中，应用市场规模最大，占总市场比重将达四成，应用场景也将变得更加丰富。

其次为相关衍生产品形成的市场，占比在18%左右；硬件作为支撑大数据技术的基础设施，在总市场中的占比同样不小约为17%；技术市场占比15%，同样不可或缺。

数据源、交易市场因市场体量较其他环节小，市场占比不大。

具体来看应用领域，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。

政府金融工业交通其他中国大数据产业应用方向占比情况预测来源：中商产业研究院CHAPTER 2第二章 工业大数据分析是利用统计学分析技术、机器学习技术、信号处理技术等技术手段，结合业务知识对工业过程中产生的数据进行处理、计算、分析并提取其中有价值的信息、规律的过程。

工业大数据的分析要求用数理逻辑去严格的定义业务问题。

由于工业生产过程中本身受到各种机理约束条件的限制，利用历史过程数据定义问题边界往往达不到工业的生产要求，需要采用数据驱动+模型驱动的双轮驱动方式，实现数据和机理的深度融合，能较大程度去解决实际的工业问题。

工业数据分析多领域交叉示意图来源：《工业大数据分析指南》，工业互联网产业联盟为工业大数据的主要来源有三类，包括生产经营相关数据、设备物联数据、外部数据：生产经营相关业务数据主要来自传统企业信息化范围，被收集存储在企业信息系统内部，包括传统工业设计和制造类软件、企业资源计划、产品生命周期管理、供应链管理、客户关系管理和环境管理系统等。

设备物联数据外部数据主要指工业生产设备和目标产品在物联网运行模式下，实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。

指与工业企业生产活动和产品相关的，例如，评价企业环境绩效的环境法规、预测产品市场的宏观社会经济数据等。

根据业务目标的不同，工业数据分析可以分成四种类型：12 43预测型分析预测型分析用来回到“将要发生什么？”。

针对生产、经营中的各种问题，根据现在可见的因素，预测未来可能发生的结果。

处方型（指导型）分析处方型（指导型）分析用来回答“怎么办”的问题。

针对已经和将要发生的问题，找出适当的行动方案，有效解决存在的问题或把工作做得更好。

描述型分析描述型分析用来回答“发生了什么”、体现的“是什么”知识。

描述型分析一般通过计算数据的各种统计特征，把各种数据以便于人们理解的可视化方式表达出来。

诊断型分析诊断型分析用来回答“为什么会发生这样的事情”。

针对生产、销售、管理、设备运行等过程中出现的问题和异常，找出导致问题的原因所在，诊断分析的关键是剔除非本质的随机关联和各种假象。

下图为工业大数据系统参考框架，从底至上分别是由工业大数据平台技术到工业大数据的应用技术。

总体上看，“大数据平台技术”关注的主要偏重IT技术；“大数据应用技术”关注的重点主要是业务和领域知识；“大数据分析技术”则是深度融合这两类技术知识，并结合机器学习技术、产品分析技术等数据分析技术，去解决实际业务问题的技术统称。

：偏重IT技术：业务和领域知识（深度融合）近年来，我国工业大数据应用加深，市场规模持续扩大。

数据显示，2016年我国工业大数据市场规模突破150亿元，保持增长，预计2019年市场规模将近500亿元。

到2022年，中国工业大数据市场规模或超822亿元；2022年超1900亿元。

中国工业大数据市场规模及预测市场规模（亿元）大数据时代到来，数据成为关键的生产要素，预计到2020年中国的数据量将占全球数据总量的20%，成为世界第一大数据资源大国。

2016201720182019E2020E2021E2022E来源：中商产业研究院CHAPTER 3第三章工业大数据的应用特征可以归纳为跨尺度、协同性、多因素、因果性、强机理等几个方面，这些应用特征是工业对象本身特性或需求所决定的。

其中，跨尺度、协同性主要体现在大数据支撑工业企业的在线业务活动、推进业务智能化的过程中。

跨尺度是工业大数据的首要特征，由工业的复杂系统性所决定，工业4.0强调的横向、纵向、端到端集成，就是把不同空间尺度的信息集成到一起。

另外，跨尺度不仅体现在空间尺度，还体现在时间尺度。

协同性是工业大数据的另一个重要特征。