中投顧問

24小時免費服務熱線400-008-1522

2020-2024年中國大數據行業投資分析及前景預測報告(上中下卷)

首次出版:2013年12月最新修訂:2020年6月交付方式:特快專遞(2-3天送達)

報告屬性:共657頁、54.1萬字、213個圖表下載目錄版權聲明

定購電話:0755-82571522、82571566、400-008-1522

24小時服務熱線:138 0270 8576 為什么選擇中投顧問?

中文版全價:RMB8900 印刷版:RMB8600 電子版:RMB8600

英文版全價:USD6000 印刷版:USD5800 電子版:USD5800

立即訂購 加入購物車 定制報告 在線客服

最新十四五區域經濟特別專題講座!

贈送報告

訂購上方報告,即可免費獲贈以下二款報告中任意一款(電子版),多買多贈! 價值8900元《2020-2024年云計算產業投資深度研究報告》價值8900元《2020-2024年中國大數據產業政策深度調研報告》

中投顧問中投顧問
新基建成2020年中國經濟關鍵詞,重點機會有哪些?
掃碼關注右側公眾號,回復對應關鍵詞,即可免費獲取以下報告

報告目錄內容概述 定制報告

第一章 大數據產業相關概述
1.1 大數據介紹
1.1.1 大數據的產生
1.1.2 大數據的定義
1.1.3 大數據的本質
1.1.4 大數據的特點
1.1.5 大數據的類型
1.1.6 大數據典型分類
1.1.7 大數據的各個環節
1.2 大數據的價值及影響
1.2.1 大數據價值分析
1.2.2 大數據研究意義
1.2.3 大數據應用價值
1.2.4 對信息時代影響
1.3 大數據產業鏈構成分析
1.3.1 大數據價值鏈模型
1.3.2 大數據產業鏈結構
1.3.3 大數據產業鏈領域
1.3.4 產業鏈價值流動方向
1.4 大數據技術層結構分析
1.4.1 大數據關鍵技術構成
1.4.2 大數據采集與預處理技術
1.4.3 大數據存儲管理技術
1.4.4 大數據處理的核心技術
1.4.5 大數據分析挖掘技術
1.4.6 大數據可視化技術
1.4.7 大數據安全技術
第二章 2018-2020年國際大數據產業發展分析
2.1 全球大數據產業總體發展分析
2.1.1 產業發展變革
2.1.2 產業發展階段
2.1.3 產業規模狀況
2.1.4 細分市場格局
2.1.5 企業類型分布
2.1.6 重點企業分析
2.1.7 產業人才發展
2.2 全球大數據產業發展特點
2.2.1 國家戰略布局加快
2.2.2 制造業成為融合重點
2.2.3 5G成為數字基建關鍵
2.2.4 數字貿易規則制定加快
2.2.5 數據的合規性受到重視
2.3 歐盟大數據產業發展布局
2.3.1 歐盟通用數據保護條例
2.3.2 歐盟數據經濟規模分析
2.3.3 歐盟推進大數據產業發展
2.3.4 歐盟大數據產業戰略特點
2.3.5 產業戰略建設的相關啟示
2.3.6 歐盟布局大數據產業應用
2.3.7 歐盟大數據產業發展規劃
2.4 美國大數據產業發展分析
2.4.1 大數據發展扶持政策
2.4.2 大數據產業發展戰略
2.4.3 大數據應用案例分析
2.4.4 大數據企業分布情況
2.4.5 大數據協同創新措施
2.4.6 大數據技術發展措施
2.5 日本大數據產業發展分析
2.5.1 大數據發展歷程
2.5.2 大數據相關法規
2.5.3 大數據發展趨勢
2.5.4 大數據預防災害
2.5.5 “限定提供數據”條款
2.5.6 對我國大數據法律啟示
2.6 其他國家大數據產業發展動態
2.6.1 法國
2.6.2 韓國
2.6.3 新加坡
第三章 2018-2020年中國大數據產業發展分析
3.1 2018-2020年中國大數據產業發展綜述
3.1.1 大數據產業概念分析
3.1.2 大數據產業構建層次
3.1.3 大數據發展的必然性
3.1.4 大數據產業驅動主體
3.1.5 大數據產業發展階段
3.1.6 地區大數據產業聯盟
3.1.7 數字經濟的發展水平
3.1.8 大數據總體市場規模
3.1.9 大數據核心產業規模
3.2 中國大數據產業發展進程分析
3.2.1 政策方面
3.2.2 技術方面
3.2.3 應用方面
3.2.4 試點方面
3.2.5 人才方面
3.3 2018-2020年大數據產業競爭格局
3.3.1 大數據相關企業規模概述
3.3.2 大數據產業競爭主體分類
3.3.3 產業鏈環節競爭格局分析
3.3.4 大數據競爭企業資本層次
3.3.5 大數據百強企業統計分析
3.3.6 大數據創新場景應用服務商
3.3.7 互聯網企業布局大數據產業
3.3.8 大數據熱點應用領域的競爭
3.3.9 大數據產業競爭趨勢展望
3.4 2018-2020年中國大數據市場供需分析
3.4.1 大數據市場供給結構
3.4.2 主要行業大數據需求狀況
3.4.3 企業大數據的應用及需求
3.4.4 大數據細分領域需求場景
3.4.5 大數據熱點領域需求分析
3.4.6 數據小型機市場需求分析
3.5 中國大數據產業存在的問題
3.5.1 面臨挑戰分析
3.5.2 競爭壁壘問題
3.5.3 技術生態問題
3.5.4 核心技術薄弱
3.5.5 數據相關問題
3.5.6 數據安全問題
3.5.7 人才供需問題
3.6 中國大數據產業的發展策略
3.6.1 相關政策建議
3.6.2 推進研發應用
3.6.3 避免過度建設
3.6.4 提高數據安全
3.6.5 地區發展思路
3.6.6 推動標準建設
3.6.7 打破信息孤島
第四章 大數據產業上游——數據源存儲層
4.1 數據基礎設施發展綜況
4.1.1 數據基礎設施的范圍
4.1.2 數據基礎設施的特征
4.1.3 數據基礎的相關企業
4.1.4 數據基礎設施的展望
4.2 數據來源層分析
4.2.1 大數據的來源渠道
4.2.2 新技術帶來數據增長
4.2.3 數據資源的網絡基礎
4.2.4 數據資源SWOT分析
4.2.5 數據資源獲取難度
4.2.6 數據資源開放情況
4.3 數據存儲層分析
4.3.1 大數據存儲方式
4.3.2 大數據儲量規模分析
4.3.3 大數據存儲架構分析
4.3.4 數據倉庫建設的重要性
4.3.5 新型MPP數據庫的價值
4.4 數據存儲中心建設狀況
4.4.1 全球數據中心建設規模
4.4.2 國內數據中心市場規模
4.4.3 國內數據中心建設規模
4.4.4 數據中心的市場競爭格局
4.4.5 數據中心的硬件成本分析
4.4.6 大數據中心總體發展趨勢
4.4.7 數據中心綠色節能發展趨勢
4.4.8 數據中心的布局策略分析
4.5 數據資源型企業——電信運營商
4.5.1 中國移動
4.5.2 中國電信
4.5.3 中國聯通
4.6 數據資源型企業——BAT企業
4.6.1 阿里巴巴
4.6.2 百度公司
4.6.3 騰訊公司
第五章 大數據產業中游——數據分析處理層
5.1 大數據處理及分析技術綜況
5.1.1 大數據采集與預處理
5.1.2 數據處理框架分析
5.1.3 數據計算模式分析
5.1.4 數據分析細分領域
5.1.5 大數據分析的優劣勢
5.2 大數據分析處理產業發展進程
5.2.1 技術生態分析
5.2.2 技術研發熱點
5.2.3 技術應用領域
5.2.4 企業布局加快
5.2.5 技術發展趨勢
5.3 大數據可視化分析技術分析
5.3.1 數據可視化的基本概述
5.3.2 大數據可視化市場規模
5.3.3 大數據可視化市場格局
5.3.4 數據可視化的研究進展
5.3.5 數據可視化的應用工具
5.3.6 數據可視化面臨的挑戰
5.3.7 數據可視化技術發展趨勢
5.4 大數據安全處理技術分析
5.4.1 大數據安全問題分析
5.4.2 大數據安全涉及的模塊
5.4.3 數據安全防護技術分析
5.4.4 數據脫敏安全控制技術
5.4.5 大數據安全防護體系分析
5.5 大數據技術擁有型企業分析
5.5.1 拓爾思
5.5.2 同有科技
5.5.3 浪潮集團
5.5.4 華為公司
第六章 大數據產業下游——數據交易層
6.1 大數據交易層分析
6.1.1 大數據交易層分析
6.1.2 數據交易品種及類型
6.1.3 數據交易的影響因素
6.1.4 大數據交易標準體系
6.1.5 數據交易市場發展對策
6.2 大數據交易市場運行狀況
6.2.1 大數據交易市場環境
6.2.2 大數據交易市場構成
6.2.3 大數據交易市場規模
6.2.4 大數據市場定價方式
6.2.5 細分大數據交易狀況
6.2.6 全國首個交易中心成立
6.2.7 大數據交易場所主要類型
6.2.8 大數據交易逐步規范化
6.2.9 大數據交易市場人才需求
6.2.10 數據交易場所的問題及對策
6.3 國際重點大數據交易平臺分析
6.3.1 Factual
6.3.2 InfoChimps
6.3.3 Microsoft Azure
6.3.4 Fujitsu
6.4 中國大數據交易平臺發展綜況
6.4.1 交易平臺經營范圍
6.4.2 交易平臺發展背景
6.4.3 大數據交易典型平臺
6.4.4 交易平臺融資動態
6.4.5 平臺未來發展策略
6.5 中國典型大數據交易平臺分析
6.5.1 貴陽大數據交易所
6.5.2 數據堂交易平臺
6.5.3 中關村大數據交易平臺
6.5.4 香港大數據交易所
第七章 大數據產業下游——數據應用層
7.1 大數據應用層分析
7.1.1 大數據應用層結構
7.1.2 大數據衍生應用層
7.2 大數據應用服務型企業介紹
7.2.1 百分點集團
7.2.2 明略數據
7.2.3 TalkingData
7.3 工業大數據
7.3.1 工業大數據基本概況
7.3.2 工業大數據發展階段
7.3.3 工業大數據市場規模
7.3.4 工業大數據應用案例
7.3.5 工業大數據發展問題對策
7.3.6 工業大數據應用趨勢分析
7.4 醫療大數據
7.4.1 醫療大數據體系分析
7.4.2 醫療大數據應用場景
7.4.3 醫療大數據市場規模
7.4.4 醫療大數據市場供需
7.4.5 醫療大數據區域格局
7.4.6 醫療大數據應用案例
7.4.7 醫療大數據發展問題及對策
7.5 金融大數據
7.5.1 金融大數據體系分析
7.5.2 金融大數據典型應用領域
7.5.3 金融大數據創新應用領域
7.5.4 金融大數據應用市場結構
7.5.5 金融大數據市場競爭格局
7.5.6 金融行業大數據發展特征
7.5.7 金融大數據發展挑戰及對策
7.6 交通大數據
7.6.1 交通大數據應用概況
7.6.2 交通大數據應用狀況分析
7.6.3 交通行業大數據應用需求
7.6.4 交通大數據融合應用試點
7.6.5 交通出行大數據合作動態
7.6.6 交通大數據應用案例分析
7.6.7 交通大數據應用問題及對策
7.6.8 交通大數據應用未來發展展望
7.7 電信大數據
7.7.1 電信大數據的發展階段
7.7.2 電信大數據源供給規模
7.7.3 電信大數據應用需求分析
7.7.4 電信行業大數據應用情況
7.7.5 電信運營商價值數據分布
7.7.6 運營商大數據的應用模式
7.7.7 電信行業大數據應用案例
7.7.8 電信大數據發展的挑戰及對策
7.8 零售大數據
7.8.1 零售大數據發展概況
7.8.2 零售行業數據采集方式
7.8.3 零售行業大數據應用需求
7.8.4 零售行業大數據應用現狀
7.8.5 大數據下的新零售模式
7.8.6 零售大數據發展問題及對策
7.8.7 企業應用零售大數據的方向
7.9 電商大數據
7.9.1 電商大數據的主要來源
7.9.2 大數據處理對電子商務的影響
7.9.3 電子商務大數據的應用需求
7.9.4 電子商務大數據的具體應用
7.9.5 數據分析提高電商企業績效
7.9.6 全球首個電商大數據指數發布
7.9.7 政府重視電商大數據共享工作
7.9.8 電商大數據應用的挑戰及對策
7.10 政府大數據
7.10.1 政府數據資產基本分類
7.10.2 政府大數據的頂層設計
7.10.3 政府大數據的經濟價值
7.10.4 政府部門大數據應用案例
7.10.5 全國公安大數據項目狀況
7.10.6 政府大數據信息公開需求
7.10.7 政府大數據未來發展展望
第八章 2018-2020年大數據應用軟件及設備分析
8.1 大數據應用軟件分析
8.1.1 大數據軟件構成框架
8.1.2 大數據典型軟件分析
8.1.3 智能軟件的應用價值
8.1.4 大數據軟件市場規模
8.1.5 大數據軟件發展方向
8.2 大數據硬件設備分析
8.2.1 大數據硬件構成框架
8.2.2 大數據主要硬件設備
8.2.3 大數據硬件市場規模
8.3 大數據一體機設備分析
8.3.1 大數據一體機簡介
8.3.2 大數據一體機的優劣分析
8.3.3 大數據一體機的用戶類型
8.3.4 國外競爭格局與品牌分布
8.3.5 國內市場競爭格局分析
8.3.6 國內企業競爭優劣勢分析
8.3.7 國內主流品牌及其特點
第九章 2018-2020年大數據產業發展模式探究
9.1 大數據交易模式分析
9.1.1 以數據運營方式為分類標準
9.1.2 以大數據結構化程度為分類標準
9.1.3 以數據產權轉讓形式為分類標準
9.2 大數據行業盈利模式分析
9.2.1 解決方案
9.2.2 基礎設施
9.2.3 數據產品
9.2.4 行業應用
9.3 大數據行業商業模式分析
9.3.1 B2B大數據應用模式
9.3.2 技術提供及軟件開發
9.3.3 大數據咨詢分析服務
9.3.4 大數據服務市場規模
9.3.5 大數據通用服務模式
9.3.6 自有平臺大數據分析
9.3.7 信息訂制與采購模式
9.3.8 信息數據租售模式
9.4 企業大數據商業化應用模式
9.4.1 企業大數據的基本構成
9.4.2 企業大數據商業化應用背景
9.4.3 企業大數據商業化應用層面
9.4.4 企業大數據商業化應用重點
9.4.5 企業大數據商業化應用關鍵
9.4.6 企業大數據商業化應用途徑
第十章 2018-2020年重點區域大數據行業發展分析
10.1 中國大數據產業區域發展格局
10.1.1 國家大數據綜合試驗區
10.1.2 地區大數據管理機構設置
10.1.3 城市大數據人才儲備狀況
10.2 大數產業區域發展指數分析
10.2.1 各省大數據發展排名
10.2.2 各省大數據排名變動
10.2.3 區域大數據發展指數
10.2.4 各省大數據發展類型
10.2.5 各省分指數評價分析
10.3 大數據產業園區發展分析
10.3.1 大數據產業園概述
10.3.2 大數據產業園區分類
10.3.3 大數據產業園數量規模
10.3.4 大數據產業園典型模式
10.3.5 產業園面臨機遇與挑戰
10.3.6 國家級新區布局大數據
10.4 京津冀大數據產業集群
10.4.1 京津冀地區經濟運行特點
10.4.2 京津冀大數據產業發展綜況
10.4.3 河北省大數據產業發展狀況
10.4.4 北京市大數據產業發展狀況
10.4.5 天津市大數據產業發展綜況
10.4.6 天津市大數據安全布局動態
10.5 珠三角大數據產業集群
10.5.1 珠三角地區基本運行狀況
10.5.2 珠三角大數據產業發展特點
10.5.3 大數據試驗區建設方案出臺
10.5.4 廣東省大數據產業發展格局
10.5.5 廣州市大數據產業發展布局
10.5.6 深圳市大數據產業發展狀況
10.6 長三角大數據產業集群
10.6.1 長三角地區基本發展狀況
10.6.2 長三角大數據產業發展綜況
10.6.3 長三角大數據產業發展特點
10.6.4 上海市大數據產業發展布局
10.6.5 浙江省大數據產業發展狀況
10.7 西南大數據產業集群
10.7.1 西南地區基本發展狀況
10.7.2 西南大數據產業發展潛力
10.7.3 重慶市大數據產業發展狀況
10.7.4 四川省大數據產業發展布局
10.8 其他地區大數據產業發展動態
10.8.1 內蒙古
10.8.2 河南省
10.8.3 山東省
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 典型發展案例——貴州大數據產業發展經驗
10.9.1 貴州大數據發展機遇及優勢
10.9.2 貴州省大數據發展地位
10.9.3 貴州大數據產業優惠政策
10.9.4 貴州省數字設施投資狀況
10.9.5 貴州大數字產業運行狀況
10.9.6 貴州大數據典型企業名單
10.9.7 大數據與實體經濟融合
10.9.8 貴陽市大數據發展狀況
10.9.9 貴安新區大數據建設狀況
10.9.10 貴州省大數據融合發展方案
10.9.11 貴州大數據應用狀況分析
第十一章 中投顧問對中國大數據產業投資價值分析
11.1 大數據產業投資價值及機會評估
11.1.1 投資價值綜合評估
11.1.2 市場投資機會評估
11.1.3 投資發展動力評估
11.1.4 投資進入時機分析
11.1.5 產業投資象項分布
11.2 大數據行業投資壁壘分析
11.2.1 競爭壁壘
11.2.2 技術壁壘
11.2.3 資金壁壘
11.2.4 政策壁壘
11.3 大數據產業投資風險及防范
11.3.1 大數據行業投資風險綜述
11.3.2 數據的流動性和可獲取性風險
11.3.3 大數據安全風險及防范機制
11.3.4 大數據項目投資風險急劇增加
11.3.5 大數據產業投資建議與策略
11.3.6 評估大數據產業投資回報的措施
第十二章 中投顧問對中國大數據產業投融資分析
12.1 A股及新三板上市公司在大數據產業投資動態分析
12.1.1 投資項目綜述
12.1.2 投資區域分布
12.1.3 投資模式分析
12.1.4 典型投資案例
12.2 大數據行業投融資熱點分析
12.2.1 大數據產業投資熱點
12.2.2 數據源及流通領域
12.2.3 軟硬件產品領域
12.2.4 應用端領域
12.3 中國大數據產業融資動態分析
12.3.1 教育大數據企業融資動態
12.3.2 媒體大數據企業融資動態
12.3.3 保險大數據公司融資布局
12.3.4 大數據軟件企業融資布局
12.3.5 酒店大數據運營投資項目
12.3.6 醫療大數據企業融資動態
12.3.7 數據搜索公司融資動態
12.3.8 大數據安全企業融資動態
12.3.9 大數據基礎設施提供商融資
12.4 中國大數據產業投資項目案例
12.4.1 城市數據湖運營項目
12.4.2 大數據系統平臺項目
12.4.3 大數據產業園建設項目
12.4.4 大數據管理平臺建設項目
12.5 中國大數據產業鏈投資機會分析
12.5.1 硬件層面投資機會分析
12.5.2 軟件層面投資機會分析
12.5.3 信息服務層面投資機會
第十三章 大數據產業發展前景及趨勢
13.1 全球大數據產業發展前景及趨勢預測
13.1.1 全球大數據企業競爭趨勢
13.1.2 全球大數據產業發展趨勢
13.1.3 全球大數據市場發展熱點展望
13.2 中國大數據產業發展機遇及前景預測
13.2.1 財政機遇分析
13.2.2 產業發展機遇
13.2.3 行業未來發展特點
13.2.4 大數據市場熱點分析
13.2.5 大數據市場重點內容
13.2.6 大數據人才需求預測
13.3 中國大數據產業發展趨勢展望
13.3.1 信息消費逐步提質升級
13.3.2 工業互聯網建設進程加快
13.3.3 “一帶一路”數據合作形成
13.3.4 大數據治理科技應用廣泛
13.3.5 大數據相關立法進程加快
13.3.6 大數據與區塊鏈融合提速
13.4 中投顧問對2020-2024年中國大數據產業預測分析
13.4.1 2020-2024年中國大數據產業影響因素分析
13.4.2 2020-2024年中國大數據產業市場規模預測
13.4.3 2020-2024年中國數字經濟總量規模預測
第十四章 大數據產業發展政策分析
14.1 大數據產業政策體系分析
14.1.1 發達國家大數據政策對比
14.1.2 中國大數據產業政策特點
14.1.3 中國大數據產業政策匯總
14.1.4 中國大數據產業發展綱要
14.1.5 大數據標準化白皮書分析
14.1.6 大數據產業管理機制加強
14.2 大數據產業應用類政策分析
14.2.1 工業大數據政策環境分析
14.2.2 金融機構大數據治理規范
14.2.3 醫療大數據政策總體分析
14.2.4 交通運輸大數據發展綱要
14.2.5 交通旅游大數據應用試點
14.2.6 林業大數據發展指導意見
14.2.7 水利大數據發展指導意見
14.2.8 生態環境信息化建設方案
14.2.9 國土資源大數據應用政策
14.3 “十三五”大數據產業發展規劃
14.3.1 發展目標
14.3.2 重點任務
14.3.3 保障措施
14.4 大數據產業區域性政策規劃
14.4.1 首部大數據地方法規發布
14.4.2 天津市大數據發展應用條例
14.4.3 海南省大數據開發應用條例
14.4.4 東莞市大數據產業發展規劃
14.4.5 福州市大數據產業發展計劃
14.4.6 北京大數據建設工作方案
14.4.7 貴州省大數據產業發展規劃
14.4.8 貴州大數據與工業融合方案
14.4.9 內蒙古大數據發展總體規劃
14.4.10 廣西省數字社會的建設規劃
14.4.11 湖南省大數據產業發展計劃
14.4.12 湖北省大數據產業發展規劃
14.4.13 河南省大數據產業發展規劃
14.4.14 河北省大數據產業發展計劃
 

圖表目錄

圖表1 大數據的4V特征
圖表2 大數據的類型
圖表3 大數據技術框架
圖表4 數字價值鏈模式
圖表5 大數據產業鏈
圖表6 大數據產業主要數據資產類企業
圖表7 大數據產業鏈產值分布及發展方向
圖表8 大數據關鍵技術
圖表9 中國大數據產業鏈技術層細分
圖表10 未來大數據處理的核心技術
圖表11 全球大數據市場的收入規模
圖表12 2018年全球大數據企業類型分布
圖表13 國際主要大數據企業簡介
圖表14 全球主要大數據存儲企業
圖表15 全球主要大數據分析企業
圖表16 2018年大數據產業人才分布
圖表17 全球先進制造業發展戰略格局
圖表18 美國大數據研發與協同創新的主要政策文件
圖表19 2018年美國大數據產業企業分布
圖表20 日本大數據發展歷程
圖表21 2011-2018年日本大數據發展趨勢
圖表22 2018年韓國大數據產業企業布局情況
圖表23 大數據產業構建
圖表24 中國大數據市場發展階段
圖表25 2017-2018年新成立的大數據產業聯盟
圖表26 2015-2019年大數據市場產值圖
圖表27 2015-2020年我國大數據核心產業規模及增速
圖表28 2016-2019年中國數據科學與大數據技術專業新增備案數量
圖表29 2018年大數據產業發展試點示范項目公示名單
圖表30 2018-2019年教育部新增審批本科大數據相關專業
圖表31 大數據人才培養要求
圖表32 大數據企業資本層次
圖表33 2019年大數據企業投資價值百強榜
圖表34 大數據創新場景應用服務商TOP40
圖表35 中國大數據應用領域企業
圖表36 互聯網行業大數據應用場景
圖表37 電信行業大數據應用場景
圖表38 金融行業大數據應用場景
圖表39 制造行業大數據應用場景
圖表40 企業現有的數據規模
圖表41 企業數據類型的構成
圖表42 大數據時代企業所能感覺到的數據變化
圖表43 目前企業處理大數據所面臨的問題
圖表44 企業對大數據的態度和認知
圖表45 企業在線則大數據平臺時所考慮的因素
圖表46 市場上大數據技術類人才招聘數量占比及求職人數占比
圖表47 主要城市大數據就業市場活躍度
圖表48 大數據行業求職者學歷與招聘需求占比
圖表49 大數據產業招聘及求職期望薪水分布
圖表50 數據基礎設施
圖表51 數據基礎設施“橫向融合”與“縱向融合”
圖表52 數據基礎支撐型企業
圖表53 數據平臺型企業
圖表54 中國大數據產業鏈數據源細分
圖表55 中國大數據資源SWOT分析
圖表56 2019年省級數林分布
圖表57 MPP架構圖
圖表58 2013-2018年全球大數據儲量
圖表59 2018年全球大數據儲量區域分布
圖表60 MPP與Hadoop技術融合的產品架構圖
圖表61 全球數據中心數量
圖表62 全球數據中心總機架數
圖表63 2009-2019年中國IDC市場規模及增長情況
圖表64 2016-2019年中國數據中心機架規模統計情況
圖表65 數據中心規模劃分(按機架規模)
圖表66 2019年中國超大型、大型數據中心占比情況
圖表67 國內IDC市場格局
圖表68 民營IDC企業的競爭優劣勢分析
圖表69 電信運營商在IDC領域的競爭優劣勢分析
圖表70 數據中心IT硬件成本結構
圖表71 近年來國內IDC領域主要并購案例
圖表72 不同產商的業務類型選擇
圖表73 飛天大數據平臺的完整架構
圖表74 iDB產品核心功能架構圖
圖表75 百度大數據+平臺
圖表76 九寨溝景區客流量預測系統
圖表77 峨眉山景區游客七日去向展示
圖表78 利用大數據進行在線精準營銷的效果
圖表79 騰訊大數據平臺的核心模塊
圖表80 Gaia主要結構
圖表81 TDBank的處理系統
圖表82 TDBank運行流程
圖表83 騰訊分布式數據倉庫
圖表84 Spark VS Mapreduce
圖表85 TRC運作流程
圖表86 典型大數據計算模式與系統
圖表87 數據分析細分領域和具體技術
圖表88 Palantir旗下兩大產品涉及領域
圖表89 Hadoop和Spark生態系統
圖表90 大數據技術關注度
圖表91 參數服務器工作原理
圖表92 大數據安全涉及模塊
圖表93 華為FusionInsight大數據平臺的技術規格
圖表94 中國大數據產業鏈交易層細分
圖表95 可交易的數據品種及類型
圖表96 影響數據交易的四大因素
圖表97 大數據交易標準體系
圖表98 大數據交易產業主要人才需求
圖表99 數據堂商業模式
圖表100 中國大數據產業鏈大數據衍生層細分
圖表101 工業大數據分類
圖表102 國內工業大數據發展史
圖表103 醫療業大數據產業鏈
圖表104 醫療數據來源
圖表105 醫療數據的特性
圖表106 醫療大數據的用途
圖表107 醫療大數據企業
圖表108 2014-2018年中國健康醫療大數據行業市場規模
圖表109 2018年中國健康醫療大數據細分行業市場結構
圖表110 2018年健康醫療數據供應概況
圖表111 健康醫療大數據相關企業地域分布
圖表112 2018年中國健康醫療大數據細分領域企業分布
圖表113 2016-2018年BAT健康醫療大數據產業鏈布局
圖表114 金融大數據產業鏈
圖表115 大數據金融的場景應用
圖表116 大數據智能洞察金融業
圖表117 金融行業客戶的重要性
圖表118 大數據洞察推動民生銀行的轉型與創新
圖表119 大數據預測金融欺詐
圖表120 中國金融行業大數據投資結構
圖表121 智能交通的數據處理體系
圖表122 交通大數據應用領域示意圖
圖表123 大數據在滴滴出行中的應用
圖表124 電信大數據發展階段
圖表125 電信運營商大數據應用
圖表126 2019-2020年4G用戶總數占比情況
圖表127 2019-2020年末光纖接入(FTTH/O)和100Mbps及以上接入速率的固定互聯網寬帶接入用戶占比情況
圖表128 2019-2020年手機上網用戶情況
圖表129 2019-2020年移動互聯網累計接入流量及同比增速比較
圖表130 2019-2020年移動互聯網接入月流量及戶均流量(DOU)情況
圖表131 2019-2020年移動電話用戶增速和通話時長增速
圖表132 2019-2020年移動短信業務量和收入同比增長情況
圖表133 廣東移動使用的Apache Hadoop軟件的英特爾分發版
圖表134 電信運營商大數據處理需求
圖表135 線下零售大數據產業鏈
圖表136 線上零售大數據產業鏈
圖表137 零售行業大數據分析應用階段
圖表138 中國零售企業主要實施的大數據項目
圖表139 政府大數據應用十大工程
圖表140 中國各政府機構大數據應用
圖表141 2016-2019年公安大數據建設項目數量與金額
圖表142 2016-2019年上半年公安大數據建設投資結構
圖表143 政府大數據應用痛點及機會點
圖表144 大數據軟件主要類別
圖表145 大數據硬件產業鏈
圖表146 典型大數據服務應用比較
圖表147 大數據通用服務熱點
圖表148 企業大數據的構成
圖表149 大數據在企業級的應用方面
圖表150 八大國家大數據綜合試驗區分布
圖表151 省內大數據管理機構設置情況
圖表152 2014-2018年省級大數據管理機構設置情況
圖表153 2019年中國大數據人才儲備要素評價
圖表154 2019年全國31個省份大數據發展指數評價結果
圖表155 2019年各地區大數據政用、民用和商用指數得分情況
圖表156 2016-2019年各省大數據發展總指數排名
圖表157 2016-2019年各省大數據發展總指數排名變化情況
圖表158 2019年四大區域大數據發展指數得分
圖表159 2016-2019年四大區域大數據發展指數均值變化情況
圖表160 2019年各省大數據發展類型
圖表161 2016-2019年大數據發展類型分布情況
圖表162 2019年各省大數據政用指數得分與均值比較
圖表163 2016-2019年各省政用指數得分排名變化情況
圖表164 2019年各省大數據政用指數得分情況
圖表165 2019年各省大數據商用指數得分與均值比較
圖表166 2016-2019年各省商用指數得分排名變化
圖表167 2019年各地區大數據商用指數得分情況
圖表168 2019年各省大數據民用指數得分與均值比較
圖表169 2016-2019年各地區大數據民用指數得分排名變化
圖表170 2019年各省大數據民用指數得分情況
圖表171 中國典型大數據產業園
圖表172 國家級新區布局大數據產業
圖表173 珠三角9城GDP
圖表174 2019年貴州省各市(州)、貴安新區數字基礎設施投資完成情況表
圖表175 2019年貴州省數字基礎設施重點企業投資完成情況表
圖表176 貴州省大數據領域投資情況表
圖表177 貴州省大數據企業TOP50名單(排名不分先后)
圖表178 中投顧問投資價值綜合評估:大數據
圖表179 中投顧問大數據產業市場機會整體評估表
圖表180 中投顧問大數據產業市場機會矩陣
圖表181 中投顧問投資發展動力評估:大數據
圖表182 中投產業投資進入時機:大數據產業
圖表183 中投產業生命周期:大數據產業
圖表184 大數據產業投資象項
圖表185 中投顧問進入壁壘評估:大數據
圖表186 中投顧問投資機會箱:大數據產業
圖表187 中投顧問對2020-2024年中國大數據產業市場規模預測
圖表188 中投顧問對2020-2024年中國數字經濟總量規模預測
圖表189 2019年A股及新三板上市公司大數據產業投資規模
圖表190 2020年A股及新三板上市公司大數據產業投資規模
圖表191 2019年A股及新三板上市公司大數據產業投資項目區域分布(按項目數量分)
圖表192 2019年A股及新三板上市公司大數據產業投資項目區域分布(按投資金額分)
圖表193 2020年A股及新三板上市公司大數據產業投資項目區域分布(按項目數量分)
圖表194 2020年A股及新三板上市公司大數據產業投資項目區域分布(按投資金額分)
圖表195 2019年A股及新三板上市公司大數據產業投資模式
圖表196 2020年A股及新三板上市公司大數據產業投資模式
圖表197 大數據數據源及流通領域投資熱點
圖表198 大數據軟硬件產品領域投資熱點
圖表199 大數據應用端領域投資熱點
圖表200 引力傳媒大數據管理平臺整體架構圖
圖表201 大數據政策比較框架
圖表202 各國大數據戰略規劃比較
圖表203 各國技術能力儲備政策比較
圖表204 國外政府數據開放與共享主要政策
圖表205 國外政府數據開放與共享主要政策(續)
圖表206 2012-2019年大數據產業政策關鍵詞
圖表207 2015-2019年大數據產業發展關鍵節點
圖表208 2015-2018年中國大數據相關政策
圖表209 地方管理機制分析
圖表210 國家工業大數據相關政策
圖表211 工業和信息化部相關政策
圖表212 工業大數據重點建設任務
圖表213 國內健康醫療大數據行業發展政策

繼物聯網、云計算之后,大數據已經成為當前信息技術產業最受關注的概念之一。大數據是為了更經濟地從高頻率獲取的、大容量的、不同結構和類型的數據中獲取價值,而設計的新一代架構和技術。人們普遍將該定義概括為四個“V”,即更大的容量(Volume,從TB級躍升至PB級,甚至EB級)、更高的多樣性(Variety,包括結構化、半結構化和非結構化數據),以及更快的生成速度(Velocity)。前面三個“V”的組合推動了第四個因素——價值(Value)。

全球的數據儲量僅在2011就達到1.8ZB,相當于每個美國人每分鐘寫3條Twitter信息,總共寫2.6976萬年。2019年全球數據量達到約41ZB。而今后十年,用于存儲數據的全球服務器總量還將增長十倍。大數據正在成為國家競爭的前沿,以及產業競爭力和商業模式創新的源泉。聯合國“數據脈動”計劃、美國“大數據”戰略、英國“數據權”運動、日本“面向2020年的ICT綜合戰略”、韓國大數據中心戰略等先后開啟了大數據戰略的大幕,有力推動了大數據產業化、市場化進程。

2015年我國大數據產業規模已達2800億元,截止至2017年我國大數據產業規模增長至4700億元,規模增速進一步提高至30.6%,根據測算2018年和2019我國大數據產業規模分別達到6200億元和8000億元。

截至2019年初,所有省級行政區都發布了大數據相關的發展規劃,十幾個省市設立了大數據管理局,8個國家大數據綜合試驗區、11個國家工程實驗室啟動建設。可以說,大數據的政策體系已經基本搭建完成,目前已經紛紛進入落地實施甚至評估檢查階段。2020年5月27日,《大數據藍皮書:中國大數據發展報告No.4》發布。資料顯示,2019年,中國大數據發展總指數的平均得分為40.38,較上年得分提高1.29,大數據政用與民用指數得分較上年也顯著提高。從各地來看,北京和廣東的大數據發展依然保持全國領先位置,兩者大數據發展總指數得分均突破70,遠遠高于全國平均值。整體來看,共有14個省份超過總指數平均值(較上年增長2個),占比突破45%。

2020年4月以來,國內復工復產的加速,計算機行業利好政策相繼出臺。4月9日,中共中央國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》,對數據要素市場化配置的重要指示,將進一步加快我國大數據產業和數字經濟的發展。4月10日,工信部公示《網絡數據安全標準體系建設指南》(征求意見稿),提出“到2021年,初步建立網絡數據安全標準體系”、“到2023年,健全完善網絡數據安全標準體系”的建設目標。2020年7月2日,《數據安全法(草案)》全文發布,在開展數據活動的組織、個人不履行數據安全保護義務或者未采取必要的安全措施的,由有關主管部門責令改正,給予警告,可以并處相關的罰款。隨著政策的逐步規范,大數據產業將迎來新的發展機遇。

中投產業研究院發布的《2020-2024年中國大數據行業投資分析及前景預測報告》共十四章。首先介紹了大數據和大數據產業的定義、特點、地位等,接著分析了國內外大數據行業的發展及行業格局,然后分析了大數據產業鏈的上中下游行業發展狀況,并對大數據軟硬件設備、大數據發展模式、重點區域大數據產業發展布局等進行了細致的透析。隨后,報告重點分析了大數據行業的投資狀況及其未來發展前景,最后報告還分析了大數據產業的政策環境。

本研究報告數據主要來自于國家統計局、中投產業研究院、中投產業研究院市場調查中心以及國內外重點刊物等渠道,數據權威、詳實、豐富,同時通過專業的分析預測模型,對行業核心發展指標進行科學地預測。您或貴單位若想對大數據行業有個系統深入的了解、或者想投資大數據行業,本報告將是您不可或缺的重要參考工具。

本報告目錄與內容系中投顧問原創,未經中投顧問書面許可及授權,拒絕任何形式的復制、轉載,謝謝!

微信掃一掃關注公眾號"中投顧問"(ID :touziocn),回復""即可獲取。

知道了
在線咨詢: 點擊這里給我發消息