24小時免費服務熱線400-008-1522

2019-2023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:2019年7月交付方式:特快專遞(2-3天送達)

報告屬性:共614頁、51.2萬字、181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

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《2019-2023年云計算產業投資深度研究報告》價值8900元《2019-2023年中國大數據產業政策深度調研報告》

中投顧問官方微信中投顧問官方微信
中投顧問服務號中投顧問服務號

中投顧問咨詢服務

中投顧問以"挖掘產業投資機會,促進區域經濟發展"為己任,發展起以產業研究為堅實根基,以產業規劃、招商服務為重點,以中投大數據為創新方向的業務體系,十余年間累計服務政企客戶數萬家。

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 大數據的特點
1.1.4 大數據的類型
1.1.5 大數據典型分類
1.1.6 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 大數據產業鏈結構
1.3.2 大數據產業鏈領域
1.3.3 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 2017-2019年國際大數據產業發展分析
2.1 2017-2019年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 產業規模狀況
2.1.3 企業類型分布
2.1.4 產業人才發展
2.1.5 數據中心發展
2.1.6 各國政府助推
2.2 歐盟大數據產業發展布局
2.2.1 歐盟通用數據保護條例
2.2.2 歐盟數據經濟規模分析
2.2.3 歐盟推進大數據產業發展
2.2.4 歐盟大數據產業戰略特點
2.2.5 產業戰略建設的相關啟示
2.2.6 歐盟布局大數據產業應用
2.2.7 歐盟大數據產業發展規劃
2.3 美國大數據產業發展分析
2.3.1 大數據發展扶持政策
2.3.2 大數據產業發展戰略
2.3.3 大數據應用案例分析
2.3.4 大數據企業分布情況
2.3.5 大數據投資情況分析
2.3.6 大數據協同創新措施
2.3.7 大數據技術發展措施
2.4 日本大數據產業發展分析
2.4.1 大數據發展歷程
2.4.2 大數據發展趨勢
2.4.3 大數據預防災害
2.4.4 “限定提供數據”條款
2.4.5 對我國大數據法律啟示
2.5 2017-2019年其他國家大數據產業發展狀況
2.5.1 法國
2.5.2 韓國
第三章 2017-2019年中國大數據產業發展分析
3.1 2017-2019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 大數據發展的必然性
3.1.3 大數據產業驅動主體
3.1.4 大數據產業發展階段
3.1.5 地區大數據產業聯盟
3.1.6 數字經濟的發展水平
3.1.7 大數據總體市場規模
3.1.8 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 2017-2019年大數據產業競爭格局
3.3.1 大數據產業競爭主體分類
3.3.2 產業鏈環節競爭格局分析
3.3.3 大數據競爭企業資本層次
3.3.4 大數據百強企業統計分析
3.3.5 大數據創新場景應用服務商
3.3.6 互聯網企業布局大數據產業
3.3.7 大數據熱點應用領域的競爭
3.3.8 大數據產業競爭趨勢展望
3.4 2017-2019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 核心技術薄弱
3.5.3 數據相關問題
3.5.4 數據安全問題
3.5.5 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 數據來源層分析
4.1.1 大數據的來源渠道
4.1.2 數據資源的網絡基礎
4.1.3 數據資源SWOT分析
4.1.4 數據資源獲取難度
4.1.5 數據資源開放情況
4.2 數據存儲層分析
4.2.1 大數據存儲方式
4.2.2 大數據儲量規模分析
4.2.3 大數據存儲架構分析
4.2.4 數據倉庫建設的重要性
4.2.5 新型MPP數據庫的價值
4.3 數據存儲中心建設狀況
4.3.1 全球數據中心裝機規模
4.3.2 國內數據中心建設狀況
4.3.3 數據中心區域發展格局
4.3.4 數據中心的建設特點分析
4.3.5 數據中心的市場競爭格局
4.3.6 大數據中心未來發展趨勢
4.3.7 數據中心的布局策略分析
4.3.8 數據中心機房節能降耗策略
4.4 數據資源型企業——電信運營商
4.4.1 中國移動
4.4.1.1 企業發展概況
4.4.1.2 大數據發展優勢
4.4.1.3 移動大數據應用
4.4.2 中國電信
4.4.2.1 企業發展概況
4.4.2.2 大數據產業布局
4.4.2.3 加快數據項目建設
4.4.3 中國聯通
4.4.3.1 企業發展概況
4.4.3.2 業務發展分析
4.4.3.3 大數據項目建設
4.4.3.4 未來前景展望
4.5 數據資源型企業——BAT企業
4.5.1 阿里巴巴
4.5.1.1 企業發展概況
4.5.1.2 產品技術架構
4.5.1.3 大數據計算服務
4.5.1.4 大數據平臺演變
4.5.1.5 企業數據庫方案
4.5.2 百度公司
4.5.2.1 企業發展概況
4.5.2.2 大數據解決方案
4.5.2.3 大數據分析平臺
4.5.2.4 數據安全方案
4.5.3 騰訊公司
4.5.3.1 企業發展概況
4.5.3.2 騰訊大數據平臺
4.5.3.3 構建大數據生態
4.5.3.4 大數據布局動態
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
5.5.1.1 企業發展概況
5.5.1.2 大數據產品發布
5.5.2 同有科技
5.5.2.1 企業發展概況
5.5.2.2 大數據應用產品
5.5.3 浪潮集團
5.5.3.1 企業發展概況
5.5.3.2 數據基礎模型
5.5.3.3 加快推進地區合作
5.5.3.4 建立智慧城市平臺
5.5.3.5 推進數據社會化發展
5.5.4 華為公司
5.5.4.1 企業發展概況
5.5.4.2 大數據解決方案
5.5.4.3 大數據產業園建設
5.5.4.4 大數據產業合作
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 大數據交易產業發展動態
6.2.8 大數據交易市場人才需求
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 各地大數據交易平臺
6.4.4 地區性平臺建設動態
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
6.5.1.1 平臺發展概況
6.5.1.2 平臺發展優勢
6.5.1.3 平臺發展劣勢
6.5.1.4 平臺運營狀況
6.5.1.5 平臺發展特點
6.5.2 數據堂交易平臺
6.5.2.1 平臺發展概況
6.5.2.2 平臺發展優勢
6.5.2.3 平臺發展劣勢
6.5.2.4 商業模式分析
6.5.3 中關村大數據交易平臺
6.5.3.1 平臺發展概況
6.5.3.2 平臺發展優勢
6.5.3.3 平臺發展劣勢
6.5.4 香港大數據交易所
6.5.4.1 平臺發展概況
6.5.4.2 平臺發展動態
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
7.2.1.1 企業發展概況
7.2.1.2 大數據產業布局
7.2.2 明略數據
7.2.2.1 企業發展概況
7.2.2.2 大數據分析產品
7.2.3 Talking Data
7.2.3.1 企業發展概況
7.2.3.2 未來發展態勢分析
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 工業大數據政策分析
7.3.6 工業大數據發展問題對策
7.3.7 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
7.4.8 醫療大數據發展方向分析
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 金融大數據市場競爭格局
7.5.5 金融行業大數據發展特征
7.5.6 金融大數據應用市場規模
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 國家級交通大數據實驗室成立
7.6.5 交通大數據融合應用試點項目
7.6.6 交通出行大數據合作動態
7.6.7 交通大數據應用案例分析
7.6.8 交通大數據應用問題及對策
7.6.9 交通大數據應用未來發展展望
7.7 電信大數據
7.7.1 電信大數據源供給規模
7.7.2 電信大數據應用需求分析
7.7.3 電信行業大數據應用情況
7.7.4 電信運營商價值數據分布
7.7.5 運營商大數據的應用模式
7.7.6 運營商數據中心建設分布
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 政府大數據信息公開需求
7.10.6 政府大數據發展路徑分析
7.10.7 政務大數據應用趨勢分析
第八章 2017-2019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 大數據典型軟件分析
8.1.2 智能軟件的應用價值
8.1.3 大數據軟件市場規模
8.1.4 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 大數據一體機的應用價值
8.3.4 大數據一體機的用戶類型
8.3.5 國外競爭格局與品牌分布
8.3.6 國內市場競爭格局分析
8.3.7 國內企業競爭優劣勢分析
8.3.8 國內主流品牌及其特點
第九章 2017-2019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 大數據通用服務模式
9.3.5 自有平臺大數據分析
9.3.6 信息訂制與采購模式
9.3.7 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關鍵
9.4.5 企業大數據商業化應用途徑
第十章 2017-2019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 大數據產業集聚區域分布
10.1.2 大數據產業園區分布狀況
10.1.3 國家大數據綜合試驗區
10.1.4 各地設立大數據管理部門
10.2 大數產業區域發展指數分析
10.2.1 各省市大數據發展指數
10.2.2 各地區大數據發展潛力
10.2.3 各地區大數據發展態勢
10.2.4 其地區大數據應用態勢
10.2.5 各地區大數據技術研發
10.2.6 各地區大數據共享態勢
10.3 京津冀大數據產業集群
10.3.1 京津冀地區經濟運行情況
10.3.2 京津冀大數據產業發展綜況
10.3.3 河北省大數據產業發展狀況
10.3.4 北京市大數據產業發展狀況
10.3.5 天津市大數據產業發展綜況
10.3.6 天津市大數據產業發展動態
10.4 珠三角大數據產業集群
10.4.1 珠三角地區基本運行狀況
10.4.2 珠三角大數據產業發展綜況
10.4.3 大數據試驗區建設方案出臺
10.4.4 廣州市大數據產業發展布局
10.4.5 深圳市大數據產業發展狀況
10.5 長三角大數據產業集群
10.5.1 長三角地區基本發展狀況
10.5.2 長三角大數據產業發展綜況
10.5.3 長三角大數據產業發展特點
10.5.4 上海市大數據產業發展布局
10.5.5 浙江省大數據產業發展狀況
10.6 西南大數據產業集群
10.6.1 西南地區基本發展狀況
10.6.2 西南大數據產業發展潛力
10.6.3 重慶市大數據產業發展狀況
10.6.4 四川省大數據產業發展布局
10.7 其他地區大數據產業發展動態
10.7.1 內蒙古
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 大數據產業園區發展分析
10.8.1 大數據產業園概述
10.8.2 大數據產業園格局
10.8.3 大數據產業園分布
10.8.4 大數據產業園典型模式
10.8.5 產業園面臨機遇與挑戰
10.8.6 國家級新區布局大數據
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 貴州大數據產業運行狀況
10.9.5 大數據與實體經濟融合
10.9.6 貴陽市大數據發展狀況
10.9.7 貴陽大數據交易規模分析
10.9.8 貴安新區大數據建設狀況
10.9.9 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