中投顧問

24小時免費服務熱線400-008-1522

2022-2026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:2021年10月交付方式:特快專遞(2-3天送達)

報告屬性:共644頁、52.8萬字、242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 定制報告

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 QQ咨詢 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《2022-2026年中國云計算產業投資深度研究報告》價值8900元《2022-2026年中國大數據產業政策深度調研報告》

中投顧問中投顧問
十四五將是中國技術和產業升級的關鍵期,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 2019-2021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 產量區域分布
2.1.6 重點企業分析
2.1.7 企業融資分析
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 歐洲數據治理條例草案
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 歐盟大數據產業人才規劃
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 大數據協同創新措施
2.4.5 大數據技術發展措施
2.4.6 大數據產業發展趨勢
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 2019-2021年中國大數據產業發展分析
3.1 2019-2021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 2019-2021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 大數據產業布局具體分析
3.3.4 產業鏈環節競爭格局分析
3.3.5 大數據競爭企業資本層次
3.3.6 大數據投資價值百強企業
3.3.7 大數據創新場景應用服務商
3.3.8 互聯網企業布局大數據產業
3.3.9 大數據熱點應用領域的競爭
3.3.10 大數據產業競爭趨勢展望
3.4 2019-2021年中國大數據市場供需分析
3.4.1 大數據市場供給結構分析
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 大數據熱點領域需求分析
3.4.5 企業大數據需求趨勢分析
3.5 大數據行業上市公司運行狀況分析
3.5.1 大數據行業上市公司規模
3.5.2 大數據行業上市公司分布
3.5.3 大數據行業經營狀況分析
3.5.4 大數據行業盈利能力分析
3.5.5 大數據行業營運能力分析
3.5.6 大數據行業成長能力分析
3.5.7 大數據行業現金流量分析
3.6 中國大數據產業存在的問題
3.6.1 面臨挑戰分析
3.6.2 競爭壁壘問題
3.6.3 技術發展問題
3.6.4 成本投入問題
3.6.5 數據相關問題
3.6.6 數據安全問題
3.6.7 人才供需問題
3.7 中國大數據產業的發展策略
3.7.1 相關政策建議
3.7.2 推進研發應用
3.7.3 避免過度建設
3.7.4 提高數據安全
3.7.5 地區發展思路
3.7.6 推動標準建設
3.7.7 打破信息孤島
3.8 疫情影響下大數據產業發展分析
3.8.1 疫情對企業的影響
3.8.2 行業大數據應用問題
3.8.3 疫情帶來的行業機遇
3.8.4 互聯網大數據防疫走熱
3.8.5 疫情下電信大數據應用狀況
3.8.6 疫情下政府大數據應用狀況
3.8.7 疫情下工業大數據應用狀況
3.8.8 疫情下金融大數據應用狀況
3.8.9 疫情下醫療大數據應用狀況
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 大數據儲存規模分析
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 國內數據中心建設規模
4.4.3 國內數據中心投資規模
4.4.4 數據中心市場競爭格局
4.4.5 數據中心硬件成本分析
4.4.6 國內數據中心投資機遇
4.4.7 數據中心總體發展趨勢
4.4.8 數據中心綠色節能趨勢
4.4.9 數據中心布局策略分析
4.5 數據資源型企業——電信運營商
4.5.1 中國移動
4.5.1.1 企業發展概況
4.5.1.2 大數據發展優勢
4.5.1.3 大數據產品體系
4.5.2 中國電信
4.5.2.1 企業發展概況
4.5.2.2 大數據產業布局
4.5.2.3 加快數據項目建設
4.5.3 中國聯通
4.5.3.1 企業發展概況
4.5.3.2 業務發展分析
4.5.3.3 大數據項目建設
4.5.3.4 聯通大數據公司
4.6 數據資源型企業——BAT企業
4.6.1 阿里巴巴
4.6.1.1 企業發展概況
4.6.1.2 產品技術架構
4.6.1.3 大數據計算服務
4.6.1.4 主要大數據平臺
4.6.1.5 企業數據庫方案
4.6.2 百度公司
4.6.2.1 企業發展概況
4.6.2.2 大數據解決方案
4.6.2.3 大數據分析平臺
4.6.2.4 數據安全方案
4.6.3 騰訊公司
4.6.3.1 企業發展概況
4.6.3.2 騰訊大數據平臺
4.6.3.3 大數據技術架構
4.6.3.4 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 數據可視化的應用優勢
5.3.3 大數據可視化市場規模
5.3.4 大數據可視化市場格局
5.3.5 數據可視化的研究進展
5.3.6 數據可視化的應用工具
5.3.7 數據可視化面臨的挑戰
5.3.8 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 企業發展動態
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 Info Chimps
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
6.5.1.1 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 平臺運營標準
6.5.1.5 平臺發展動態
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
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 工業大數據未來發展機會
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 醫療大數據競爭格局
7.4.6 醫療大數據投資分布
7.4.7 醫療大數據應用案例
7.4.8 醫療大數據發展問題及對策
7.4.9 醫療大數據未來發展機會
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 金融大數據分析市場規模
7.5.5 金融大數據應用市場結構
7.5.6 金融大數據市場競爭格局
7.5.7 金融行業大數據發展特征
7.5.8 金融大數據安全挑戰及對策
7.5.9 金融大數據未發展機會分析
7.6 交通大數據
7.6.1 交通大數據應用價值分析
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 交通大數據城市建設試點
7.6.5 城市交通大數據應用產業鏈
7.6.6 城市交通大數據應用規模
7.6.7 城市交通大數據競爭格局
7.6.8 交通大數據應用案例分析
7.6.9 交通大數據應用問題及對策
7.6.10 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 運營商大數據的應用模式
7.7.6 電信行業大數據應用案例
7.7.7 電信大數據應用痛點分析
7.7.8 電信大數據發展機會分析
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案例
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 2019-2021年大數據應用軟件及設備分析
8.1 大數據軟件公司運行
8.1.1 大數據軟件行業上市公司規模
8.1.2 大數據軟件行業上市公司分布
8.1.3 大數據軟件行業經營狀況分析
8.1.4 大數據軟件行業盈利能力分析
8.1.5 大數據軟件行業營運能力分析
8.1.6 大數據軟件行業成長能力分析
8.1.7 大數據軟件行業現金流量分析
8.2 大數據應用軟件分析
8.2.1 大數據軟件構成框架
8.2.2 大數據典型軟件分析
8.2.3 智能軟件的應用價值
8.2.4 大數據軟件市場規模
8.2.5 大數據軟件發展方向
8.3 大數據硬件設備分析
8.3.1 大數據硬件構成框架
8.3.2 大數據主要硬件設備
8.3.3 大數據硬件市場規模
8.4 大數據一體機設備分析
8.4.1 大數據一體機簡介
8.4.2 大數據一體機的優劣分析
8.4.3 大數據一體機的用戶類型
8.4.4 國外競爭格局與品牌分布
8.4.5 國內市場競爭格局分析
8.4.6 國內企業競爭優劣勢分析
8.4.7 國內主流品牌及其特點
第九章 2019-2021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 2019-2021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 大數據企業業務區域分布
10.1.3 地區大數據管理機構設置
10.1.4 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 貴陽市大數據發展狀況
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
10.9.10 貴州省大數據融合發展方案
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行業投資動態分析
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 保險大數據公司融資布局
12.3.3 大數據軟件企業融資布局
12.3.4 酒店大數據運營投資項目
12.3.5 數據搜索公司融資動態
12.3.6 大數據安全企業融資動態
12.3.7 大數據基礎設施提供商融資
12.3.8 媒體大數據企業融資動態
12.3.9 醫療大數據企業融資動態
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 整體發展驅動分析
13.2.2 行業未來發展特點
13.2.3 大數據市場熱點分析
13.2.4 大數據市場重點內容
13.2.5 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2022-2026年中國大數據產業預測分析
13.4.1 2022-2026年中國大數據產業影響因素分析
13.4.2 2022-2026年中國大數據產業市場規模預測
13.4.3 2022-2026年中國數字經濟規模預測
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匯總
14.1.3 中國大數據產業政策特點
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 交通運輸新基建指導意見
14.2.6 生態環境大數據重點布局
14.2.7 工業互聯網數據應用政策
14.2.8 大數據防范網絡詐騙方案
14.3 大數據產業相關規劃
14.3.1 大數據產業“十三五”內容回顧
14.3.2 “十四五”大數據產業規劃進展
14.3.3 “十四五”規劃大數據產業相關
14.4 大數據產業區域性政策規劃
14.4.1 內蒙古數字經濟發展意見
14.4.2 河北大數據產業提升計劃
14.4.3 北京大數據相關支持政策
14.4.4 河南省數據產業發展規劃
14.4.5 山西大數據應用促進條例
14.4.6 湖北省數字政府建設規劃
14.4.7 湖南省軟件產業振興計劃
14.4.8 江蘇省數字經濟發展意見
14.4.9 廣西省推動數據應用意見
14.4.10 貴州大數據標準建設規劃
14.4.11 福建省基建設建設計劃

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 2020-2025年全球大數據硬件、軟件和服務整體市場規模及預測
圖表12 2019年全球大數據儲量區域分布
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 2019年成長階段大數據初創企業融資情況
圖表17 全球先進制造業發展戰略格局
圖表18 日本大數據發展歷程
圖表19 大數據產業構建
圖表20 中國大數據市場發展階段
圖表21 2017-2021年新成立的大數據產業聯盟
圖表22 2005-2020年中國數字經濟規模分析
圖表23 2015-2020年中國數字經濟增速與GDP增速變化情況
圖表24 2015-2020年中國數字經濟內部結構分析
圖表25 2016-2020年中國大數據市場規模分析
圖表26 2015-2020年我國大數據核心產業規模及增速
圖表27 2008-2019年中國大數據專利新增數量
圖表28 2014-2019年TOP10省市大數據專利新增數量
圖表29 2020年大數據產業發展試點示范項目公示名單
圖表30 2017-2019年高校新增大數據專業數量TOP5
圖表31 2019年各領域大數據人才需求
圖表32 大數據人才培養要求
圖表33 大數據產業布局分析
圖表34 大數據企業資本層次
圖表35 2020年大數據企業投資價值百強榜
圖表36 大數據創新場景應用服務商TOP40
圖表37 中國大數據應用領域企業
圖表38 互聯網行業大數據應用場景
圖表39 電信行業大數據應用場景
圖表40 金融行業大數據應用場景
圖表41 制造行業大數據應用場景
圖表42 企業現有的數據規模
圖表43 企業數據類型的構成
圖表44 大數據時代企業所能感覺到的數據變化
圖表45 目前企業處理大數據所面臨的問題
圖表46 企業對大數據的態度和認知
圖表47 企業在線則大數據平臺時所考慮的因素
圖表48 大數據行業上市公司名單
圖表49 2016-2020年大數據行業上市公司資產規模及結構
圖表50 大數據行業上市公司上市板分布情況
圖表51 大數據行業上市公司地域分布情況
圖表52 2016-2020年大數據行業上市公司營業收入及增長率
圖表53 2016-2020年大數據行業上市公司凈利潤及增長率
圖表54 2016-2020年大數據行業上市公司毛利率與凈利率
圖表55 2016-2020年大數據行業上市公司營運能力指標
圖表56 2016-2020年大數據行業上市公司成長能力指標
圖表57 2016-2020年大數據行業上市公司銷售商品收到的現金占比
圖表58 企業在數據安全與治理建設方面擔心的問題
圖表59 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60 主要城市大數據就業市場活躍度
圖表61 大數據行業求職者學歷與招聘需求占比
圖表62 大數據產業招聘及求職期望薪水分布
圖表63 2020年新冠病毒肺炎疫情對企業營收的影響情況
圖表64 2020年新冠肺炎疫情對企業業務的影響情況
圖表65 疫情下各行業大數據應用問題
圖表66 疫情后不同類型大數據業務機遇預測
圖表67 互聯網大數據防疫行業的兩點及挑戰
圖表68 信息安全、數據資源整合是疫情下電信大數據亟需突破關鍵點
圖表69 應急指揮平臺、疫情防控大數據平臺等成為疫情下政府大數據建設重點
圖表70 工業大數據解決疫情下物資流通、企業復產復工難等問題
圖表71 金融大數據助力政府高效發放消費券
圖表72 無接觸醫療、影像識別是疫情下醫療大數據應用的熱點方向
圖表73 數據基礎設施
圖表74 數據基礎設施“橫向融合”與“縱向融合”
圖表75 數據基礎支撐型企業
圖表76 數據平臺型企業
圖表77 中國大數據產業鏈數據源細分
圖表78 2016-2020年中國網民規模和互聯網普及率
圖表79 2016-2020年手機網民規模及其占網民比例
圖表80 中國大數據資源SWOT分析
圖表81 2012-2020年地方政府數據開放平臺上線情況
圖表82 MPP架構圖
圖表83 2016-2020年中國大數據計算與存儲市場規模分析
圖表84 MPP與Hadoop技術融合的產品架構圖
圖表85 2012-2020年全球大型數據中心增長狀況
圖表86 2020年各國大型數據中心數量占比
圖表87 2016-2020年中國數據中心機架規模統計情況
圖表88 數據中心規模劃分(按機架規模)
圖表89 2019年中國超大型、大型數據中心占比情況
圖表90 2016-2019年中國數據中心投資規模
圖表91 2019年中國IDC市場競爭格局
圖表92 2020年中國IDC市場競爭格局
圖表93 民營IDC企業的競爭優劣勢分析
圖表94 電信運營商在IDC領域的競爭優劣勢分析
圖表95 數據中心IT硬件成本結構
圖表96 飛天大數據平臺的完整架構
圖表97 iDB產品核心功能架構圖
圖表98 百度大數據+平臺
圖表99 九寨溝景區客流量預測系統
圖表100 峨眉山景區游客七日去向展示
圖表101 利用大數據進行在線精準營銷的效果
圖表102 騰訊大數據平臺的核心模塊
圖表103 Gaia主要結構
圖表104 TD Bank的處理系統
圖表105 TD Bank運行流程
圖表106 騰訊分布式數據倉庫
圖表107 Spark VS Mapreduce
圖表108 TRC運作流程
圖表109 典型大數據計算模式與系統
圖表110 數據分析細分領域和具體技術
圖表111 Palantir旗下兩大產品涉及領域
圖表112 大數據技術關注度
圖表113 參數服務器工作原理
圖表114 2016-2020年大數據分析與可視化市場規模統計
圖表115 大數據可視化重點企業
圖表116 大數據安全涉及模塊
圖表117 華為Fusion Insight大數據平臺的技術規格
圖表118 中國大數據產業鏈交易層細分
圖表119 可交易的數據品種及類型
圖表120 影響數據交易的四大因素
圖表121 大數據交易標準體系
圖表122 2016-2020年大數據流通交易市場規模統計
圖表123 大數據交易產業主要人才需求
圖表124 數據堂商業模式
圖表125 中國大數據產業鏈大數據衍生層細分
圖表126 工業大數據分類
圖表127 國內工業大數據發展史
圖表128 工業大數據應用痛點及未來發展機會
圖表129 醫療業大數據產業鏈
圖表130 醫療數據來源
圖表131 醫療數據的特性
圖表132 醫療大數據的用途
圖表133 醫療大數據企業
圖表134 2015-2019年中國醫療大數據解決方案市場規模及滲透率
圖表135 2019年中國醫療大數據各細分市場滲透率
圖表136 2019年中國醫療大數據解決方案行業主要企業對比分析
圖表137 2019年中國醫療信息化投資領域分布
圖表138 醫療大數據應用痛點及未來發展機會
圖表139 金融大數據產業鏈
圖表140 大數據金融的場景應用
圖表141 大數據智能洞察金融業
圖表142 金融行業客戶的重要性
圖表143 大數據洞察推動民生銀行的轉型與創新
圖表144 大數據預測金融欺詐
圖表145 2016-2021年中國金融大數據分析行業市場規模及預測
圖表146 中國金融行業大數據投資結構
圖表147 金融大數據發展痛點及機會
圖表148 智能交通的數據處理體系
圖表149 交通大數據應用領域示意圖
圖表150 中國大數據城市交通應用產業鏈
圖表151 2015-2019年大數據在中國城市交通行業的應用市場規模(以市場投資額計)
圖表152 2019年中國大數據城市交通市場份額分布(以項目中標金額計)
圖表153 中國大數據城市交通頭部企業地域分布
圖表154 大數據在滴滴出行中的應用
圖表155 電信大數據發展階段
圖表156 電信運營商大數據應用
圖表157 2020年固定互聯網寬帶各接入速率用戶占比情況
圖表158 22015-2020年農村寬帶接入用戶及占比情況
圖表159 2015-2020年移動互聯網流量及月DOU增長情況
圖表160 2020年移動互聯網接入當月流量及當月DOU情況
圖表161 2015-2020年移動短信業務量和收入增長情況
圖表162 2015-2020年移動電話用戶和通話量增長情況
圖表163 2018-2020年東、中、西、東北地區移動互聯網接入流量增速情況
圖表164 廣東移動使用的Apache Hadoop軟件的英特爾分發版
圖表165 電信運營商大數據處理需求
圖表166 線下零售大數據產業鏈
圖表167 線上零售大數據產業鏈
圖表168 中國各政府機構大數據應用
圖表169 2016-2019年公安大數據建設項目數量與金額
圖表170 2016-2019年公安大數據建設投資結構
圖表171 政府大數據應用痛點及機會點
圖表172 大數據軟件行業上市公司名單
圖表173 2016-2020年大數據軟件行業上市公司資產規模及結構
圖表174 大數據軟件行業上市公司上市板分布情況
圖表175 大數據軟件行業上市公司地域分布情況
圖表176 2016-2020年大數據軟件行業上市公司營業收入及增長率
圖表177 2016-2020年大數據軟件行業上市公司凈利潤及增長率
圖表178 2016-2020年大數據軟件行業上市公司毛利率與凈利率
圖表179 2016-2020年大數據軟件行業上市公司營運能力指標
圖表180 2020-2021年大數據軟件行業上市公司營運能力指標
圖表181 2016-2020年大數據軟件行業上市公司成長能力指標
圖表182 2020-2021年大數據軟件行業上市公司成長能力指標
圖表183 2016-2020年大數據軟件行業上市公司銷售商品收到的現金占比
圖表184 大數據軟件主要類別
圖表185 大數據硬件產業鏈
圖表186 典型大數據服務應用比較
圖表187 企業大數據的構成
圖表188 大數據在企業級的應用方面
圖表189 八大國家大數據綜合試驗區分布
圖表190 2019年中國大數據企業業務區域布局
圖表191 2019年中國大數據人才儲備要素評價
圖表192 2019年全國31個省份大數據發展指數評價結果
圖表193 2019年各地區大數據政用、民用和商用指數得分情況
圖表194 2016-2019年各省大數據發展總指數排名
圖表195 2016-2019年各省大數據發展總指數排名變化情況
圖表196 2019年四大區域大數據發展指數得分
圖表197 2016-2019年四大區域大數據發展指數均值變化情況
圖表198 2019年各省大數據發展類型
圖表199 2016-2019年大數據發展類型分布情況
圖表200 2019年各省大數據政用指數得分與均值比較
圖表201 2016-2019年各省政用指數得分排名變化情況
圖表202 2019年各省大數據政用指數得分情況
圖表203 2019年各省大數據商用指數得分與均值比較
圖表204 2016-2019年各省商用指數得分排名變化
圖表205 2019年各地區大數據商用指數得分情況
圖表206 2019年各省大數據民用指數得分與均值比較
圖表207 2016-2019年各地區大數據民用指數得分排名變化
圖表208 2019年各省大數據民用指數得分情況
圖表209 2020年中國大數據產業園及數字園區布局情況
圖表210 國家級新區布局大數據產業
圖表211 珠三角9城GDP
圖表212 貴州省大數據企業TOP50名單(排名不分先后)
圖表213 中投顧問投資價值綜合評估:大數據
圖表214 中投顧問大數據產業市場機會整體評估表
圖表215 中投顧問大數據產業市場機會矩陣
圖表216 中投顧問投資發展動力評估:大數據
圖表217 中投產業投資進入時機:大數據產業
圖表218 中投產業生命周期:大數據產業
圖表219 大數據產業投資象項
圖表220 中投顧問進入壁壘評估:大數據
圖表221 中投顧問投資機會箱:大數據產業
圖表222 2020年A股及新三板上市公司大數據行業投資規模
圖表223 2020年A股及新三板上市公司大數據行業投資項目區域分布(按項目數量分)
圖表224 2020年A股及新三板上市公司大數據行業投資項目區域分布(按投資金額分)
圖表225 2020年A股及新三板上市公司大數據行業投資模式
圖表226 2021年A股及新三板上市公司在大數據行業投資項目列表
圖表227 大數據數據源、數據基礎及數據流通領域投資熱點
圖表228 大數據軟硬件產品領域投資熱點
圖表229 大數據應用端領域投資熱點
圖表230 引力傳媒大數據管理平臺整體架構圖
圖表231 數字經濟下大數據市場未來投資熱點
圖表232 中投顧問對2022-2026年中國大數據產業市場規模預測
圖表233 中投顧問對2022-2026年中國數字經濟規模預測
圖表234 大數據政策比較框架
圖表235 各國大數據戰略規劃比較
圖表236 各國技術能力儲備政策比較
圖表237 國外政府數據開放與共享主要政策
圖表238 國外政府數據開放與共享主要政策(續)
圖表239 2012-2019年大數據產業政策關鍵詞
圖表240 2015-2019年大數據產業發展關鍵節點
圖表241 地方管理機制分析
圖表242 工業大數據重點建設任務

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)。

根據IDC發布的《2021年V1全球大數據支出指南》(Worldwide Big Data and Analytics Spending Guide,2021V1),2020年全球大數據支出規模為2008億美元。根據IDC預計,全球大數據市場支出規模將在2024年達到約2,983.0億美元,五年預測期內(2020-2024)實現約10.4%的復合增長率(CAGR)。其中,大數據服務支出將在全球層面保持其主導地位,占市場總量一半以上。隨著人工智能、物聯網云計算等技術的推動,以及新型基礎設施建設和數據要素市場化的加速推進,2020年,我國大數據產業規模達718.7億元,同比增長16.0%,增幅領跑全球大數據市場。賽迪智庫信息化與軟件產業研究所發布的《中國大數據區域發展水平評估白皮書(2021年)》顯示:東部地區領跑全國,發展重點各有側重。廣東省以53.65的發展環境指數領跑全國。廣東、江蘇、北京、浙江等東部各省(直轄市)占據了排行榜Top10中的前7席位,發展環境整體優越。川黔豫三省入圍TOP10,江西、湖北緊隨其后,政策洼地效應突出。另外,根據不完全統計,目前,天津、安徽、山東、海南、貴州等9個省市出臺了與“數據發展”相關的條例(包括大數據條例、數據條例)。

2020年12月28日,國家發展改革委發布了《關于加快構建全國一體化大數據中心協同創新體系的指導意見》。《指導意見》的發布,意味著國家將在頂層設計上規范大數據產業發展,用“全國一盤棋”體系破除“數據孤島”,從而促進大數據在行業、公司的應用場景落地和創新。隨著政策的逐步規范,大數據產業將迎來新的發展機遇。2021年3月16日,工信部發布《2021年工業和信息化標準工作要點》,指出要推進新技術新產業新基建標準制定,其中,明確要大力開展大數據的標準研究和制定。2021年6月10日,第十三屆全國人民代表大會常務委員會第二十九次會議表決通過了《中華人民共和國數據安全法》,將于2021年9月1日正式生效,這標志我國在數據安全領域有法可依,為各行業數據安全提供監管依據。《數據安全法》明確數據安全主管機構的監管職責,建立健全數據安全協同治理體系,提高數據安全保障能力,促進數據出境安全和自由流動,促進數據開發利用,保護個人、組織的合法權益,維護國家主權、安全和發展利益,讓數據安全有法可依、有章可循,為數字化經濟的安全健康發展提供了有力支撐。2021年10月,中共中央、國務院印發《國家標準化發展綱要》,為未來15年我國標準化發展圈定了目標和任務。《綱要》提出,在大數據等應用前景廣闊的技術領域,同步部署技術研發、標準研制與產業推廣,加快新技術產業化步伐。2021年10月,《中共中央 國務院關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》發布,文件指出,要推動互聯網、大數據、人工智能、第五代移動通信(5G)等新興技術與綠色低碳產業深度融合。作為綠色低碳產業的引力,大數據應用發展將進一步加快。

中投產業研究院發布的《2022-2026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
QQ咨詢 QQ咨詢 在線客服
在線咨詢: 點擊這里給我發消息