2016年大数据市场研究报告大学论文.doc

《2016年大数据市场研究报告大学论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、目录0前言11大数据市场相关概念及研究范畴41.1相关概念41.2研究范畴52中国大数据整体市场62.1发展背景62.2总体规模82.3市场演进方向82.4融资情况102.5商业模式113中国大数据市场应用分析153.1行业应用153.2企业应用需求263.3结构化与非结构化大数据应用323.4大数据交易344大数据厂商发展分析384.1竞争格局分析384.2典型厂商分析415大数据产业发展趋势52595.1大数据产业的发展方向525.2大数据行业投资分析530前言l国家大数据发展相关政策密集出台《促进大数据发展行动纲要》中指出，我国现代信息化进程中产生的和可被利用的海量数据集合，是

2、当代信息社会的数据资源总和，是信息时代的全数据，既包括互联网数据，也包括政府数据和行业数据。经过多年发展，传统信息化对经济社会发展的支撑和引领作为无法充分发挥，迫切需要打破部门割据和行业壁垒，促进互联互通、数据开放、信息共享和业务协同，切实以数据流引领技术流、物质流、资金流、人才流，强化统筹衔接和条块结合，实现跨部门、跨区域、跨层级、跨系统的数据交换与共享，构建全流程、全覆盖、全模式、全响应的信息化管理与服务体系。此外，2016年国家发改委还密集出台了《关于组织实施促进大数据发展重大工程的通知》、《促进大数据发展三年工作方案（2016-2018）》等配套政策，以保证国务院政策的真正落

3、实。2015年中国大数据市场规模达到105.5亿元2015年中国大数据市场规模达到105.5亿元，同比增长39.4%，预计未来3-4年，市场规模增长率将保持在30%以上。金融、通信、零售为大数据市场前三大行业201559年中国大数据市场行业投资结构中，金融、通信、零售为前三大行业，投资占比分别为16.7%、15.9%和14.0%。政府、医疗、旅游投资比例分别为13.5%、10.3%和3.8%。六大行业累计占比74.2%。其他行业包括教育、制造、能源、媒体、互联网等，累计占比25.8%。人工智能伴随大数据应用的普及开始发挥出潜能在分析层面，厂商越来越关注利用人工智能（AI）来帮助分析大

4、规模的数据，从而获得预测性的洞察。虽然深度学习背后的算法几十年前就已诞生，但直到最近才能够在足够便宜、足够快速地应用到大规模数据之后发挥它的最大潜能。可以预见，数据科学家的部分工作将会越来越自动化，从而可以极大提高生产力。多类诉求促进大数据营销的发展企业精准营销的核心目标是通过大数据的商品化服务，从数据技术角度解决市场营销问题，优化业务的运营效果。其需求背景可能来自多个方面的诉求，包括：消费决策周期长，考虑因素多样；资源被充分竞争，导致媒体价格不断升高；需要提高用户的转化与变现效果；线下业态受线上业态冲击明显；用户易流失，亟待唤回流失用户；更加重视搜索引擎营销效果等。移动Web与Ap

5、p监测开始广泛创造价值在App方面，2015年从中国移动互联网用户APP分类月均活跃用户规模TOP20的统计中可以看出，即时通讯、社交网络、游戏三类应用拥有最多的活跃用户。目前中国移动互联网用户主要需求还是在于社交和娱乐。除此之外，搜索、输入法、地图等工具类应用也是用户使用率较高的应用类型，而人们在移动端购物需求的逐步释放，使得电商、移动支付类应用的活跃用户也得到了较快的增长。大数据交易产业带动了对大数据人才的需求59随着大数据交易业务的兴起，交易机构对大数据人才的需求即将爆发。大数据交易产业主要人才需求主要集中在数据采集与处理、底层技术架构、数据分析、解决方案、垂直行业等主要几个方

6、向；数据采集与处理主要涉及到的具体岗位是爬虫工程师、自然语言处理、语音识别、图像处理等。大数据方案将向更多垂直化领域的拓展随着国内不同行业对大数据应用意识的不断提高，以垂直行业和垂直应用领域为代表的大数据创新方案将获得不断拓展。在行业方面，包括金融、电信、零售、汽车等领域将是拓展的重点方向，提供商会将产品打包以解决方案模式提供给垂直行业。而在垂直应用领域方面，人脸识别、声音识别、多重身份匹配等将是拓展的主要方向。同时，垂直化厂商的融资门槛将会进一步提高，除了行业的深耕经验及技术积累，线上与线下数据源整合能力的重要性将会比2015-2016年更加重要。591大数据市场相关概念及研究范畴

7、1.1相关概念（1）大数据：大数据是一个伴随社会信息化而诞生，以海量数据（主要特征包括数量大、种类多、处理速度要求快、以前没有或无法获取且现在正不断生成）积累为基础，囊括无数条“数据产生-数据处理-信息提取-数据消费-新数据生产”的环状链，以降低信息不对称、提高决策有效性、推进智慧和知识演进为目标，可广泛作用于几乎所有实体的跨界生态系统和发展趋势。（2）企业大数据分类：结构化数据、半结构化数据、非结构化数据。（3）结构化数据：能够用数据或同一的结构加以表示