前言

近年来，随着人们的数据意识和数据素养不断提升，商业智能和数据分析领域迎来了快速发展期，据Gartner商业智能报告统计，到2020年全球的商业智能市场容量预计将达到228亿美元。同时，大数据、人工智能、机器学习、深度学习等技术的快速发展，也促进了商业智能和数据分析产品的新一轮进化。Gartner分析师认为，到2020年，自然语言生成和人工智能将是90%的新BI平台的标准特征，50%的分析查询将使用搜索、自然语言处理，或语音生成，或将自动生成。但我们必须认识到，我国商业智能的市场特征、企业需求、关注点、发展阶段均与国外有所不同，以Gartner为代表的分析机构并不能准确描述我国商业智能行业的实际状况。针对这一问题，帆软数据应用研究院调研了规模不一的216家企事业单位，了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待，同时基于帆软数据应用研究院对行业的长期观察和思考，形成了该篇报告。

主要预测：

2018年，中国大数据 BI 产品将主要在自助分析的可操作性和功能丰富度、平台的安全性、数据管理能力、分析的共享能力、数据挖掘能力、大数据处理能力六大功能模块进行提升。

一、2018年中国商业智能行业发展分析

(一) 行业总体形势向好

在当前经济环境下，企业盈利的压力和难度不断增加，越来越多的企业，尤其是一、二线稍具业务规模的企业，其高层都希望通过精细化运营提升市场竞争力，降低企业的运营成本。这些企业绝大多数都已经在2008年~2015年间上线了各种业务系统，存储了大量管理和运营数据，具备应用大数据BI进行数据分析和数据化管理的各种条件，这些需求将在2018年~2022年继续爆发。值得注意的是，艾瑞咨询在《2017年中国商业智能行业研究报告》中指出，我国已经进入商业智能领域第一方阵，成为发展最快的国家之一，但和美国还有比较大的差距。所以未来中国大数据BI行业总体将呈现加速度增长，市场容量将不断扩大。

(二) 大数据BI厂商马太效应显现

马太效应是指强者越强，弱者越弱的现象，国内BI行业的马太效应已经显现。据帆软品牌部调研数据显示，处于行业第一梯队的帆软、Tableau、微软PowerBI的品牌知名度和市场份额与其他厂商进一步拉大。帆软2017年全年营收2.77亿，远超其他国内厂商之和。同时帆软销售部反映，2017年度销售跟单中遇到的竞品种类和数量均较2016年有相当大幅度的下降。BI行业出现马太效应实属必然，综合实力强大的厂商更能投入资源做好产品、服务，解决更多用户的需求和问题。可以预见，2018年中国BI行业马太效应将进一步增强，逐步淘汰掉实力弱、规模小、产品差的企业。

(三) 新型自助式BI与传统型BI平分秋色

得益于敏捷、自助的特征，从2013年起新型自助式BI迎来了高速发展期，这一时期也是传统型BI的衰退期。

2017年，传统型BI与新型自助式BI在国内市场中平分秋色。受访企业中，约50.2%的企业仍然在使用传统型BI，其中最典型的需求是企业常规日报、月报等汇总分析报告。约49.8%的企业应用新型自助式BI，通过报表平台+自助式BI+大数据底层平台的解决方案，来解决企业综合的数据展示和分析需求，形成经营和战略决策。在调研中我们注意到，约有18%的企业引进了新型自助式BI，部分或全部替代了传统BI。虽然传统型BI尤其自身优势和应用场景，但随着新型自助式BI的不断发展，传统型BI必将逐渐退出历史舞台，从国际传统BI巨头积极调整产品结构可见一斑。

二、2017年中国商业智能用户状况分析

根据企业的IT人员和业务人员在数据分析中的工作量和投入程度占比，我们将BI用户（企业）划分为5大类型，即BI应用金字塔模型，以更好的统计、分析企业的BI应用状况。

(一) BI应用金字塔模型

1. IT完全主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成95%以上的BI分析页面（注：主要是指用于生产、经营、管理会议所需要的数据分析页面，下同）的开发。业务人员仅负责前端数据查看，完成查看报表时相关联动钻取操作。

调研中我们发现，处于“IT完全主导型”这一等级的企业，约有93.2%都在使用传统型BI工具，企业的业务人员基本没有能力，也没有需求去自主完成数据分析的工作。这些企业的业务变革并不剧烈，企业管理层认为当前的日常数据报告能够满足企业管理和决策的需要，相对缺少变革的动力。

2. IT强主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成80%~95%数量的BI分析页面。业务人员完成低于20%数量的BI分析页面。

从调研数据来看，这类企业中，67.5%的企业认为当前业务人员不具备数据分析的能力。而企业需要快速完成部分数据分析工作，所以选择让IT人员更多承担工作。这类企业中普遍认为，商业智能产品本身并非能够快速上手，且业务人员仍需要统计学基础，阻碍数据分析工作从IT人员向业务人员的转移。

3. 业务强主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成前期示例不超过20%数量的BI分析页面。业务人员完成超过80%数量的BI分析页面。

从调研数据来看，这类企业中，超过80.2%是曾经推行传统BI的企业，并且部分业务人员是有较高学历和能力的，能够学习和掌握商业智能工具和数据分析技能，并愿意在工作中积极使用；从帆软数据应用研究院的实地走访的部分企业来看，这些企业普遍行业排名靠前，公司从高层就重视数据分析工作。

4. 业务完全主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的部分相关工作。业务人员完成95%以上数量的BI分析页面和相当部分BI工具层面的数据模型处理。

相比于第三类使用人群（业务强主导型），这类用户的一大特点是业务变革十分迅速，从事业务工作的人员学历普遍较高，业务经营和发展需要企业快速做出决策。而基于数据分析得出的业务判断相比个人历史经验准确度更高，是这类企业基本共识。比如在新兴的互联网企业，或者新零售领域，这个特点尤为突出。

5. 智能自助型

其典型特征为，IT人员只做底层数据仓库、数据连接、数据字典相关工作。业务人员处理所有BI工具层面的数据处理，以及所有BI分析页面。

IT人员搭建数据中心，业务人员完全自主处理和分析数据，这类企业有着明显的资源密集型的特点，业务人员更多的是偏向运营相关的工作。当然，因为此类受访企业占比较少，原因分析的可信度还有待进一步调研来核实。

(二) BI用户状况分布

基于BI应用金字塔模型，2017年企业分布如下；

从调研数据中，我们可以得出两大结论。

1、IT人员主导企业数据分析的模式仍占据主流，也就是IT驱动仍是2017年企业商业智能平台应用现状。从数据调研的受访企业来看，有高达60.5%的企业的数据分析工作仍是第二类型（IT强主导型），甚至有21.5%的企业的数据分析工作处在第一类型（IT完全主导型），这显然和业务人员自助数据分析的目标距离遥远。

2、新型自助BI正在成为商业智能市场的主流。17.5%的企业是在2017年上线了新型自助BI，实现了让少部分业务人员自助完成BI数据分析的目标。

三、2018年商业智能用户需求分析

(一) 企业多级部门数据分层次IT权限和平台管控，占受访企业97.6%

需求描述：BI工具支持企业的多级部门的数据/分析页面权限管控，使得不同层级的部门机构只能看到本部门机构和辖属部门机构的数据/分析页面。

需求产生的原因：有的信息中心为释放压力，放权给业务部门使用数据，一旦口子打开，数据缺口就会像洪水一样泛滥，就又会走向另外一个极端，导致放权下的数据管理混乱，数据口径不统一，部门之间的数据壁垒等等问题就会出现，同时这将给企业带来极大的数据安全隐患。

满足该需求对企业的价值和意义：在满足业务部门BI数据自助分析的同时，兼顾企业的数据权限管控，形成企业以IT部门集中管理下的良性数据分析风貌，杜绝企业数据安全隐患。

(二) 业务人员可通过BI工具进行自助数据分析，占受访企业94.5%。

需求描述：业务人员可以在浏览器前端，对自己权限范围内的数据进行多维拖拽探索和自助分析，发掘隐含在数据中的业务价值。

需求产生的原因：企业的传统信息化建设中，IT信息中心对公司数据进行高度集中的管控，来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出，一旦业务部门需求集中扎堆，就会造成响应不足，业务部门怨声载道。信息中心自身成员熬夜加班做报表，成就感却很低。

满足该需求对企业的价值和意义：通过高效灵活的BI工具，业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析，以工具简单易上手的低学习成本，让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索，最大化业务数据的分析维度和分析效率，灵活发掘数据中可能潜在的业务价值，同时也解放了IT人员的劳动力，降低企业人力成本。

(三) 可快速搭建型自助BI业务数据模型，占受访企业87.5%。

需求描述：数据库表中的数据需要基于业务分析主题进行分类管理，相关数据表之间支持手动/自动构建关联模型，同时建立的关联模型支持灵活应用，无需反复编辑修改或创建新的模型，一次建立即可灵活满足多重业务场景进行数据分析使用。

需求产生的原因：传统BI工具创建的底层数据关联相互独立，无法重复利用，一旦遇到新的业务数据计算分析场景，数据关联就需要修改或重新创建，极为麻烦，非常不利于IT人员维护。

满足该需求对企业的价值和意义：通过BI工具快速构建的新型自助式BI业务数据模型，较传统BI工具针对不同业务分析场景需要多次、重复建模的应用痛点，极大地提高了BI工具的企业中业务数据分析应用的效率，解放了以往IT人员对数据维护的压力。

(四) OLAP多维分析：上卷、下钻、旋转、切片、联动、跳转等，占受访企业84.5%

需求描述：BI工具支持强大的页面OLAP多维分析功能，包括分析视角的上卷、下钻，维度的旋转切换，指标的切换，分析数据的切片过滤，组件之间的联动过滤、页面超级链接跳转等。

需求产生的原因：随着业务发展的复杂化，单一角度的数据分析往往难以再发掘出更多有价值的潜在业务信息，取而代之的是需要BI工具能够满足强大的页面OLAP多维分析功能。

满足该需求对企业的价值和意义：通过BI工具强大的OLAP多维分析功能，以实现多角度、多关联数据之间的数据无限层次探索分析，发掘出数据中潜在的业务价值。

(五) 大数据处理性能处理能力达到十亿数据秒级响应，占受访企业63.6%

需求描述：BI工具可支撑处理亿级以上大数据分析计算的秒级响应，提供多维加速引擎对传统关系型数据仓库（SQLServer、Oracle、Mysql等）进行数据提速处理，同时也支持实时对接企业大数据平台（Vertical、Kylin、Greenplum等）进行数据分析计算。

需求产生的原因：一方面，传统关系型数据库在面对上亿级别以上数据量时，容易出现性能瓶颈，长时间的查询等待往往会导致业务数据分析效率太低。另一方面，当今信息化水平飞速发展，越来越多的企业已经有了自己的高性能大数据平台，对于这部分企业来说，拥有一款能够直接对接大数据平台进行数据分析的工具尤为总要。

满足该需求对企业的价值和意义：BI工具提供的强大数据计算处理引擎，能够降低企业数据查询等待时间成本，提高业务数据分析效率。同时，通过直接对接企业大数据平台，还可满足企业实时数据分析的需求。

(六) 业务人员可完成工具层面的零代码数据加工处理工作，占受访企业57.5%。

需求描述：BI工具可通过快速易上手的交互方式，让业务人员也能完成工具层面的零代码数据加工处理工作，例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法，实现对数据的无限层次多维透视分析统计。

需求产生的原因：当业务需求相对偏复杂时，简单的维度和指标统计往往无法直接计算出业务所需要的计算结果，以往的处理方式往往可能是业务部门提需求给IT，然后IT经过SQL或者代码对底层数据表加工处理，然后最终导出一张excel数据表给业务部门，期间的反复沟通和等待时间往往降低了企业的业务数据分析应用效率。

满足该需求对企业的价值和意义：通过BI工具，使得业务人员也能快速实现对数据的无限层次多维透视分和析加工统计，降低了传统模式下的沟通成本和等待时间，提高了企业业务数据分析的应用效率。

(七) 移动端数据分析查看支持，占受访企业44.9%

需求描述：BI工具支持移动端数据分析多维分析查看功能（兼容PC端的上卷、下钻、旋转、切片、联动、跳转等），对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等...

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据5V特性：

——Volume（大量）

——Velocity（高速）

——Variety（多样）

——Value（低价值密度）

——Veracity（真实性）

大数据的就业前景？

近年来大数据迅速发展，成为工业界，学术界，甚至世界各地政府，高度关注的热点。大数据领域正面临全球性的“人才荒”。而在国内，根据数联寻英发布《大数据人才报告》,目前全国的大数据人才仅46万,3-5年内大数据人才的缺口将高达150万。

对数据的占有和控制，将成为国家间和企业间新的争夺焦点。大数据正在成为继云计算之后的新的热词，大数据时代已然来临，大数据背后，隐匿着巨大的商机。包括IBM，微软，谷歌，亚马逊等一大批知名企业纷纷掘金这一市场。

中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。

职位技能需求

1.学历需求现状：大专最多，本科次之

2.工作经验需求现状：半数企业经验不限

从工作经验来看，69.1%的企业对求职者的要求是经验不限，这很大一部分说明的人才的稀缺，这对于应届大学生而言，无疑是一大机遇，因为企业对于工作经验要求的低，而应届大学生只需要通过培训就能掌握该岗位应有的技能，就能轻松上岗拿高薪，这也充分说明当下学习大数据绝对是千载难逢的黄金时间点。

不管你是谁，学历如何，只要技术好，你就是老大！！！

大数据就业薪资

1. Hadoop大数据开发方向

据了解Hadoop开发工程师入门薪资已经达到了 8K 以上，工作1年可达到 1.2W 以上，具有2-3年工作经验的hadoop开发工程师年薪可以达到 30万—50万，一般需要大数据开发的公司基本上都是大公司，Hadoop开发工程师是目前BAT企业、大数据公司最急需的人才，所以学习大数据专业也是进大公司的捷径！

2. 数据挖掘、数据分析&机器学习方向

机器学习职位薪水范围：12k--30K，最大值30k+若干股票，最小值12k+若干期权，上四分位25k，中位数18k，下四分位13k；数据挖掘薪水范围：12k--30K，最大值30k+若干股票，最小值12k，上四分位23k，中位数18k，下四分位14k。

★北京大数据开发平均工资： 30230/月。

1、基础人才-数据分析师

北京数据分析平均工资： 10630/月，取自 15526 份样本，较 2016 年，增长 9.4%。

2、大数据开发工程师

北京大数据开发平均工资： 30230/月。

3、Hadoop开发工程师

北京hadoop平均工资： 20130/月，取自 1734 份样本。

4、数据挖掘工程师

北京数据挖掘平均工资： 21740/月，取自 3449 份样本，较 2016 年，增长 20.3%；

5、算法工程师

北京算法工程师平均工资： 22640/月，取自 10176 份样本。

近年来，随着互联网和智能硬件的快速普及，数据以爆炸方式增长，数据量已经从TB级别跃升到PB乃至ZB级别。全球数据总量增长率将维持在50%左右；到2020年，全球的数据总量将达到40ZB。 参考中国报告网发布《2018年中国大数据市场分析报告-行业深度分析与投资前景研究》 随着一系列政策的出台，大数据国家战略正在加速落地，大数据产业发展机遇空前。2016年，继国家发改委印发了《关于组织实施促进大数据发展重大工程的通知》后，环保部、国务院办公厅、国土资源部、国家林业局、煤工委、交通运输部、农业部均推出大数据发展意见和方案，大数据政策从全面、总体规划逐渐朝各大产业、各细分领域延伸，大数据产业发展也在逐步从理论研究走向实际应用之路。 2017年，全球大数据产业市场规模达到2100亿美元，我国的大数据产业市场规模为3500亿元，随着互联网+以及人工智能的快速发展，我国的大数据产业将迎来快速发展，预计到2020年将超过一万亿元。

2014-2020年我国大数据产业市场规模预测及增速

数据来源：观研天下数据中心整理

全球大数据市场结构从垄断竞争向完全竞争格局演化。2017年，企业数量迅速增多，产品和服务的差异度增大，技术门槛逐步降低，市场竞争越发激烈。全球大数据市场中，行业解决方案、计算分析服务、存储服务、数据库服务和大数据应用为市场份额排名最靠前的细分市场，分别占据35.4%、17.3%、14.7%、12.5%和7.9%的市场份额。云服务的市场份额为6.3%，基础软件占据3.8%的市场份额，网络服务仅占据了2%的市场份额。

我国大数据产业各细分市场分布

数据来源：观研天下数据中心整理

我国大数据产业细分市场规模占比

数据来源：观研天下数据中心整理

随着数据的大量积累以及分析手段的提升，金融、医疗、制造业、物流、交通等领域也将开始借助大数据的力量实现转型升级。此外，汽车、教育、游戏、旅游等行业也将会在大数据的促进下，产生出新的商业模式，并因此保持发展活力。 数据产业的发展离不开宽带、数据中心、新一代信息网络等网络基础设施的发展。随着大数据产业的日趋成熟，上述领域的建设速度也将因此提速，这将大大刺激IT硬件产业的发展，并会对“互联网+”、“中国制造2025”等国家战略起到促进作用。未来几年，我国的大数据行业将在一下几个领域快速发展。 1.大数据应用逐渐加深，“大数据+”成为发展重点 随着我国信息化发展水平的日益提高，对数据资源的采集、挖掘和应用水平也不断深化。根据工信部发布的《大数据产业发展规划（2016-2020年）》，我国政务信息化水平不断提升，全国面向公众的政府网站达8.4万个。智慧城市建设全面展开，“十二五”期间近300个城市进行了智慧城市试点。 2.大数据在移动互联网营销中的运用逐渐成熟，移动营销行业前景可观 广告主对营销有着天然的精准性要求，而大数据产业的发展和数据的不断积累使数据驱动下的互联网营销成为可能。全球互联网广告市场规模将在2018年超过全球电视广告规模，成长前景广阔。 移动广告市场保持高速增长，预计复合增速30%。市场层面来看，目前我国国内移动广告规模仍在高速增长阶段，预计2019年移动广告市场规模为4900亿元，17-19年复合增长率接近30%。

2013-2019年我国移动广告市场规模及预测

数据来源：观研天下数据中心整理

在对月度独立设备覆盖数的统计中，由于更多的头部应用使用了个推推送SDK，在推送类SDK（专业服务商）覆盖设备数的统计中也排名第一。

推送类SDK(专业服务商)覆盖设备数（非去重）

数据来源：观研天下数据中心整理

首先问大家一个问题，什么是企业最重要的资产?我想大部分人可能会说是企业的固定资产或劳动力或人员流动之类等等。但是，超过上述所有情况，任何企业或组织最重要的资产都是它的信息，每个企业的未来取决于他们现有的数据和管理的好坏，由此可见数据的重要性，本文就重点讲述数据对于各行各业大小企业的应用。

我们生活在一个数字化的世界里，一切都可以在互联网上找到，根据商业(特别是电子商务和社交媒体)的变化趋势。互联网的使用已经成为每个人日常生活的必需品。现在所有的交易都通过互联网进行。公司最大的挑战是记录客户的每笔交易。难点在于，企业必须记录每天生成的大量数据，而如何合理管理数据是企业最头疼的。而且数据包括各种类型，如非结构化、半结构化和结构化数据更是让各行业数据维护举步维艰。

大数据是什么?

每个企业每天都会生成数据，数据量根据企业业务的复杂度而变化。如果业务量大，我们可以很容易地使用常用的软件工具来管理，但是如果业务体系庞大，那么就将这些数据合理归档整合。这就是我们称之为“大数据”的原因。大数据能让用户处理大量的原始数据，并根据业务需要进行合理分析报表，以备将来参考和预测。大数据有助于管理数据，并为将来的有用目的存储全部数据。数据首先在不同类型中生成，包括非结构化数据、半结构化数据和结构化数据。大数据获取任何原始数据并将其处理成结构化数据。公司利用他们的过去和现在的数据来预测未来。大数据帮助企业获得利润，并在全球范围内扩大业务活动，并提供大数据。它不仅预测了未来的收益，还有助于预测未来的问题和趋势。它有助于企业做出重大决定。

政府行业

政府通常将历来数据进行汇总和分析规划未来发展趋势以及做好预防工作。大数据帮助政府机构为他国家制定计划。如政府利用人口普查来扩大或向全国的每个人提供福利，利用食品溯源管理追踪食品安全等等。

教育产业

教育部门需要不断的改进，为学生提供良好的教育。大数据帮助教育机构利用这些数据来跟踪学生表现的变化，他们使用数据来实现变化。它还有助于设计教育形式，帮助学生更好地让世界变得更好。

医疗保健行业

卫生部门使用其病人记录、治疗计划和过去用于治疗不同疾病的药物，这将有助于该部门改善治疗或向患者提供更好的医疗援助。它还可以提高行政管理、成本管理、人力资源/人员管理和供应管理的效率。

制造业

制造部门必须采购原材料，并维持必要的人员生产高质量的产品和服务。制造业的常规和持续的任务产生大量的数据。大数据可以帮助制造商减少成本和浪费，并帮助他们在更短的时间内制造出高质量的产品。大数据让制造商能够预测未来的需求，基于此，他们能够及时生产和供货，最终带来更高的利润。

零售行业

零售业是与顾客有最终联系的行业。它必须记录客户的数据——包括顾客的品味、偏好和生物数据——以便与他们保持紧密联系。客户关系是在业务开发中发挥关键作用的重要途径之一。大数据提供了解决复杂问题的准确信息，这些问题与零售业有关。我们可以清楚地知道该做什么，什么时候使用大数据。

结论

我们生活在信息时代。信息是任何进一步行动的一个关键方面。定期记录大量的数据需要一个更好更有效的软件工具。大数据是存储高数据量的最终来源，并以一种可以理解的方式处理它，我们可以预测行业未来的动态发展。

更多精彩内容，关注小伍

大数据的概念问世这么多年来，大数据从技术，政策和资本等多个角度已经切入到社会方方面面，未来数据也会成为的经济驱动因素中越来越重要的一部分。对未来而言，大数据的发展将影响到产业、企业和个人。需要学习大数据可以加我QQ群，零基础到项目实战

就产业而言，大数据的未来变化更多的是在各个产业内部。首先大数据产业的边界会消融，大数据也渗透到其他产业中去。这个不难理解，任何一个产业在运行了这么多年的过程中，总是积累了大量的数据。很多情况下，数据过去都在沉睡，只是记录下来了，并没有产生更多价值。然而随着大数据技术的发展，沉淀数据的产业将有机会盘活以往的数据资产，最简单的是引入数据源环节，将自身积累的数据资产对外出售或交换。同时，也可以进入分析实施环节，通过对以往业务流程的改造，把过去的方法总结和创新出定量的模式，从而输出定制化方案或者标准化产品。此外还可能够在数据应用环节发挥作用，利用已有的数据收集，创新发展出新的商业模式，去产生新的价值。

于此同时，大数据产业尽管存在边界消融的情况，然而还是会有现今而言相对未来更传统的大数据产业存在独立，因为伴随着社会、经济的发展，需要有大数据技术的演进来应对未来需求。因此，未来传统意义上的大数据产业将会肩负起开发更先进的软件和硬件的责任。

对企业而言，大数据对影响将会存在于三个层面。第一个层面是在技术上，企业可以引进和开发数据工具，起到提升经营效率的方式，从而优化企业的经营和管理，例如可以购买BI工具，实现管理可视化，从而协助决策。第二个层面是在方法上，这里更需要企业构建大数据实施的能力，并且将构建的能力落实在运营、营销以及战略中去。依靠数据化经营对企业的改良，也会让企业在一定程度上改造自己所在的产业。例如沃尔玛率先在零售行业中使用条形码，使得整个行业依靠条形码能够实时掌握进销存的情况。

对个人而言，大数据的影响则和生活交织得更深。伴随着技术的发展，每个人都会成为数据源，个人的数据会随着自己的行为在不经意间收集，不论是聊天还是搜索，不论是购物还是交通都不可避免地产生大量可以被记录的数据。这里其实是一把双刃剑，一方面让我们生活更加便利，能够享受更好的服务，也能更快地得到想要的产品。然而另外一方面，每个人会有跟多隐私被记录，一旦暴露带来的负面影响也会更大。因此隐私保护和数据安全也是整个大数据产业甚至政策法律中非常重要的一部分。

除此之外，大数据的福泽也会从另外一个方向降临到每个人头上。伴随着技术的发展，大数据不再是深奥和复杂的方法，而会成为简单易学的技能，每个人都能够进行数据分析工作，未来会有大量的傻瓜式数据分析产品产生，不需要写代码，也不需要设公式，只需要简单的拖拽就能够分析数据。这种情况下，每个人都需要学习数据分析的逻辑和通用的方法，每个人也会做自己的数据分析师。

大数据的产业，就像朝阳一样冉冉升起，未来还会有更多的光芒和价值，也会有更多的空间和遐想。对产业可以是依靠数据提升效率，也可以是商业模式颠覆现状，甚至可以是通过数据的为纽带的方式，造就未来产业内部甚至产业之间协同的景象。对企业能够提升经营效率，改良管理水平，创新商业模式。对个人而言，人人都用大数据，人人都是分析师。欢迎加入722680258每天分享学习视频资料

随着大数据技术的飞速发展，大数据已经融入到各行各业。2017年中国的大数据行业发展趋势是什么？大数据行业整体市场规模如何?大数据行业前景如何?请看大讲台老师的分析。

（一）大数据行业整体市场规模及预测

整体来看，2017 年中国大数据行业的发展依然呈稳步上升趋势，市场规模达到了 234 亿元，和去年相比增速超过 39%。随着政策的支持和资本的加入，未来几年中国大数据规模还将继续增长，但增速可能会趋于平稳。

（二）大数据在各行业应用状况

（1）企业哪些方面需要大数据?

根据大数据分析结果，将近一半的企业将大数据运用在企业工商信息管理方面，此外，在社会保障、劳动就业、市政管理、教育科研方面分别占据33.9%，32.7%，29.4%，29%。整体来看，大数据的应用范围广泛。

（2）多少企业应用到了大数据?

大数据分析对企业的发展越来越重要，35.1%以上的企业已经开始在企业内部应用到了大数据;34.2%的企业正在考虑应用大数据，22.9%的企业在未来1年有应用大数据的计划，仅仅有7.8%的企业暂不考虑应用大数据。

（3）这些企业如何使用大数据?

根据数据显示，38.8%的企业使用实时动态处理大数据并提供分析结果;37.5% 的企业分析历史数据;通过机器学习，辅助企业管理者更好地决策的企业占比为22.5% 。

（三）各行业大数据的发展水平如何?

我国行业大数据总体发展水平较好，在各行业都有应用。其中，金融大数据、政务大数据的应用水平高，同时交通、电信、商贸、医疗、教育、旅游等行业大数据的发展水平也有显着提升。

（四）大数据助力企业发展

（1）企业在哪些领域会应用大数据?

大数据应用广泛的top3领域是营销分析、客户分析和内部运营管理。其中，营销分析占比6成以上;50.2%的企业使用大数据进行客户分析;48.4% 的企业运用大数据进行内部运营管理。 大数据应用对企业的影响

（2）这么多企业应用大数据，大数据将会为这些企业带来什么收益呢?

55.8%的企业表示应用大数据后实现了更智能的决策;应用大数据提升了运营效率的企业占比为48.2%，这两个影响较为显着。应用大数据更好的管理风险，创造新的业务收入，增强生产能力的企业也占有一定比重。

从上述数据中，我们可以看出，大数据在各行各业的应用还将继续加强。

本文转自光环国际

十九大确立了“新时代中国特色社会主义” 思想理论和战略布局。习近平总书记针对“实施国家大数据战略” 主持中共中央政治局第二次集体学习，强调加快完善数字基础设施，推进数据资源整合和开放共享，保障数据安全，加快建设数字中国，更好服务我国经济社会发展和人民生活改善。

国家大数据产业市场在国家政策引导、大数据试验区、各地试点实践基础上，面临前所未有的市场机会和前景，以下从国家大数据发展模式、大数据市场方向和大数据技术方向展开论述，并结合实践给出市场布局建议。

一、国家大数据发展模式的变迁：从“行业垂直”发展走向“聚通融合”，从“封闭沉睡”走向“开放创新”，建设“国家一体化”大数据资源目录体系，形成政府与市场的共治模式

大数据的概念处于不断认知的过程之中。上世纪八十年代，世界未来学家托夫勒在《第三次浪潮》中从文明发展阶段角度提出“农业文明”、“工业文明”和“信息文明”的划分方式，目前世界毫无疑问处于信息文明的阶段，从计算机技术的兴起和互联网的诞生，到现在层出不穷的信息系统、互联网应用、移动应用、物联网以及云计算基础实施的变革，社会和经济发展所产生的数据从GB、TB、PB、EB、ZB逐渐呈爆炸式增长，在传统数据处理工具、处理模式、复杂性、数据价值认知等方面发生巨大的变化，由此产生了大数据的概念以及分布式计算和存储模式的进一步发展，大数据的发展和利用正在带动深刻的社会变革，从电子商务、移动支付到共享经济，从政务服务、不见面审批到国家治理，从信息安全、网络安全到国家安全，大数据技术上升为国家战略层面，大数据技术正在成为信息文明发展的基石，是未来人工智能发展的基础和起点。

大数据技术的使用最早集中在“垂直行业”内，比如互联网方面的电子商务、互联网搜索、互联网金融、互联网广告等，侧重行为分析、特征分析、以分词为核心的自然语言处理、风险监控、安全监控等；在政务和企业方面，集中在通信、医疗、金融、气象、海洋、交通、公安、水利、能源、环保等数据密集、数据量较大的行业，侧重使用大数据技术在存储和分析方面的性能提升，在行业内进行业务特征分析、画像分析和趋势分析，逐步提升行业应用大数据的水平，尤其是图像技术、语音技术、分词技术以及物联网的兴起建设和云计算的大发展，极大推动了大数据的发展。

国家大数据战略的提出，是站在更高、更广泛、更深刻的经济和社会发展认识基础上提出的大数据发展思路，在国家以“放管服”为核心的全面深化改革进程中，所面临的问题具有整体性和综合型，比如商事制度改革所涉及的“证照合一”，“双随机一公开”，“综合执法改革”，“三项制度”等，牵涉到工商、国税、地税、人社、公安、民政、银行等多个部门和单位；比如国家信用体系建设基本覆盖所有政务部门和主体单位，面向政务诚信、市场诚信、社会诚信和司法公信力建设，要形成以“法人”和“自然人”为核心的信用行为库和支撑系统；比如“以审判为核心”的司法体制改革，涉及公安、检察院、法院、律师事务所、社会公众等；比如以反腐为核心的权力监管，基本覆盖党政公检法和国资国有企业，牵涉面更为广泛。

国家大数据战略的核心思路是“聚通融合”，建设覆盖全国的政务信息资源共享交换平台，重点建设基础库、主题库和部门库，形成国家、省、地区三级数据资源中心、数据共享平台和数据开放平台，在此基础上实现跨层级、跨地域、跨系统、跨部门、跨业务的全国一张网（电子政务外网+互联网），不断提升国家政务治理能力和便企便民服务，面向政务治理为各层级政府单位提供国家资源目录共享视图，在垂直行业大数据融合分析方面有了更广阔的数据维度，彻底解决没有数据，有数据不统一、数据融合度不够等突出问题，通过共享交换模式整合政务共治的突出难题；面向企业和社会公众形成“全国漫游”模式的业务能力，比如户口迁移、车辆年检、教育转学、企业投资、社保转移、医疗异地支付等，实现“让百姓少跑腿、数据多跑路”的严肃承诺；面向互联网企业、软件企业、大数据企业、数据交易所、数据研究机构、智库等各类企业事业单位，采用社会化运营的思路，通过大数据驱动产业创新，以“互联网+教育”、“互联网+医疗”、“互联网+文化”等模式建设民生保障体系并创造出新的经济增长点，实现国家和社会共治共发展模式。通过全国数据共享和交换平台，行业大数据资源从“封闭沉睡”走向“开放创新”，以政务信息大数据为基础，引导社会和企业大数据整合融合，国家大数据战略走向一体化，聚变效应必将推动大数据产业链的快速形成，在大数据确权、交易、投资、流通、加工、追溯、安全、计费、服务等方面形成一整套完备的国家管理模型和市场运营机制。

二、大数据市场方向、要点和设想：贴紧大数据资源中心建设，在信用体系、电子证照、主题工程、行业部门信息化建设方面拓展行业优势，走大数据联合运营之路

国家大数据发展战略和要求带来了广阔的市场方向，包括云数据中心基础设施建设、行业云大数据平台、数据交换共享平台、大数据细分行业协同应用、大数据处理和服务平台、大数据资产交易等，在此重点阐述数据交换和共享平台以及未来的行业应用带来的市场机遇。全国一体化的数据共享和交换平台，形成了一体化的政务数据资源中心、政务资源信息共享平台和政务资源信息开放平台。数据资源中心重点建设基础库、主题库和部门库。

基础库包括法人库、自然人库、信用库、地理信息库和电子证照库，这五个库是政务治理提升和便企便民的基础，国家治理模式的重心已经由“事前监管”转化为“事中事后监管”，行政权力事项推行“不见面审批”和“最多跑一次”，实行“一窗、一号、一网”的政务服务模式，“放管服”改革的核心思想是依靠信用机制分层管理，提高政务效率和质量并降低成本，建设和发展信用经济，符合现代经济的特征和规律，以“法人”和“自然人”为基础建设全国或者全省以生命周期为模型的电子证照库和以时间线为模型的信用行为库，可有效优化审批流程和监管模式，是未来政务大数据和行业大数据争夺的制高点，为了加强电子证照和信用行为的数据鉴权和认证，可引入区块链技术和体系，保证数据的可信性、不可篡改和追溯性；基础库中的地理信息库是全国全省一张图的基础，未来构建省级时空大数据平台是大势所趋，以GIS和大数据融合平台为基础，建设行政区划、国土规划信息、交通信息、生态资源信息、房产信息、医疗资源信息、教育资源信息、宏观经济信息、环保信息、行政服务、农业科技、精准扶贫、市场监管、城市运营信息、气象海洋测绘等等多层多领域信息，以服务的形式服务于各政务和企事业单位。

主题库的建设主要是以十二五和十三五规划的重点领域工程为基础，按照主题形成信息库，包括全民健康保障、全民住房保障、全民社会保障、药品安全监管、食品安全监管、安全生产监管、市场价格监管、金融综合监管、能源安全保障、信用体系建设、生态环境保护、行政执法监督、民主法制建设、执政能力建设、基本公共服务建设、行政许可审批等方向，这些主题工程和主题库具备延续性和完善性，未来的市场方向是依托基础库和其他主题库以及部门库进行深入融合分析；

部门库是党政公检法各领域各部门汇集的政务基础信息和业务信息，未来的市场方向是基于各部门主体业务，融合基础库和主题库进行数据融合分析以及大量新的应用创新，改造或者新建符合国家治理提升和公共服务的管理系统、互联网应用以及移动APP和微信应用，加强数据融合分析用以支撑领导决策、指挥调度和监管创新。

基于政务资源信息共享平台和政务资源信息开放平台，未来的市场机会是社会化联合运营，以政府和国资为主导，联合具备实力的软件厂商、大数据厂商、数据分析机构、互联网厂商、数据交易机构、智库、研究院等共同运营政务大数据和社会数据，运营实体可能是独立公司、控股公司或者协议合作方式，未来在常态数据分析、数据脱敏脱密、数据融合处理、数据服务产品加工、数据销售和推广方面展开合作并创造出巨大的就业机会，各类具备互联网运营特征的互联网应用、移动应用和产品将被持续孵化。

三、大数据技术方向、路线和建议：面向国家重大需求，实施创新驱动，形成自主可控的基于云平台的混合式大数据技术路线，整合资源加速形成大数据产业优势

国家大数据发展战略在技术方面提出明确要求，即：

要瞄准世界科技前沿，集中优势资源突破大数据核心技术，加快构建自主可控的大数据产业链、价值链和生态系统。要加快构建高速、移动、安全、泛在的新一代信息基础设施，统筹规划政务数据资源和社会数据资源，面向国家重大需求，面向国民经济发展主战场，全面实施促进大数据发展行动，完善大数据发展政策环境。要以数据为纽带促进产学研深度融合，形成数据驱动型创新体系和发展模式，培育造就一批大数据领军企业，打造多层次、多类型的大数据人才队伍。突出了自主可控、统筹规划和全面实施，面向重大需求在政务和社会大数据方面，促进创新驱动模式的企业、人才和研发深度融合发展。

大数据技术可行的架构一定是混合式体系，既要支撑大数据的存储和计算，又要支撑交换、共享以及各类大数据应用。从结构化数据、半结构化数据和非结构化数据方面，待选方案和产品较多，结构化和半结构化数据依托SQL数据库（传统关系型数据库，包括事务性和分析性）、NewSQL数据库(MPP数据库)，NoSQL数据库（mongodb、hbase、redis、leveldb等）进行存储，半结构化和非结构化数据主要依托文件系统、共享文件系统、分布式文件系统进行存储。在分布式计算和数据分析方向主要依托MapReduce、Yarn、hive、Spark、R、python、sas、pig、Impala、Hama、kylin等开源和商业体系。在大数据可视化方向，重点研究数据模型构建工具、数据立方以及基于WEB图形化集合。综上所述，基于Hadoop体系，在数据多源实时和非实时采集、分布式存储、分布式计算、数据模型和算法、可视化交互分析和展示、安全等方面整合研发，有效融合传统开源存储和计算技术，构建自主可控的基于开源组件的技术体系行之有效。目前国内自主知识产权的大数据分析平台基本是按照这个思路在整合研发，尤其是阿里云、腾讯云等公有云平台，整合力度和产品线较全。大数据技术体系，尤其是超大规模大数据平台，是从云计算的IAAS层、PAAS层和DAAS层统一整合，从基础实施资源虚拟资源、数据交换与采集、分布式存储和计算、大数据挖掘分析和可视化展示均实现弹性可配置、可监控、可管理、可扩展，成为事实上的大数据操作系统（DATAOS），而在私有云中心和大数据平台建设方面参照公有云大数据平台进行裁剪和定制。

什么是大数据？

这次我们不谈概念，不谈理论，避虚就实，关注大数据在十大行业的实际应用。

从证券行业到医疗领域，越来越多公司意识到大数据的重要性。2015年Gartner调查显示，超过75％的公司正在投资或计划在未来两年内投资大数据。而在2012年进行的类似调查中，仅有58％的公司在未来两年内计划投资大数据。

增强客户体验、降低成本、精准营销以及提高流程效率、数据安全是公司关注大数据的主要目的。本文将研究正在使用大数据的10个垂直行业及面临的挑战，以及大数据如何解决这些难题。

1. 银行和证券

挑战：

通过对10家投行券商的16个项目的研究表明，该行业面临的挑战包括：证券欺诈预警、蜱虫分析、检测卡片欺诈、审计跟踪档案、企业信用风险报告、贸易可视性、客户数据转换、用于交易的社交分析、IT运营分析和IT策略合规性分析等。

应用：

证券交易委员会（SEC）正在使用大数据网络分析和自然语言处理器来捕捉金融市场中的非法交易活动。

商业银行，对冲基金和其他金融公司在高频交易的交易分析，交易前的决策支持分析，情绪测量，预测分析等方向使用大数据。

该行业还严重依赖大数据进行风险分析，这其中包括：反洗钱，企业风险管理，客户画像，以及减少欺诈行为等。

2. 通讯，媒体和娱乐

挑战：

每个观众消费着不同形式的娱乐，以及不同的娱乐设备，因此通信，媒体和娱乐行业正面临以下大数据挑战：

1. 收集，分析和利用消费者习惯

2. 利用移动和社交媒体内容

3. 实时追踪媒体内容使用形式

应用：

公司同时分析客户数据和行为数据，以创建详细的客户档案，可用于：

1. 个性化定制内容

2. 按需推荐内容

3. 衡量内容结果

一个典型的例子是国外视频网站YouTube上的温网比赛，它利用大数据实时向电视、移动和网络用户提供网球比赛的详尽的情感分析。亚马逊Prime大量使用大数据，在一站式商店提供视频，音乐和Kindle书籍来提供卓越的客户体验。

3. 医疗领域

挑战：

医疗保健行业可以获取大量数据，但由于医疗成本上升、医疗系统效率较低，大量数据没能得到有效利用。抛弃患者的数据精准度弱化、以及不同传感器的数据差异均是医疗行业所面临的困难。

应用：

一些医院正在使用从数百万患者手机应用程序收集的数据，允许医生使用循证医学，而不是对所有去医院的患者均进行多次医学检查。佛罗里达大学运用免费的公共健康数据和谷歌地图创建了视觉数据，以便更快地识别和有效分析医疗信息，用于跟踪慢性病的传播。

4. 教育

挑战：

从技术角度来看，教育行业面临的主要挑战是整合不同来源的大数据，并在统一平台上使用它，有时这些数据并非是相互协作的。从实际角度来看，教师和机构必须学习新的数据管理和分析工具。在政治上，用于教育目的的大数据相关的隐私和个人数据保护也是一个问题。

应用：

大数据在高等教育中的使用非常多。例如，一所拥有超过26000名学生的澳大利亚大学已经部署了学习和管理系统，该系统可以跟踪学生登录系统时，在系统中不同页面上花费的时间以及学生的整体学习进度等。

大数据还用于衡量教师的教学有效性，以确保学生和教师的良好体验。教师的表现可以根据学生数量，主题，学生人口统计，行为分类和其他几个变量进行微调和衡量。

5. 制造业和自然资源

挑战：

石油、农产品、矿物、天然气、金属等自然资源的需求不断增加，导致数据数量、复杂性增加。制造业的大量数据尚未开发。这些信息的利用不足会妨碍产品质量、能效、可靠性和更高的利润空间。

应用：

在自然资源行业中，大数据允许预测建模以辅助决策制定，从地理空间数据，图形数据，文本和时间数据中摄取和集成大量数据。使用领域包括：地震解释和油藏描述。

6. 政府

挑战：

在政府领域，最大的挑战是跨政府部门和组织的大数据集成和数据的互兼容性。

应用：

在公共服务领域，大数据的应用范围非常广泛，包括：能源勘探，金融市场分析，欺诈检测，健康相关的研究和环境保护。美国社保局使用大数据分析大量的社会残疾索赔数据，用于快速有效地处理医疗信息，以便更快地做出决策并检测可疑的或欺诈性索赔。美国食品和药物管理局（FDA）正在利用大数据来检测和研究食品中毒等疾病的模式。大数据让响应更快，治疗更快和死亡更少。

7. 保险

挑战：

缺乏个性化服务，缺乏个性化定价以及针对新细分市场和特定细分市场的服务。

应用：

通过从社交媒体，GPS设备和摄像头获得的数据预测客户行为，大数据已被业内用于为简单的产品提供客户见解。大数据还可以让保险公司更好地保留客户。在索赔管理方面，大数据的预测分析可以加快服务速度，因为可以分析大量数据，特别是在承保阶段。

8. 零售和整体销售贸易

挑战：

从传统的实体零售商和批发商到当今的电商，该行业随着时间的推移累计了大量数据。这些数据来自客户会员卡，POS扫描仪，RFID等，其用途不足以改善客户体验。

应用：

零售商和批发商收集来自客户忠诚度数据，POS，商店库存，本地人口统计数据的大数据。在2014年纽约Big Show零售会议上，微软，思科和IBM等公司提出零售行业需要利用大数据进行分析和其他用途，包括：通过购物模式、本地活动等数据优化人员配备，减少欺诈、及时分析库存

社交媒体的使用也有很多潜在的用途，正在被实体商店采用。社交媒体用于客户拉新、客户留存、产品推广等。

9. 运输

挑战：

最近，基于物流的社交网络的大量数据和来自电信的高速数据已经影响了人们的出行选择。遗憾的是，了解出行行为的研究并没有那么快。在大多数地方，对社交媒体结构的理解不够输出的需求模型往往不实用。

应用：

政府、私企和个人对大数据的应用包括：

1. 政府大数据：交通控制，路线规划，智能交通系统，拥堵管理

2. 私营部门在运输中使用大数据：收入管理，技术改进，物流和竞争优势

3. 个人使用大数据：节省燃料和时间的路线规划、出行安排等

10. 能源和公用事业

挑战：

60%电网资源十年内需要替换。

应用：

智能抄表器几乎每15分钟就能收集一次数据，而不是每天使用旧抄表器收集数据。这种精细数据被用于更好地分析公用事业的消耗，从而改善客户反馈并更好地控制公用资源的使用。

在公共机构中，大数据的使用还允许更好的资产和劳动力管理，这对于识别错误并在经历完全故障之前尽快纠正它们是有用的。

结论

经历了10个行业垂直行业，包括大数据如何在这些行业中发挥作用，这里有几个关键的要点：

1. 熟悉并了解行业特定的挑战

2. 了解或了解每个行业的数据特征

3. 了解支出地点

4. 将市场需求与您自己的能力和解决方案相匹配

5. 垂直行业专业知识是有效和高效利用大数据的关键

大数据时代的到来，简单的说是海量数据同完美计算能力结合的结果。确切的说是移动互联网、物联网产生了海量的数据，大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题。大数据时代开启人类社会利用数据价值的另一个时代。

分享之前推荐一个大数据学习交流，未来将是大数据时代，需要学习大数据的抓紧时间学习，群内不定期分享视频资料，欢迎加入关注作者其他文章，可以找到大数据学习群

大数据行业发展现状

1、一些数据的记录是以模拟形式存在，或者以数据形式存在，但是存贮在本地，不是公开数据资源，没有开放给互联网用户，例如音乐、照片、视频、监控录像等影音资料。现在这些数据不但数据量巨大，并且共享到了互联网上，面对所有互联网用户，其数量之大是前所未有。

2、移动互联网出现后，移动设备的很多传感器收集了大量的用户点击行为数据，已知IPHONE有3个传感器，三星有6个传感器。它们每天产生了大量的点击数据，这些数据被某些公司所有拥有，形成用户大量行为数据。

3、电子地图如高德、百度、Google地图出现后，其产生了大量的数据流数据，这些数据不同于传统数据，传统数据代表一个属性或一个度量值，但是这些地图产生的流数据代表着一种行为、一种习惯，这些流数据经频率分析后会产生巨大的商业价值。基于地图产生的数据流是一种新型的数据类型，在过去是不存在的。

4、进入了社交网络的年代后，互联网行为主要由用户参与创造，大量的互联网用户创造出海量的社交行为数据，这些数据是过去未曾出现的。其揭示了人们行为特点和生活习惯。

5、电商户崛起产来了大量网上交易数据，包含支付数据，查询行为，物流运输、购买喜好，点击顺序，评价行为等，其是信息流和资金流数据。

6、传统的互联网入口转向搜索引擎之后，用户的搜索行为和提问行为聚集了海量数据。单位存储价格的下降也为存储这些数据提供了经济上的可能。

我们所指的大数据不同与过去传统的数据，其产生方式、存储载体、访问方式、表现形式、来源特点等都同传统数据不同。大数据更接近于某个群体行为数据，它是全面的数据、准确的数据、有价值的数据。

中国的大数据之路任重而道远

中国目前的大数据应用环境和技术相对于美国而言，在整体技术水平、应用环境、国民意识、商业环境、技术厂商、技术平台上面相差超过5年左右。在大数据应用的国家战略层面落后的也较多。

2012年3月，美国奥巴马政府宣布推出“大数据的研究和发展计划”。该计划涉及美国国家科学基金、美国国家卫生研究院、美国能源部、美国国防部、美国国防部高级研究计划局、美国地质勘探局等6个联邦政府部门，承诺将投资两亿多美元，大力推动和改善与大数据相关的收集、组织和分析工具及技术，以推进从大量的、复杂的数据集合中获取知识和洞见的能力。美国奥巴马政府宣布投资大数据领域，是大数据从商业行为上升到国家战略的分水岭，表明大数据正式提升到战略层面，大数据在经济社会各个层面、各个领域都开始受到重视。

2014年从“两会”的提案、议案看，很多人建议将大数据业务上升为国家战略，互联网领军人物李彦宏在政协记者会上表示，政府应该把更多和人民生活有关的数据资料，公开地放到网络上；雷军则直接建议将大数据纳入国家战略，推动大数据切实地被用起来；科大讯飞刘庆峰建议国家建设声纹数据库进行大数据反恐。张近东、马化腾、杨元庆的提案也与数据应用有着紧密联系。但是在中国大数据国家战略和大数据产业发展发面还没有一个清晰的蓝图。

最后总结一下，大数据时代将会给人类社会带来巨大变化。它是一个好的工具，就像计算机一样，帮助人们提升社会生产效率，了解事物真相，认识客观规律，同时加快进入智慧社会。

以上种种，无不揭示着大数据未来发展的大好前景！时不我待，抓住机遇！