2017年4月24日，高德地图，联合交通运输部科学研究院(城市公共交通智能化交通运输行业重点实验室/综合交通运输大数据应用中心)发布了《2016年度中国主要城市公共交通分析报告》。高德地图以公交大数据为基础，分析了城市公共交通网络的现状、发展及城市公共出行规律。本文节选轨道交通部分供大家参考，点击文末阅读原文，可下载完整报告。

轨道交通方面，全国共有27个城市有地铁运营，其中北京的运营里程558公里，排在上海的694公里之后，位居第二。全国范围内，有7座城市的轨道交通运营里程超过200公里，分别是上海、北京、广州、深圳、南京、大连和重庆。运营里程超过100公里的城市还有5座，分别是武汉、天津、苏州、杭州和成都。

(点击图片可放大)

《报告》统计全国82个主要城市，综合考虑用户出行核心区域站点覆盖率、线网覆盖率、轨道交通覆盖情况、城市出行单位耗时、单位花费以及用户评价指数等方面，综合计算得出了中国主要城市公共交通排行TOP20。

北京市的公交站点数量、线路数量和线路里程均是全国最多，是无可争议的规模第一城市，但由于“线网覆盖率”和“500米站点覆盖率”仅排第六位等原因，因此在公交都市综合排名位列第三。

《报告》还揭示了一组有趣的数据：

北京市公交线路总长度最长，3.95万公里，几乎可以围绕接地球赤道一圈(赤道长度约4万公里)。

城区最长的公交线路是北京的740路，总长度68公里，共有74个站点。

站数最多的轨道交通线路是北京的地铁10号线，共有45站。

北京中医院顺义医院周末的公交站点数量排在全国前三，有280个。

北京平谷的畅观楼站有48条公交线路经过，排名全国第二。

TOP20最繁忙的站点(站点公交线路最多)中有9个来自北京，全国第一。

公共交通运营时间最早的城市是北京，地铁10号线、2号线、1号线等都在早上5点10分前开始运营。

公共交通运营时间最长的城市也是北京，地铁1号线每天运营时长达到18个小时零10分钟。

极光大数据(纳斯达克股票代码：JG)发布《汽车潜在消费人群画像报告》，本报告分为汽车4S店访客画像、中国车展访客画像以及汽车服务类app人群画像三大部分。本章节所介绍的汽车服务类app人群指手机中安装有汽车服务类app的人群，汽车服务类app包含汽车社区、汽车交易、汽车养护、车险、充电桩服务、违章、汽车资讯、驾考等app类别。

数据亮点：

1. 汽车服务类app人群中，男性用户超过6成，26-35岁用户达57.6%

2. 汽车服务类app人群在一二线城市的占比偏高

3. 泰国、美国、日本是汽车服务类app人群主要的出国目的地

4. 滴滴出行深受汽车服务类app人群偏好

5. 国务院app是汽车服务类app人群偏好的新闻资讯app

据乘联会统计，2017年全年乘用车销量达2420.9万辆，第四季度是汽车的销售旺季。在各类线上线下与汽车消费相关的场景中，有三类最主要的场景，分别是汽车4S店访客、车展访客和汽车服务类app人群;本次报告重点关注的汽车服务类app人群。

本报告中的汽车服务类app人群主要指手机中安装有汽车服务类app的人群，汽车服务类app包含汽车社区、汽车交易、汽车养护、车险、充电桩服务、违章、汽车资讯、驾考等app类别。

根据极光大数据的统计结果显示，汽车服务类app人群中，男性用户偏多，占比达63.9%，女性用户占比36.1%;在年龄分布中，26-35岁用户达57.6%，16-25岁用户占比为26.4%。

极光大数据的统计结果显示，汽车服务类app人群在一二线城市比例达49.2%;广东省、江苏省、山东省三个省份占比最高，分别占比11.6%、7.4%和6.7%;城市分布中，北京、上海、深圳用户占比最高，分别占比3.5%、3.2%和2.2%。

极光大数据的统计结果显示，汽车服务app人群中，北京、广州、上海是汽车服务app人群最主要的出行目的地。其中，10.9%用户去过北京旅游，9.8%的用户去过广州旅游，8.4%用去过上海旅游。

根据极光大数据的统计结果显示，泰国、美国、日本是汽车服务类app人群主要的出国目的地。汽车服务类app人群中，有19%去过泰国旅游，9.4%去过美国旅游，6.3%去过日本旅游。

极光大数据的统计结果显示，在应用偏好方面，滴滴出行深受汽车服务类app人群喜爱，以61.6的偏好指数位列第一，滴滴旗下另一款app滴滴车主以60.6的偏好指数位居第二。

极光大数据的统计结果显示，在新闻资讯领域，国务院以46.9的偏好指数位列第一，腾讯新闻以45.3的偏好指数位列第二，腾讯体育以45的偏好指数位列第三;在网络视频领域，短视频app快视频以48.1的偏好指数位列第一。

极光大数据的统计结果显示，在金融理财领域，京东金融以58.2的偏好指数位列第一，力压银行服务类app;在旅游出行领域，滴滴出行和滴滴车主包揽偏好前两名的位置。

报告说明

1. 数据来源

极光大数据，源于极光云服务平台的行业数据采集及极光iAPP平台针对各类移动应用的长期监测，并结合大样本算法开展的数据挖掘和统计分析

2. 数据周期

报告整体时间段：2017年5月~2018年5月

具体数据指标请参考各页标注

3. 数据指标说明

城市等级划分依据第一财经·新一线城市研究所发布的2018年《中国城市商业魅力排行榜》

4. 法律声明

极光大数据所提供的数据信息系依据大样本数据抽样采集、小样本调研、数据模型预测及其他研究方法估算、分析得出，由于方法本身存在局限性，极光大数据依据上述方法所估算、分析得出的数据信息仅供参考，极光大数据不对上述数据信息的精确性、完整性、适用性和非侵权性做任何保证。任何机构或个人援引或基于上述数据信息所采取的任何行动所造成的法律后果均与极光大数据无关，由此引发的相关争议或法律责任皆由行为人承担

5. 报告其他说明

极光数据研究院后续将利用自身的大数据能力，对各领域进行更详尽的分析解读和商业洞察，敬请期待

中国大数据产业分析报告

注：文章来源网络

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

慧数汽车：中国豪华车市场研究报告(2018简版)

前 言

目前豪华车市正处于剧烈演变阶段，2017年奥迪一枝独秀的传统竞争格局被彻底颠覆，近几年原本是豪华车核心市场的一线城市纷纷遭遇限购，豪华车销量大幅减少……随着售价下调、市场下沉，2018年中国豪华车的整体销量有望突破300万辆，未来如持续高增长，豪华车市将快速成为主流车市，成为影响中国车市格局演变的最核心因素之一……2018-2027年对豪华车“情有独钟”的再购用户将逐步成为中国车市的消费主体……

针对豪华车市当下格局的研究与未来走势的探究，不仅是豪华品牌自身的核心课题，也是海外普通品牌与中国品牌的核心课题。未来几年后两者都将大规模推出高端车型或高端品牌，都希望在豪华车的快速普及过程中，捕捉与创造新机遇。

总结与展望

1. 2018年中国豪华车市场正式开启奔驰引领模式；

2. 目前豪华轿车已成豪华车下探的主力，未来豪华紧凑型SUV将成下探的新主体；

3. 国产是豪华车实现走量的重要保障，目前第二阵营豪华品牌正加速国产；

4. 美系、日系等追赶型豪华品牌已成推进豪华车市价格、级别下探的急先锋；

5. 2022年京沪江浙粤等五大一线城市的豪华车销量占比将达到发达国家水平；

6. 以中西部省会城市与副省级城市为主的二三线城市已成豪华车消费主体；

7. 豪华车消费由东向西加速渗透，由北向南加速转移；

8. 油电混动、插电混动销量增长迅速，有望成为豪华车市新增长级；

9. 豪华车动力总成进一步兼顾节能与舒适，2.0T+Tip8/Tip9销量占比进一步提升

10. 奔驰引领中国豪华车市变革进程，宝马紧随其后；

11. 奥迪引领中国豪华车市普世化进程，凯迪拉克紧随其后；

12. 雷克萨斯引领中国豪华车市节能减排进程，英菲尼迪、讴歌紧随其后；

13. 根据中国车市设计本土化车型将成为豪华品牌的新核心课题

14. 豪华车市的持续高增长，将坚定合资车企的高端路线与中国品牌的高端品牌战略

15. 2018-2022年豪华车市将加速细分，预判15-25万元价区这一高端车市(入门级豪华车市)将快速壮大

16. 2018-2025年豪华车将成为中国车市继SUV之后的新增长极；

17. 2018年中国豪华车销量有望突破300万辆，2025年有望突破500万辆。

公司简介：

慧数汽车成立于2015年5月，是中科点击旗下专注于汽车大数据应用的子公司，2016年获得汽车之家Pre A 轮融资。成立以来获得各大顶级投资机构的青睐，也获得各大汽车媒体及创投媒体多次专题报道。慧数汽车上线以来，已经与国内外10余家汽车知名品牌达成合作。慧数汽车作为专业的汽车大数据应用平台，用数据和技术洞察汽车全产业链，从造车、买车、卖车、用车四个方面服务于产业链上的不同用户。目前慧数汽车可为汽车厂商提供定制数据报告、洞察销售线索、用户画像、精准营销、车企大数据解决方案等专业的数据服务。

在智能家居中，智能门锁可谓是开启家居连接的第一道门，吸引了众多商家入场。据洛梵狄市场营销中心负责人介绍：“中国目前约有6亿扇大门，一个锁的寿命10年左右，每年有超过5000万的锁需要更换。这比已经进入存量市场竞争的手机行业前景还要广阔。”

而在从最近的智能门锁搭载技术来看，物联网技术与智能门锁的结合，成为一个重要的发展趋势。目前刚起步的NB-IoT智能门锁解决方案，在物联网低速、低成本领域提供通信支持，具有广覆盖、多连接、低速率、低成本、少功耗等特点。而此项新技术也需要NB-IoT芯片做基础。芯片越小，成本越低。因此，拥有高性能成本低的NB-IoT芯片对于想转型云智能锁的厂商非常重要。

2018年智能锁逐渐步入市场井喷期，1300多家智能锁生产企业、2800多个品牌蜂拥攻入市场，呈现白热化。想要在行业内一马当先，离不开对整个行业大环境的理解。下面，小编就为你带来智能锁行业未来五年发展大数据！

智能锁的应用市场需求量，通常的分析是以房地产的现有库存、年新增库存为基数进行计算， 1991年到2015年底，我国城镇商品和保障住宅竣工累计套数，加住房体制改革前原有存量，再加7000万套不完全产权房，规模约为35411万到37781万套，减去估计拆除的2000万套，2015年底，城镇住宅存量大约在32881万到35411万套之间。

2009~2015年我国年新增住宅量及住宿客房存量统计

假设户均一把入户锁，加上年新增约700万套商品房，据此预估，仅城镇住宅一块，对智能锁的市场需求约为3.5亿把；若随着市场的发展，室内锁也更换为智能锁的话，假设户均需要两把室内锁，则城镇住宅对智能锁的潜力需求为：3.5亿+(3.5亿×2)=10.5亿把。

依据现存300万间酒店客房，每间客房标配一把智能锁，也需要300万把。

而在商业领域，在我国特有的混合所有制经济体制下，存在着各类大、中、小型企业，其中又细分为国有企业、合资企业、民营企业、个体户等，截止2015年，我国法人数量就超过了1200万。另据工信部机电设备招标中心副主任、工信部中小企业司副司长王健翔于2015年7月透露的数据显示，我国中小企业数量超过了7000万。在如此大的体量下，假设一家企业需要一把智能锁，总需求量就达到了7000万把。而实际上，企业的部门设置及办公场所是比较复杂、个性化的，所需要的锁的数量为7000万的数倍甚至数十倍。

综合以上，我国仅城镇居民住宅、住宿客房及企业办公场所三项，对智能锁的潜力需求不下11亿把。以目前智能锁的主流售价——1000元/把推算，智能锁潜力市场容量不少于11000亿元。另根据统计，我国大约有4.6亿户家庭，而在人口集中的城镇中，大约有20%的人口以租房为主，一线城市的租房比例更是高达40%；从城市发展及城市资源角度推算，未来预计的租房比例将超过50%。这一特殊情况，将会加快现有的租赁住房及在建公租房、公寓对智能锁的需求。

　智能锁市场现状

根据地产固定资产需求大概预估了城镇住宅、酒店住宿和企业办公三大领域对智能锁的潜在市场容量，高达1.1万亿的规模，可以说非常庞大；以目前安防产业的产值为例，包括半导体供应、产品制造(包括实体安防和电子安防)、代理、系统集成、工程施工等在内，2016年的市场规模不足4900亿(数据来源：a&s)。而智能锁单凭一把锁2017年的售价，其规模就超过了安防总市场规模的2倍还多，不可谓不惊人；如果按2016年均价1500元/把、2015年2500元/把的售价，市场规模还将翻倍。

不过，明面上潜在市场规模过万亿的智能锁，就目前来说还是表面，截止2016年，已有超过上千家的智能锁企业，热潮刚起，就迎来了激烈厮杀。下面从三个方面来分析。

　市场：难以切入市场痛点

经与多位从业者沟通了解到，普遍认为目前日韩的智能锁普及率＞50%，而国内普及率尚不及1%；市场潜力巨大。另外，一些智能锁公司宣传页引用的国际数据也显示，中国有97%的家庭有更换智能锁的需求。如果真实情况是这样的话，智能锁市场将在近两年引爆，成为中国最火热的单一产品领域。

当下智能锁的推广，多是借助智能家居、智慧养老、健康看护、酒店/公寓这几大概念来推动，并针对概念设计相应功能，如远程开门、生物识别无钥匙开门等，但实际上，这些功能都是智能锁应该具备的基本功能，无法形成有效卖点。在无法构成刚需的情况下，智能锁主要向酒店、居家两个方向发展，前者走的是共享经济路线——“狗开的酒店由狼来装锁，让猪来使用”，酒店管理者只需很低甚至不需要成本就可为下辖的客房安装智能锁，如去哪儿；后者主要为接纳新事物快速的年青一代所接纳。

另外，当下不少智能锁的功能较之宣传有了不少缩水，比如无法联网等，使用者相当于要花上千元购买了一个仅用指纹就可开门的“生物识别机械锁”，同时还要常常担心锁的电量续航问题；使智能锁的便利性大打折扣。

出货量：低起点，快发展

近期我们在不少网站上看到这样一份数据：2016年国内智能锁市场规模超过3000亿，年出货量大于2亿把。

价格：尚未成长，即卖白菜

智能锁二次崛起时间大约6年左右，产业尚未真正形成气候，但产品市场却早已开始了价格战，最显而易见的就是产品均价逐年下滑：

根据a&s从智能锁诞生至今的价格走势分析发现，智能锁的价格始终呈现阶梯式逐年下滑趋势：早期售价为3000~4000元/把；而到了2015年初，尚能保持2500元的售价，但下半年售价就降到了2000元/把；到今年，整体单价更是要突破1000元/把下限；预计从2018年开始，智能锁将成为千元内大众机。而以目前智能锁的量产水平，一把智能锁的成本价约为500元/把，企业的毛利率将随着售价的下降而不断被压缩。

相比整体价格下降趋势更令人担忧的是，智能锁市场尚未长成，但市面上已经出现了价格“亲民”的智能锁，售价在150~400元/把不等，远低于主流品牌500元/把的成本价，如此超低的价格，令人不得不怀疑是不是“老板娘跑了，老板无心经营”，面对这样的搅局者，智能锁的竞争变数难以预测，或许智能锁产业的和平式价格战将提前变得血雨腥风，或是借助资本市场实行碾压式市场争夺。

正所谓一分钱一分货，超低价竞争过早进入市场，不利于新兴市场的成长。首先是低成本难以换取高质量的部件及技术；其次抄袭式的拿来主义，寒了市场研发的心，后续技术驱动减缓；最后是用户体验，笔者认为这是最为关键的因素，在市场尚未真正崛起之时，搅局者如果单纯地追热点，那么一般情况下，产品质量不会得到保障，如果销量大，则会出现较为普遍的不良客户体验，势必会影响智能锁的进一步发展。

　智能锁6大阵营

据不完全统计，截止2016年年底，国内智能锁企业超过了1000家，根据这些企业的背景分析，大概可分为如下6大类。

首先是传统锁企业阵营。此类企业众多，如普鑫五金等，这类企业在锁具的核心部件，如锁芯、弹簧、弹子、锁舌等具有先天优势，并拥有现成的工厂、供应商，只要加入电路板、生物识别模块、微处理器CPU、和嵌入式程序等几大核心组成部分即可快速切入智能锁，转型快速。

其次是安防企业。主要是可视对讲企业和部分视频监控企业，智能家居是可视对讲企业转型的突破口，因此，几乎所有的可视对讲企业都开发了智能锁，如安居宝（300155）、冠林等；其特点是将智能锁与可视对讲系统通过网关进行关联、上云端。

再次是以海尔、美的为首的智能家电阵营。这类企业早在上世纪就开始布局智能家电，苦于没有很好的切入口，智能家电名不副实。在新一轮的智能家居浪潮中，一部分企业主打智能家居方案，如美的，智能锁只是其中的一部分；一部分企业主打智能锁等产品，如海尔，同时，海尔也是当下产品型号较多的智能锁品牌之一。

第四是以联想、龙芯为主的IT阵营，通过旗下智能家居事业部推出智能锁。

第五是以中兴、三星为主的通讯阵营，与IT阵营切入智能锁的模式基本一致，都是通过智能家居事业部来操作，品牌大、来头响，但产品少。

最后是追赶热潮的智能锁企业，如云丁、小嘀、果加等。

这一波智能锁风潮，让传统锁阵营和赶热潮阵营最为蠢蠢欲动，其中不乏布局较早但尚未盈利的企业，都欲借这次机遇打一场漂亮的翻身仗。

智能锁类别

追究起来，智能锁的历史并不短，仅在中国就有超过20年，如指纹锁；但受限于生物识别技术、电子控制技术、通信网络技术、生产成本等因素影响，一直未能快速发展。

而当下我们所说的智能锁，即是在2012年左右萌芽、2015年左右开始爆发的第二代产品；是伴随电子技术、通信技术、生物识别技术大发展基础上发展的延伸应用。

但不得不说，第二代智能锁一经发展，即获得了广泛的关注，企业也针对不同应用需求开发了形形色色的类别产品。

　按应用场景划分

根据应用场景来划分，智能锁可分为入户智能锁、室内智能锁、酒店智能锁、公寓智能锁、办公室智能锁、共享单车智能锁这几大类。其中入户智能锁是目前市面上见得最多的产品类型，也是各智能锁品牌主导的产品，从产品型号来说，入户型智能锁款式占比超过了70%。因不同的应用场景，智能锁的主打功能也将会不一样，总的来说，他们的区别如下：

智慧家居智能锁：通过无线网络技术，与智能家居控制网关联网，除了无钥匙开门特色外，主打云开门、角色权限(如保姆、访客)等；在新一代产品中，将智能锁与猫眼进行了整合设计，同时具备防护和监视功能；

智慧校园智能锁：功能单一，主要是确保房间隐私安全及开门的便捷性；

智慧酒店智能锁：结合酒店住宿需求，支持在线、离线生物识别开锁功能，同时支持自动结算功能，主打的是酒店入住和离店的便捷性；

智慧公寓智能锁：支持住宿周期预订功能，同时支持与智能抄表结算系统关联，实现公寓租住的智能结算及统一管理；

智慧办公智能锁：主要指玻璃门智能锁，除了基本的开门功能外，还支持与考勤系统关联，取代考勤机完成考勤功能；

共享单车智能锁：这是目前最为常见的非建筑用安全智能锁，主要应用于共享单车的开锁、费用结算、车辆定位。

按识别技术划分

智能锁的开锁技术主要有短距离无线技术识别(如蓝牙、NFC、RFID)、钥匙、密码、指纹、指静脉、人脸、远程APP等，其中无线技术识别、钥匙、密码是智能锁的基本开锁方式，甚至是传统锁的功能之一，不作为智能锁的技术划分；而APP只有智能锁支持在线模式时才能启用，并不是每款智能锁的必备功能，也不作为智能锁类型的判定条件。因此，智能锁主要依据生物识别方式区分，主要有：

指纹锁：指纹识别是智能锁中，应用最为广泛的生物识别技术，其又分为光学指纹锁、半导体指纹锁(又分电容式、电感式)以及射频指纹锁。其中因光学指纹识别技术安全性较低，一般用于中低端产品；射频指纹(又被称为3D指纹识别技术)锁因成本较高，应用也不多；因此市面上大部分指纹锁通常都采用的是半导体指纹识别技术；

指静脉锁：是智能锁中最为安全的生物识别技术，不过指静脉识别核心技术掌握在日立手中，目前本土能开发指静脉识别模块的企业也不多，从技术、成本考量，指静脉指纹锁仅有海尔等少数几家有推出；

人脸识别锁：即通过采集人脸2000乃至上万个特征点(不同企业、不同算法采集点数不同)来进行人脸识别认证。目前智能锁中的人脸识别技术几乎都是采用双摄像头进行3D建模，并辅助红外检测人脸里面特征，号称具备双胞胎识别能力。但从目前领先的3D人脸识别技术来看，人脸锁延续的不过是商汤、旷世的技术，安全性仍有待验证。

　智能锁联网技术分析

1、单机智能锁。目前的智能锁中有很大一部分产品为非联网单机产品，即智能锁独立使用，这在一些中低端产品、中小企业开发的产品中最为常见。其智能锁仅作为本地端基于生物识别技术认证开门使用，与智能家居系统无关。

2、局域网联网技术。除了单机智能锁，更多的是联网智能锁。早期智能锁的联网技术主要是通过Zigbee将锁与智能家居网关连接起来，再由网关对接路由器，从而实现智能锁上云联网；Zigbee方式主要以主打智能家居的阵营为主，如安防可视对讲企业。

但随着不同背景企业的进入，大家对智能锁应采用的联网技术都有着不同见解， a&s发现，目前采用WiFi作为技术的智能锁较采用Zigbee的产品还要多，而且主要由IT互联网、传统锁阵营为主；而随着智能锁增加了视频等需要高带宽数据传输功能，WiFi也成了不二之选。

也有采用Z-Wave(与Zigbee一样，是智能家居的主流技术之一)技术的，不过采用Z-Wave的产品很少，主要见于应用于公寓、酒店的智能锁，便于集成抄表功能。第四种是RF无线射频技术，不过采用该技术的产品极少，一般多用于连接前端RF设备，如门铃按钮。

智能锁常见4种传输技术比较

结构设计分析

智能锁是一种应用场景较为单一的产�...

点击上方

蓝色文字

关注公众号

快节奏的今天，越来越多企业客户需要的是能够为他带来直接价值的东西，往往忽略报告给企业带来的实际价值。然而事实上一份有效的大数据分析报告能够对企业产生很大的价值。

大数据分析报告不仅能够对某个具体领域的宏观经济趋势进行判断和预测；还可以把我们的触角深入到某一个社区、某一类人群、某一个具体的产品，来了解他们的真实情况；同时，我们还能够借助大数据分析的结果来制定精细化的线上广告投放策略或是做针对性的地面推广活动；而最终，我们把大数据分析的成果以大数据工具的形式固化，才能让我们的大数据效力持续。

也就是说，真正有价值的大数据分析报告能够在中宏观规划、微观/细分市场分析、方案执行和策略部署等方方面面为企业带来价值。

一、大数据报告怎么做出来的？认识大数据分析流程！

首先，我们要理解大数据分析的基本流程，一个完整的大数据分析流程包含了商业问题理解、数据理解、数据准备、数据分析、产出分析报告、提出解决方案6个环节，并且是一个闭环、不断优化的过程。对于企业，可能不需要掌握高难度的分析处理能力，但是掌握数据分析思路、数据思维和意识都是非常重要的。

二、大数据报告究竟研究了什么东西？解密大数据分析思路！

大数据报告根据功能来分，可分为4个常见类型：

1. 市场/行业分析：对某一个行业、细分领域的市场现状的分析、发展趋势预测；

2. 用户画像：了解用户的人群特征、某个产品的不同群体的用户行为差异；

3. 竞品监测：对同类产品的用户使用情况、市场情况、功能性能进行对比研究；

4. 经营分析/业务问题专题：企业经营中重大战略决策的分析或针对某具体业务问题进行专题分析，如营销效果评估等。

大数据是新生事物，所以很多人对大数据分析报告缺乏概念，所以我来对4种典型分析报告的分析思路进行一次解密，看看每一类的数据分析报告到底需要包括哪些因素（指标仅为列举，无法全面涵盖）：

市场/行业分析

用户画像

竞品监控

营销效果评估

三、数据来自哪里？不同数据渠道和来源的优劣势对比

数据来源分为内部和外部，内部数据是企业有意识进行埋点、收集、整合与储存所获得的数据资产。一般来说，我们还会通过一些外部渠道获取数据：

1. 网页爬虫数据：通过程序在网页上把相关的信息采集下来；

2. SDK数据：游戏等应用中SDK自动打包回传的数据，像友盟、talkingdata，主要是基于SDK数据进行整合和处理分析；

3. 运营商数据：三大运营商运营、业务和管理三大领域大量的客户属性和上网行为数据，祥运大数据平台的核心数据来源之一；

4. 咨询公司加工数据：咨询公司大量的调研活动所产生的统计级数据；

5. 定制数据：向数据拥有者/采集者提需求，根据你具体的条件再进行数据的采集工作；

一份报告的价值很大程度收数据源质量影响，因此我们需要注意是数据是否靠谱。检查数据是否靠谱最简单的方式是借助你熟悉的数据进行对比，验证数据口径和数据范围。其次，就是对数据采集的对象、过程和处理方法进行评估，看数据是否具有时效性、代表性。

四、大数据报告能够怎么用？场景应用列举

祥运网未来也会陆续不断地给大家分享关于大数据的干货和有趣的、典型的案例。

后web2.0时代，互联网、物联网每天都在生产大量数据，人们对于这些庞大数据资源的价值渴求，使得“大数据”的概念得以问世。如果说“数据”是支撑未来核心技术的基础“原材料”，那么“大数据”正在演变成一种战略资源，当“用户需求导向”成为企业共识，大数据的收集、挖掘和分析开始支撑企业的业务运转、营销策略乃至战略方向，数据成为企业愈加珍视的宝贵资产。

目前，建设有大数据平台的企业不在少数，对比传统数据库，大数据平台数据大量集中，且蕴含更高价值，其安全建设要求明显更高。然而，由于大数据平台使用非结构化数据库类型，以及不同于以往应用与数据库，对应相对简单的传统网络结构，大数据平台安全建设为平台开发和运维者提出了难题。

日前，安华金和面向各行业IT运维和开发人群开展了一次大数据安全市场现状和需求调研。希望借此方式了解用户的大数据使用和运维安全现状，发现各行业用户在数据库运维工作中的安全需求，并梳理出整套适用于大数据平台特性的数据安全方案，帮助用户开展安全建设。安华金和从多方通道获取的近400份问卷中抽取170份有效样本进行统计分析，总结归纳出此份《大数据安全市场现状和需求分析》，摘取报告重点分析结论，分享给关注大数据安全的人士。

参与人员概况

抽取调研样本来自不同行业的部门或企业，包括：政府、制造、医疗、金融、通信、教育、能源、交通、保险行业等。调查对象主要为技术人员，直接从事IT运维或技术开发工作，或者为用户提供运维服务、解决方案及相关产品咨询，其中以技术经理、运维工程师、技术开发者占大多数，他们在单位中会指导或直接参与大数据平台的建设和运维，肩负大数据安全建设的责任，这为此份调研报告的客观性、专业度提供了基本的保障。

调查结果

大数据技术应用现状

本次调研中，半数受访者表示已经将大数据技术应用于单位部分业务中，或者明确列在应用计划内，处于技术选型阶段，另外半数受访者虽然没有真正启动大数据应用项目，但同样关注并处于技术调研阶段。同时，在已经投入大数据应用的受访者中，45%的受访者表示将大数据技术应用在了单位核心的数据分析或业务系统中，意味着单位核心业务数据写入大数据平台，这部分数据与平台分析结果具有非常高的商业价值，需要更高敏感度。

可以肯定的是，大数据技术已经受到各行业用户的广泛关注，当市场中近半数群体已经有所动作，一旦行业标杆案例成熟落地，另半数用户的方案复制和普及将很快开展起来。

大数据产品的使用情况

对于很多需要提供24小时不间断服务的网站来说，对数据库系统进行升级和扩展是非常痛苦的事情，往往需要停机维护和数据迁移，除了这些，大数据平台对传统的关系型数据库提出了更多的挑战，包括：高性能的事务管理性要求、读写实时性要求、高可用性要求。因此，在大数据平台的建设中，关系型数据库的很多特性失去了用武之地，非关系型数据库（NoSQL）成为大数据平台的标配。

在本次调研中，我们列出了目前相对常见的几类非关系型数据库产品，希望对几款产品的市场接受度加以了解：

32%的受访者应用了MangoDB数据库，使用最为广泛：Mongo最大的特点是支持的查询语言非常强大，语法类似于面向对象的查询语言，可以实现类似关系数据库单表查询的大部分功能，而且还支持对数据建立索引。MongoDB主要解决的是海量数据的访问效率问题，当数据量达到50GB以上的时候，Mongo的数据库访问速度是MySQL的10倍以上，这也是MongoDB广受青睐的主要原因。

其次为Hbase、Hive、Redis等几类，均在22%左右：Hive与HBase都是基于Hadoop平台的数据仓库工具，其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

Spark紧随其后，占比17%：Spark 是一种与 Hadoop 相似的开源集群计算环境，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

此外，在其他选项的答案中也出现了DB2、阿里大数据云等产品。

大数据平台中有哪些数据？

我们谈安全建设的时候，首先要搞清楚保护对象，不同业务类型、不同敏感级别的数据，需要根据其本身的敏感级别以及被访问和使用的情况，选择恰当的保护手段。因此，我们需要了解用户群体到底把哪些数据放到了大数据平台中存储和使用。

调研结果显示，50%的受访者会将“生产数据”放入大数据平台中，也就是单位主营业务系统实时产生的重要数据。这些数据从生产环境直接写入大数据平台，具有很强的实时性和敏感度。

41%的受访者选择“用户资料”，也是企业赖以生存的商业数据；此外，访问日志和交易信息分别有34%和24%的受访者选择。

更有14-15%的受访者表示会将第三方数据和财务数据放在大数据平台中，这里面第三方数据的出现，是指业务中的数据多方共享，测试、开发、分析场景中的数据分发等情况。此外，也有少数受访者提到了企业征信数据。

用户们的安全顾虑

大数据平台中汇集了一个单位方方面面的数据，并向各类对内或对外的业务系统开放接口，这意味着传统环境下的数据安全威胁在大数据应用场景下发生了更复杂的叠加和自由组合。那么用户们对大数据平台的安全顾虑更偏重哪方面呢？

59%的受访者选择漏洞攻击，56%的受访者选择“数据共享安全”，相较传统环境，共享场景下的安全问题在大数据技术的应用中显得更为突出，已经能与传统安全威胁中的“漏洞攻击”打个平手。不难理解，大数据平台除了提供存储和查询的功能，更重要的价值在于数据分析和价值挖掘，这决定了大数据平台需要向多部门甚至多家单位开放，比如政务大数据平台会向该地区各政府单位提供数据接口。

46%的受访者选择“企业机密泄露”，看来用户在安全问题引发的后果中，更担心机密数据泄露，这关乎企业的命脉。

38%的受访者选择“权限控制弱”，这与大数据平台所涉及的人员规模和角色复杂程度有关，目前只有具备一定技术水平的单位具备大数据平台建设能力，但同样需要引入第三方开发、测试人员，在后期的数据维护和挖掘中，需要引入第三方服务公司，这些不同访问角色的权限划分和管控愈加重要。

28%的受访者选择“无审计信息”，可见用户对于大数据平台的审计记录比较关注，这将提供一切安全事件的追责依据。

值得注意的是，只有13%的受访者选择“违反国家法规”，这不同于以往“安全需求多出自政策要求”的传统观念，保障数据安全的刚需成为越来越多用户考虑的重点。

哪些大数据安全产品最受青睐？

传统的安全建设思路对于大数据安全同样适用，但真正落地到技术手段的实现和方案的整合中，非关系型数据库的技术结构比传统关系型数据库难度更大。另外，由于大数据平台的数据访问来源、对象以及过程都要复杂的多，安全策略的制定和实现难度也会更高，那么在数据安全产品的选择上，用户更倾向哪几类呢？

大数据运维管控产品受到59%的受访者青睐，这侧面体现了用户对运维侧的行为管控最为重视，事实上，相比应用侧的数据读写，运维侧的开发、测试、分析人员会拥有更高的数据操作权限，也意味着更高的管控难度。

其次，大数据防火墙产品为41%，由于防火墙多用于应用侧的对外安全防护，也正应了用户对漏洞攻击等外部入侵的安全防护需求。

32%的受访者选择大数据审计，该数字低于运维管控和防火墙产品，这与传统环境下的安全需求差异明显，看来用户更看重能够提供事中管控的安全手段，审计产品的旁路监控和事后追查能力也重要，但看起来没那么迫切。

“大数据风险扫描”、“敏感数据梳理”的选择者各有27%和28%。安全风险扫描能够帮助用户发现安全隐患，如安全漏洞、弱安全配置、弱口令等，有些问题可以人工修复，提高平台安全基线，也能够指导安全方案的规划。敏感数据梳理是整体数据安全建设的基础，但这项技术在规模庞大且数据类型繁杂的大数据平台中落地，会面临不小的挑战。“大数据脱敏”有20%的青睐者，这项技术适用于数据分发和共享场景下的安全需求，但这个数字没有想象中高，也许用户是出于性能考虑？有待观察。

中国信息通信研究院韩涵做了题为《中国大数据产业分析报告》的演讲。部分亮点摘录如下：

从各地实践来看，我国公共信息资源开放已由点状探索进入面状辐射阶段。

根据信通院的市场调查，2016年中国大数据市场规模约为168亿人民币。

核心业态——关联业态——衍生业态构成了我国大数据产业链的主体结构。

数据显示，领域融资金额总量虽然持续上升，但频次略有下降。单笔额度增加至过亿，显示出产业向成熟期过渡。大数据

我国大数据领域专利申请数量自2010年以来飞速增长。2013年即达到2010年的十倍多。2016年，专利申请数量达到634件。

▊以下为现场解读PPT：

原文来自：数据观