三十多年前，邓小平爷爷提出“让一部分人先富起来，先富带动后富，最终实现共同富裕”。30多年过去了，“让一部分先富起来”实现了，但“先富并未带动后富”，反而是贫富差距越来越大。

大数据和互联网是个好东西，可以通过数据采集来分析国内的薪资情况。在日常工作中，各个公司都明确规定，不允许同事之间讨论工资情况。当然，网上也有很多公司不断地采集公司招聘时的信息，用来衡量本市的基本薪资和平均薪资。然后对比自己的公司，突然发现自己的工资又拉了后腿。

西部农村

话说中国改革开放三十年，目前的贫富差距到底有多大呢？真的像刘强东说的那样？我们看看京东老大刘强东在互联网大会上说的一句话：互联网精准扶贫“论坛上表示，30年前我们说好要让先一部分人富起来，然后帮没有富起来的人。现在我们已经富起来了，中国富到了什么程度？富到了赚一个亿是一个小目标了，富到了全世界买买买，在这么富有的时候，在我国还有几千万人口生活在极端贫困的状态。这是整个中国人特别是中国已经富起来，我们这些富人的耻辱，我们每个人要行动起来，整个中国只有12.8万个国家贫困人口的新农村，据说中国的亿万富翁千万富翁超过了一百万，我们可以站起来用自己的资源帮助这个村，这样中国的扶贫攻坚战在2020年一定可以实现，不仅是脱贫，可以让全体的乡村民变得更加富有。”

城市小学生电脑课

金字塔

当贫富差距拉大，会产生什么样的影响呢？

一 ，【富人】没有安全感；《夹缝中生存的中国富人们》说道，探究内地富人海外移民的主因，排在第一、二位的分别是子女教育和寻找安全感。子女教育的原因属于正常原因，而“寻找安全感”则不能不令人反思国内的社会环境。一是国内的投资环境，离法治化和规范化还有不小距离，许多投资渠道限制民营资本进入。二是贫富差距拉大，导致中国社会对财富“原罪”的追问以及不时引发的“仇富”心态也让富人们如坐针毡。如何保护自己的生命财产安全，成为富人们不得不担心的一个问题。

二，【穷人】穷人没有尊严；尊严不能当饭吃，为了生计，穷人不得不抛弃，穷人被压在金字塔的最底层，上升通道都被堵死。一旦经济动荡，穷人首先受害，一旦整个穷人群体受害，就会出现社会动荡。

先富带动后富，实现共同富裕，这个理论是很超前的，包括美国这样的富裕国家，教育水平之高胜于中华数百倍，其子民素质之高胜于我国子民数倍，仍未能在数百年内在其国家消除贫困，实现共同富裕，我中华根基之薄弱，民众素质之参差不齐，要在百年实现，可想起难度！！！只要有雇佣关系存在，就会有剪刀差之类的东西来平衡，所以差距始终存在，而且不可消灭。人民对政府的要求之低，政府之懒惰，是这种情况持续恶化的根本。

2015年占国土面积17.3%、以地大物博资源丰富著称的新疆，全年GDP仅9400.00亿元；甘肃、海南、宁夏、青海和西藏的GDP，分别仅为6790.32亿、3702.80亿、2911.77亿、2417.05亿和1026.39亿。也就是说，中国要是少了这十个人，相当于GDP去掉一个大新疆，或GDP凭空少了甘肃+宁夏，或拿掉了海南+宁夏+青海+西藏一年的GDP！相当于中国2200多万人白干一年。难怪有人说，“前十吼一吼，中国抖一抖”！

愿世界充满平等和谐，早日实现中国梦。

这里是百家号：程序员技术前沿，欢迎转载分享评论。

中商情报网讯：农村人口是非网民的主要组成部分。截至2018年6月，我国非网民规模为5.88亿，其中城镇地区非网民占比为37.8%，农村地区非网民占比为62.2%。上网技能缺失以及文化水平限制是制约非网民使用互联网的主要原因。调查显示，电脑或网络知识缺失，以及拼音等文化水平限制导致非网民不上网的占比分别为49.0%和32.5%;年龄因素是导致非网民不使用互联网的另一个主要原因，因为年龄太大或太小而不使用互联网的非网民占比为13.7%;因为无需求或兴趣丧失而不使用互联网的非网民占比为10.2%;因可支配上网时间有限，以及网络使用设备缺失或宽带无法连接等接入障碍造成非网民不上网的占比均低于10%。

数据来源：CNNIC、中商产业研究院整理

促进非网民使用互联网的因素主要分为三类。一是提升上网技能，弥补文化水平不足。非网民中愿意接受免费上网培训指导以使用互联网的比例为15.9%。二是提供设备或降低网络使用费用以保证用得上和用得起互联网。非网民中表示网络使用费用降低而愿意上网的比例为13.7%，认为提供可无障碍使用的上网设备而愿意上网的比例为13.2%。三是满足日常需求，方便.人民生活。非网民群体中出于沟通家.人亲属、增加收入、方便购买商品和获取专业信息等原因而愿意使用互联网的比例分别为15.4%、11.5%、10.4%和11.1%。

数据来源：CNNIC、中商产业研究院整理

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...

中商情报网讯：2018年6月中国手机出货量为3661.0万部，同比下降12.4%，2017年5月份以来，我国手机出货量同比跌跌不休，2018年1-6月我国的手机出货量为1.96亿部，同比下降17.8%。

2018年6月中国上市新手机为62款，同比下降50.8%。1-6月我国的手机上市款数为323款，同比下降31.3%。

来源于：每日财经网 数字榜

2017年全球人均GDP排名，中国排名71位，人均为8643美元（71名），全球平均为10728美元，低于全球平均数。

世界货币基金组织公布了2017年全球人均GDP排名（当前价格），中国人均为8643美元（71名），全球平均为10728美元。

总量方面，中国占比全球14.84%，美国占比24.32%，中国人口13.8亿，美国人口3.25亿。

人口上亿大国人均排名进入前十位只有美国，美国人均59000美元。巧合的是美国家庭收入中位数也是59000（2016年数据），平均每个家庭大概2.5个人口。

中国香港人均为46000美元（15名），台湾为24577美元（33名），亚洲国家新加坡和韩国进步最快，新加坡人均57700（8），韩国起步与中国差不多，目前人均29891（27名），早已迈入新兴发达国家了。日本人均38440（23名）俄罗斯人均GDP10608美元，排名62，刚好与全球平均数相差无几。

那么中国实现终极目标还要多少时间，50年呢，还是100年？

高收入国家的差距也是巨大的，排名第一的卢森堡人均GDP已经超过10万美元，是高收入门槛9倍，但是像这样人口不足千万的国家以及中东石油富国，对中国发展应该没有参考价值，因此具有参考价值的就是美国、日本、德国、英国、法国、意大利、西班牙、韩国，特别是美国，人口超过3亿，国土面积和中国相当，美国2017年人均GDP为5.9万美元，这真的是相当恐怖的数据了，放眼整个世界，人口过千万的国家不仅排第一，还超过日本、德国、英国、法国这些老牌发达国家人均GDP一大截。我想，这也是中国发展终极目标。

首先我们弄清楚何为GDP，即国民生产总值，生产是由国民劳动力产出，也就是和人口因素有很大关系，从世界经济发展历史可以看出，当一个国家持续发展，人口越多越GDP越高，无论是发展前期的人口红利（如同当今的中国和印度，总量大，人均低），还是引领世界发展超级强国（美国），在过去的10年，那些传统发达国家，只有美国经济在持续增长，虽然增速不高，但因为本来人均就很高带来的复利效果，日、德、英、法不仅总量，人均也处于世界第二梯队了，意大利、西班牙人均GDP只有美国的一半，人口规模效应为美国（也为中国）经济带来其他国家不具有的增长新动力。因此，经济问题就是释放和发展人口劳动力的问题，只要有足够多的人口和足够好的发展环境。（这也许就是印度不控制人口的高明之处？）

应该说中国这样的国家，只要不发生世界性动荡，经济肯定会不断增长，无论是50年还在100年，我们人口比美国多得多，制度也证明了不比美国的差，可能真的有一天，我们看待美国，就像现在美国看待日本。

▌中国现在仍然需要学习

“中国人均GDP按照最新汇率计算也就刚刚超过9000美元，还没有到1万美元，而发达国家一般都在4万美元以上，美国是5.8万，欧洲几个国家超过8万美元了。所以，我们从整个经济发展角度来看，中国现在仍然是个追赶者。我认为这个定位，非常重要。”

刘世锦指出，中国现在仍然需要学习，我们的人均GDP还不到1万美元，要学的东西还很多：

“比如1万美元到4万美元之间，很多东西都是可以公开学习的东西，你还要不要学习呢？这个学习的基础打牢了，将来创新才能创出新的东西来。”

因此，中国需要正确地定位自己，自信是必要的，但多跨一步就是自傲，中国远远不到自傲的时候：

“你就是个追赶者，连1万美元都不到，到发达国家4万美元，还有3万美元的距离。这个心态，中国下一步改革开放，（要）全球化，整个态度问题非常重要。”

在刘世锦看来，中国这些年能够取得进步就是因为在学习，相反，美国人对中国了解很少，将来是要落后的。

附：世界银行的高中低收入国家标准：

低收入：人均GDP低于1,045美元中低收入：人均GDP在1,046-4,125美元之间中高收入：人均GDP在4,126-12,735美元之间高收入：人均GDP在12,736美元之间

中商情报网讯：8月20日中国互联网络信息中心发布第42次《中国互联网络发展状况统计报告》，报告显示，截止2018年6月，中国网民规模达到8.02亿人，2018上半年新增网民数量为2968万人，与2017年相比增长3.8%，互联网普及率为57.7%。

在2018上半年中国网络新闻用户规模及占比情况中，数据显示，2018上半年中国网络新闻用户规模为66285万人，与2017年末相比增长1596万人，用户规模占整体网民比例达到82.7%。

数据来源：cnnic、中商产业研究院整理

而在手机网络新闻方面，数据显示，2018上半年中国手机网络新闻用户规模为63128万人，占网络新闻用户规模的95.2%，与2017年末相比增长1169万人，占整体手机网民的80.1%。

数据来源：cnnic、中商产业研究院整理

2018上半年中国国家主管部门积极加强网络新闻资讯内容建设，营造清朗网络的空间。伴随着网络新闻行业的发展，网络新闻自媒体从个体单位发展为新型媒介组织，进一步拓展商业化道路。

记者昨天从工信部组织的“大数据和实体经济深度融合高峰论坛暨2018大数据产业发展试点示范项目发布会”上获悉，使用上海原创技术的“通用拟态大数据平台”，入选工信部2018年大数据产业发展试点示范项目，将为我国在大数据分析挖掘领域实现高效能、高安全提供国际原创技术路径。

当前，我国正在实施大数据战略。随着各行各业积累数据量的增加，数据处理的复杂性、系统能耗、数据安全等挑战随之凸显。“数据大”转换为服务经济社会发展的“大数据”难度，与数字经济蓬勃发展的强劲需求形成反差。如何消除这种反差？中国工程院院士、国家数字交换系统工程技术研究中心主任邬江兴认为，通用拟态大数据平台能提供解决方案。

“通用拟态大数据平台”由上海红神信息技术有限公司、上海红阵信息技术有限公司、复旦大学等单位牵头研制。“拟态大数据”源自“拟态计算”，后者则源自一种动物——拟态章鱼。它能通过扭曲肢体、改变颜色，模仿十几种动物的外表和行为。受此启发，邬江兴提出了研发拟态计算机的构想：计算结构动态可变，适应各种不同应用，以提高计算机效能。在科技部和上海市科委支持下，他带领团队耗时6年，研制出世界首台拟态计算机原理样机。2013年，这项成果入选两院院士评选的“2013年中国十大科技进展”。

2015年，“拟态安全”作为重大战略项目，写入上海科创中心建设“22条意见”。从那以后，拟态计算和拟态安全技术得到市科委、市经信委的更大支持。研发团队将其应用于大数据领域，并牵头成立了全国首个“大数据试验场”联盟，建设引领学术、技术、应用、产业发展的创新策源平台。“大数据试验场”的建设运营，为通用拟态大数据平台此次入选国家示范项目打下了基础。目前，来自试验场的成果正在嘉兴审计系统全面上线应用。

邬江兴表示，与国内外大多数大数据产品不同，通用拟态大数据平台打破了立足于通用计算资源与开源架构的堆叠技术路线，一改数据安全和业务安全领域普遍采取的“外挂式”被动防御策略，引入国际原创的拟态计算和拟态防御理论，从根本上突破体系架构单一性束缚，提高了数据处理与存储效率。通用拟态大数据平台能适应当前“有毒带菌”的网络空间生态，以一体化鲁棒构造产生的内生安全机制，推动该平台形成“自身免疫力”，完成系统整体的升级换代。

据悉，通用拟态大数据平台的建设目标是研制面向大数据处理场景、软硬件深度耦合、节能高效和安全可靠的大数据标准化装备，探索建立自主可控的大数据基础设施，为数据获取、存储、分析、运用等环节提供安全高效的解决方案。（记者 俞陶然）

8月20日中国互联网络信息中心发布第42次《中国互联网络发展状况统计报告》，报告显示，截止2018年6月，中国网民规模达到8.02亿人，2018上半年新增网民数量为2968万人，与2017年相比增长3.8%，互联网普及率为57.7%。

数据来源：cnnic、中商产业研究院整理

在手机网民方面，数据显示，截止2018年6月，中国手机网民规模达到7.88亿人，2018上半年新增手机网民数量为3509万人，与2017年相比增长4.7%。值得一提的是，在手机网民占网民数量的比重持续攀升，2018年占比已高达98.3%。

数据来源：cnnic、中商产业研究院整理

在城乡网民结构方面，截止2018年6月，中国城镇地区互联网普及率为72.7%，农村地区互联网普及率为36.5%。

数据显示，2018上半年，中国农村网民规模为2.11亿人，占整体网民数量的26.3%，与2017年末相比增长204万人，增幅为1.0%。城镇网民规模为5.91亿人，占整体网民数量的73.7%，与2017年末项目增长2764万人，增长率为4.9%。随着中国城镇化进程的不断推进，城镇人口不断增加，预计城镇网民规模将进一步增长。

数据来源：cnnic、中商产业研究院整理

在网民性别结构方面，截止2018年6月，中国网民中男性占比为52%，与2017年末的52.6%下降6个百分点，女性占比为48%，与2017年末的47.4增长0.6个百分点。

数据来源：cnnic、中商产业研究院整理

目前，中国网民主要以青少年、青年和中年群体为主。数据显示，截止2018上半年，10-39群体占整体网民规模的70.8%，其中20-29岁占比最高，占比为27.9%，其次为30-39岁群体，占比为24.7%，其后为10-19岁群体，占比为18.2%。

数据来源：cnnic、中商产业研究院整理

截止2018年6月，初中、高中/中专/技校学历网民占比分别为37.7和25.1%，大专、本科及以上教育的网民占比分别为10.0%和10.6%。由此可见，目前，中国网民主要为中等教育水平为主。

数据来源：cnnic、中商产业研究院整理

截止2018上半年，中学生网民群体占比为24.8%，占比排名第一，其次为个体户/自由职业者，占比为20.3%，排名第三的是企业/公司的管理人员和一般职员占比为12.2%。

数据来源：cnnic、中商产业研究院整理

在网民收入结构方面，数据显示，2018上半年，月收入在2001-3000,3000-5000元的网民占比分布为15.3%，21.5%，值得一提的是，中国无收入人群和高收入人群网民占比有所提升，其中无收入网民占比与2017年末相比增长2.7%，而月收入在5000元以上的网民占比与2017年末增长4.5%。

数据来源：cnnic、中商产业研究院整理

（来源：中商产业研究院）

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。

中国的勤奋可谓是有目共睹的，那么有没有一个直观的数据可以说明中国的勤奋状况呢？答案来源就是劳动参与率。中国的劳动参与率达到了惊人的68%（2017年数据），女性也有惊人的百分之六十多。这两项数据都是世界之最。粗看可能不觉惊艳，尤其是在中国女性的劳动参与率甚至是在逐年下降的情况下。

那么为什么全世界还会为这两项数据称奇呢？

原因就在下图中。

劳动参与率的计算中涉及的人口年龄范围是16岁到64岁。而实际上在中国学习的毕业时间最起码是在18岁，大部分人读完大学会在二十二三岁时开始参加工作，而16-23岁的人口就有二亿左右，占总人口的14%而中国的法定退休年龄男性60，女性55，到数据统计的上限64岁也有接近二亿的人口，这些人占调查总人口的比例大概就有20%多。再联系上中国高达70%多的劳动参与率，就可以明白中国人口劳动的激情多大了。

有人可能要说了，这是由于中国比较贫穷，不得不全家参与劳动。但实际上很多经济比中国差的国家，劳动参与率都很低，比如土耳其，只有百分之五十多；印度，53%；南非，54%。而奇怪的是很多发达国家 的数据反而比较高，比如美国61%，英国62%。可以说虽然受这些客观的经济条件影响之外，中国本身的一些文化特性也被比较明显的展现。

也许中国今天的高速发展正归功于此。