大数据是IT界的行业术语，本名叫巨量数据集合。

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。

在各种购物平台，用户所收到的购物产品推荐，就是运用大数据的结果。经常使用淘宝的人可能会有这种感触，前几天搜索了一款产品，后几天就会时常收到相关产品的推荐。不光是购物上，大数据还可用来为未来的形势做预估。伴随着大数据的普遍使用，未来大数据的应用已是必然趋势。

在即将到来的10到20年之间，大数据的发展趋势必定更加迅猛。

趋势一：数据的市场化

当大数据进入人们的生活，所有的数据必定成为资源，而掌握了数据的人就会拥有较好的市场。日本有学者提出“生活者”的概念，意思是，随着社会化媒体的出现，消费者不再是单方面接受信息的买方，而是将所有与生活有关的信息都放在社会化媒体上的生命体。这时，不光是产品信息，消费者的兴趣、年龄、收入、产品反馈等都会被列入商家批量生产产品所要考虑的要素之列。而面对几千、几万计的消费者，普通信息统计已经不能满足需求，这时，就需要专门的大数据处理公司，或者是公司单独设立用户数据处理中心，使用大数据技术，更加精准地把握用户需求，这将会给企业带来意想不到的回报。

趋势二：与云计算一起获得双赢

网络用户呈现出爆炸式增长，传统的信息运算技术显然已经不能满足现在庞大的用户基数了，所以在这时，拥有强大计算能力的云计算技术成为大数据技术的好伙伴。本来需要很长时间才能处理的数据，在云计算的加入之下，很快就能处理好，大大提升企业、政府和社会组织的效率。除了云计算之外，物联网等新兴的技术为大数据提供数据来源，人们可选择的数据样本越来越丰富，大数据所能得出的结论可信程度将会日益提高。

趋势三：数据处于泄露的巅峰

大数据从哪儿来的呢？自然是从不同用户中抽取而来的。它为社会运转、企业盈利带来好处，但与此同时，很多问题也出现了。用户的信息被计算机一股脑儿的抓取，在这其中，人们的隐私也暴露了。随之而来的，是伦理上、法律上对大数据的争议。很多相关争论就此展开。在运用大数据时，人们不得不更加谨慎。

趋势四：数据管理和质量成为核心竞争力

马云在演讲时就说过:“大数据时代人人有机会，必须要有独特的视角把个人的能力与大数据结合起来，才能够发挥自己的最大优势。”

当数据市场化之后，企业、组织和个人已经逐渐认识到大数据的重要性。为了能吸引用户，个性化推荐技术，根据用户信息制定的营销方案，已经为人们所青睐。但是，和技术运用相对应的，是技术的处理方式。在使用大数据时，要把握什么样的信息是重要的，什么样的是次要的。信息的管理者也需要建立数据库，利用好已经搜集到的数据，以便随时应用，在这个信息发达、创意频出的时代占领先机。

一位小医院院长吐槽，如今DR设备已经成了医院竞争力的体现，低价的担心质量没保证，高价的怕成本一时回不来，实在是很为难。

我国宠物DR市场渗透率有多大？各品牌竞争现状如何？潜在用户是哪些人？消费者通过哪些维度进行消费决策？目前宠物DR市场上产品性价比不高的原因？

现奉上《2018年宠物DR市场调研报告》，丰富详实的数据， 欢迎大家共同讨论！

保存图片，随手转发

保存图片，随手转发

大数据时代的到来，将彻底颠覆此前的市场营销模式与理念，导致企业整体性变革，以服装业客户为例，它以往每年的工作一成不变：选定产品、寻找买家、生产以及促销，惟一能称之为变化的就是当产品积压，是通过打折还是压迫经销商完成销售额，这是典型的传统由内而外的经营模式。

在社会化媒体盛行的今天，这种经营模式将无以为继，因为新技术赋予消费者前所未有的主导商业的力量。有调查显示，75%的客户已经不再相信商家通过广告推广的产品，消费者会主动搜寻消息、拣选信息、比价、筛选。由营销部分主导的话语权已经被消费者的产品消费体验所替代，品牌形象的塑造者也不再是以前那些“单一出口、统一口径”的公司公关部门，而是拥有自媒体平台的每一个人—员工、合作伙伴等。

一方面，大数据时代让消费者成为商业行为的主宰者；另一方面，技术让企业满足客户个体需求成为可能：从搜集客户的个性化信息和需求，推送购买建议和相关促销信息，到提供跨渠道的客户购买体验，以及激发相关的品牌联系。

卡夫食品公司与IBM合作，搜集社交网站和讨论社区上，有关卡夫食品所拥有的澳大利亚“国民食品”Vegeminte的零碎信息，分析结果大大出乎意料。消费者关心的并不是商家原以为的口味和包装。分析的结果显示了消费者购买的三个关注点：健康、素食主义和食品安全。在关于健康的讨论中，一种学名为叶酸的维生素B复合体被频繁提及，因为叶酸对孕妇很重要，因此卡夫打开了孕妇市场。

由于80后，90后甚至00后的成长，是的现在的消费者有着独特的消费倾向，他们的客户忠诚度低，只忠于自己给自己的定位，但并不忠于哪个品牌。在整个销售链条上，如果公司的品牌不能最大化地实现客户价值，最大化地满足个性需求，那么客户就会从销售的任何一个环节跳脱：问询、购买、支付、服务。

对于企业来说，亟待解决的问题主要集中于四个方面：线上渠道冲击线下传统渠道体系；多渠道模式与传统供应链的矛盾；不了解电子商务的真正价值；产品设计部门对消费者的洞察不够精准，而身在一线的部门却没有产品设计的话语权。对于很多精明的消费者而言，他们会自由地在线上、线下、虚拟、实体之间转换，完成整个购买旅程可能要经历若干个环节，在这当中如果价格、体验、服务一项不到位，消费者就会从某一个渠道或者该品牌逃脱。

定价战略之父汤姆纳格认为，产品定价应该是一个公司最核心的战略，定价的最终目的是没有同意定价，个性化的定价是定价战略要实现的最终目标。大数据时代来临，这一目标将成为现实。因为购买渠道的多样化、物流运输的可视化，为个性化的定价提供了可能。

林肯曾经阐述过树与树影的关系：要这棵树漂亮，人们不能只关注它的影子，最关键的是要看这棵树到底是什么样。这句话形象地阐述了品牌和企业之间的关系，传统做品牌营销的人关注的只是树影。但移动互联时代几乎所有的一切都是透明的，以前顾客有一个不太好的客户体验，或许只能自认倒霉。但现在顾客的一条微博，可以在2、3秒内让全世界都知道某个公司、某种商品、某个服务渠道的承诺没有兑现。

同时，公司的品牌不再是建立在一纸公关稿、几个媒体关系，这些公司公关部门能够掌控的宣传途径上。实际上，每位员工对公司文化的认同感、抱怨牢骚，都可以通过自媒体传播开来——这相当于公司的每一位员工都是公司的PR。塑造品牌的影响、构建品牌的力量已经成为企业每一位员工的权利。如果企业还仅关注“树影”。就会导致公司不停地忙于危机处理。

大数据时代对市场营销是把双刃剑——品牌文化表里如一是应对复杂世界的简单之道。

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

日前，中国软件网、海比研究联合中国软件行业协会应用软件产品云服务分会发布了《2017年中国大数据可视化市场研究报告》。这份业界首次发布的大数据可视化报告认为，2017年中国大数据可视化市场收入规模为12.7亿元，年增长率为45.2%。2017年中国大数据可视化市场份额排名第一位的是恒泰实达，占比7.7%，收入增长最快的厂商是东软。

大数据可视化是利用计算机图形学和图像处理技术，将数据转换为图形或图像在屏幕上显示出来，并进行各种交互处理的理论、方法和技术。大数据可视化是大数据产业链中的基础支撑产业，在大数据行业中，数据可视化起到的作用是更好的分享和传达数据信息，更多的服务于态势监控和综合决策，是技术和艺术充分结合的领域。大数据可视化是大数据生态链的最后一公里，也是用户最直接感知数据的环节。

日前，中国软件网、海比研究联合中国软件行业协会应用软件产品云服务分会发布《2017年中国大数据可视化市场研究报告》，报告显示，2017年中国大数据可视化市场收入规模为12.7亿元，年增长率为45.2%。

2017年中国大数据可视化市场规模

目前，大数据可视化成为大数据行业热点，市场处于快速增长初期，可视化工具种类越来越多，应用需求的多样化催生了从场景衍生出来的定制化服务。

大数据可视化市场的厂商主要来自这几类：一类是提供商业可视化产品的软件服务商，国内有帆软、永洪科技、东软、四方伟业、SMARTBI等，国外有SAP BO、IBM Cognos、Oracle BIEE、Microsoft BI 等传统商业智能软件服务商。第二类是新兴的可视化产品提供商，国内有恒泰实达、数字冰雹、海致BDP等，国外有Tableau、Qlik、Microstrategy等。第三类是互联网巨头公司，如网易有数、百度图说、阿里云数加，他们的大数据平台的可视化基本都是自己设计开发，同时也售卖各种数据产品。第四类是互联网大数据服务商，如百分点、海云数据、神策数据、友盟等。

2017年中国大数据可视化市场份额排名第一的是恒泰实达

《2017年中国大数据可视化市场研究报告》显示，2017年大数据可视化市场排名第一的是恒泰实达，占比7.7%，第二是数字冰雹，占比6.3%，第三是东软，占比5.1%，其后依次是帆软占比4.9%，四方伟业占比4.7%，永洪科技占比3.3%，海云数据占比3.2%，海致BDP占比3.1%。

2017年中国大数据可视化市场份额

2017年中国大数据可视化市场增长最快的厂商是东软

随着大数据产业的蓬勃发展，大数据可视化引起了众多厂商的关注，2017年大数据可视化领域增长最快的厂商是东软，增长率超过100%。东软 SaCa DataViz 作为新一代可视化产品不仅具备海量数据的秒级分析能力，而且能高效地实现数据的高端展现。从一组杂乱无序的业务数据，到带有价值信息的炫酷图册，整个探索与制作的全过程都非常方便、快捷，同时又在发展中持续创新，在大数据量计算、3D可视化方面不断突破，目前已服务于政府、金融、医疗、制造、教育等10 余个行业，拥有众多典型客户。同时，东软数据可视化SaaS服务也在飞速发展，在线数据可视化云服务"图表秀" 以在线图表制作为切入点，目前已经累积百万级用户。

2018年中国大数据可视化市场还处在竞争非常激烈的阶段，市场份额比较分散，厂商占比都不高，份额差距不大，哪家厂商能在客户需求把握、用户体验、视觉表现等方面建立自己的竞争优势，就能在群雄逐鹿的市场中进一步扩大份额。

来源： 格隆汇

极光大数据，作为最近登陆美股的第一家大数据概念公司，非常受到资本市场的关注，毕竟在二级市场，投资者对大数据公司的盈利模式，商业模式，公司、行业特点等都不是十分了解，所以股价上上下下，大家都表示很迷茫。

周五晚间极光大数据公布了二季度业绩，先来看一波财务数据：

收入1.65亿人民币，同比增长233.6%；

毛利4700万人民币，同比增加411%；

净亏损1180万人民币，而去年同期的亏损为3020万人民币，亏损大幅减少；

在运营数据上：

使用极光服务等APP从去年年中的58.3万个增长到了现在的88.8万；

月活独立移动设备从去年的6.33亿台增长到了线的9.71亿台；

截止上半年，累计SDK安装量为149亿次，去年年中的时候只有85亿次；

付费客户达到了1602家，去年同期为1165家。

极光公司是怎么赚钱的？

极光公司，如果简单看收入类型主要是广告收入，简单看收入成本是广告位成本，这不就是广告二道贩子么，业务到底有什么特点？

别急，作为羊毛出在猪身上的典型代表，先必须了解一下这个羊毛是怎么来的。所以我们先必须了解一下极光大数据关于数据的几个问题？

1，数据是怎么来的？

极光被大家熟知的可能就是所谓的极光推送，这个功能模块是叫JPush，简单说就是帮助APP运营者推送信息到安装该APP用户的手机上，别看这个功能大家每天都在用，每天接受到很多APP的各种推送，但其实实现起来是个很复杂，很复杂的功能。复杂到什么程度呢，简单说几个点大家感受下，极光在全国有超过4600台服务器来进行推送消息处理和传输，基本上中国除了BAT有能力自己完成推送外，很多APP都会采用第三方的推送服务，而即使现在BAT也对第三方推送采取开放的态度。所以你看，全中国现在有88万个APP用了极光的推送服务，极光推送服务的市占率是53.8%。

一般一个APP在写代码的过程中，会嵌入极光开发的推送SDK，SDK（SoftwareDevelopment Kit）这个东西呢，简单说起来就是一个实现某种功能的工具包，嵌入到APP内就行了，用户下载APP到手机上，这个SDK也会随之下载到手机上。这个SDK和极光服务器集群通讯，就可以帮助开发者收发消息啦。

2，数据是什么？

一般来说，推送服务要想顺利运行，必须得到用户有限的几项授权，否则信息是不能精准推送到手机上实现推送功能的。这些授权的数据主要是基于设备级别的匿名手机行为数据，比如统计类的安装卸载，打开APP与否的行为，硬件信息等等。至于用户具体再APP里做了什么，那只有APP开发者自己才知道。

有了这些数据之后呢，再通过一定的人工智能，机器学习，算法加工等，就能大概勾画出这个手机设备持有者的一些特征和行为标签，比如装了一堆美妆APP还有大姨妈监测软件的那么极大概就是女性；想买房的人就会装一堆链家，安居客等看房软件；你经常打开拼多多还是海淘软件大概也能过勾画出你的消费水平等等。这些都是简单的例子，其实实际上算法很复杂，最后的精准度也很高。

3，数据量有多大？

其实手机上绝大多数APP开发者都能知道你手机的安装卸载APP等信息，但是问题就在于这个APP能覆盖多少手机，比如抖音够火了吧，也只能覆盖到中国3-4亿的手机上，那他掌握的用户行为就还是那3-4亿用户的行为，而且因为APP本身的特性，用户已经是被分过层的，抖音中应该都是年轻用户吧。而极光服务于超过88万个APP，占了推送市场的53%，所以他能触达的设备高达9.7亿台。从推送数量来说，极光一天推送的数量是70亿条，而现在三大运营商每天发送的短信数量也不过30亿条。

所以通过推送功能，对更多设备实现覆盖，然后来确保数据的体量和精度都是最好的。而且推送这个行为总体来说是APP运营者使用频率最高的功能，所以在数据的持续性上，极光是有绝对优势。

然后再回到最上面的问题，极光是怎么赚钱的

最简单的就是精准营销，根据招股书简单估算，这项业务差不多占了极光收入的70%-80%。

因为极光通过分析上面说到的数据，可以对设备持有人的行为特征有着更好的了解，所以在这些设备持有人同样持有的媒体属性的APP的信息流里展示对应的广告，会达到非常精准的广告效果，过去是人去找合适自己的广告，现在等于是广告去找合适自己的人。再来看极光的收费模式，极光的收费模式是CPC（cost per click，按点击收费）和CPA（cost per action，按行动收费），也就是说，用户需要点击广告，或者点击进去完成相应的动作，比如完成注册，放入购物车等行为之后，极光才能收到钱。但是极光主要的成本是广告位，而采购广告位的成本是相对固定的，所以理论上，极光是可能买了广告位但是没人点而产生亏损的。这样一合计，毛利率的高低，是可以评判极光广告效果好不好的一个重要指标。

我们来看一下极光的毛利率，极光在2017Q2的时候，毛利率大约是18.5%，2017全年是25.1%，2018Q1是27.3%，Q2是28.4%，所以可以看到，极光的毛利率是处于一个不断提升的过程，也侧面说明极光的广告效果越来越好。

极光提供的其他三样数据产品分别是：行业洞察，金融风控，还有商业地理。这些本质上都是为各种机构提供数据支持服务，比如行业洞察就是为金融机构还有企业提供一些数据研究的支持，现在网上可以看到各种极光的研究分析：

比如这种：7亿网民都在用，哪款输入法更受欢迎？

又比如这种：

这些对投资研究，或者对APP开发者都有非常大的借鉴意义。然后还有商业地理，不用傻傻的像过去那样蹲在街头数人头，现在通过手机的地理位置，可以很好高效的知道哪边人流大，人流都有什么样的特征，有钱人住在哪，白富美出现在什么地方，屌丝聚集在哪，一目了然。这对商业选址有着非常大的帮助。

当然，极光的还有一部分收入是主要来自与开发者服务，不过这个业务其实大家都知道，挣不挣钱并不是那么重要，重要的是能为更多的APP服务，从而覆盖到更多的智能手机和匿名行为数据。

好了，我们来总结一下

下面这张图应该很好总结了整个极光的商业模式，是一个比较典型的羊毛出在猪身上的盈利模式。

首先最底层，通过推送功能，短信功能，统计功能等模块去为APP开发者服务，先收一部分费用，但是更重要的是为了随着用户安装APP使自己的SDK到达更多的设备，然后通过用户和开发者的授权，获得更多的匿名行为数据，最后通过对数据的挖掘和机器学习，提供一系列的数据服务和产品，最后把数据产品卖给各种需要数据服务的机构，提升这些机构的运营效率。

在移动互联网的时代，极光的商业逻辑是无敌的。首先极光在推送这个最高频的功能中有超过50%的市场占有率，并且这种功能对APP开发者来说是不会轻易替换，轻则导致推送不稳定，重则导致整个产品崩溃，这在现在这种竞争残酷的移动互联网时代是不能接受的，这就保证了极光可以源源不断的去获得数据，并且因为几乎覆盖了中国超过90%的设备，并且知道产品之外数据，这从某种程度上，比微信通过我聊天内容给我打标签，比淘宝通过我购物信息给我打标签，比今日头条通过我阅读内容给我打标签，更加精准，所以他能得到的用户画像也相应的更加精准。慢慢的，我们就会发现极光会不断的抢占传统广告代理的市场份额，因为传统广告代理就是简单的二道贩子，传统二道贩不能解决广告效果提升的作用。

最后从财务的角度去看，极光业绩是非常具有弹性的。

这个弹性主要体现在三费占收入的比例上，2017Q2的时候，三费占比为82%，到了2017全年，这个占比就下降到了57%，今年一季度，占比下降到了43%，二季度又下降到了41%，这个比例是在不断下降的。因为简单理解，数据产品，卖一个是卖，卖两个也是卖，并不会提高多大的固定成本。而从客单价的角度也可以理解，粗暴的算一下，2017年上半年的客户数是1165家，上半年收入8100万人民币，客单价是7万人民币不到点；2018上半年，客户数是1602家，上半年收入2.9亿人民币，客单价就上升到了18万人民币，而给单个客户提供的开发支持，销售支持，管理支持都是基本稳定的。

所以我们可以脑补下，随着极光毛利率的稳定提升，三费占比的下降，盈利的曙光就在眼前。税前亏损率，2017Q2是-65%，2017全年就下降到了-31%，今年一季度下降到了-17.5%，二季度已经下降到了-7.1%，按照这样的趋势发展下去，画面太美不敢相信啊。

最后关于估值，到底怎么估，尤其是高增速亏损企业。我觉得可以参考下美国SaaS公司的估值方式，在美国SaaS公司也是高增速但大幅亏损，最后估值就落到了PS上，至于几倍的PS则和收入增速有关，一般来说，超过60%的增速就能享有10倍的PS。

按照极光上半年的情况，全年赚7亿人民币是很稳妥的，这样算下来也不过10倍的PS，但要知道，极光的增速可是三位数啊。

随着大数据技术的飞速发展，大数据已经融入到各行各业。2018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?

(一)大数据行业整体市场规模及预测

整体来看，2018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327 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。

End.

作者：夏立城

来源：蓝盟网络运维专家

近期文章推荐

女生读研占比超半数，哪些是热门专业？

Excel、SAS、R、SPSS、Python优势分析

<入职数据分析师>线下分享 · 北京站

1

大数据释义

随着计算机技术的不断发展，人类进入信息社会，大数据应运而生，并成为一种新型信息资产，深刻影响着社会生活的各个领域。

大数据技术的出现，使得云计算、物联网、移动互联网等领域覆盖到了人类生活的方方面面，数据形态的呈现也围绕着人们多样化的生活形态而发生改变。源源不断的信息原型为复杂性难题提供了多种解决方案。

被誉为“大数据先驱”的迈尔·舍恩伯格在《大数据时代》一书中提到了大数据的4个特征：一是数量大，二是价值大，三是速度快，四是多样性。

迈尔·舍恩伯格

大数据有3个层次，一是数据采集层，以App、Saas为代表的服务;二是技术服务层，以云存储为代表的大数据技术服务层，包括数据的存储、数据的分析、数据的挖掘等;三是数据应用层，以数据为基础，为将来的移动社交、交通、教育、金融、文化等领域进行服务。

大数据对于艺术品市场而言，既是重大发展机遇，也有一定挑战。

从某种意义上说，大数据不失为一种统计艺术。艺术品行业的大数据主要包括3个方面：用户大数据、内容大数据和渠道大数据。正是在互联网时代，这3种数据能够融合在一起，从而为艺术品市场提供支撑和服务。通过对用户的搜索、浏览、点击量等的抓取和分析，可以精准追踪和获取相关信息，从而引发新的商机。

2

大数据在卡戳网的应用

卡戳网作为全国首家从文化市场切入，通过科技研究艺术市场的项目，目前已经在艺术市场的大数据应用上面取得显著的成果。

毋庸置疑，规模更大、更新更快的数据拥有深刻的洞察力，也将带来价值，但仅仅这样期待，过于乐观和简单。现实中存在的样本误差和偏差等种种“陷阱”，不是单单依靠更大、更新、更快的数据就可以解决。

数据时代已经来临，但大数据并非无所不能。其核心不在规模大，它蕴含的是计算和思维方式的转变。

卡戳网通过区块链技术从数据的源头起进行确权和存证，解决了传统数据的样本误差问题，并应用贝叶斯算法对数据偏差进行了校正，一定程度上规避了沉默的数据。

基于数据的艺术市场研究

我们的研究方法是：首先，采集艺术市场的原始数据，比如艺术家档案、艺术资讯、交易结果等，然后把这些原始数据，合并到统一的区块链系统中进行数据存证，并经过专业系统自动化进行数据清洗。通常这个步骤叫做数据沉淀。

接下来就是初步分析。有了成交价格、作品规格、作者、创作年代这些关键基础信息后，第一块可以分析的就是价格数据。艺术品属于非同质品，因此你会马上发现以前行业通行的“平尺价格”这种方法是非常粗糙的。

为了解决这个问题，我们大约花费了6个月来研发，建立了一种回归分析法，也就是将颜色、材质、纹饰、器型等因素考虑进去，赋予一定的权重，计算出一个艺术家的“加权艺术品模型”（算法本身只横向对比艺术家本人的数据，因此这种回归分析不会导致艺术家彼此之间因为非同质化而产生的干扰），然后求出单个艺术品的成交均价。将每年的价格数据汇总后，形成结果数据集图表。

更深入的分析

当然，作为艺术市场专业研究的团队，我们不会止步于价格趋势的研究，因为这块所反映的只是交易的结果，而不是原因。在一些专家的指导下，我们建立了重要的分析方法界面。

比如，我们与业内专业机构进行交流，建立了艺术市场的“多市场分析”数据沉淀方法，在传统的一级市场数据（艺术交流、活动和出版数据）与二级市场数据（主要是交易数据）基础上，我们进一步挖掘了所谓零级市场数据和三级市场数据。

其中，“零级市场”主要是指对艺术家档案数据的研究，从艺术家的成长经历中，剥离出最有价值的数据点，形成知识库。而第三级市场我们主要指的是艺术馆、政府机构和非盈利组织的收藏和活动数据。

作者：孙一欣 版权所有德塔精要，转载请注明出处

导语

无论是国内还是国外，大数据技术和应用已然成为人们最热门的话题。人工智能机器人、无人驾驶技术、人脸识别技术等都是国内外激烈竞争的大数据领域，可以说是谁抢占了先机，谁便是未来大数据市场的龙头老大。

统计截止2016年，国外与去年相比，市场规模扩张64.5%，达到1894亿元，国内的市场规模扩张22.8%，达到23.4亿元。与国外相比，国内市场可以算是刚刚起步，大数据市场仍是蓝海阶段，可发展空间非常巨大。

2C产业，马云的“天猫精灵”、小米的“小爱同学”，以及头条的“头条推荐”功能，均是大数据落地的具体表现。面对2C产业的加剧变革，传统企业也在尝试着进行相关转型，例如引进实时监管设备、智能决策技术等，帮助企业的运营发展和业务处理方面更加智能化和简易化。

企业的主要需求有以下几点

1.数据永久存储

企业拥有这大量业务、经营管理等文件数据，并且已经有了“养数据”这样理念，所以期望可以将数据存储起来，先“养”着，为今后在判断企业的发展方向、高层采取的决策、转型等方面得到数据的有力支撑。

2.创建智慧城市

如今市场的行业种类已经远远超过了“360行”，并且在相应国家号召和提高自身业务效率等方面，各个行业已经有了急迫的大数据技术需求。

例如：公交行业，需要智能技术，结合目前公交线路的覆盖率，乘客出行的便捷程度，公交车利用率等数据，规划出最优的公交路线。

煤矿行业：需要智能实时监控矿井下的氧气、有毒气体的浓度，并测绘出每个井下作业工人的行走轨迹，实时判断是否出现异常情况并及时告警。由于关系到工作人员的生命安全，所以监控数据并不止简单的一种，需要拥有在不同情况下，多维度数据共同检测的能力。比如，监控有害气体浓度，为防止监控设备出现故障，监控数据并不能只采集：一氧化碳、硫化氢、二氧化氮等气体的浓度，还应结合员工的心率、血氧浓度、作业效率变化、其它气体浓度异常等多个方面，共同判断是否出现了有害气体泄漏的的情况。

从以上的例子可以看到，各行各业都在需求一种智能化的解决方案，以期解决按照传统方法解决不了的问题。目前市面上的大数据公司中，德塔精要的智慧中枢产品，已经将这类业务需求场景做到了极致，根据自身的全行业通配性质，可以在极短的时间内，按照用户的需求将工程部署完毕，有兴趣的朋友们，可以了解一下。

即使传统企业有着自己的刚需，但绝大多数仍在驻足观望，原因有以下几点：

1.大数据技术的质疑

“有概念，难落地”。虽然大数据的确可以解决企业的需求，但是目前市场上的大多数公司仍只是停留在概念这一层级上。简单来说：给客户画了个美伦美观、香喷喷的大饼，但具体实施层面，技术实力较弱，远远达不到目标需求。

2.贴“大数据”标签

目前的一部分数据公司，仅仅只做大数据的采集和统计是远远不够的，所以纷纷往自己身上贴“人工智能”“深度学习”“大数据算法”等标签。各种大数据课堂几万到几十万不等，大数据老师纷纷为企业讲解未来的发展方向，以及不使用大数据技术就会在未来5年里，面临被踢出市场的危机等等，商业已经将大数据炒得火热，但是技术不过关仍然是硬伤，“高交低付”已然成为了大数据公司的常态。

在这里提醒大家一点，如果需要寻求技术上的帮助，希望找一些有口碑、有高级技术的开发团队，这样才能确保需求百分百实现。

从企业对智能化、精细化管理的需求可以看出，2B确实是目前大数据发展的蓝海。对于大数据技术的不断探索和打造全行业通配能力，是大数据公司成败的关键！

近日，爱分析在京举办了2018·中国大数据高峰论坛。TalkingData创始人崔晓波、邦盛科技创始人王新宇、九章云极创始人方磊等7位明星CEO分享了未来几年大数据行业的深度观察，爱分析在会上发布了《中国大数据行业报告》（以下简称报告）。

《报告》称，2017年大数据行业整体市场规模1000亿，其中行业应用细分市场规模为700亿，是大数据行业最大细分领域，大数据在金融、政务、互联网成熟度最高。

大数据整体市场规模1000亿，细分市场行业应用规模最大

《报告》显示，整个大数据产业分为基础平台、通用技术、行业应用等多个细分市场，2017年大数据整体市场规模1000亿。

细分市场中，基础平台整体市场规模在100亿元左右，通用技术整体市场规模在200亿元左右。行业应用层，大数据在各个行业应用差异较大，应用相对成熟的金融、政府领域市场规模为200亿元。整个行业应用市场规模为700亿。

大数据在金融、政务、互联网成熟度最高

《报告》显示，大数据在各行各业的成熟度与基础设施、市场规模和应用范围关系密切。

根据调研，金融、政务、互联网这三个行业的IT投入位列各行业前列，随着“互联网+政务”的普及、政务云和政务大数据的落地，政府2017年IT投入超过800亿元，占中国IT总投入的5-10%。金融一直是重IT投入的行业，以银行为例，2017年中国银行业整体IT投资为800亿元，整个金融行业的IT投资突破千亿元大关。

基础设施成熟度同样会对大数据应用落地应用产生很大影响。信息化是大数据的基础，互联网行业信息化程度最高，金融、政务行业在20世纪初已开始进行信息化建设，经历十几年发展，基础信息化已建设完毕。相比医疗、工业等领域，金融、政务和互联网行业结构化数据占比高，数据标准化程度高。

云计算、大数据、AI、IoT多项技术融合是未来趋势，提供整体解决方案的公司机会最大

《报告》指出，与国外不同，中国市场云计算、大数据、AI、IoT等技术几乎是同时间爆发，企业客户同一时间采购云计算、大数据、AI等产品，企业客户最终目的是通过新技术来实现开源节流，实现这一目标需要多项技术融合，技术边界正逐步模糊。

云计算作为大数据的基础，大幅降低企业的IT硬件成本，将有超过50%的IT预算投入到大数据、AI等应用。AI促使大数据从辅助决策向替代决策进化，使大数据厂商突破工具软件天花板，发展空间放大10倍。在智能客服领域，AI技术的发展使得技术厂商的市场空间由原先的30-50亿提升到300-400亿。

IoT技术的发展补全线下数据和机器数据，给大数据应用带来更加多元的数据，产生更加丰富的应用场景。在营销领域，通过WIFI、蓝牙、摄像头等途径，实现线上、线下数据的打通，形成整个营销闭环，从而实现跟踪用户的全生命周期，提升用户转化率。

多项技术融合促使客户的需求更加多元化、复杂化，提供整体解决方案的大数据公司更加符合未来趋势，在整个产业链占据更重要地位，提供更加深度的场景化应用。

以下为爱分析高级分析师李喆在会上发布报告的演讲实录。

演讲实录

李喆：在看待大数据行业未来趋势时，首先需要关注中美技术路径发展的差异，不仅仅是大数据，还包括云计算和AI等。

从这张图，我们可以得出有几个结论：

第一， 我们看到美国的市场是技术驱动，先从底层基础平台成熟，逐步延伸到上层应用。2006年AWS对外进行提供服务，2009-2010年大数据基础平台公司Cloudera、Hortonworks成立，2015年Google开源TensorFlow平台，这些事件促使云计算、大数据、AI进入快速发展阶段。

中国市场更多以应用、政策为主导，云计算行业快速发展的原因是2012-2013年游戏等移动互联网的爆发，2014-2015年，政府出台一系列利好大数据的政策，促使整个行业快速发展。

因此，中国市场应用型的公司发展速度更快。国外已经上市的大数据公司Splunk、Tableau、Cloudera、MongoDB都是基础平台和通用技术层的公司。国内市场发展速度快的TalkingData、同盾科技等公司，都是属于应用型的公司。

第二， 不同于美国市场每一项技术中间会有一个很大的时间间隔，中国市场云计算、大数据、人工智能这些技术时间间隔很短，几乎是同时爆发。

因此，数据在各个行业的发展是不均衡的，不同行业的渗透率差异很大。同时，大数据行业不能只看大数据，需要重点关注云计算、AI对大数据行业的影响。

首先，我们看云计算对大数据的影响。

云计算对大数据行业最大的影响是降低了整个基础设施的成本，未来会有50%以上的IT预算会投入到应用层，也就是大数据和AI。IT预算的结构将由左边的正三角形，转变成右边的倒三角形。

以银行为例，不考虑上层应用，美国的银行在IT建设上会领先于中国的银行。根据我们的调研，中国的银行IT投入的70%都是在硬件投入，剩下30%投入是软件和服务。而美国的银行只有15-20%的IT预算投向硬件，更多预算投入到软件和服务。

第二个影响是容器技术的成熟，降低了大数据业务的交付成本，从原来几个月的交付时间缩短到几周。

第三个影响是，随着SaaS渗透率不断提升，更多的数据汇聚到云端，更加便捷的实现数据互通互联。

其次，我们看AI对于大数据的影响，AI技术可以帮助大数据突破工具软件的天花板，将市场空间放大10倍，同时还可以降低大数据公司对人力的依赖，提高人均产能。

以智能客服为例，客服软件市场规模是很小的，大概是30至50亿的市场规模，但整个客服市场规模很大。中国的客服人员有300-500万人，按照平均5-6万的人力成本计算，整个客服市场规模超过2000亿。如果其中有15-20%被智能客服替代，整个市场空间就有300-400亿。

但如果厂商只做客服软件，即使加上数据分析等技术，能够提升人员效率，但依然很难触及到人力这部分市场，但通过AI技术，能够实现替代人力，厂商就能切入到这300-400亿的市场。

公安领域，明略数据这样的公司通过深度服务公安客户，形成这个行业的知识图谱，也就是“公安大脑”。形成“公安大脑”后，明略数据在服务其他省市公安局的时候，会大大缩短服务周期，降低公司对人力的依赖，提升业务可复制性。

因为各种技术几乎同时爆发，所以我们判断，多项技术融合是未来的趋势，会大幅提升各个行业的效率。

下面这张图是大数据的业务链条，包含数据源、数据的采集、数据标准化、数据分析和数据应用。可以看出，各项技术其实都会对整个链条产生影响。

IoT技术，补全了原本缺失的线下数据和机器数据。比如营销领域，之前可以拿到大部分是线上数据，用户点击的广告、网页的浏览行为。IoT的发展，通过WIFI、蓝牙、摄像头等方式，可以监测到用户的线下行为，打通了整个闭环。

用户在线上看广告，官网浏览商品，再到实体店体验、购买，实现线上和线下的融合，有更多方式去提升转化效率。

云计算使数据更容易汇聚，降低数据收集的难度，AI技术增强了数据分析能力。智能财税领域，针对小微企业的代账市场，传统软件不具备自动化和智能化，代账SaaS软件的普及，使越来越多的中小数据汇聚到云端，而依靠机器学习等AI技术，实现自动做账、自动报税。

过去每名会计最多服务20到30家企业，但是依靠SaaS、大数据、AI技术等研发的代账软件，可以服务100到200家，未来还会进一步提升。这会使得传统代账公司的重心会放在获客和增值服务，而非基础做账业务，代账公司的服务半径扩大。

多项技术融合后，客户的需求会更加多样化、复杂化，因此，我们判断做整体解决方案的公司机会最大。

从产业链的角度看，做整体解决方案的公司更贴近客户，更容易获取标杆客户。

提供单点能力的大数据公司，更多是技术提供方的角色，无法解决客户全部需求，在客户预算中只能占到很小的份额，集成商会占据更大的份额。整体解决方案的公司提供的是自下而上的服务，因此有机会从原来的技术提供商，成为过去集成商的角色。

这样会带来几个方面的好处：

首先，大数据公司能够触及的预算会更大。

其次，可以延伸到其他需求。

美国有一家做虚拟化的公司叫VMware，最早通过虚拟化产品拿下了很多500强的客户，但现在支撑他高速增长的是SDS和SDN业务。

SDN业务是VMware收购了一家初创公司Nicira发展起来的。Nicira被收购的时候没什么收入，但VMware的SDN业务，只花了三年时间就做到10亿美金的收入。抛开技术原因，另一个原因是VMware有很强的客户资源，更有机会把他的新产品推向客户。

第三，降低获取其他客户的门槛。

企业服务市场，获客具备非常高的门槛，尤其对于初创公司获取客户信任的周期很长。金融大数据公司进入银行市场的时候，可能前期做POC就需要一年的时间。

如果你有一个标杆客户，再去向同类公司进行推广的时候，难度会大大降低。标杆客户具备灯塔效应，不论是服务同体量的客户，还是下沉到腰部客户。

从场景的角度，整体解决方案的公司更有机会把场景做深，提高价值。

零售领域，很多公司从营销做起，但很难切入到库存管理、供应链管理。因为这些公司多数是提供营销工具，不是一个完整的解决方案。整体解决方案公司会从帮助客户建立大数据平台做起，更有机会从前端营销切入到后端业务，通过数据去打通各个环节。

这也是因为当前中国的客户能力还相对不足，直接使用工具的成本和难度都很高。大数据公司需要将业务做重，单纯一个很轻的产品，价值度较低，很难形成壁垒。

接下来，我们将分享大整个大数据的产业图谱，包括我们对每个细分领域的判断。这张图是我们对整个大数据的划分，从底层基础平台到上层行业应用，分为四大细分领域。

基础平台分为交易型数据库、分析型数据库和围绕这两类数据库的计算引擎。

基础平台往上有两个方向，一个是数据的方向，一个是技术的方向。数据方向有两类厂商，按照是否具备数据源分为第一方和第三方。技术方向是指大数据平台之上，具备通用性的数据处理的技术，包括 BI与可视化、日志分析等。

行业应用更多的是直接面向一个个场景，用大数据技术去解决各个行业的场景去落地的公司。

这是我们总结的大数据市场规模。市场规模最大的是行业应用，基础平台是市场规模最小的细分领域。

根据我们的调研，2017年整个中国大数据的市场规模是1000亿，我们测算的逻辑主要分成两类：

一类方法是Top Down。比如，我们测算中国BI领域市场规模，我们首先看全球市场BI的市场规模，全球BI的市场规模大概是180亿美金，考虑到BI在IT投入的比例，中国和全球应该大体一致，中国的比例会略低于全球的市场。全球的IT投入大概是3.6万亿美金，中国的IT投入大概是2.3万亿人民币，因此，我们测算中国的BI市场规模大概是135亿人民币。

再比如，行业应用中的工业大数据，通过我们测算大概是100亿人民币市场规模。我们的方法是通过行业成熟企业的投入比例，去推断大数据在整个工业产值的比例。国家电网2017年营收在2万亿，每年在大数据的总投入是5亿。金风科技2017年营收260亿，在大数据的投入在500-1000万之间，由此可以判断规模以上的企业投入比例大概为1-2%。

另一类是Bottom Up。重点看头部公司它的收入和市场份额。基础平台这个市场，我们主要看Oracle，因为它是市占率最高的公司。2017年亚太地区的收入是45-50亿美金的数据，其中数据库的比例大概会占到30%左右，所以是十几亿美金规模，中国市场收入会比这个数据要低，Oracle的占有率是在40%至50%之间。因此我们判断国内的基础平台的市场规模在100亿左右。

再比如AI平台，我们判断AI平台（数据科学平台）这个领域是20多亿的规模，主要是考虑国内市场，这个领域最大的公司是SAS，每年收入30亿美金，在亚太地区的市场份额大概占到10%左右，而他的市占率会在50-60%，因此整个市场规模会在25亿上下。

从各个细分领域来看，我们还是会去重点关注大数据的行业应用，大数据的最大价值肯定是体现在行业应用。

从政府的大数据发展规划来看，2020年整个大数据市场规模将达到1万亿。但从IT投入来看，2017年IT软件与服务的投入只有1500亿。因此，未来大数据厂商切的主要预算不会来自IT，而是业务预算。只有做行业应用的公司才更有机会拿到业务预算。因此，我们判断，行业应用会是未来最大的细分领域。

我们重点关注的是金融、政务这两个领域，主要去通过大数据在各行各业的成熟度判断。根据爱分析大数据成熟度模型，我们主要从市场规模、基础设施和应用范围去判断各行业的成熟度，大数据在各行业的渗透情况。

首先，通过我们的分析，现在最成熟的是互联网、金融、政务。金融的IT投入肯定是非常大的，银行每年的IT投入就有800亿，加上证券、保险，整个金融...