【文章內(nèi)容簡(jiǎn)介】 度利用 數(shù)據(jù)價(jià)值的意識(shí) 迅速提高，數(shù)據(jù) 資產(chǎn)管理成為熱應(yīng)用成熟期（2021）VIIHGVIII將 信 息 管 理 作 為 單 獨(dú) 的 領(lǐng) 域 進(jìn)行關(guān)注 ， 初 步 形 成 數(shù) 據(jù) 挖掘的意識(shí)萌芽 。不斷完善 ， 但由 于企業(yè)采集數(shù)據(jù) 的能力及積累的 歷史數(shù)據(jù)有限 ，領(lǐng)先方案并不容 易獲得認(rèn)可。門概念。FVVI:細(xì)分領(lǐng) 域多種 商業(yè) 模 式 得 到 市 場(chǎng) 印 證 ， 新 產(chǎn) 品 和 服 務(wù) 具 有 穩(wěn) 定 的 剛 性 需 求 ， 細(xì)分 VI市 場(chǎng) 走 向 差 異 化 競(jìng) 爭(zhēng) 。CII IIIIV EI B DAIV:由于企業(yè)信息化及互聯(lián)網(wǎng)應(yīng)用的不斷完善，企業(yè)積累的歷史數(shù)據(jù)日益豐富，包括營(yíng)銷、風(fēng)險(xiǎn)管控、預(yù)測(cè)、客戶挖掘、數(shù)據(jù)實(shí)時(shí)處理、可視化展現(xiàn)、數(shù)據(jù)倉(cāng)庫(kù)等方面的多樣化需求迅速擴(kuò)張，同時(shí)技術(shù)進(jìn)入高169。 Analysys 易觀III: 基 于市 場(chǎng) 競(jìng)爭(zhēng) 需 要 ，商業(yè) 智能及商業(yè)分析成為市場(chǎng)熱點(diǎn)，企業(yè)對(duì)決策支持、預(yù)測(cè)、優(yōu)化等領(lǐng)域的需求開(kāi)始廣泛出現(xiàn)。速創(chuàng)新期。時(shí)間圖 21 中國(guó)大數(shù)據(jù)市場(chǎng) AMC 模型探索期大約從 2004 年前后，隨著數(shù)據(jù)庫(kù)等技術(shù)的進(jìn)步，數(shù)據(jù)挖掘概念開(kāi)始普及，越來(lái)越多的企業(yè)將信息 管理作為單獨(dú)的業(yè)務(wù)部門。但由于當(dāng)時(shí)企業(yè)數(shù)據(jù)采集能力的限制，以及企業(yè)信息化時(shí)間較短，本身管 理軟件中積累的歷史數(shù)據(jù)有限，一些廠商推出的領(lǐng)先數(shù)據(jù)管理方案并不容易獲得企業(yè)認(rèn)可，業(yè)務(wù)尚不 足以推動(dòng)技術(shù)的快速進(jìn)步。市場(chǎng)啟動(dòng)期2008 年金融危機(jī)后，國(guó)內(nèi)企業(yè)為了盡快從業(yè)務(wù)低迷的狀態(tài)中恢復(fù)，獲得市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)，對(duì)商業(yè)智 能（BI）以及商業(yè)分析（BA）的需求出現(xiàn)快速提升，主要應(yīng)用在決策支持、業(yè)務(wù)優(yōu)化、銷售機(jī)會(huì)挖掘 預(yù)測(cè)等領(lǐng)域。但在隨后的 20102011 年，領(lǐng)先企業(yè)擁有優(yōu)勢(shì)后并不甘愿放棄，而落后企業(yè)更急于尋求 方案快速趕上，使得共同作用下，企業(yè)級(jí)市場(chǎng)對(duì)商業(yè)智能及商業(yè)分析的需求并未減退，反而成為一種 常態(tài)。高速發(fā)展期到了 2012 年以后，由于企業(yè)信息化及互聯(lián)網(wǎng)應(yīng)用的日益完善，對(duì)消費(fèi)者及企業(yè)內(nèi)外部所積累的數(shù)據(jù)日益豐富，大數(shù)據(jù)的概念迅速為各類人群所接受。而在企業(yè)領(lǐng)域，包括營(yíng)銷、風(fēng)險(xiǎn)管控、預(yù)測(cè)、客 戶挖掘、海量數(shù)據(jù)實(shí)時(shí)處理、可視化展現(xiàn)、數(shù)據(jù)倉(cāng)庫(kù)建設(shè)等方面的多樣化需求迅速擴(kuò)張，業(yè)務(wù)推動(dòng)技 術(shù)進(jìn)入高速創(chuàng)新期。而進(jìn)入 2015 年后，企業(yè)深度利用數(shù)據(jù)價(jià)值的意識(shí)迅速提高，數(shù)據(jù)資產(chǎn)管理成為熱 門概念，企業(yè)開(kāi)始愿意通過(guò)數(shù)據(jù)交易進(jìn)行變現(xiàn)，各種與大數(shù)據(jù)有關(guān)的政策及法律法規(guī)不斷完善。應(yīng)用成熟期Analysys 易觀預(yù)計(jì)，中國(guó)大數(shù)據(jù)市場(chǎng)將在 2020 年前后進(jìn)入成熟期。一方面業(yè)務(wù)需求的變化將推動(dòng) 細(xì)分領(lǐng)域出現(xiàn)豐富的商業(yè)模式，并使得新產(chǎn)品和服務(wù)具有穩(wěn)定的剛性需求，另一方面隨著產(chǎn)業(yè)鏈的完 善，專注于細(xì)分行業(yè)及細(xì)分應(yīng)用領(lǐng)域廠商競(jìng)爭(zhēng)逐漸穩(wěn)固。而不善于充分利用數(shù)據(jù)的企業(yè)將被快速淘汰 出局。 總體規(guī)模20162018年中國(guó)大數(shù)據(jù)市場(chǎng)規(guī)模預(yù)測(cè)營(yíng)收規(guī)模（億元 人民幣） 環(huán)比增長(zhǎng)率300250200150100%%%%%%%%45%40%35%30%25%20%15%50 10%5%0 0%2011 2012 2013 2014 2015 2016F 2017F 2018F169。 Analysys 易觀 圖 22 20162018 年中國(guó)大數(shù)據(jù)市場(chǎng)營(yíng)收規(guī)模預(yù)測(cè)2015 年中國(guó)大數(shù)據(jù)市場(chǎng)規(guī)模達(dá)到 億元，同比增長(zhǎng) %，預(yù)計(jì)未來(lái) 34 年，市場(chǎng)規(guī)模增長(zhǎng) 率將保持在 30%以上，主要的市場(chǎng)驅(qū)動(dòng)因素包括：l 來(lái)自于線下大數(shù)據(jù)市場(chǎng)（ IT 企業(yè)的大數(shù)據(jù)應(yīng)用及大數(shù)據(jù)平臺(tái)業(yè)務(wù)市場(chǎng)）中 IT 巨頭和單一大數(shù) 據(jù)業(yè)務(wù)的廠商開(kāi)始行動(dòng)，優(yōu)化產(chǎn)品和服務(wù)路線圖。l 來(lái)自于線上大數(shù)據(jù)市場(chǎng)（互聯(lián)網(wǎng)用戶數(shù)據(jù)市場(chǎng)，以及以互聯(lián)網(wǎng)金融為主的線上金融市場(chǎng)）的成 熟度逐漸提高，以金融和零售為核心的線上大數(shù)據(jù)應(yīng)用走向成熟，市場(chǎng)體量進(jìn)一步擴(kuò)大。l 企業(yè)著力培育數(shù)據(jù)資產(chǎn)，積極探討數(shù)據(jù)變現(xiàn)，行業(yè)大數(shù)據(jù)多集聚、少融合。l 大數(shù)據(jù)產(chǎn)業(yè)集群逐漸形成，即針對(duì)企業(yè)而言，以云端大數(shù)據(jù)集聚為前提條件，以行業(yè)云服務(wù)為 平臺(tái)，共享企業(yè)間核心競(jìng)爭(zhēng)力。 市場(chǎng)演進(jìn)方向在基本趨勢(shì)方面，大數(shù)據(jù)廠商和產(chǎn)品的創(chuàng)新開(kāi)始從基礎(chǔ)設(shè)施層（服務(wù)于開(kāi)發(fā)者/工程師）轉(zhuǎn)移到分 析層（服務(wù)于數(shù)據(jù)科學(xué)家和分析師）乃至應(yīng)用層（服務(wù)于商業(yè)用戶和消費(fèi)者），“大數(shù)據(jù)原生應(yīng)用”已經(jīng) 在迅速冒頭。應(yīng)用層垂直行業(yè)應(yīng)用場(chǎng)景不斷細(xì)化，企業(yè)與個(gè)人用戶畫 像技術(shù)優(yōu)化，使用者開(kāi)始無(wú)需關(guān)注底層大數(shù)據(jù)部 署技術(shù)。企業(yè)用戶和消費(fèi)者分析層數(shù)據(jù)積累的豐富重新挖掘了人工智能的潛力，后 者對(duì)預(yù)測(cè)性分析帶來(lái)了強(qiáng)大推動(dòng)力，數(shù)據(jù)分析師 職業(yè)開(kāi)始繁榮。數(shù)據(jù)科學(xué)家和分析師開(kāi)源社區(qū)帶動(dòng)Spark、Hive等創(chuàng)新活躍，企業(yè)希望 在開(kāi)源社區(qū)的變革之后做最小代價(jià)的升級(jí)?；A(chǔ)設(shè)施層 開(kāi)發(fā)者/工程師169。 Analysys 易觀圖 23 2016 年大數(shù)據(jù)各層技術(shù)演進(jìn)方向 得益于可觀的開(kāi)源活動(dòng)規(guī)模，基礎(chǔ)設(shè)施領(lǐng)域的創(chuàng)新非常富有活力，例如 Spark 受到了從 IBM 到Cloudera 的各式玩家的擁護(hù)，它解決了一些導(dǎo)致 Hadoop 采用放緩的關(guān)鍵問(wèn)題：例如更容易編程，并且跟機(jī)器學(xué)習(xí)能夠很好地搭配。 而在分析層面，越來(lái)越關(guān)注利用人工智能（AI）來(lái)幫助分析大規(guī)模的數(shù)據(jù)，從而獲得預(yù)測(cè)性的洞察。雖然深度學(xué)習(xí)背后的算法幾十年前就已誕生，但直到最近才能夠在足夠便宜、足夠快速地應(yīng)用到大規(guī)模數(shù)據(jù)之后發(fā)揮它的最大潛能。而市場(chǎng)對(duì) AI 的關(guān)注也符合大數(shù)據(jù)下一步演進(jìn)的趨勢(shì)：在有了豐富 數(shù)據(jù)之后，如何從中得到洞察。因而可以預(yù)見(jiàn)，數(shù)據(jù)科學(xué)家的部分工作將會(huì)越來(lái)越自動(dòng)化，從而可以 極大提高生產(chǎn)力。同時(shí)，應(yīng)用于營(yíng)銷、應(yīng)用監(jiān)測(cè)等方向的 BI 平臺(tái)日趨多樣，也帶動(dòng)了分析層的不斷完 善。在應(yīng)用層面，隨著一些核心基礎(chǔ)設(shè)施的挑戰(zhàn)得到解決，大數(shù)據(jù)應(yīng)用層正在快速構(gòu)建。一方面，專 門的大數(shù)據(jù)應(yīng)用幾乎在任何一個(gè)垂直行業(yè)都有出現(xiàn)。另一方面，在企業(yè)內(nèi)部，已經(jīng)出現(xiàn)了各種工具來(lái) 幫助橫跨多個(gè)核心職能的企業(yè)用戶。比方說(shuō)，銷售和營(yíng)銷的大數(shù)據(jù)應(yīng)用通過(guò)處理大規(guī)模的內(nèi)外部數(shù)據(jù) 來(lái)幫助找出哪位客戶可能會(huì)購(gòu)買、續(xù)約或者流失，且速度越來(lái)越實(shí)時(shí)化；客服應(yīng)用幫助個(gè)性化服務(wù)；人力應(yīng)用幫助找出如何吸引和挽留最好的員工等。越來(lái)越多的大數(shù)據(jù)使用者已經(jīng)無(wú)需了解大數(shù)據(jù)底層 部署技術(shù)而直接使用。 融資情況表 21 2016 年 17 月部分大數(shù)據(jù)創(chuàng)業(yè)廠商融資情況時(shí)間廠商輪次金額投資方永洪科技C2 億人民幣騰訊、元生資本、東方富海、經(jīng)緯中國(guó)、艾瑞資本(艾瑞)天機(jī)智訊PreA數(shù)千萬(wàn)人民幣天機(jī)智訊SequoiaDB 巨杉數(shù)據(jù)庫(kù)B1000 萬(wàn)美元DCM 中國(guó)、啟明創(chuàng)投羅格數(shù)據(jù)天使輪數(shù)百萬(wàn)人民幣未透露優(yōu)游科技PreA數(shù)百萬(wàn)人民幣七友投資、起點(diǎn)國(guó)際創(chuàng)新工場(chǎng)、天宏數(shù)動(dòng)GrowingIOA2000 萬(wàn)美元經(jīng)緯中國(guó)、NEA 恩頤投資、GreylockPartnersASO114種子輪200 萬(wàn)人民幣未透露費(fèi)馬科技天使輪數(shù)百萬(wàn)人民幣英諾天使基金、臻云創(chuàng)投(臻云智能)烯牛數(shù)據(jù)天使輪數(shù)百萬(wàn)人民幣戈壁投資中奧科技A中奧科技達(dá)晨創(chuàng)投玻森數(shù)據(jù) BosonNLPA數(shù)千萬(wàn)人民幣常春藤資本 Ivy Capital、信諾資本華清科盛PreA100 萬(wàn)人民幣達(dá)晨創(chuàng)投蟻坊軟件天使輪未透露達(dá)晨創(chuàng)投新媒體指數(shù)(清博大數(shù)據(jù))PreA2100 萬(wàn)人民幣飛圖創(chuàng)投璞華大數(shù)據(jù)A數(shù)千萬(wàn)人民幣VANGOO 盤古創(chuàng)富朝亞控股 Chayora戰(zhàn)略投資未透露渣打銀行合享新創(chuàng)A數(shù)千萬(wàn)人民幣未透露Data Pipeline天使輪數(shù)百萬(wàn)人民幣FreesFund 峰瑞資本Kyligence 跬智科技種子輪數(shù)百萬(wàn)美元紅點(diǎn)投資 Redpoint Ventures數(shù)人云(數(shù)人科技)A3000 萬(wàn)人民幣云啟資本、聯(lián)創(chuàng)策源、唯獵資本風(fēng)暴 ASO天使輪數(shù)百萬(wàn)人民幣山行資本Taste AnalyticsPreA340 萬(wàn)美元真格基金、華創(chuàng)資本海智 BDP(海智網(wǎng)聚)C3000 萬(wàn)美元君聯(lián)資本、IDG 資本、晨興資本、Wind萬(wàn)得星環(huán)科技 TransWarpB 億人民幣瑞力投資、深創(chuàng)投、基石資本海云數(shù)據(jù) HYDATAA1 億人民幣華創(chuàng)盛景、東方富海數(shù)聚變科技天使輪250 萬(wàn)人民幣星河互聯(lián)所問(wèn)數(shù)據(jù)天使輪數(shù)百萬(wàn)人民幣九合創(chuàng)投普林科技A數(shù)千萬(wàn)人民幣頤成投資TalkingData 騰云天下C1 億美元未透露吆喝科技A數(shù)百萬(wàn)美元未透露商詢科技 DataMeshA數(shù)千萬(wàn)人民幣IDG 資本App AnnieE6300 萬(wàn)美元Greenspring Associates、Greycroft Partners、Institutional Venture Partners、Sequoia Capital(紅杉海外)美林?jǐn)?shù)據(jù)新三板5978 萬(wàn)人民幣達(dá)晨創(chuàng)投、上投摩根、璞琢資產(chǎn)、錦融投資ASO100七麥科技B數(shù)千萬(wàn)人民幣匯智明資產(chǎn)管理、天鷹資本芥末金融A數(shù)千萬(wàn)人民幣信天創(chuàng)投達(dá)觀數(shù)據(jù)天使輪1000 萬(wàn)人民幣真格基金、眾米資本、上海掌門科技來(lái)源：易觀 2016大數(shù)據(jù)從數(shù)據(jù)采集、存儲(chǔ)、處理、分析挖掘、展現(xiàn)各個(gè)環(huán)節(jié)在不同行業(yè)都有相關(guān)應(yīng)用，所以大數(shù) 據(jù)創(chuàng)業(yè)公司也有著多種不同的方向。從 2016 年 17 月的融資情況來(lái)看，中國(guó)的大數(shù)據(jù)創(chuàng)業(yè)企業(yè)發(fā)展很 不平衡，相較于美國(guó)已經(jīng)有成熟的大數(shù)據(jù)產(chǎn)業(yè)鏈，國(guó)內(nèi)大數(shù)據(jù)企業(yè)在硬技術(shù)方面比較欠缺，更多的是 大數(shù)據(jù)的行業(yè)應(yīng)用。 商業(yè)模式大數(shù)據(jù)正在影響企業(yè)商業(yè)模式的轉(zhuǎn)變，對(duì)數(shù)據(jù)進(jìn)行分析、優(yōu)化成為提升核心競(jìng)爭(zhēng)力的有效方式。 同時(shí)，圍繞如何應(yīng)用、挖掘以及消費(fèi)數(shù)據(jù)，已經(jīng)催生出新興的商業(yè)模式；2015，各地紛紛建立大數(shù)據(jù) 交易所，建立企業(yè)數(shù)據(jù)資產(chǎn)管理體系并“賣數(shù)據(jù)”開(kāi)始成為不少企業(yè)的直接盈利手段，這充分凸顯了數(shù) 據(jù)的戰(zhàn)略資產(chǎn)特性；對(duì)數(shù)據(jù)的洞察力進(jìn)一步體現(xiàn)到公司的戰(zhàn)略和行動(dòng)，形成正反饋，有助于企業(yè)積累 競(jìng)爭(zhēng)優(yōu)勢(shì)，使得行業(yè)龍頭強(qiáng)者恒強(qiáng)。 模式一：數(shù)據(jù)存儲(chǔ)租用數(shù)據(jù)存儲(chǔ)租用涉及到大數(shù)據(jù)產(chǎn)業(yè)鏈的數(shù)據(jù)采集與整理環(huán)節(jié)。數(shù)據(jù)存儲(chǔ)租用模式只提供數(shù)據(jù)“原材 料”。Amazon 的 S3 服務(wù)是典型的數(shù)據(jù)存儲(chǔ)租用模式，利用存儲(chǔ)能力進(jìn)行運(yùn)營(yíng)，滿足企業(yè)和個(gè)人面臨 海量信息存儲(chǔ)的需求。具體而言，主要分為個(gè)人數(shù)據(jù)存儲(chǔ)和企業(yè)信息存儲(chǔ)兩大類。主要是通過(guò)易于使 用的 API，用戶方便地將各種數(shù)據(jù)對(duì)象放在云端，然后再像使用水電一般按用量收費(fèi)。目前已有多個(gè) 公司推出相應(yīng)服務(wù)，如阿里巴巴、騰訊云、金山云、百度云等。運(yùn)營(yíng)商也推出了相應(yīng)的服務(wù)，例如中 國(guó)移動(dòng)彩云業(yè)務(wù)。 模式二：租售信息業(yè)務(wù)租售信息業(yè)務(wù)模式涉及到大數(shù)據(jù)產(chǎn)業(yè)鏈的數(shù)據(jù)整理與分析環(huán)節(jié)。提供加工后的數(shù)據(jù)“半成品”。 例如 Twitter 把它的數(shù)據(jù)都通過(guò)兩個(gè)獨(dú)立的公司授權(quán)給別人使用；VISA 和 MasterCard 收集和分析來(lái)自 210 個(gè)國(guó)家的 15 億信用卡用戶的 650 億條交易記錄，用來(lái)預(yù)測(cè)商業(yè)發(fā)展和客戶的消費(fèi)趨勢(shì)。然后， 它把這些分析結(jié)果賣給其他公司。租售信息業(yè)務(wù)同樣包括面向個(gè)人以及面向企業(yè)兩種方式：面向個(gè)人，提供基于數(shù)據(jù)分析結(jié)果的服務(wù)。例如一個(gè)免費(fèi)的智能手機(jī)應(yīng)用程序，一方面它可以為 用戶提供免費(fèi)的交通信息，同時(shí)企業(yè)也得到了同步的數(shù)據(jù)。面向企業(yè)或者公共政府部門，提供數(shù)據(jù)分析結(jié)果的服務(wù)。 第一種，直接進(jìn)行信息租售，例如在交通信息領(lǐng)域，面向 GPS 生產(chǎn)商、和交通規(guī)劃部門、UPS 等物流公司等，出售完整的當(dāng)前甚至未來(lái)交通狀況的模式圖或者數(shù)據(jù)庫(kù)。以四維圖新、廣聯(lián)達(dá)為代表的公司，通過(guò)出售廣泛收集、精心過(guò)濾、時(shí)效性強(qiáng)的數(shù)據(jù)，成為各自行業(yè)的翹楚。龐大的“數(shù)據(jù)庫(kù)”成為 它們的“護(hù)城河”，是競(jìng)爭(zhēng)對(duì)手難以逾越的門檻。這類模式直接而經(jīng)典的詮釋了“數(shù)據(jù)就是資產(chǎn)”的概念。 以彭博為代表的金融信息服務(wù)商，聚焦行業(yè)，廣泛收集相關(guān)數(shù)據(jù)、深度整合萃取信息，以龐大的數(shù)據(jù) 中心加上專用的數(shù)據(jù)終端，形成數(shù)據(jù)采集、信息萃取、價(jià)值傳遞的完整鏈條，成為行業(yè)巨擘。第二種，提供信息租售平臺(tái)，租售數(shù)據(jù)信息或是搭建數(shù)據(jù)分享和交易平臺(tái)，可以將數(shù)據(jù)信息作為 資產(chǎn)直接進(jìn)行銷售。2015 年，包括貴陽(yáng)大數(shù)據(jù)交易所、長(zhǎng)江大數(shù)據(jù)交易所、東