报告简介
大数据产业是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据主要应用领域包括教育、交通、能源、大健康、金融等。随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，2019年大数据体量呈现爆发式增长态势。
一、大数据产业链
大数据产业链可以从数据源、大数据产品、大数据服务应用这三大块来讲。目前，我国的数据来源包括政府部门、企业数据采集及供应商、互联网数据采集及供应商、数据流通平台等。而大数据产品包括大数据平台、云储存、数据安全等基础软件产品；加工分析、解决方案等软件产品；大数据采集、接入、存储、传输等硬件设备产品。大数据服务方面，主要为应用服务、分析服务、基础设施服务等供应商。
二、大数据市场分析
随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，2019年大数据体量呈现爆发式增长态势。数据显示，2017年中国大数据产业规模达到4800亿元，同比增长23%；其中，大数据硬件产业的产值为234亿元，同比增长39%。
2018年我国大数据产业规模突破6000亿元；随着大数据在各行业的融合应用不断深化，预计2019年中国大数据市场产值将达到8080亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破，成为推动经济高质量发展的新动力。
具体分市场来看，未来大数据产业中应用层的规模将占比最大。目前，大数据广泛应用在工业、企业管理、交通、金融、医疗等方面，但应用深度仍有待挖掘。随着技术的不断提升，未来大数据技术的应用不管从纵向或是横向来看都将更加广泛，规模扩大。
除了应用以外，大数据产业衍生的其他产品也将不断扩张，市场规模排名第二。硬件、技术作为必不可少的环节，在大数据产业规模中占比不小。而数据的来源、采集以及交易方面的市场占比则相对较小。
（1）应用层：大数据的应用是实现其价值的重要渠道，随着大数据在实体经济行业、政府机构、新兴行业等领域的融合应用加深，通过分布式并行计算、人工智能等技术对大量数据进行分析、挖掘，再作用到行业的生产、管理等。随着大数据技术及产品的应用进一步普及，预计应用市场在大数据产业中的占比将提高。
（2）衍生层：大数据产业链涉及的环节众多，随着大数据市场需求扩大，为了更好的满足用户需要，更好的支持大数据技术、大数据产品或是大数据服务，将衍生出不少相关的新业态。此外，新兴产业快速发展的背景下，“大数据+”将带来新业态、新模式。大数据产业衍生市场占比将进一步提高，将近两成。
（3）硬件层：大数据技术中的硬件产品包括芯片、传感器、传输设备、存储设备、服务器、安全设备等，是支撑大数据产业基础设施的建设，在大数据产业的占比不小。随着需求升级、应用扩大，未来大数据技术硬件支撑也将不断优化升级。
（4）技术层：大数据产业链涉及的环节众多，随着大数据市场需求扩大，为了更好的满足用户需要，更好的支持大数据技术、大数据产品或是大数据服务，将衍生出不少相关的新业态。此外，新兴产业快速发展的背景下，“大数据+”将带来新业态、新模式。大数据产业衍生市场占比将进一步提高，将近两成。
（5）数据源：数据源是大数据产业的基础，大数据概念在我国的发展相对较晚，整体体系仍待完善，数据源覆盖面不够大。目前，我国数据来源主要有政府部门、互联网巨头、移动通信企业等。相对于应用、技术等领域来说，数据源市场份额在大数据产业中占比较小。
（6）交易层：大数据交易可以打破行业信息壁垒，为用户提供大量数据源、管理、分析等，实现数据价值的最大化。但目前，我国大数据产业仍在发展阶段，大数据交易市场尚未成熟。未来，随着大数据交易市场统一规范，平台、流通、管理等环节更为成熟、完善，大数据交易市场将进一步扩大。
报告目录
2020-2024年中国大数据行业投资分析及产业供需格局预测研究分析报告
[交付形式]: e-mali电子版或特快专递
http://www.reporthb.com/
第一章 大数据产业相关概述
1.1 大数据介绍
1.1.1 大数据的产生
1.1.2 大数据的定义
1.1.3 大数据的特点
1.1.4 大数据的类型
1.1.5 大数据典型分类
1.1.6 大数据的各个环节
1.2 大数据的价值及影响
1.2.1 大数据价值分析
1.2.2 大数据研究意义
1.2.3 大数据应用价值
1.2.4 对信息时代影响
1.3 大数据产业链构成分析
1.3.1 大数据产业链结构
1.3.2 大数据产业链领域
1.3.3 产业链价值流动方向
1.4 大数据技术层结构分析
1.4.1 大数据关键技术构成
1.4.2 大数据采集与预处理技术
1.4.3 大数据存储管理技术
1.4.4 大数据处理的核心技术
1.4.5 大数据分析挖掘技术
1.4.6 大数据可视化技术
1.4.7 大数据安全技术
第二章 2017-2019年国际大数据产业发展分析
2.1 2017-2019年全球大数据产业总体发展分析
2.1.1 产业发展变革
2.1.2 产业规模状况
2.1.3 企业类型分布
2.1.4 产业人才发展
2.1.5 数据中心发展
2.1.6 各国政府助推
2.2 欧盟大数据产业发展布局
2.2.1 欧盟通用数据保护条例
2.2.2 欧盟数据经济规模分析
2.2.3 欧盟推进大数据产业发展
2.2.4 欧盟大数据产业战略特点
2.2.5 产业战略建设的相关启示
2.2.6 欧盟布局大数据产业应用
2.2.7 欧盟大数据产业发展规划
2.3 美国大数据产业发展分析
2.3.1 大数据发展扶持政策
2.3.2 大数据产业发展战略
2.3.3 大数据应用案例分析
2.3.4 大数据企业分布情况
2.3.5 大数据投资情况分析
2.3.6 大数据协同创新措施
2.3.7 大数据技术发展措施
2.4 日本大数据产业发展分析
2.4.1 大数据发展历程
2.4.2 大数据发展趋势
2.4.3 大数据预防灾害
2.4.4 “限定提供数据”条款
2.4.5 对我国大数据法律启示
2.5 2017-2019年其他国家大数据产业发展状况
2.5.1 法国
2.5.2 韩国
第三章 2017-2019年中国大数据产业发展分析
3.1 2017-2019年中国大数据产业发展综述
3.1.1 大数据产业概念分析
3.1.2 大数据发展的必然性
3.1.3 大数据产业驱动主体
3.1.4 大数据产业发展阶段
3.1.5 地区大数据产业联盟
3.1.6 数字经济的发展水平
3.1.7 大数据总体市场规模
3.1.8 大数据核心产业规模
3.2 中国大数据产业发展进程分析
3.2.1 政策方面
3.2.2 技术方面
3.2.3 应用方面
3.2.4 试点方面
3.2.5 人才方面
3.3 2017-2019年大数据产业竞争格局
3.3.1 大数据产业竞争主体分类
3.3.2 产业链环节竞争格局分析
3.3.3 大数据竞争企业资本层次
3.3.4 大数据百强企业统计分析
3.3.5 大数据创新场景应用服务商
3.3.6 互联网企业布局大数据产业
3.3.7 大数据热点应用领域的竞争
3.3.8 大数据产业竞争趋势展望
3.4 2017-2019年中国大数据市场供需分析
3.4.1 大数据市场供给结构
3.4.2 主要行业大数据需求状况
3.4.3 企业大数据的应用及需求
3.4.4 大数据细分领域需求场景
3.4.5 大数据热点领域需求分析
3.4.6 数据小型机市场需求分析
3.5 中国大数据产业存在的问题
3.5.1 面临挑战分析
3.5.2 核心技术薄弱
3.5.3 数据相关问题
3.5.4 数据安全问题
3.5.5 人才供需问题
3.6 中国大数据产业的发展策略
3.6.1 相关政策建议
3.6.2 推进研发应用
3.6.3 避免过度建设
3.6.4 提高数据安全
3.6.5 地区发展思路
3.6.6 推动标准建设
3.6.7 打破信息孤岛
第四章 大数据产业上游——数据源存储层
4.1 数据来源层分析
4.1.1 大数据的来源渠道
4.1.2 数据资源的网络基础
4.1.3 数据资源SWOT分析
4.1.4 数据资源获取难度
4.1.5 数据资源开放情况
4.2 数据存储层分析
4.2.1 大数据存储方式
4.2.2 大数据储量规模分析
4.2.3 大数据存储架构分析
4.2.4 数据仓库建设的重要性
4.2.5 新型MPP数据库的价值
4.3 数据存储中心建设状况
4.3.1 全球数据中心装机规模
4.3.2 国内数据中心建设状况
4.3.3 数据中心区域发展格局
4.3.4 数据中心的建设特点分析
4.3.5 数据中心的市场竞争格局
4.3.6 大数据中心未来发展趋势
4.3.7 数据中心的布局策略分析
4.3.8 数据中心机房节能降耗策略
4.4 数据资源型企业——电信运营商
4.4.1 中国移动
4.4.1.1 企业发展概况
4.4.1.2 大数据发展优势
4.4.1.3 移动大数据应用
4.4.2 中国电信
4.4.2.1 企业发展概况
4.4.2.2 大数据产业布局
4.4.2.3 加快数据项目建设
4.4.3 中国联通
4.4.3.1 企业发展概况
4.4.3.2 业务发展分析
4.4.3.3 大数据项目建设
4.4.3.4 未来前景展望
4.5 数据资源型企业——BAT企业
4.5.1 阿里巴巴
4.5.1.1 企业发展概况
4.5.1.2 产品技术架构
4.5.1.3 大数据计算服务
4.5.1.4 大数据平台演变
4.5.1.5 企业数据库方案
4.5.2 百度公司
4.5.2.1 企业发展概况
4.5.2.2 大数据解决方案
4.5.2.3 大数据分析平台
4.5.2.4 数据安全方案
4.5.3 腾讯公司
4.5.3.1 企业发展概况
4.5.3.2 腾讯大数据平台
4.5.3.3 构建大数据生态
4.5.3.4 大数据布局动态
第五章 大数据产业中游——数据分析处理层
5.1 大数据处理及分析技术综况
5.1.1 大数据采集与预处理
5.1.2 数据处理框架分析
5.1.3 数据计算模式分析
5.1.4 数据分析细分领域
5.1.5 大数据分析的优劣势
5.2 大数据分析处理产业发展进程
5.2.1 技术生态分析
5.2.2 技术研发热点
5.2.3 技术应用领域
5.2.4 企业布局加快
5.2.5 技术发展趋势
5.3 大数据可视化分析技术分析
5.3.1 数据可视化的基本概述
5.3.2 大数据可视化市场规模
5.3.3 大数据可视化市场格局
5.3.4 数据可视化的研究进展
5.3.5 数据可视化的应用工具
5.3.6 数据可视化面临的挑战
5.3.7 数据可视化技术发展趋势
5.4 大数据安全处理技术分析
5.4.1 大数据安全问题分析
5.4.2 大数据安全涉及的模块
5.4.3 数据安全防护技术分析
5.4.4 数据脱敏安全控制技术
5.4.5 大数据安全防护体系分析
5.5 大数据技术拥有型企业分析
5.5.1 拓尔思
5.5.1.1 企业发展概况
5.5.1.2 大数据产品发布
5.5.2 同有科技
5.5.2.1 企业发展概况
5.5.2.2 大数据应用产品
5.5.3 浪潮集团
5.5.3.1 企业发展概况
5.5.3.2 数据基础模型
5.5.3.3 加快推进地区合作
5.5.3.4 建立智慧城市平台
5.5.3.5 推进数据社会化发展
5.5.4 华为公司
5.5.4.1 企业发展概况
5.5.4.2 大数据解决方案
5.5.4.3 大数据产业园建设
5.5.4.4 大数据产业合作
第六章 大数据产业下游——数据交易层
6.1 大数据交易层分析
6.1.1 大数据交易层分析
6.1.2 数据交易品种及类型
6.1.3 数据交易的影响因素
6.1.4 大数据交易标准体系
6.1.5 数据交易市场发展对策
6.2 大数据交易市场运行状况
6.2.1 大数据交易市场环境
6.2.2 大数据交易市场构成
6.2.3 大数据交易市场规模
6.2.4 大数据市场定价方式
6.2.5 细分大数据交易状况
6.2.6 全国首个交易中心成立
6.2.7 大数据交易产业发展动态
6.2.8 大数据交易市场人才需求
6.3 国际重点大数据交易平台分析
6.3.1 Factual
6.3.2 InfoChimps
6.3.3 Microsoft Azure
6.3.4 Fujitsu
6.4 中国大数据交易平台发展综况
6.4.1 交易平台经营范围
6.4.2 交易平台发展背景
6.4.3 各地大数据交易平台
6.4.4 地区性平台建设动态
6.4.5 平台未来发展策略
6.5 中国典型大数据交易平台分析
6.5.1 贵阳大数据交易所
6.5.1.1 平台发展概况
6.5.1.2 平台发展优势
6.5.1.3 平台发展劣势
6.5.1.4 平台运营状况
6.5.1.5 平台发展特点
6.5.2 数据堂交易平台
6.5.2.1 平台发展概况
6.5.2.2 平台发展优势
6.5.2.3 平台发展劣势
6.5.2.4 商业模式分析
6.5.3 中关村大数据交易平台
6.5.3.1 平台发展概况
6.5.3.2 平台发展优势
6.5.3.3 平台发展劣势
6.5.4 香港大数据交易所
6.5.4.1 平台发展概况
6.5.4.2 平台发展动态
第七章 大数据产业下游——数据应用层
7.1 大数据应用层分析
7.1.1 大数据应用层结构
7.1.2 大数据衍生应用层
7.2 大数据应用服务型企业介绍
7.2.1 百分点集团
7.2.1.1 企业发展概况
7.2.1.2 大数据产业布局
7.2.2 明略数据
7.2.2.1 企业发展概况
7.2.2.2 大数据分析产品
7.2.3 Talking Data
7.2.3.1 企业发展概况
7.2.3.2 未来发展态势分析
7.3 工业大数据
7.3.1 工业大数据基本概况
7.3.2 工业大数据发展阶段
7.3.3 工业大数据市场规模
7.3.4 工业大数据应用案例
7.3.5 工业大数据政策分析
7.3.6 工业大数据发展问题对策
7.3.7 工业大数据应用趋势分析
7.4 医疗大数据
7.4.1 医疗大数据体系分析
7.4.2 医疗大数据应用场景
7.4.3 医疗大数据市场规模
7.4.4 医疗大数据市场供需
7.4.5 医疗大数据区域格局
7.4.6 医疗大数据应用案例
7.4.7 医疗大数据发展问题及对策
7.4.8 医疗大数据发展方向分析
7.5 金融大数据
7.5.1 金融大数据体系分析
7.5.2 金融大数据典型应用领域
7.5.3 金融大数据创新应用领域
7.5.4 金融大数据市场竞争格局
7.5.5 金融行业大数据发展特征
7.5.6 金融大数据应用市场规模
7.5.7 金融大数据发展挑战及对策
7.6 交通大数据
7.6.1 交通大数据应用概况
7.6.2 交通大数据应用状况分析
7.6.3 交通行业大数据应用需求
7.6.4 国家级交通大数据实验室成立
7.6.5 交通大数据融合应用试点项目
7.6.6 交通出行大数据合作动态
7.6.7 交通大数据应用案例分析
7.6.8 交通大数据应用问题及对策
7.6.9 交通大数据应用未来发展展望
7.7 电信大数据
7.7.1 电信大数据源供给规模
7.7.2 电信大数据应用需求分析
7.7.3 电信行业大数据应用情况
7.7.4 电信运营商价值数据分布
7.7.5 运营商大数据的应用模式
7.7.6 运营商数据中心建设分布
7.7.7 电信行业大数据应用案例
7.7.8 电信大数据发展的挑战及对策
7.8 零售大数据
7.8.1 零售大数据发展概况
7.8.2 零售行业数据采集方式
7.8.3 零售行业大数据应用需求
7.8.4 零售行业大数据应用现状
7.8.5 大数据下的新零售模式
7.8.6 零售大数据发展问题及对策
7.8.7 企业应用零售大数据的方向
7.9 电商大数据
7.9.1 电商大数据的主要来源
7.9.2 大数据处理对电子商务的影响
7.9.3 电子商务大数据的应用需求
7.9.4 电子商务大数据的具体应用
7.9.5 数据分析提高电商企业绩效
7.9.6 全球首个电商大数据指数发布
7.9.7 政府重视电商大数据共享工作
7.9.8 电商大数据应用的挑战及对策
7.10 政府大数据
7.10.1 政府数据资产基本分类
7.10.2 政府大数据的顶层设计
7.10.3 政府大数据的经济价值
7.10.4 政府部门大数据应用案例
7.10.5 政府大数据信息公开需求
7.10.6 政府大数据发展路径分析
7.10.7 政务大数据应用趋势分析
第八章 2017-2019年大数据应用软件及设备分析
8.1 大数据应用软件分析
8.1.1 大数据典型软件分析
8.1.2 智能软件的应用价值
8.1.3 大数据软件市场规模
8.1.4 大数据软件发展方向
8.2 大数据硬件设备分析
8.2.1 大数据硬件构成框架
8.2.2 大数据主要硬件设备
8.2.3 大数据硬件市场规模
8.3 大数据一体机设备分析
8.3.1 大数据一体机简介
8.3.2 大数据一体机的优劣分析
8.3.3 大数据一体机的应用价值
8.3.4 大数据一体机的用户类型
8.3.5 国外竞争格局与品牌分布
8.3.6 国内市场竞争格局分析
8.3.7 国内企业竞争优劣势分析
8.3.8 国内主流品牌及其特点
第九章 2017-2019年大数据产业发展模式探究
9.1 大数据交易模式分析
9.1.1 以数据运营方式为分类标准
9.1.2 以大数据结构化程度为分类标准
9.1.3 以数据产权转让形式为分类标准
9.2 大数据行业盈利模式分析
9.2.1 解决方案
9.2.2 基础设施
9.2.3 数据产品
9.2.4 行业应用
9.3 大数据行业商业模式分析
9.3.1 B2B大数据应用模式
9.3.2 技术提供及软件开发
9.3.3 大数据咨询分析服务
9.3.4 大数据通用服务模式
9.3.5 自有平台大数据分析
9.3.6 信息订制与采购模式
9.3.7 信息数据租售模式
9.4 企业大数据商业化应用模式
9.4.1 企业大数据的基本构成
9.4.2 企业大数据商业化应用背景
9.4.3 企业大数据商业化应用层面
9.4.4 企业大数据商业化应用关键
9.4.5 企业大数据商业化应用途径
第十章 2017-2019年重点区域大数据行业发展分析
10.1 中国大数据产业区域发展格局
10.1.1 大数据产业集聚区域分布
10.1.2 大数据产业园区分布状况
10.1.3 国家大数据综合试验区
10.1.4 各地设立大数据管理部门
10.2 大数产业区域发展指数分析
10.2.1 各省市大数据发展指数
10.2.2 各地区大数据发展潜力
10.2.3 各地区大数据发展态势
10.2.4 其地区大数据应用态势
10.2.5 各地区大数据技术研发
10.2.6 各地区大数据共享态势
10.3 京津冀大数据产业集群
10.3.1 京津冀地区经济运行情况
10.3.2 京津冀大数据产业发展综况
10.3.3 河北省大数据产业发展状况
10.3.4 北京市大数据产业发展状况
10.3.5 天津市大数据产业发展综况
10.3.6 天津市大数据产业发展动态
10.4 珠三角大数据产业集群
10.4.1 珠三角地区基本运行状况
10.4.2 珠三角大数据产业发展综况
10.4.3 大数据试验区建设方案出台
10.4.4 广州市大数据产业发展布局
10.4.5 深圳市大数据产业发展状况
10.5 长三角大数据产业集群
10.5.1 长三角地区基本发展状况
10.5.2 长三角大数据产业发展综况
10.5.3 长三角大数据产业发展特点
10.5.4 上海市大数据产业发展布局
10.5.5 浙江省大数据产业发展状况
10.6 西南大数据产业集群
10.6.1 西南地区基本发展状况
10.6.2 西南大数据产业发展潜力
10.6.3 重庆市大数据产业发展状况
10.6.4 四川省大数据产业发展布局
10.7 其他地区大数据产业发展动态
10.7.1 内蒙古
10.7.2 河南省
10.7.3 安徽省
10.7.4 湖南省
10.7.5 江西省
10.8 大数据产业园区发展分析
10.8.1 大数据产业园概述
10.8.2 大数据产业园格局
10.8.3 大数据产业园分布
10.8.4 大数据产业园典型模式
10.8.5 产业园面临机遇与挑战
10.8.6 国家级新区布局大数据
10.9 典型发展案例——贵州大数据产业发展经验
10.9.1 贵州大数据发展机遇及优势
10.9.2 贵州省大数据发展地位
10.9.3 贵州大数据产业优惠政策
10.9.4 贵州大数据产业运行状况
10.9.5 大数据与实体经济融合
10.9.6 贵阳市大数据发展状况
10.9.7 贵阳大数据交易规模分析
10.9.8 贵安新区大数据建设状况
10.9.9 贵州大数据应用状况分析
第十一章 对中国大数据产业投资价值分析
11.1 大数据产业投资价值及机会评估
11.1.1 投资价值综合评估
11.1.2 市场投资机会评估
11.1.3 投资发展动力评估
11.1.4 投资进入时机分析
11.1.5 产业投资象项分布
11.2 大数据行业投资壁垒分析
11.2.1 竞争壁垒
11.2.2 技术壁垒
11.2.3 资金壁垒
11.2.4 政策壁垒
11.3 大数据产业投资风险及防范
11.3.1 大数据行业投资风险综述
11.3.2 数据的流动性和可获取性风险
11.3.3 大数据安全风险及防范机制
11.3.4 大数据项目投资风险急剧增加
11.3.5 大数据产业投资建议与策略
11.3.6 评估大数据产业投资回报的措施
11.4 对2020-2024年中国大数据产业预测分析
11.4.1 2020-2024年中国大数据产业影响因素分析
11.4.2 2020-2024年中国大数据产业市场规模预测
11.4.3 2020-2024年中国数据经济市场规模预测
第十二章 对中国大数据产业投融资分析
12.1 A股及新三板上市公司在大数据产业投资动态分析
12.1.1 投资项目综述
12.1.2 投资区域分布
12.1.3 投资模式分析
12.1.4 典型投资案例
12.2 大数据行业投融资结构分析
12.2.1 主要融资模式
12.2.2 融资规模分析
12.2.3 融资结构分析
12.2.4 投资潜力领域
12.3 中国大数据产业融资动态分析
12.3.1 天弘基金注资数据米铺
12.3.2 海量集团A+轮融资动态
12.3.3 商圈雷达完成新一轮融资
12.3.4 九次方大数据完成C轮融资
12.3.5 二手车大数据企业融资动态
12.3.6 医疗大数据企业融资动态
12.3.7 大数据征信平台完成融资
12.4 中国大数据产业投资项目案例
12.4.1 城市数据湖运营项目
12.4.2 大数据系统平台项目
12.4.3 大数据产业园建设项目
12.4.4 大数据管理平台建设项目
12.5 中国大数据产业链投资机会分析
12.5.1 硬件层面投资机会分析
12.5.2 软件层面投资机会分析
12.5.3 信息服务层面投资机会
第十三章 大数据产业发展前景及趋势
13.1 全球大数据产业发展前景及趋势预测
13.1.1 全球大数据收入规模预测
13.1.2 全球大数据产业发展趋势
13.1.3 全球大数据市场发展热点展望
13.2 中国大数据产业发展机遇及前景预测
13.2.1 财政机遇分析
13.2.2 产业发展机遇
13.2.3 行业未来发展特点
13.2.4 大数据市场热点分析
13.2.5 大数据市场重点内容
13.2.6 大数据人才需求预测
13.3 中国大数据产业发展趋势预测
13.3.1 大数据产业趋势预测
13.3.2 大数据重点应用方向
13.3.3 区域特色化发展趋势
13.3.4 产业融合发展趋势加深
13.3.5 大数据技术发展方向分析
13.3.6 数据安全和数据流动成为焦点
13.3.7 “十三五”大数据产业发展趋势
第十四章 大数据产业发展政策分析
14.1 大数据产业政策体系分析
14.1.1 发达国家大数据政策对比
14.1.2 大数据产业政策汇总分析
14.1.3 中国大数据产业发展纲要
14.1.4 大数据标准化白皮书分析
14.1.5 大数据产业管理机制分析
14.2 大数据产业应用类政策分析
14.2.1 金融机构大数据治理规范
14.2.2 医疗大数据政策总体分析
14.2.3 交通运输信息资源整合
14.2.4 交通旅游大数据应用试点
14.2.5 林业大数据发展指导意见
14.2.6 水利大数据发展指导意见
14.2.7 生态环境信息化建设方案
14.2.8 国土资源大数据应用政策
14.3 “十三五”大数据产业发展规划
14.3.1 发展目标
14.3.2 重点任务
14.3.3 保障措施
14.4 大数据产业区域性政策规划
14.4.1 首部大数据地方法规发布
14.4.2 东莞市大数据产业发展规划
14.4.3 福州市大数据产业发展计划
14.4.4 北京大数据建设工作方案
14.4.5 贵州省大数据产业发展规划
14.4.6 贵州大数据与工业融合方案
14.4.7 内蒙古大数据发展总体规划
14.4.8 广西省数字社会的建设规划
14.4.9 湖南省大数据产业发展计划
14.4.10 湖北省大数据产业发展规划
14.4.11 河南省大数据产业发展规划
14.4.12 河北省大数据产业发展计划
图表目录
图表1 大数据的4V特征
图表2 大数据的类型
图表3 大数据技术框架
图表4 大数据的价值
图表5 大数据产业链
图表6 大数据产业主要数据资产类企业
图表7 大数据产业链产值分布及发展方向
图表8 大数据关键技术
图表9 中国大数据产业链技术层细分
图表10 未来大数据处理的核心技术
图表11 数据可视化软件平台
图表12 2018-2027年全球大数据细分市场规模预测
图表13 2018年全球大数据企业类型分布
图表14 2018年大数据产业人才分布
图表15 2018年全球大型数据中心数量分布
图表16 美国大数据研发与协同创新的主要政策文件
图表17 2018年美国大数据产业企业分布
图表18 2005-2019年NITRD预算趋势
图表19 日本大数据发展历程
图表20 2011-2018年大数据发展趋势
图表21 大数据产业企业布局情况
图表22 中国大数据市场发展阶段
图表23 2017-2018年新成立的大数据产业联盟
图表24 2017-2023年中国数字经济市场规模统计情况及预测
图表25 2015-2018年大数据市场产值图
图表26 2015-2020年中国大数据核心产业规模及增速
图表27 2018年大数据产业发展试点示范项目公示名单
图表28 大数据人才培养要求
图表29 大数据产业链不同环节竞争格局
图表30 大数据企业资本层次
图表31 中国大数据投资价值百强榜
图表32 大数据创新场景应用服务商TOP40
图表33 中国大数据应用领域企业
图表34 互联网行业大数据应用场景
图表35 电信行业大数据应用场景
图表36 金融行业大数据应用场景
图表37 制造行业大数据应用场景
图表38 企业现有的数据规模
图表39 企业数据类型的构成
图表40 大数据时代企业所能感觉到的数据变化
图表41 目前企业处理大数据所面临的问题
图表42 企业对大数据的态度和认知
图表43 企业在线则大数据平台时所考虑的因素
图表44 企业小型机的当前使用情况及未来计划
图表45 市场上大数据技术类人才招聘数量占比及求职人数占比
图表46 主要城市大数据就业市场活跃度
图表47 大数据行业求职者学历与招聘需求占比
图表48 大数据产业招聘及求职期望薪水分布
图表49 中国大数据产业链数据源细分
图表50 中国大数据资源SWOT分析
图表51 2019年省级数林分布
图表52 MPP架构图
图表53 2011-2017年全球数据储量
图表54 大数据的云存储平台
图表55 MPP与Hadoop技术融合的产品架构图
图表56 iDB产品核心功能架构图
图表57 百度大数据+平台
图表58 九寨沟景区客流量预测系统
图表59 峨眉山景区游客七日去向展示
图表60 利用大数据进行在线精准营销的效果
图表61 腾讯大数据平台的核心模块
图表62 Gaia主要结构
图表63 TDBank的处理系统
图表64 TDBank运行流程
图表65 腾讯分布式数据仓库
图表66 Spark VS Mapreduce
图表67 TRC运作流程
图表68 大数据处理的关键层次架构
图表69 典型大数据计算模式与系统
图表70 数据分析细分领域和具体技术
图表71 Palantir旗下两大产品涉及领域
图表72 Hadoop和Spark生态系统
图表73 大数据技术关注度
图表74 参数服务器工作原理
图表75 2017年中国大数据可视化市场规模
图表76 2017年中国大数据可视化市场份额
图表77 大数据安全涉及模块
图表78 从运营商大数据到最终行业应用的加工产业链
图表79 运营商建设大数据的核心需求：水平化的大数据平台
图表80 华为“1+N”运营商大数据解决方案
图表81 中国大数据产业链交易层细分
图表82 可交易的数据品种及类型
图表83 影响数据交易的四大因素
图表84 大数据交易标准体系
图表85 大数据交易产业主要人才需求
图表86 各地区大数据交易平台
图表87 数据堂商业模式
图表88 中国大数据产业链大数据衍生层细分
图表89 工业大数据分类
图表90 国内工业大数据发展史
图表91 国家工业大数据相关政策
图表92 工业和信息化部相关政策
图表93 医疗业大数据产业链
图表94 医疗数据来源
图表95 医疗数据的特性
图表96 医疗大数据的用途
图表97 医疗大数据企业
图表98 2018年健康医疗数据供应概况
图表99 2012-2017年健康医疗大数据相关企业地域分布
图表100 2018年中国健康医疗大数据细分领域企业分布
图表101 IBM智慧医疗“沃森医生”
图表102 2016-2017年BAT健康医疗大数据产业链布局
图表103 金融大数据产业链
图表104 大数据金融的场景应用
图表105 大数据智能洞察金融业
图表106 金融行业客户的重要性
图表107 大数据洞察推动民生银行的转型与创新
图表108 大数据预测金融欺诈
图表109 证券业大数据应用
图表110 保险业大数据应用
图表111 中国金融行业大数据投资结构
图表112 智能交通的数据处理体系
图表113 交通大数据应用领域示意图
图表114 大数据在滴滴出行中的应用
图表115 广东省高速公路省监控大数据综合展示
图表116 电信运营商大数据应用
图表117 大数据与客户生命周期管理
图表118 我国主流数据中心区域分布
图表119 三大运营商及第三方IDC运营商数据中心数量占比
图表120 广东移动使用的Apache Hadoop软件的英特尔分发版
图表121 电信运营商大数据处理需求
图表122 线下零售大数据产业链
图表123 线上零售大数据产业链
图表124 零售行业大数据分析应用阶段
图表125 中国零售企业主要实施的大数据项目
图表126 零售企业对大数据分析整体表现自我评价
图表127 政府大数据应用十大工程
图表128 中国各政府机构大数据应用
图表129 中国大数据产业链硬件支撑层细分
图表130 大数据一体机的发展演进
图表131 大数据一体机的计算与存储一体化
图表132 卷积神经网络处理一张图片的计算量
图表133 大数据行业目前的四大盈利模式
图表134 大数据通用服务热点
图表135 企业大数据的构成
图表136 2018年中国大数据产业资源分布图
图表137 2017年全国各省、市、自治区大数据发展指数
图表138 分区域大数据发展指数
图表139 大数据产业呈现集聚发展态势
图表140 2017年全国大数据发展环境指数
图表141 全国大数据产业指数
图表142 全国大数据应用指数
图表143 全国各省市大数据技术研发创新分析
图表144 2017年全国数据资源开放共享指数排名
图表145 京津冀主导行业大数据市场发展占比
图表146 2017年西南五省（区、市）经济运行状况
图表147 各地大数据产业园数量占比与关注度分布
图表148 各省市产业园区关注度排名
图表149 国家级新区布局大数据产业
图表150 投资价值综合评估：大数据
图表151 大数据产业市场机会整体评估表
图表152 大数据产业市场机会矩阵
图表153 投资发展动力评估：大数据
