欢迎您光临中国的行业报告门户弘博报告!
分享到:
2020-2024年中国大数据行业深度分析及发展趋势预测研究报告
2020-11-06
  • [报告ID] 148024
  • [关键词] 大数据行业深度分析
  • [报告名称] 2020-2024年中国大数据行业深度分析及发展趋势预测研究报告
  • [交付方式] EMS特快专递 EMAIL
  • [完成日期] 2020/10/10
  • [报告页数] 页
  • [报告字数] 字
  • [图 表 数] 个
  • [报告价格] 印刷版7500 电子版7800 印刷+电子8000
  • [传真订购]
加入收藏 文字:[    ]
报告简介

大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合,正快速发展为对数量巨大、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。

大数据成为推动经济转型发展的新动力。以数据流引领技术流、物质流、资金流、人才流,将深刻影响社会分工协作的组织模式,促进生产组织方式的集约和创新。大数据推动社会生产要素的网络化共享、集约化整合、协作化开发和高效化利用,改变了传统的生产方式和经济运行机制,可显着提升经济运行水平和效率。大数据持续激发商业模式创新,不断催生新业态,已成为互联网等新兴领域促进业务创新增值、提升企业核心价值的重要驱动力。大数据产业正在成为新的经济增长点,将对未来信息产业格局产生重要影响。

1、相关政策汇总

党中央、国务院高度重视大数据在推进经济社会发展中的地位和作用。2014年,大数据首次写入政府工作报告,大数据逐渐成为各级政府关注的热点,政府数据开放共享、数据流通与交易、利用大数据保障和改善民生等概念深入人心。此后国家相关部门出台了一系列政策,鼓励大数据产业发展。

2、重点政策解读

——《促进大数据发展行动纲要》

《行动纲要》的核心是推动数据资源共享开放《行动纲要》从内容架构上总体上呈现了“一体两翼一尾”的格局。“一体”即以“加快建设数据强国,释放数据红利、制度红利和创新红利”为宗旨,“两翼”是指以“加快政府数据开放共享,推动资源整合,提升治理能力”和“推动产业创新发展,培育新兴业态,助力经济转型”两方面内容为载体和依托,“一尾”是指以“强化安全保障,提高管理水平,促进健康发展”为保障和平衡。

综观《行动纲要》的内容架构,其核心是推动各部门、各地区、各行业、各领域的数据资源共享开放。在《行动纲要》正文中,“共享”共出现59次,“开放”共出现36处,充分显示了数据共享开放对国家大数据发展的极端重要性。事实上,共享开放的大数据不仅是深化信息化发展的关键要素,也将成为激发大众创业、万众创新的重要源泉,为开创新应用、催生新业态、打造新模式提供新动力,有利于提升创新创业活力,改造升级传统产业,培育经济发展新引擎和国际竞争新优势。

《行动纲要》作为我国推进大数据发展的战略性、指导性文件,充分体现了国家层面对大数据发展的顶层设计和统筹布局,为我国大数据应用、产业和技术的发展提供了行动指南。

《行动纲要》对支撑大数据发展的国家级统一平台进行了总体规划布局。提出建设“国家政府数据统一开放平台”,构建跨部门的“政府数据统一共享交换平台”,“在地市级以上(含地市级)政府集中构建统一的互联网政务数据服务平台和信息惠民服务平台”,“中央层面构建形成统一的互联网政务数据服务平台”,建立“全国统一的信用信息共享交换平台”,“形成全国统一的中小微企业公共服务大数据平台”,建设“国家网络安全信息汇聚共享和关联分析平台”,建立“国家知识服务平台与知识资源服务中心”。

——《大数据产业发展规划(2016-2020年)》

《大数据产业发展规划(2016-2020年)》以大数据产业发展中的关键问题为出发点和落脚点,以强化大数据产业创新发展能力为核心,以推动促进数据开放与共享、加强技术产品研发、深化应用创新为重点,以完善发展环境和提升安全保障能力为支撑,打造数据、技术、应用与安全协同发展的自主产业生态体系,全面提升我国大数据的资源掌控能力、技术支撑能力和价值挖掘能力,在此基础上明确了“十三五”时期大数据产业发展的指导思想、发展目标、重点任务、重点工程及保障措施等内容,作为未来五年大数据产业发展的行动纲领。

《规划》在分析总结产业发展现状及形势的基础上,围绕“强化大数据产业创新发展能力”一个核心、“推动数据开放与共享、加强技术产品研发、深化应用创新”三大重点,完善“发展环境和安全保障能力”两个支撑,打造一个“数据、技术、应用与安全协同发展的自主产业生态体系”,提升我国对大数据的“资源掌控、技术支撑和价值挖掘”三大能力。具体设置了7项重点任务、8个重点工程以及5个方面的保障措施。

——《关于工业大数据发展的指导意见》

工业大数据是工业领域产品和服务全生命周期数据的总称,包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据,以及工业互联网平台中的数据等。随着第四次工业革命的深入展开,工业大数据日渐成为工业发展最宝贵的战略资源,是推动制造业数字化、网络化、智能化发展的关键生产要素。

未来三到五年,随着5G、工业互联网、人工智能等的发展,工业大数据将从探索起步阶段迈入纵深发展阶段,迎来快速发展的机遇期,全球工业大数据的竞争也将变得更为激烈。

工业数据采集汇聚方面,《指导意见》部署了3项重点任务,推动全面采集、高效互通和高质量汇聚,包括加快工业企业信息化“补课”、推动工业设备数据接口开放、推动工业通信协议兼容化、组织开展工业数据资源调查“摸家底”、加快多源异构数据的融合和汇聚等具体手段,目的是为了形成完整贯通的高质量数据链,为更好地支撑企业在整体层面、在产业链维度推动全局性数字化转型奠定基础。

关于促进工业数据共享流通方面,《指导意见》部署了2项重点任务,通过探索建立工业数据空间、加快区块链等技术在数据流通中的应用、完善工业大数据资产价值评估体系等方式,从技术手段、定价机制、交易规则等多个方面着手,激发工业数据市场活力,促进数据市场化配置。

大量工业企业的数据应用仍然是单点的,局部的、低水平的。企业反映的原因包括:对数据的不重视,“不想用”;数据分析的手段、人才等缺乏,“不会用”;对数据应用规律缺乏认识,数据应用投入大,“不敢用”,等等。《指导意见》部署了4项重点任务,通过在需求端组织开展工业大数据应用试点示范、开展工业大数据竞赛等手段,解决不想用、不敢用等问题;通过在供给端培育海量工业APP、工业大数据解决方案供应商、向中小企业开放数据服务能力、培育应用生态等手段,降低企业数据应用的成本投入和专业壁垒,解决不会用、不敢用问题。供需双向发力,共同推动工业大数据全面深度应用。

本公司出品的研究报告首先介绍了中国大数据行业市场发展环境、大数据行业整体运行态势等,接着分析了中国大数据行业市场运行的现状,然后介绍了大数据行业市场竞争格局。随后,报告对大数据行业做了重点企业经营状况分析,最后分析了中国大数据行业发展趋势与投资预测。您若想对大数据行业产业有个系统的了解或者想投资中国大数据行业,本报告是您不可或缺的重要工具。

本研究报告数据主要采用国家统计数据,海关总署,问卷调查数据,商务部采集数据等大数据。其中宏观经济数据主要来自国家统计局,部分行业统计数据主要来自国家统计局及市场调研数据,企业数据主要来自于国统计局规模企业统计大数据及证券交易所等,价格数据主要来自于各类市场监测大数据。


报告目录
2020-2024年中国大数据行业深度分析及发展趋势预测研究报告

第一章 大数据产业相关概述
1.1 大数据介绍
1.2 大数据的价值及影响
1.3 大数据产业链构成分析
1.4 大数据技术层结构分析
第二章 2018-2020年国际大数据产业发展分析
2.1 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 产业发展阶段
2.1.3 产业规模状况
2.1.4 细分市场格局
2.1.5 企业类型分布
2.1.6 重点企业分析
2.1.7 产业人才发展
2.2 全球大数据产业发展特点
2.2.1 国家战略布局加快
2.2.2 制造业成为融合重点
2.2.3 5G成为数字基建关键
2.2.4 数字贸易规则制定加快
2.2.5 数据的合规性受到重视
2.3 欧盟大数据产业发展布局
2.3.1 欧盟通用数据保护条例
2.3.2 欧盟数据经济规模分析
2.3.3 欧盟推进大数据产业发展
2.3.4 欧盟大数据产业战略特点
2.3.5 产业战略建设的相关启示
2.3.6 欧盟布局大数据产业应用
2.3.7 欧盟大数据产业发展规划
2.4 美国大数据产业发展分析
2.4.1 大数据发展扶持政策
2.4.2 大数据产业发展战略
2.4.3 大数据应用案例分析
2.4.4 大数据企业分布情况
2.4.5 大数据协同创新措施
2.4.6 大数据技术发展措施
2.5 日本大数据产业发展分析
2.5.1 大数据发展历程
2.5.2 大数据相关法规
2.5.3 大数据发展趋势
2.5.4 大数据预防灾害
2.5.5 “限定提供数据”条款
2.5.6 对我国大数据法律启示
2.6 其他国家大数据产业发展动态
2.6.1 法国
2.6.2 韩国
2.6.3 新加坡
第三章 2018-2020年中国大数据产业发展分析
3.1 2018-2020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 大数据产业构建层次
3.1.3 大数据发展的必然性
3.1.4 大数据产业驱动主体
3.1.5 大数据产业发展阶段
3.1.6 地区大数据产业联盟
3.1.7 数字经济的发展水平
3.1.8 大数据总体市场规模
3.1.9 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 2018-2020年大数据产业竞争格局
3.3.1 大数据相关企业规模概述
3.3.2 大数据产业竞争主体分类
3.3.3 产业链环节竞争格局分析
3.3.4 大数据竞争企业资本层次
3.3.5 大数据投资价值百强企业
3.3.6 大数据创新场景应用服务商
3.3.7 互联网企业布局大数据产业
3.3.8 大数据热点应用领域的竞争
3.3.9 大数据产业竞争趋势展望
3.4 2018-2020年中国大数据市场供需分析
3.4.1 大数据市场供给结构分析
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 大数据热点领域需求分析
3.4.5 企业大数据需求趋势分析
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 竞争壁垒问题
3.5.3 技术发展问题
3.5.4 成本投入问题
3.5.5 数据相关问题
3.5.6 数据安全问题
3.5.7 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
3.7 疫情影响下大数据产业发展分析
3.7.1 疫情对企业的影响
3.7.2 行业大数据应用问题
3.7.3 疫情带来的行业机遇
3.7.4 互联网大数据防疫走热
3.7.5 疫情下电信大数据应用状况
3.7.6 疫情下政府大数据应用状况
3.7.7 疫情下工业大数据应用状况
3.7.8 疫情下金融大数据应用状况
3.7.9 疫情下医疗大数据应用状况
第四章 大数据产业上游——数据源存储层
4.1 数据基础设施发展综况
4.1.1 数据基础设施的范围
4.1.2 数据基础设施的特征
4.1.3 数据基础的相关企业
4.1.4 数据基础设施的展望
4.2 数据来源层分析
4.2.1 大数据的来源渠道
4.2.2 新技术带来数据增长
4.2.3 数据资源的网络基础
4.2.4 数据资源SWOT分析
4.2.5 数据资源获取难度
4.2.6 数据资源开放情况
4.3 数据存储层分析
4.3.1 大数据存储方式
4.3.2 大数据储量规模分析
4.3.3 大数据存储架构分析
4.3.4 数据仓库建设的重要性
4.3.5 新型MPP数据库的价值
4.4 数据存储中心建设状况
4.4.1 全球数据中心建设规模
4.4.2 国内数据中心建设规模
4.4.3 国内数据中心投资规模
4.4.4 数据中心市场竞争格局
4.4.5 数据中心硬件成本分析
4.4.6 国内数据中心投资机遇
4.4.7 数据中心总体发展趋势
4.4.8 数据中心绿色节能趋势
4.4.9 数据中心布局策略分析
4.5 数据资源型企业——电信运营商
4.5.1 中国移动
4.5.1.1 企业发展概况
4.5.1.2 大数据发展优势
4.5.1.3 大数据产品体系
4.5.2 中国电信
4.5.2.1 企业发展概况
4.5.2.2 大数据产业布局
4.5.2.3 加快数据项目建设
4.5.3 中国联通
4.5.3.1 企业发展概况
4.5.3.2 业务发展分析
4.5.3.3 大数据项目建设
4.5.3.4 联通大数据公司
4.6 数据资源型企业——BAT企业
4.6.1 阿里巴巴
4.6.1.1 企业发展概况
4.6.1.2 产品技术架构
4.6.1.3 大数据计算服务
4.6.1.4 主要大数据平台
4.6.1.5 企业数据库方案
4.6.2 百度公司
4.6.2.1 企业发展概况
4.6.2.2 大数据解决方案
4.6.2.3 大数据分析平台
4.6.2.4 数据安全方案
4.6.3 腾讯公司
4.6.3.1 企业发展概况
4.6.3.2 腾讯大数据平台
4.6.3.3 大数据技术架构
4.6.3.4 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 数据可视化的应用优势
5.3.3 大数据可视化市场规模
5.3.4 大数据可视化市场格局
5.3.5 数据可视化的研究进展
5.3.6 数据可视化的应用工具
5.3.7 数据可视化面临的挑战
5.3.8 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 企业发展动态
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 大数据交易场所主要类型
6.2.8 大数据交易逐步规范化
6.2.9 大数据交易市场人才需求
6.2.10 数据交易场所的问题及对策
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 大数据交易典型平台
6.4.4 交易平台融资动态
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 平台发展动态
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 TalkingData
7.2.3.1 企业发展概况
7.2.3.2 未来发展态势
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 工业大数据发展问题对策
7.3.6 工业大数据未来发展机会
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 医疗大数据竞争格局
7.4.6 医疗大数据区域格局
7.4.7 医疗大数据应用案例
7.4.8 医疗大数据发展问题及对策
7.4.9 医疗大数据未来发展机会
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 金融大数据应用市场结构
7.5.5 金融大数据市场竞争格局
7.5.6 金融行业大数据发展特征
7.5.7 金融大数据安全挑战及对策
7.5.8 金融大数据未发展机会分析
7.6 交通大数据
7.6.1 交通大数据应用价值分析
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 交通大数据融合应用试点
7.6.5 城市交通大数据应用产业链
7.6.6 城市交通大数据应用规模
7.6.7 城市交通大数据竞争格局
7.6.8 交通大数据应用案例分析
7.6.9 交通大数据应用问题及对策
7.6.10 交通大数据应用未来发展展望
7.7 电信大数据
7.7.1 电信大数据的发展阶段
7.7.2 电信大数据源供给规模
7.7.3 电信大数据应用需求分析
7.7.4 电信行业大数据应用情况
7.7.5 运营商大数据的应用模式
7.7.6 电信行业大数据应用案例
7.7.7 电信大数据应用痛点分析
7.7.8 电信大数据发展机会分析
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案例
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 全国公安大数据项目状况
7.10.6 政府大数据信息公开需求
7.10.7 政府大数据未来发展展望
第八章 2018-2020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 大数据软件构成框架
8.1.2 大数据典型软件分析
8.1.3 智能软件的应用价值
8.1.4 大数据软件市场规模
8.1.5 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 大数据一体机的用户类型
8.3.4 国外竞争格局与品牌分布
8.3.5 国内市场竞争格局分析
8.3.6 国内企业竞争优劣势分析
8.3.7 国内主流品牌及其特点
第九章 2018-2020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 大数据服务市场规模
9.3.5 大数据通用服务模式
9.3.6 自有平台大数据分析
9.3.7 信息订制与采购模式
9.3.8 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重点
9.4.5 企业大数据商业化应用关键
9.4.6 企业大数据商业化应用途径
第十章 2018-2020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 国家大数据综合试验区
10.1.2 大数据企业业务区域分布
10.1.3 地区大数据管理机构设置
10.1.4 城市大数据人才储备状况
10.2 大数产业区域发展指数分析
10.2.1 各省大数据发展排名
10.2.2 各省大数据排名变动
10.2.3 区域大数据发展指数
10.2.4 各省大数据发展类型
10.2.5 各省分指数评价分析
10.3 大数据产业园区发展分析
10.3.1 大数据产业园概述
10.3.2 大数据产业园区分类
10.3.3 大数据产业园数量规模
10.3.4 大数据产业园典型模式
10.3.5 产业园面临机遇与挑战
10.3.6 国家级新区布局大数据
10.4 京津冀大数据产业集群
10.4.1 京津冀地区经济运行特点
10.4.2 京津冀大数据产业发展综况
10.4.3 河北省大数据产业发展格局
10.4.4 北京市大数据产业发展状况
10.4.5 天津市大数据产业发展综况
10.4.6 天津市大数据安全布局动态
10.5 珠三角大数据产业集群
10.5.1 珠三角地区基本运行状况
10.5.2 珠三角大数据产业发展特点
10.5.3 大数据试验区建设方案出台
10.5.4 广东省大数据产业发展格局
10.5.5 广州市大数据产业发展布局
10.5.6 深圳市大数据产业发展状况
10.6 长三角大数据产业集群
10.6.1 长三角地区基本发展状况
10.6.2 长三角大数据产业发展综况
10.6.3 长三角大数据产业发展特点
10.6.4 上海市大数据产业发展布局
10.6.5 浙江省大数据产业发展状况
10.7 西南大数据产业集群
10.7.1 西南地区基本发展状况
10.7.2 西南大数据产业发展潜力
10.7.3 重庆市大数据产业发展状况
10.7.4 四川省大数据产业发展布局
10.8 其他地区大数据产业发展动态
10.8.1 内蒙古
10.8.2 河南省
10.8.3 山东省
10.8.4 山西省
10.8.5 安徽省
10.8.6 湖南省
10.8.7 江西省
10.8.8 海南省
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 贵州省数字设施投资状况
10.9.5 贵州大数字产业运行状况
10.9.6 贵州大数据典型企业名单
10.9.7 贵阳市大数据发展状况
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
10.9.10 贵州省大数据融合发展方案
第十一章 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
第十二章 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 大数据行业投融资热点分析
12.2.1 大数据产业投资热点
12.2.2 数据源及流通领域
12.2.3 软硬件产品领域
12.2.4 应用端领域
12.3 中国大数据产业融资动态分析
12.3.1 教育大数据企业融资动态
12.3.2 保险大数据公司融资布局
12.3.3 大数据软件企业融资布局
12.3.4 酒店大数据运营投资项目
12.3.5 数据搜索公司融资动态
12.3.6 大数据安全企业融资动态
12.3.7 大数据基础设施提供商融资
12.3.8 媒体大数据企业融资动态
12.3.9 医疗大数据企业融资动态
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 全球大数据企业竞争趋势
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 整体发展驱动分析
13.2.2 行业未来发展特点
13.2.3 大数据市场热点分析
13.2.4 大数据市场重点内容
13.2.5 大数据人才需求预测
13.3 中国大数据产业发展趋势展望
13.3.1 信息消费逐步提质升级
13.3.2 工业互联网建设进程加快
13.3.3 “一带一路”数据合作形成
13.3.4 大数据治理科技应用广泛
13.3.5 大数据相关立法进程加快
13.3.6 大数据与区块链融合提速
13.4  2020-2024年中国大数据产业预测分析
13.4.1 2020-2024年中国大数据产业影响因素分析
13.4.2 2020-2024年中国大数据产业市场规模预测
13.4.3 2020-2024年中国数字经济总量规模预测
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 中国大数据产业政策汇总
14.1.3 中国大数据产业政策特点
14.1.4 中国大数据产业发展纲要
14.1.5 大数据标准化白皮书分析
14.1.6 大数据产业管理机制加强
14.2 大数据产业应用类政策分析
14.2.1 工业大数据政策环境分析
14.2.2 金融机构大数据治理规范
14.2.3 医疗大数据政策总体分析
14.2.4 交通运输大数据发展纲要
14.2.5 交通旅游大数据应用试点
14.2.6 林业大数据发展指导意见
14.2.7 水利大数据发展指导意见
14.2.8 生态环境信息化建设方案
14.2.9 国土资源大数据应用政策
14.2.10 大数据防范网络诈骗方案
14.3 大数据产业未来发展规划
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 内蒙古大数据发展总体规划
14.4.2 河北省大数据产业发展计划
14.4.3 北京大数据建设工作方案
14.4.4 河南省大数据产业发展规划
14.4.5 山西省大数据发展应用计划
14.4.6 湖北省大数据产业发展规划
14.4.7 湖南省大数据产业发展计划
14.4.8 广西省数字社会的建设规划
14.4.9 贵州省大数据产业发展规划
14.4.10 东莞市大数据产业发展规划
14.4.11 福州市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 数字价值链模式
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 全球大数据市场的收入规模
图表12 2018年全球大数据企业类型分布
图表13 国际主要大数据企业简介
图表14 全球主要大数据存储企业
图表15 全球主要大数据分析企业
图表16 2018年大数据产业人才分布
图表17 全球先进制造业发展战略格局
图表18 美国大数据研发与协同创新的主要政策文件
图表19 2018年美国大数据产业企业分布
图表20 日本大数据发展历程
图表21 2011-2018年日本大数据发展趋势
图表22 2018年韩国大数据产业企业布局情况
图表23 大数据产业构建
图表24 中国大数据市场发展阶段
图表25 2017-2018年新成立的大数据产业联盟
图表26 2015-2019年大数据市场产值图
图表27 2015-2020年我国大数据核心产业规模及增速
图表28 2008-2019年中国大数据专利新增数量
图表29 2014-2019年TOP10省市大数据专利新增数量
图表30 2020年大数据产业发展试点示范项目公示名单
图表31 2017-2019年高校新增大数据专业数量TOP5
图表32 2019年各领域大数据人才需求
图表33 大数据人才培养要求
图表34 大数据企业资本层次
图表35 2020年大数据企业投资价值百强榜
图表36 大数据创新场景应用服务商TOP40
图表37 中国大数据应用领域企业
图表38 互联网行业大数据应用场景
图表39 电信行业大数据应用场景
图表40 金融行业大数据应用场景
图表41 制造行业大数据应用场景
图表42 企业现有的数据规模
图表43 企业数据类型的构成
图表44 大数据时代企业所能感觉到的数据变化
图表45 目前企业处理大数据所面临的问题
图表46 企业对大数据的态度和认知
图表47 企业在线则大数据平台时所考虑的因素
图表48 企业在数据安全与治理建设方面担心的问题
图表49 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50 主要城市大数据就业市场活跃度
图表51 大数据行业求职者学历与招聘需求占比
图表52 大数据产业招聘及求职期望薪水分布
图表53 2020年新冠病毒肺炎疫情对企业营收的影响情况
图表54 2020年新冠肺炎疫情对企业业务的影响情况
图表55 疫情下各行业大数据应用问题
图表56 疫情后不同类型大数据业务机遇预测
图表57 互联网大数据防疫行业的两点及挑战
图表58 信息安全、数据资源整合是疫情下电信大数据亟需突破关键点
图表59 应急指挥平台、疫情防控大数据平台等成为疫情下政府大数据建设重点
图表60 工业大数据解决疫情下物资流通、企业复产复工难等问题
图表61 金融大数据助力政府高效发放消费券
图表62 无接触医疗、影像识别是疫情下医疗大数据应用的热点方向
图表63 数据基础设施
图表64 数据基础设施“横向融合”与“纵向融合”
图表65 数据基础支撑型企业
图表66 数据平台型企业
图表67 中国大数据产业链数据源细分
图表68 中国大数据资源SWOT分析
图表69 2012-2020年地方政府数据开放平台上线情况
图表70 MPP架构图
图表71 2013-2018年全球大数据储量
图表72 2018年全球大数据储量区域分布
图表73 MPP与Hadoop技术融合的产品架构图
图表74 全球数据中心数量
图表75 全球数据中心总机架数
图表76 2012-2020年全球大型数据中心增长状况
图表77 各国大型数据中心数量占比
图表78 2016-2019年中国数据中心机架规模统计情况
图表79 数据中心规模划分(按机架规模)
图表80 2019年中国超大型、大型数据中心占比情况
图表81 2016-2019年中国数据中心投资规模
图表82 国内IDC市场格局
图表83 民营IDC企业的竞争优劣势分析
图表84 电信运营商在IDC领域的竞争优劣势分析
图表85 数据中心IT硬件成本结构
图表86 飞天大数据平台的完整架构
图表87 iDB产品核心功能架构图
图表88 百度大数据+平台
图表89 九寨沟景区客流量预测系统
图表90 峨眉山景区游客七日去向展示
图表91 利用大数据进行在线精准营销的效果
文字:[    ] [ 打印本页 ] [ 返回顶部 ]
1.客户确定购买意向
2.签订购买合同
3.客户支付款项
4.提交资料
5.款到快递发票