報告簡介
黨中央、國務院高度重視大數據在推進經濟社會發(fā)展中的地位和作用。2014年，大數據首次寫入政府工作報告，大數據逐漸成為各級政府關注的熱點，政府數據開放共享、數據流通與交易、利用大數據保障和改善民生等概念深入人心。此后國家相關部門出臺了一系列政策，鼓勵大數據產業(yè)發(fā)展。2020年5月工信部頒發(fā)《關于工業(yè)大數據發(fā)展的指導意見》，推動工業(yè)數據全面采集，加快工業(yè)設備互聯互通，推動工業(yè)數據高質量匯聚，統(tǒng)籌建設國家工業(yè)大數據平臺，推動工業(yè)數據開放共享，激發(fā)工業(yè)數據市場活力，深化數據應用，完善數據治理。
產業(yè)規(guī)模逐步擴大
在互聯網快速普及、物聯網加速滲透的背景下，PC、手機、傳感設備等全面興起，推動全球數據呈現倍數增長、海量集聚的特點，為大數據產業(yè)發(fā)展奠定了龐大的數據基礎。數據顯示，2019年中國大數據產業(yè)規(guī)模為8500億元人民幣，預計2021年大數據產業(yè)規(guī)模有望趕超1.4萬億元，年均復合增長率近30%。
2016-2020年中國大數據產業(yè)規(guī)模
大數據硬件收益占4成
2020年，大數據硬件在中國整體大數據相關收益中將繼續(xù)占主導地位，占比高達41.0%；大數據軟件和大數據服務收入比例分別為25.4%和33.6%。而到2024年，隨著技術的成熟與融合、以及數據應用和更多場景的落地，軟件收入占比將逐漸增加，服務相關收益占比將保持平穩(wěn)，而硬件收入在整體的占比則將逐漸減少。硬件、服務、軟件三者的比例將逐漸趨近于各占三分之一的比例。
本公司出品的研究報告首先介紹了中國大數據行業(yè)市場發(fā)展環(huán)境、大數據行業(yè)整體運行態(tài)勢等，接著分析了中國大數據行業(yè)市場運行的現狀，然后介紹了大數據行業(yè)市場競爭格局。隨后，報告對大數據行業(yè)做了重點企業(yè)經營狀況分析，最后分析了中國大數據行業(yè)發(fā)展趨勢與投資預測。您若想對大數據行業(yè)產業(yè)有個系統(tǒng)的了解或者想投資中國大數據行業(yè)，本報告是您不可或缺的重要工具。
本研究報告數據主要采用國家統(tǒng)計數據，海關總署，問卷調查數據，商務部采集數據等大數據。其中宏觀經濟數據主要來自國家統(tǒng)計局，部分行業(yè)統(tǒng)計數據主要來自國家統(tǒng)計局及市場調研數據，企業(yè)數據主要來自于國統(tǒng)計局規(guī)模企業(yè)統(tǒng)計大數據及證券交易所等，價格數據主要來自于各類市場監(jiān)測大數據業(yè)。
報告目錄
2021-2025年中國大數據行業(yè)市場供需格局及發(fā)展前景預測報告
第一章 大數據產業(yè)相關概述
第二章 2019-2021年國際大數據產業(yè)發(fā)展分析
2.1 全球大數據產業(yè)總體發(fā)展分析
2.1.1 產業(yè)發(fā)展變革
2.1.2 產業(yè)發(fā)展階段
2.1.3 產業(yè)規(guī)模狀況
2.1.4 細分市場格局
2.1.5 產量區(qū)域分布
2.1.6 重點企業(yè)分析
2.1.7 企業(yè)融資分析
2.2 全球大數據產業(yè)發(fā)展特點
2.2.1 國家戰(zhàn)略布局加快
2.2.2 制造業(yè)成為融合重點
2.2.3 5G成為數字基建關鍵
2.2.4 數字貿易規(guī)則制定加快
2.2.5 數據的合規(guī)性受到重視
2.3 歐盟大數據產業(yè)發(fā)展布局
2.3.1 歐洲數據治理條例草案
2.3.2 歐盟數據經濟規(guī)模分析
2.3.3 歐盟推進大數據產業(yè)發(fā)展
2.3.4 歐盟大數據產業(yè)戰(zhàn)略特點
2.3.5 產業(yè)戰(zhàn)略建設的相關啟示
2.3.6 歐盟布局大數據產業(yè)應用
2.3.7 歐盟大數據產業(yè)人才規(guī)劃
2.4 美國大數據產業(yè)發(fā)展分析
2.4.1 大數據發(fā)展扶持政策
2.4.2 大數據產業(yè)發(fā)展戰(zhàn)略
2.4.3 大數據應用案例分析
2.4.4 大數據協(xié)同創(chuàng)新措施
2.4.5 大數據技術發(fā)展措施
2.4.6 大數據產業(yè)發(fā)展趨勢
2.5 日本大數據產業(yè)發(fā)展分析
2.5.1 大數據發(fā)展歷程
2.5.2 大數據相關法規(guī)
2.5.3 大數據發(fā)展趨勢
2.5.4 大數據預防災害
2.5.5 “限定提供數據”條款
2.5.6 對我國大數據法律啟示
2.6 其他國家大數據產業(yè)發(fā)展動態(tài)
2.6.1 法國
2.6.2 韓國
2.6.3 新加坡
第三章 2019-2021年中國大數據產業(yè)發(fā)展分析
3.1 2019-2021年中國大數據產業(yè)發(fā)展綜述
3.1.1 大數據產業(yè)概念分析
3.1.2 大數據產業(yè)構建層次
3.1.3 大數據發(fā)展的必然性
3.1.4 大數據產業(yè)驅動主體
3.1.5 大數據產業(yè)發(fā)展階段
3.1.6 地區(qū)大數據產業(yè)聯盟
3.1.7 數字經濟的發(fā)展水平
3.1.8 大數據總體市場規(guī)模
3.1.9 大數據核心產業(yè)規(guī)模
3.2 中國大數據產業(yè)發(fā)展進程分析
3.2.1 政策方面
3.2.2 技術方面
3.2.3 應用方面
3.2.4 試點方面
3.2.5 人才方面
3.3 2019-2021年大數據產業(yè)競爭格局
3.3.1 大數據相關企業(yè)規(guī)模概述
3.3.2 大數據產業(yè)競爭主體分類
3.3.3 大數據產業(yè)布局具體分析
3.3.4 產業(yè)鏈環(huán)節(jié)競爭格局分析
3.3.5 大數據競爭企業(yè)資本層次
3.3.6 大數據投資價值百強企業(yè)
3.3.7 大數據創(chuàng)新場景應用服務商
3.3.8 互聯網企業(yè)布局大數據產業(yè)
3.3.9 大數據熱點應用領域的競爭
3.3.10 大數據產業(yè)競爭趨勢展望
3.4 2019-2021年中國大數據市場供需分析
3.4.1 大數據市場供給結構分析
3.4.2 主要行業(yè)大數據需求狀況
3.4.3 企業(yè)大數據的應用及需求
3.4.4 大數據熱點領域需求分析
3.4.5 企業(yè)大數據需求趨勢分析
3.5 大數據行業(yè)上市公司運行狀況分析
3.5.1 大數據行業(yè)上市公司規(guī)模
3.5.2 大數據行業(yè)上市公司分布
3.5.3 大數據行業(yè)經營狀況分析
3.5.4 大數據行業(yè)盈利能力分析
3.5.5 大數據行業(yè)營運能力分析
3.5.6 大數據行業(yè)成長能力分析
3.5.7 大數據行業(yè)現金流量分析
3.6 中國大數據產業(yè)存在的問題
3.6.1 面臨挑戰(zhàn)分析
3.6.2 競爭壁壘問題
3.6.3 技術發(fā)展問題
3.6.4 成本投入問題
3.6.5 數據相關問題
3.6.6 數據安全問題
3.6.7 人才供需問題
3.7 中國大數據產業(yè)的發(fā)展策略
3.7.1 相關政策建議
3.7.2 推進研發(fā)應用
3.7.3 避免過度建設
3.7.4 提高數據安全
3.7.5 地區(qū)發(fā)展思路
3.7.6 推動標準建設
3.7.7 打破信息孤島
3.8 疫情影響下大數據產業(yè)發(fā)展分析
3.8.1 疫情對企業(yè)的影響
3.8.2 行業(yè)大數據應用問題
3.8.3 疫情帶來的行業(yè)機遇
3.8.4 互聯網大數據防疫走熱
3.8.5 疫情下電信大數據應用狀況
3.8.6 疫情下政府大數據應用狀況
3.8.7 疫情下工業(yè)大數據應用狀況
3.8.8 疫情下金融大數據應用狀況
3.8.9 疫情下醫(yī)療大數據應用狀況
第四章 大數據產業(yè)上游——數據源存儲層
4.1 數據基礎設施發(fā)展綜況
4.1.1 數據基礎設施的范圍
4.1.2 數據基礎設施的特征
4.1.3 數據基礎的相關企業(yè)
4.1.4 數據基礎設施的展望
4.2 數據來源層分析
4.2.1 大數據的來源渠道
4.2.2 新技術帶來數據增長
4.2.3 數據資源的網絡基礎
4.2.4 數據資源SWOT分析
4.2.5 數據資源獲取難度
4.2.6 數據資源開放情況
4.3 數據存儲層分析
4.3.1 大數據存儲方式
4.3.2 大數據儲存規(guī)模分析
4.3.3 大數據存儲架構分析
4.3.4 數據倉庫建設的重要性
4.3.5 新型MPP數據庫的價值
4.4 數據存儲中心建設狀況
4.4.1 全球數據中心建設規(guī)模
4.4.2 國內數據中心建設規(guī)模
4.4.3 國內數據中心投資規(guī)模
4.4.4 數據中心市場競爭格局
4.4.5 數據中心硬件成本分析
4.4.6 國內數據中心投資機遇
4.4.7 數據中心總體發(fā)展趨勢
4.4.8 數據中心綠色節(jié)能趨勢
4.4.9 數據中心布局策略分析
4.5 數據資源型企業(yè)——電信運營商
4.5.1 中國移動
4.5.1.1 企業(yè)發(fā)展概況
4.5.1.2 大數據發(fā)展優(yōu)勢
4.5.1.3 大數據產品體系
4.5.2 中國電信
4.5.2.1 企業(yè)發(fā)展概況
4.5.2.2 大數據產業(yè)布局
4.5.2.3 加快數據項目建設
4.5.3 中國聯通
4.5.3.1 企業(yè)發(fā)展概況
4.5.3.2 業(yè)務發(fā)展分析
4.5.3.3 大數據項目建設
4.5.3.4 聯通大數據公司
4.6 數據資源型企業(yè)——BAT企業(yè)
4.6.1 阿里巴巴
4.6.1.1 企業(yè)發(fā)展概況
4.6.1.2 產品技術架構
4.6.1.3 大數據計算服務
4.6.1.4 主要大數據平臺
4.6.1.5 企業(yè)數據庫方案
4.6.2 百度公司
4.6.2.1 企業(yè)發(fā)展概況
4.6.2.2 大數據解決方案
4.6.2.3 大數據分析平臺
4.6.2.4 數據安全方案
4.6.3 騰訊公司
4.6.3.1 企業(yè)發(fā)展概況
4.6.3.2 騰訊大數據平臺
4.6.3.3 大數據技術架構
4.6.3.4 大數據布局動態(tài)
第五章 大數據產業(yè)中游——數據分析處理層
5.1 大數據處理及分析技術綜況
5.1.1 大數據采集與預處理
5.1.2 數據處理框架分析
5.1.3 數據計算模式分析
5.1.4 數據分析細分領域
5.1.5 大數據分析的優(yōu)劣勢
5.2 大數據分析處理產業(yè)發(fā)展進程
5.2.1 技術生態(tài)分析
5.2.2 技術研發(fā)熱點
5.2.3 技術應用領域
5.2.4 企業(yè)布局加快
5.2.5 技術發(fā)展趨勢
5.3 大數據可視化分析技術分析
5.3.1 數據可視化的基本概述
5.3.2 數據可視化的應用優(yōu)勢
5.3.3 大數據可視化市場規(guī)模
5.3.4 大數據可視化市場格局
5.3.5 數據可視化的研究進展
5.3.6 數據可視化的應用工具
5.3.7 數據可視化面臨的挑戰(zhàn)
5.3.8 數據可視化技術發(fā)展趨勢
5.4 大數據安全處理技術分析
5.4.1 大數據安全問題分析
5.4.2 大數據安全涉及的模塊
5.4.3 數據安全防護技術分析
5.4.4 數據脫敏安全控制技術
5.4.5 大數據安全防護體系分析
5.5 大數據技術擁有型企業(yè)分析
5.5.1 拓爾思
5.5.1.1 企業(yè)發(fā)展概況
5.5.1.2 企業(yè)發(fā)展動態(tài)
5.5.2 同有科技
5.5.2.1 企業(yè)發(fā)展概況
5.5.2.2 大數據應用產品
5.5.3 浪潮集團
5.5.3.1 企業(yè)發(fā)展概況
5.5.3.2 數據基礎模型
5.5.3.3 加快推進地區(qū)合作
5.5.3.4 建立智慧城市平臺
5.5.3.5 推進數據社會化發(fā)展
5.5.4 華為公司
5.5.4.1 企業(yè)發(fā)展概況
5.5.4.2 大數據解決方案
5.5.4.3 大數據產業(yè)園建設
5.5.4.4 大數據產業(yè)合作
第六章 大數據產業(yè)下游——數據交易層
6.1 大數據交易層分析
6.1.1 大數據交易層分析
6.1.2 數據交易品種及類型
6.1.3 數據交易的影響因素
6.1.4 大數據交易標準體系
6.1.5 數據交易市場發(fā)展對策
6.2 大數據交易市場運行狀況
6.2.1 大數據交易市場環(huán)境
6.2.2 大數據交易市場構成
6.2.3 大數據交易市場規(guī)模
6.2.4 大數據市場定價方式
6.2.5 細分大數據交易狀況
6.2.6 全國首個交易中心成立
6.2.7 大數據交易場所主要類型
6.2.8 大數據交易逐步規(guī)范化
6.2.9 大數據交易市場人才需求
6.2.10 數據交易場所的問題及對策
6.3 國際重點大數據交易平臺分析
6.3.1 Factual
6.3.2 Info Chimps
6.3.3 Microsoft Azure
6.3.4 Fujitsu
6.4 中國大數據交易平臺發(fā)展綜況
6.4.1 交易平臺經營范圍
6.4.2 交易平臺發(fā)展背景
6.4.3 大數據交易典型平臺
6.4.4 交易平臺融資動態(tài)
6.4.5 平臺未來發(fā)展策略
6.5 中國典型大數據交易平臺分析
6.5.1 貴陽大數據交易所
6.5.1.1 平臺發(fā)展概況
6.5.1.2 平臺發(fā)展優(yōu)勢
6.5.1.3 平臺發(fā)展劣勢
6.5.1.4 平臺運營標準
6.5.1.5 平臺發(fā)展動態(tài)
6.5.2 數據堂交易平臺
6.5.2.1 平臺發(fā)展概況
6.5.2.2 平臺發(fā)展優(yōu)勢
6.5.2.3 平臺發(fā)展劣勢
6.5.2.4 商業(yè)模式分析
6.5.3 中關村大數據交易平臺
6.5.3.1 平臺發(fā)展概況
6.5.3.2 平臺發(fā)展優(yōu)勢
6.5.3.3 平臺發(fā)展劣勢
6.5.4 香港大數據交易所
6.5.4.1 平臺發(fā)展概況
6.5.4.2 平臺發(fā)展動態(tài)
第七章 大數據產業(yè)下游——數據應用層
7.1 大數據應用層分析
7.1.1 大數據應用層結構
7.1.2 大數據衍生應用層
7.2 大數據應用服務型企業(yè)介紹
7.2.1 百分點集團
7.2.1.1 企業(yè)發(fā)展概況
7.2.1.2 大數據產業(yè)布局
7.2.2 明略數據
7.2.2.1 企業(yè)發(fā)展概況
7.2.2.2 大數據分析產品
7.2.3 Talking Data
7.2.3.1 企業(yè)發(fā)展概況
7.2.3.2 未來發(fā)展態(tài)勢
7.3 工業(yè)大數據
7.3.1 工業(yè)大數據基本概況
7.3.2 工業(yè)大數據發(fā)展階段
7.3.3 工業(yè)大數據市場規(guī)模
7.3.4 工業(yè)大數據應用案例
7.3.5 工業(yè)大數據發(fā)展問題對策
7.3.6 工業(yè)大數據未來發(fā)展機會
7.4 醫(yī)療大數據
7.4.1 醫(yī)療大數據體系分析
7.4.2 醫(yī)療大數據應用場景
7.4.3 醫(yī)療大數據市場規(guī)模
7.4.4 醫(yī)療大數據市場供需
7.4.5 醫(yī)療大數據競爭格局
7.4.6 醫(yī)療大數據投資分布
7.4.7 醫(yī)療大數據應用案例
7.4.8 醫(yī)療大數據發(fā)展問題及對策
7.4.9 醫(yī)療大數據未來發(fā)展機會
7.5 金融大數據
7.5.1 金融大數據體系分析
7.5.2 金融大數據典型應用領域
7.5.3 金融大數據創(chuàng)新應用領域
7.5.4 金融大數據分析市場規(guī)模
7.5.5 金融大數據應用市場結構
7.5.6 金融大數據市場競爭格局
7.5.7 金融行業(yè)大數據發(fā)展特征
7.5.8 金融大數據安全挑戰(zhàn)及對策
7.5.9 金融大數據未發(fā)展機會分析
7.6 交通大數據
7.6.1 交通大數據應用價值分析
7.6.2 交通大數據應用狀況分析
7.6.3 交通行業(yè)大數據應用需求
7.6.4 交通大數據城市建設試點
7.6.5 城市交通大數據應用產業(yè)鏈
7.6.6 城市交通大數據應用規(guī)模
7.6.7 城市交通大數據競爭格局
7.6.8 交通大數據應用案例分析
7.6.9 交通大數據應用問題及對策
7.6.10 交通大數據應用未來發(fā)展展望
7.7 電信大數據
7.7.1 電信大數據的發(fā)展階段
7.7.2 電信大數據源供給規(guī)模
7.7.3 電信大數據應用需求分析
7.7.4 電信行業(yè)大數據應用情況
7.7.5 運營商大數據的應用模式
7.7.6 電信行業(yè)大數據應用案例
7.7.7 電信大數據應用痛點分析
7.7.8 電信大數據發(fā)展機會分析
7.8 零售大數據
7.8.1 零售大數據發(fā)展概況
7.8.2 零售行業(yè)數據采集方式
7.8.3 零售行業(yè)大數據應用需求
7.8.4 零售行業(yè)大數據應用案例
7.8.5 大數據下的新零售模式
7.8.6 零售大數據發(fā)展問題及對策
7.8.7 企業(yè)應用零售大數據的方向
7.9 電商大數據
7.9.1 電商大數據的主要來源
7.9.2 大數據處理對電子商務的影響
7.9.3 電子商務大數據的應用需求
7.9.4 電子商務大數據的具體應用
7.9.5 數據分析提高電商企業(yè)績效
7.9.6 全球首個電商大數據指數發(fā)布
7.9.7 政府重視電商大數據共享工作
7.9.8 電商大數據應用的挑戰(zhàn)及對策
7.10 政府大數據
7.10.1 政府數據資產基本分類
7.10.2 政府大數據的頂層設計
7.10.3 政府大數據的經濟價值
7.10.4 政府部門大數據應用案例
7.10.5 全國公安大數據項目狀況
7.10.6 政府大數據信息公開需求
7.10.7 政府大數據未來發(fā)展展望
第八章 2019-2021年大數據應用軟件及設備分析
8.1 大數據軟件公司運行
8.1.1 大數據軟件行業(yè)上市公司規(guī)模
8.1.2 大數據軟件行業(yè)上市公司分布
8.1.3 大數據軟件行業(yè)經營狀況分析
8.1.4 大數據軟件行業(yè)盈利能力分析
8.1.5 大數據軟件行業(yè)營運能力分析
8.1.6 大數據軟件行業(yè)成長能力分析
8.1.7 大數據軟件行業(yè)現金流量分析
8.2 大數據應用軟件分析
8.2.1 大數據軟件構成框架
8.2.2 大數據典型軟件分析
8.2.3 智能軟件的應用價值
8.2.4 大數據軟件市場規(guī)模
8.2.5 大數據軟件發(fā)展方向
8.3 大數據硬件設備分析
8.3.1 大數據硬件構成框架
8.3.2 大數據主要硬件設備
8.3.3 大數據硬件市場規(guī)模
8.4 大數據一體機設備分析
8.4.1 大數據一體機簡介
8.4.2 大數據一體機的優(yōu)劣分析
8.4.3 大數據一體機的用戶類型
8.4.4 國外競爭格局與品牌分布
8.4.5 國內市場競爭格局分析
8.4.6 國內企業(yè)競爭優(yōu)劣勢分析
8.4.7 國內主流品牌及其特點
第九章 2019-2021年大數據產業(yè)發(fā)展模式探究
9.1 大數據交易模式分析
9.1.1 以數據運營方式為分類標準
9.1.2 以大數據結構化程度為分類標準
9.1.3 以數據產權轉讓形式為分類標準
9.2 大數據行業(yè)盈利模式分析
9.2.1 解決方案
9.2.2 基礎設施
9.2.3 數據產品
9.2.4 行業(yè)應用
9.3 大數據行業(yè)商業(yè)模式分析
9.3.1 B2B大數據應用模式
9.3.2 技術提供及軟件開發(fā)
9.3.3 大數據咨詢分析服務
9.3.4 大數據服務市場規(guī)模
9.3.5 大數據通用服務模式
9.3.6 自有平臺大數據分析
9.3.7 信息訂制與采購模式
9.3.8 信息數據租售模式
9.4 企業(yè)大數據商業(yè)化應用模式
9.4.1 企業(yè)大數據的基本構成
9.4.2 企業(yè)大數據商業(yè)化應用背景
9.4.3 企業(yè)大數據商業(yè)化應用層面
9.4.4 企業(yè)大數據商業(yè)化應用重點
9.4.5 企業(yè)大數據商業(yè)化應用關鍵
9.4.6 企業(yè)大數據商業(yè)化應用途徑
第十章 2019-2021年重點區(qū)域大數據行業(yè)發(fā)展分析
10.1 中國大數據產業(yè)區(qū)域發(fā)展格局
10.1.1 國家大數據綜合試驗區(qū)
10.1.2 大數據企業(yè)業(yè)務區(qū)域分布
10.1.3 地區(qū)大數據管理機構設置
10.1.4 城市大數據人才儲備狀況
10.2 大數產業(yè)區(qū)域發(fā)展指數分析
10.2.1 各省大數據發(fā)展排名
10.2.2 各省大數據排名變動
10.2.3 區(qū)域大數據發(fā)展指數
10.2.4 各省大數據發(fā)展類型
10.2.5 各省分指數評價分析
10.3 大數據產業(yè)園區(qū)發(fā)展分析
10.3.1 大數據產業(yè)園概述
10.3.2 大數據產業(yè)園區(qū)分類
10.3.3 大數據產業(yè)園數量規(guī)模
10.3.4 大數據產業(yè)園典型模式
10.3.5 產業(yè)園面臨機遇與挑戰(zhàn)
10.3.6 國家級新區(qū)布局大數據
10.4 京津冀大數據產業(yè)集群
10.4.1 京津冀地區(qū)經濟運行特點
10.4.2 京津冀大數據產業(yè)發(fā)展綜況
10.4.3 河北省大數據產業(yè)發(fā)展狀況
10.4.4 北京市大數據產業(yè)發(fā)展狀況
10.4.5 天津市大數據產業(yè)發(fā)展綜況
10.4.6 天津市大數據安全布局動態(tài)
10.5 珠三角大數據產業(yè)集群
10.5.1 珠三角地區(qū)基本運行狀況
10.5.2 珠三角大數據產業(yè)發(fā)展特點
10.5.3 大數據試驗區(qū)建設方案出臺
10.5.4 廣東省大數據產業(yè)發(fā)展格局
10.5.5 廣州市大數據產業(yè)發(fā)展布局
10.5.6 深圳市大數據產業(yè)發(fā)展狀況
10.6 長三角大數據產業(yè)集群
10.6.1 長三角地區(qū)基本發(fā)展狀況
10.6.2 長三角大數據產業(yè)發(fā)展綜況
10.6.3 長三角大數據產業(yè)發(fā)展特點
10.6.4 上海市大數據產業(yè)發(fā)展布局
10.6.5 浙江省大數據產業(yè)發(fā)展狀況
10.7 西南大數據產業(yè)集群
10.7.1 西南地區(qū)基本發(fā)展狀況
10.7.2 西南大數據產業(yè)發(fā)展?jié)摿?
10.7.3 重慶市大數據產業(yè)發(fā)展狀況
10.7.4 四川省大數據產業(yè)發(fā)展布局
10.8 其他地區(qū)大數據產業(yè)發(fā)展動態(tài)
10.8.1 內蒙古
10.8.2 河南省
10.8.3 山東省
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 典型發(fā)展案例——貴州大數據產業(yè)發(fā)展經驗
10.9.1 貴州大數據發(fā)展機遇及優(yōu)勢
10.9.2 貴州省大數據發(fā)展地位
10.9.3 貴州大數據產業(yè)優(yōu)惠政策
10.9.4 貴州省數字設施投資狀況
10.9.5 貴州大數字產業(yè)運行狀況
10.9.6 貴州大數據典型企業(yè)名單
10.9.7 貴陽市大數據發(fā)展狀況
10.9.8 貴安新區(qū)大數據建設狀況
10.9.9 貴州大數據應用狀況分析
10.9.10 貴州省大數據融合發(fā)展方案
第十一章 中國大數據產業(yè)投資價值分析
11.1 大數據產業(yè)投資價值及機會評估
11.1.1 投資價值綜合評估
11.1.2 市場投資機會評估
11.1.3 投資發(fā)展動力評估
11.1.4 投資進入時機分析
11.1.5 產業(yè)投資象項分布
11.2 大數據行業(yè)投資壁壘分析
11.2.1 競爭壁壘
11.2.2 技術壁壘
11.2.3 資金壁壘
11.2.4 政策壁壘
11.3 大數據產業(yè)投資風險及防范
11.3.1 大數據行業(yè)投資風險綜述
11.3.2 數據的流動性和可獲取性風險
11.3.3 大數據安全風險及防范機制
11.3.4 大數據項目投資風險急劇增加
11.3.5 大數據產業(yè)投資建議與策略
11.3.6 評估大數據產業(yè)投資回報的措施
第十二章 中國大數據產業(yè)投融資分析
12.1 A股及新三板上市公司在大數據行業(yè)投資動態(tài)分析
12.1.1 投資項目綜述
12.1.2 投資區(qū)域分布
12.1.3 投資模式分析
12.1.4 典型投資案例
12.2 大數據行業(yè)投融資熱點分析
12.2.1 大數據產業(yè)投資熱點
12.2.2 數據源及流通領域
12.2.3 軟硬件產品領域
12.2.4 應用端領域
12.3 中國大數據產業(yè)融資動態(tài)分析
12.3.1 教育大數據企業(yè)融資動態(tài)
12.3.2 保險大數據公司融資布局
12.3.3 大數據軟件企業(yè)融資布局
12.3.4 酒店大數據運營投資項目
12.3.5 數據搜索公司融資動態(tài)
12.3.6 大數據安全企業(yè)融資動態(tài)
12.3.7 大數據基礎設施提供商融資
12.3.8 媒體大數據企業(yè)融資動態(tài)
12.3.9 醫(yī)療大數據企業(yè)融資動態(tài)
12.4 中國大數據產業(yè)投資項目案例
12.4.1 城市數據湖運營項目
12.4.2 大數據系統(tǒng)平臺項目
12.4.3 大數據產業(yè)園建設項目
12.4.4 大數據管理平臺建設項目
12.5 中國大數據產業(yè)鏈投資機會分析
12.5.1 硬件層面投資機會分析
12.5.2 軟件層面投資機會分析
12.5.3 信息服務層面投資機會
第十三章 大數據產業(yè)發(fā)展前景及趨勢
13.1 全球大數據產業(yè)發(fā)展前景及趨勢預測
13.1.1 全球大數據企業(yè)競爭趨勢
13.1.2 全球大數據產業(yè)發(fā)展趨勢
13.1.3 全球大數據市場發(fā)展熱點展望
13.2 中國大數據產業(yè)發(fā)展機遇及前景預測
13.2.1 整體發(fā)展驅動分析
13.2.2 行業(yè)未來發(fā)展特點
13.2.3 大數據市場熱點分析
13.2.4 大數據市場重點內容
13.2.5 大數據人才需求預測
13.3 中國大數據產業(yè)發(fā)展趨勢展望
13.3.1 信息消費逐步提質升級
13.3.2 工業(yè)互聯網建設進程加快
13.3.3 “一帶一路”數據合作形成
13.3.4 大數據治理科技應用廣泛
13.3.5 大數據相關立法進程加快
13.3.6 大數據與區(qū)塊鏈融合提速
13.4 2021-2025年中國大數據產業(yè)預測分析
第十四章 大數據產業(yè)發(fā)展政策分析
14.1 大數據產業(yè)政策體系分析
14.1.1 發(fā)達國家大數據政策對比
14.1.2 中國大數據產業(yè)政策匯總
14.1.3 中國大數據產業(yè)政策特點
14.1.4 中國大數據產業(yè)發(fā)展綱要
14.1.5 大數據標準化白皮書分析
14.1.6 大數據產業(yè)管理機制加強
14.2 大數據產業(yè)應用類政策分析
14.2.1 工業(yè)大數據政策環(huán)境分析
14.2.2 金融機構大數據治理規(guī)范
14.2.3 醫(yī)療大數據政策總體分析
14.2.4 交通運輸大數據發(fā)展綱要
14.2.5 交通運輸新基建指導意見
14.2.6 生態(tài)環(huán)境大數據重點布局
14.2.7 工業(yè)互聯網數據應用政策
14.2.8 大數據防范網絡詐騙方案
14.3 大數據產業(yè)相關規(guī)劃
14.3.1 大數據產業(yè)“十三五”內容回顧
14.3.2 “十四五”大數據產業(yè)規(guī)劃進展
14.3.3 “十四五”規(guī)劃大數據產業(yè)相關
14.4 大數據產業(yè)區(qū)域性政策規(guī)劃
14.4.1 內蒙古數字經濟發(fā)展意見
14.4.2 河北大數據產業(yè)提升計劃
14.4.3 北京大數據相關支持政策
14.4.4 河南省數據產業(yè)發(fā)展規(guī)劃
14.4.5 山西大數據應用促進條例
14.4.6 湖北省數字政府建設規(guī)劃
14.4.7 湖南省軟件產業(yè)振興計劃
14.4.8 江蘇省數字經濟發(fā)展意見
14.4.9 廣西省推動數據應用意見
14.4.10 貴州大數據標準建設規(guī)劃
14.4.11 福建省新基建設建設計劃
圖表目錄
圖表1 大數據的4V特征
圖表2 大數據的類型
圖表3 大數據技術框架
圖表4 數字價值鏈模式
圖表5 大數據產業(yè)鏈
圖表6 大數據產業(yè)主要數據資產類企業(yè)
圖表7 大數據產業(yè)鏈產值分布及發(fā)展方向
圖表8 大數據關鍵技術
圖表9 中國大數據產業(yè)鏈技術層細分
圖表10 未來大數據處理的核心技術
圖表11 2020-2025年全球大數據硬件、軟件和服務整體市場規(guī)模及預測
圖表12 2019年全球大數據儲量區(qū)域分布
圖表13 國際主要大數據企業(yè)簡介
圖表14 全球主要大數據存儲企業(yè)
圖表15 全球主要大數據分析企業(yè)
圖表16 2019年成長階段大數據初創(chuàng)企業(yè)融資情況
圖表17 全球先進制造業(yè)發(fā)展戰(zhàn)略格局
圖表18 日本大數據發(fā)展歷程
圖表19 大數據產業(yè)構建
圖表20 中國大數據市場發(fā)展階段
圖表21 2017-2021年新成立的大數據產業(yè)聯盟
圖表22 2005-2020年中國數字經濟規(guī)模分析
圖表23 2015-2020年中國數字經濟增速與GDP增速變化情況
圖表24 2015-2020年中國數字經濟內部結構分析
圖表25 2016-2020年中國大數據市場規(guī)模分析
圖表26 2015-2020年我國大數據核心產業(yè)規(guī)模及增速
圖表27 2008-2019年中國大數據專利新增數量
圖表28 2014-2019年TOP10省市大數據專利新增數量
圖表29 2020年大數據產業(yè)發(fā)展試點示范項目公示名單
圖表30 2017-2019年高校新增大數據專業(yè)數量TOP5
圖表31 2019年各領域大數據人才需求
圖表32 大數據人才培養(yǎng)要求
圖表33 大數據產業(yè)布局分析
圖表34 大數據企業(yè)資本層次
圖表35 2020年大數據企業(yè)投資價值百強榜
圖表36 大數據創(chuàng)新場景應用服務商TOP40
圖表37 中國大數據應用領域企業(yè)
圖表38 互聯網行業(yè)大數據應用場景
圖表39 電信行業(yè)大數據應用場景
圖表40 金融行業(yè)大數據應用場景
圖表41 制造行業(yè)大數據應用場景
圖表42 企業(yè)現有的數據規(guī)模
圖表43 企業(yè)數據類型的構成
圖表44 大數據時代企業(yè)所能感覺到的數據變化
圖表45 目前企業(yè)處理大數據所面臨的問題
圖表46 企業(yè)對大數據的態(tài)度和認知
圖表47 企業(yè)在線則大數據平臺時所考慮的因素
圖表48 大數據行業(yè)上市公司名單
圖表49 2016-2020年大數據行業(yè)上市公司資產規(guī)模及結構
圖表50 大數據行業(yè)上市公司上市板分布情況
圖表51 大數據行業(yè)上市公司地域分布情況
圖表52 2016-2020年大數據行業(yè)上市公司營業(yè)收入及增長率
圖表53 2016-2020年大數據行業(yè)上市公司凈利潤及增長率
圖表54 2016-2020年大數據行業(yè)上市公司毛利率與凈利率
圖表55 2016-2020年大數據行業(yè)上市公司營運能力指標
圖表56 2016-2020年大數據行業(yè)上市公司成長能力指標
圖表57 2016-2020年大數據行業(yè)上市公司銷售商品收到的現金占比
圖表58 企業(yè)在數據安全與治理建設方面擔心的問題
圖表59 市場上大數據技術類人才招聘數量占比及求職人數占比
圖表60 主要城市大數據就業(yè)市場活躍度
圖表61 大數據行業(yè)求職者學歷與招聘需求占比
圖表62 大數據產業(yè)招聘及求職期望薪水分布
圖表63 2020年新冠病毒肺炎疫情對企業(yè)營收的影響情況
圖表64 2020年新冠肺炎疫情對企業(yè)業(yè)務的影響情況
