2021-2022中国数据资产化工具市场研究报告.pdf

2021-2022中国数据资产化工具市场研究报告 核心观点 市场规模： 2020年中国市场规模达 280亿元，未来五年复合增长率达 41%，保持高速 增长 细分市场： 数据存储 113亿，决策应用 54，以大中型企业需求为主，政府、金融行业是主 市场 重点区域： 一二线城市占市场规模的八成以上，北京、上海、浙江、广东处于全国第一 梯队 用户规模 ： 48万高 需求用户， 1.4万家数据资产化 需求用户， 实际客户开发率低， 未来有 34倍成 长空间 数据资产化： 数据要素的全流程整合过程称之为数据资产 化 ，分为数据资产形成阶段和管理阶段 。 行业发展周期： 数据资产化还处于成长期的初级 阶段，市场仍需培育 业务价值链： 价值链主要有五大环节，数据采集、数据存储和数据处理是战略 环节 核心技术： 数据挖掘分析处理、先进技术融合、数据源整合能力、数据安全是核心技术 市场规模 行业概况 应用前景 竞争格局 行业格局： 互联网、金融和软件行业是数据资产化工具明星象限，餐饮、电信、媒体潜力 高 厂商营收： 四成营收低于 2000万，超 五成利润低于 1000万，五成 客户数量在 30家 以内，六成客 单价低于 20万 竞争格局： 每百 家 同行业用户就 有接近 9家是业务重叠的竞争对手 ，整体 竞争激烈程度较高 。 满意度： 行业满意度水平不高 ，净 推荐值 21，主动 推荐传播意愿 较高，服务水平 和产品匹配是推荐意愿关键要素 需求情况： 91%用户有需求， 31%高需求， 运营和 IT部门需求多，处理和存储类 为主， 55%用户数据资源超 100TB 购买行为： 75%用户固定 时段采购， 3月和 6月居多，年均采购数量 4个，数据安全和产品适用性对购买决策影响 大 支出规模： 支出 多在 10-100万之间，客单价则是 5-30万居多 发展潜力： 用户规模 未来 五年可 达 7万家，市场 规模增长 5.5倍，互联网 、金融、软件、医疗和制造 是热点 应用 方向 CO NT EN TS 03 市场规模 04 竞争格局 01 行业概况 02 技术水平 05 应用前景 1.1 数据要素发展历程： 大数据市场整体发展已进入融合阶段，未来以数据融合、智能决策和管理为主 阶段 核心技术 19802005年 20062011年 20122016年 2017-2022年 代表 特点 Hadoop NoSQL Elasticsearch 安全技术 分布式处理 技术 MapReduce 列式存储 BigTable 分布式文件系统 GFS Memcached Hbase 起步阶段 成长 阶段 变革阶段 融合阶段 数据库 数据 集市 /BI 大数据平台 数据 中 台 数据存储查询 数据处理分析 业务数据化 数智融合数据 资产化管理 Oracle MySQL SQL server 人工智能 云计算技术 区 块链技术 安全技术 图：中国数据要素应用发展历程 2021年； 1.2 数据资产化产生背景：在宏观数据要素战略背景下 数据融合 阶段 存在 两 大 路径 ， 数据 资产化 与 管理是其中路线之一 在数据融合阶段，数据要素的应用方向产生了两个分支，除了满足于日常运营和管理决策之外，又出现了将数据要素整合为资产包，并进行统一管 理和销售变现的第二个重要方向。伴随着中国市场的数字化建设程度不断深入，越来越多的机构建立并积累了基于自身业务的数据源，很多机构在 对这些数据整合之后除了辅助管理层决策和日常运营之外，也在尝试将这些数据转变为商品，实现收入目标，从而实现数据资产化的过程转变。 起步阶段 成长 阶段 变革 阶段 智能决策 数据资产化与管理 图：数据资产化成为数据要素发展第四阶段的两大路线之一 融合阶段 1.3 数据资产化发展阶段： 可划分为四个环节两大阶段，现大部分企业处于第一阶段 海比研究院认为，数据资产化可以粗略的划分为两个阶段 ， 分别 是 数据资产形成 阶段 和数据资产管理与变现阶段。数据资产形成阶段则分为两个环 节，分别是数据基础能力 和业务数据化 两个环节， 主要是 以 源数据 建设 、 数据采集 、 数据分析与应用等为主，市场大部分最终用户都处于第一阶 段，甚至较大比例最终用户处于数据基础能力建设环节。 数据资产管理与 变现阶段 ， 则包括数据资产化和数据资产变现两个环节， 包括数据 全流程 治理 、 数据分析、可视化、 数据 决策应用 和数据 营销变现 等 。 数据资产管理阶段 企业 / 机构 数据源 客户 企业类 政府机构类 研究机构类 行业类 互联网 电商 社交 零售 政府 /协会 数据采集 数据存储 数据清洗 数据检索 数据资产 化 工具 交易合作 数据资产形成阶段 数据 基础能力 业务 数据 化 数据 资产化 数据 资产管理 1 2 3 4 电信 交通 金融 医疗 数据分析 可视化 数据应用 智能决策 1.4 数据资产化展现形式与概念 数据资产化将大数据市场各环节整合成一体，作为资产进行管理 现阶段用户的 数据多处于散布状态，并没有进行统一的集合、 管理与分析。 数据资产化状态数据要素现有状态 在数据资产形成阶段，最大的特点就是将过去不同来源渠道的 数据进行整合，将源数据、数据采集、存储、分析、管理与应 用的各个环节捏合成为一个整体，从而形成基于企业 /机构自身 数据资源的数据资产包 ， 海比研究院 将 这个数据要素的全流程 整合过程称之为数据资产化。 数据集成 数据源 数据采集 数据存储 数据分析 可视化展示 数据清洗 数据挖掘 数据检索 数据源 数据采集 数据清洗 数据存储 数据 挖掘 数据 检索 数据分析 数据集成 可视化展示 营销变现智能决策 智能决策 数据变现 数据管理 数据管理 1.5 数据资产化市场环境分析：政策环境 政策扶持走向深度应用，特别是推动数据要素发展，数据资产化是重要方向 数据资产化相关政策已经历三个发展阶段，分别经历了起步阶段、深化阶段，现在已经进入应用阶段，该阶段更多鼓励数据的深度应用，并首次提 出将数据与土地 、劳动力、资本、 技术等要素并称为五大生产要素。未来数据要素的市场化配置能力将得到进一步发挥，数据资产化也会进入深度 应用阶段。 促进大数据 发展行动纲要 2015年 9月 2016年 3月 十三五规划： 实施国家大数 据战略 2017年 1月 大数据产业发 展规划（ 2016- 2020年） 2017年 12月 中央政治局就大 数据开展集中学 习 电信和互联网 行业提升网络数 据安全保护能力 专项行动方案 2019年 7月 中共中央 国务院关于构 建更加完善的要素市场化 配置的体制机制的意见 2020年 2月 关于工业 大数据发展 的指导意 见 4月 深化阶段起步阶段 应用阶段 2021年 3月 工业数据分类 分级指南（试 行） 图：数据资产化相关政策环境分析 “两会”提出加 强数据要素整 合，推动立法工 作启动 5月 中央财经委员会第 九次会议：加强数 据产权制度建设， 维护好用户数据权 益及隐私权 1.5 数据资产化市场环境分析：经济环境 经济进入增速换挡期， 数字化建设需求旺盛，数据要素的积累呈爆发式增长 在中国经济迈入增速换挡期的当下，中国市场的数字化建设需求呈现急剧增长的态势。伴随数字化建设程度的不断提高，将会有更多的企业、政府 机构等积累产生大量数据资源，越来越多的企业 /机构开始意识到这些数据的价值，并希望对这些数据要素进行整合与管理，以便于为企业 /机构管 理者提供决策辅助支撑。 0 5,000 10,000 15,000 20,000 25,000 9.36% 5.63% 1978年至 2020年 2021年以后 数字化 需求 图： 中国经济进入增速换挡期的发展走势图 人均 GDP（美元） G D P 实 际 增 长 率 1.5 数据资产化市场环境分析 ：技术环境 数据要素相关技术成熟度已经较高，未来技术会进一步向数智融合方向发展 2020年 2025年 2030年2015年 数据采集 年份 技 术 成 熟 曲 线 数据融合与决策 主要特点 数据采集技术成熟度高 数据存储技术成熟度高，但国 产化水平有待提高 数据分析和可视化需求较高， 应用较广 数据辅助决策技术正在走向成 熟 数据融合方面技术尚未成熟， 是未来发展趋势 2010年2000年 数据存储 数据分析与可视化 静止状态数据安全 使用 状态数据安全 流动状态数据安全 图：数据资产化技术发展趋势分析 1.6 行业发展周期分析： 大数据市场已经处于成熟期，但数据资产化还处于成长期的初级阶段 从行业发展周期来看，数据采集、存储已经进入成熟期，数据分析可视化则处于成长期向成熟期过渡阶段，数据融合与智能决策处于成长期，而数 据资产化与变现方面则还处于成长期的初级阶段。因此，当前 市场中 诸如 擅长 于 数据 治理的 百分点 、擅长于数据采集的明途科技等厂商 ，均表现出 良好的发展状态，因为其业务所属细分领域市场已经处于成熟阶段。 2020年 2030年 2035年2015年 数据采集存储 年份 数据资产化与管理 2010年2005年前 数据分析可视化 数据融合与决策 图：中国数据资产化工具行业 发展周期分析 数据资产化 市 场 规 模 数据来源：海比研究院， 2021年； 2025年 2040年后 主要特点 处于成长期的初级阶段 行业规模增速快 需求开始增加 商业 模式尚不固定 资产化交易平台缺乏 入局 企业数量增多 市场集中度不高 市场格局尚不稳定 细分的蓝海领域 较多 行业 监管机制尚不健全 营销变现 1.7 数据资产化业务 价值链分析 ： 价值 链主要有五大环节，数据采集、数据存储和数据处理是战略环节 业务价值链 主要职责 数据采集 可视化 决策应用 数据存储 数据处理 数 据 应 用 源数据 数据源头 数据抽取、清 洗、加载 数据存储 数据挖掘、检 索、分析 数据集成与可视化 辅助决策、生产要素、业务数据化 数据业务化、数据资产 变现 战略环节 战略 环节 是 指能对整个行业产生重大 影响的关键环节 (如，电脑行业的芯片 )，如果可能的话，企业应将其经营范 围覆盖 战略 环节 ， 或与之结成战略同 盟，以此来巩固其在业内的优势地位 总体来看，数据资产化的业务 价值链 共有五大环节，七小 环节。 五 大环节分别是源数据、数据采集、 数据存储、数据处理和数据 应用 。 数据 应用又可以分出三 个 并列的 小 环 节，分别是可视化 、 决策应用 和 营销 变现 。 其中，数据采集、数据存储和数据处 理环节是战略环节。厂商应在战略环 节布局或与之结成战略同盟。 业务价值链说明 1.7 数据资产化业务价值链分析 需求侧更关注数据处理和存储，供给侧则关注数据处理和采集环节 从厂商侧来看， 数据处理是最重要的环节，其次是数据采集和源数据。 但 从需求 侧来看， 数据处理仍是最重要环节，其次则是数据存储、数据采集。 由此可见，供需两端均将数据处理和数据采集作为重要战略环节，另外供给侧更注重源数据环节，需求侧则更注重数据存储环节。因此，像百分点这 种注重全流程数据治理的企业会更受最终用户欢迎，同时像日志易、明途科技这种在数据采集方面优势突出的企业也具有较好的发展。 10% 14% 18% 46% 11% 5% 5% 2% 图：数据资产化业务价值 链的关键环节 15% 22% 6% 48% 10% 6% 3% 1% 厂商 源数据 数据采集 数据存储 数据处理 数据应用 可视化 决策应用 营销变现 最终用户业务价值链 数据来源：海比研究院， 2021年； 1.8 数据 资产 化价值链中 的典型工具 海比研究院将数据要素的全流程整合过程称之为数据资产化，而将 数据 资产化过程中所需要的源数据、数据采集、存储、处理、应用的一切软件产 品和服务 ，统称 为数据资产化工具 。 数据资产化工具包含了最终用户在数据要素管理过程中的全部软件产品和服务，在各个数据资产化的价值链中都有典型的工具，例如数据存储类有 数据库、数据仓库等，数据处理类有用户分析平台等，决策应用类有数据中台、商业智能 BI等。 营销变现可视化 决策应用 数据应用 数据采集 数据存储 数据处理源数据价值链 数据湖 API 数据库 数据仓库 数据中台 数据产品 数据交易 咨询服务爬虫 商业智能 BI 数据集成 可视化设计 可视化产品 数据治理 数据科学平台 数据报表 ERP等内部数据 IoT等设备数据 用户等外部数据 业务价 值链 典型 数据资 产化 工具 用户分析平台ETL 数据来源：海比研究院， 2021年； 图：数据资产化业务价值 链中的典型工具 1.9 数据资产化价值链中的核心角色 ： 营销变现可视化 决策应用 数据应用 数据采集 数据存储 数据处理源数据价值链 业务价 值链 政府 /协会 互联网平台 ETL产品商 采集工具商 数据库厂商 云服务厂商 可视化服务商 可视化厂商 垂直 行业 厂商 综合服务厂商 数据交易商 数据产品商 核心角色 代表 厂商 数据报表厂商 数据分析平台 图：数据资产化业务价值 链中的核心角色 数据来源：海比研究院， 2021年； 1.10 需求侧数据资产的现状 需求 侧数据资源以数字类和文本类居多， 55%的最终用户数据资产超过 100TB 最终用户的数据资源以数字类最高，其次是文本类、图像类和视频类，相对而言，语音类和符号类占比较低。 从数据资源的量级来看，平均单个最终用户的数据量级达到 3.2PB，从具体分布来看，有 55%的最终用户数据资源累积超过 100TB。 从数据资源的来源渠道来看，客户 /用户数据与企业运营数据是主要来源渠道，其次是经管数据和互联网公开数据。 数据类型以数字类为主 数据资产量级 数据来源渠道 1% 22% 35% 53% 61% 63% 72% 其他 符号 语音 视频 图像 文本 数字 图 1：最终用户 的数据类型分布情况 5% 4% 36% 18% 12% 16% 8% 5TB以下 5TB-10TB 10TB-100TB 100TB-500TB 500TB-1024TB 1PB-10PB 10PB以上 43% 39% 28% 27% 26% 25% 24% 24% 13% 11% 客户 /用户数据 企业运营数据 经营管理数据 互联网公开数据 企业市场 /营销 /销售数据 企业生产数据 企业研发数据 社交平台数据 外部购买数据 企业 IoT设备数据 图 2： 最终用户累积数据量级分布情况 图 3： 最终用户数据主要来源渠道 数据来源：海比研究院， 2021年； 3.2PB 平均数据量级 1.11 数据资产化工具的核心 能力 供需两端对数据资产化工具的核心能力认证存在显著差异，说明业内未形成共识 从核心能力表现来看，数据 挖掘分析能力、多样 数据源的整合 能力、先进技术融合程度是最重要的核心 能力 。但从厂商角度 来看，数据挖掘分析 能 力、数据集成能力和操作便捷性的重要程度更高；从最终用户角度来看，则是对数据安全和多样数据源整合能力更为重视。 由此可见，供需两端对数据资产化工具的核心能力认知有显著差异，说明厂商供给的产品与最终用户的实际需求存在一定偏差。 数据来源：海比研究院， 2021年； 行业整体 厂商 用户 图：数据资产化工具核心 能力分布情况 数据挖掘、 分析能力 多样数据 源的整合 能力 先进技术 的融合程 度 数据安全 合规性 数据计算 能力 数据存储 能力 数据集成 能力 数据采集、 清洗能力 数据可视 化能力 商业智能 辅助决策 能力 数据产品 丰富度 数据应用 的低代码 开发与扩 展能力 操作便捷 性 数据可交 易性 数据咨询 服务能力 权限管理 的便捷性 部署灵活 性 03 市场规模 04 竞争格局 01 行业概况 02 技术水平 05 应用前景 CO NT EN TS 2.1 数据资产化的技术架构体系 数据资产化的技术架构也分为五个层级，底层是源数据，主要有互联网数据、系统日志数据和内部数据库；第二层则是数据采集环节，主要针对三 大源数据有不同采集技术；第三层是存储环节，包括结构化数据存储和非结构化数据存储技术；第四层则是数据处理技术，主要有数据挖掘技术和 数据治理技术构成；第五层则是数据应用技术，包括商业智能分析、数据集成、可视化、营销变现等相关技术。 数据 采集 数据 存储 数据 处理 数据挖掘 R,Python、 Mahout ETL、 建模 数据 治理 数据 应用 商业智能决策 （检索、 BI、分析等） 数据集成 可视化 Hue Spake Graphx 源数 据 系统日志 内部数据库互联网 Redis、 Berkeley DB 缓存 元数据管理工具数据标准管理工具 结构化 Hbase、 Hadoop HDES 非结构化化 NoSQL、 Memcached 网络爬虫 系统 Nutch、 Crawler4j、 Scrapy 系统日志采集系统 Flume、 Scribe 数据库 采集系统 MySQL、 Oracle 批处理 Madoop MapReduce 实时处理 Spark Streaming 消息 ActiveMQ 数据质量管理工具 营销变现 数据安全 数据交易技术 RHadoop Solr, Elasticsearch Lucene 典型代表 数据来源：海比研究院， 2021年； 2.2 数据资产化工具 核心 技术： 数据挖掘分析处理 、先进技术融合、 数据源整合能力、数据安全是核心技术 44% 38% 38% 38% 32% 30% 26% 22% 18% 数据 挖掘 分析 处理技术 预测分析、机 器学习、人工 智能等先进 技 术的融合程度 多样 数据源 的 整合能力 数据安全 管理 技术 数据采集 能力 数据 存储 能力 可视化 分析 展示技术 数据清洗、抽 取、转换能力 合 规管 控技术 数据来源： 海比研究院 ， 2021年； 通过调研发现 ， 数据资产化工具关键 技术主要以数据挖掘分析处理技术、先进技术的融合程度、多样数据源的整合能力、数据安全管理能力为主。 从 厂商角度来看， 更为关注数据挖掘分析处理 技术和 多样数据源的整合 能力，而最终用户则更关注 先进技术的融合 程度和数据安全技术。可见厂商 关注的核心技术和最终用户关注的核心技术有所偏差，像明途科技、百分点等注重 预测分析、机器学习、人工智能等先进技术的融合 程度 应用的企 业更受用户欢迎。 图：数据资产化工具核心技术分布 情况 数据资产化工具行业 整体技术成熟度处于偏低水平 ，相比而言最终用户对技术成熟度的判断要略高于厂商的判断，说明用户预期相对较好。 从核心技术的成熟度来看，数据存储能力、数据采集能力成熟度相对较高，先进技术融合程度及数据源的整合能力有较大提升空间 。 从供需两端来看，最终用户认为存储技术、可视化技术的成熟度要高于厂商的判断，而厂商对数据挖掘分析技术和先进技术融合的技术成熟度判断 要高于最终用户的认知。 2.3 数据资产化核心技术成熟度分析： 技术成熟度整体偏低，先进技术融合度及数据源整合能力还有较大提升空间 78.7 78.0 75.9 73.8 73.7 73.6 72.9 72.7 71.7 72.8 77.7 78.0 75.7 74.6 73.4 72.8 72.7 73.4 73.1 72.5 79.1 78.0 76.0 73.6 73.8 73.9 73.0 72.5 71.2 72.9 整体 厂商 用户 数据存储能 力 数据采集能 力 数据安全管 理技术 数据挖掘分 析处理技术 合规性管控 技术 可视化的分 析展示技术 数据清洗、 抽取、转换 能力 多样数据源 的整合能力 预测分析、 机器学习、 人工智能等 先进技术的 融合程度 中国整体技 术成熟度 图： 2021年数据资产化技术成熟度比较分析 数据来源： 海比研究院 ， 2021年；技术成熟度满分值为 100分， 1-70分为不成熟， 71-90分为成熟， 90分以上为很成熟； 2.4 中国市场与全球市场的技术 差距 与全球相比，中国数据资产化工具相关技术成熟度略低于全球 2.4个百分点 -2.4 -0.6 -1.1 -1.2 -1.3 -1.8 -2.0 -2.0 -2.3 -3.2 -3.5 -0.9 0.0 -2.1 -2.4 -3.5 -3.2 -2.1 -4.9 -1.7 -2.0 -0.6 -1.4 -0.9 -1.0 -1.3 -1.6 -2.0 -1.5 -3.7 整体 厂商 用户 数据来源： 海比研究院 ， 2021年 ，成熟度差值 =中国成熟度 -全球成熟度； 图：中国 与 全球的核心 技术 成熟度差值对比 分析 整体 技术成 熟度 数据安全管 理技术 数据采集能 力 合规性管控 技术 多样数据源 的整合能力 数据存储能 力 数据挖掘分 析处理技术 可视化的分 析展示技术 数据清洗、 抽取、转换 能力 预测分析、 机器学习、 人工智能等 先进技术的 融合程度 中国市场 的数据资产化工具技术 成熟度与全球市场差距较小，差值仅有 2.4%，最终用户认为与全球相比仅低 2%，但厂商认为比全球低 3.5%。 比较核心技术的成熟度发现， 在数据安全、数据采集、合规性管控等方面与全球技术水平基本持平；相对而言，先进技术的融合度方面差距最大， 应做重点改进 。厂商认为在数据清洗、抽取、转换方面和数据存储方面的技术差距与全球相比最大，而最终用户则认为是先进技术方面差距最大。 03 市场规模 04 竞争格局 01 行业概况 02 技术水平 05 应用前景 CO NT EN TS 3.1 全球数据资产化工具市场规模 全球市场规模已超两百亿 美元，预计在 2025年 将 突破三百亿 美元 全球数据资产化市场 规模在 2020年 达 200亿 美元 ，但从未来几年的发展趋势来看，全球市场增长率呈现下降趋势，预计在 2025年可超过 300亿美 元。未来， 中国市场将 是数据资产化的重要增量 市场。 图： 全球数据资产化工具市场 规模 8 11 14 17 20 23 25 27 29 31 38% 27% 21% 18% 14% 11% 8% 7% 5% 2016 2017 2018 2019 2020 2021E 2022E 2023E 2024E 2025E 市场规模（十亿美元） 增长率（ %） 数据来源： Wikibon、 海比研究院 ， 2021年； 107 134 168 214 280 374 514 720 1,039 1,541 21% 25% 25% 28% 31% 34% 37% 40% 44% 48% 2016年 2017年 2018年 2019年 2020年 2021年 E 2022年 E 2023年 E 2024年 E 2025年 E 市场规模（亿元） 增长率 3.2 中国数据资产化工具市场 规模： 2020年中国市场规模 达 280亿 元，未来五年复合增长率达 41%，保持高速增长 海比研究数据表明， 中国数据资产化市场 规模 2020年 为 280亿 元，预计未来五年将保持高速 增长，年复合增长率达 40.7%，预计 2024年市场规模 将达到千亿 量级 。这主要受到数字化建设需求旺盛的影响，再加上中国市场数据资产化工具提供商的繁荣发展，诸如东软、百分点、明途科技、明 略、神策、 GrowingIO等数据公司的崛起， 将 会为企业数字化转型改革提供高效的工具。 图 ： 中国 数据 资产化工具市场 规模及其 发展 趋势 40.7% 复合增长率 数据来源： 海比研究院 ， 2021年； 3.3 细分市场 规模： 数据存储与应用规模最大，以大中型企业需求为主，政府、金融行业是主市场 从细分市场规模来看，数据存储规模最大，达到 113亿元，其次是数据应用类，其中可视化市场规模 24亿元，营销变现 18亿元，内部决策应用 54 亿元；再次是数据处理、数据采集和源数据领域。 从需求层面来看，大中型企业贡献的市场规模比例较高，尤其是政府、金融、医疗、制造和教育等行业的贡献较大，像东软、百分点、明途科技等 业务涉足这些行业的数据公司发展较为快速。 数据资产化细分市场 规模（亿元 ） 不同类型企业需求的市场规模分布 不同行业需求 的市场 规模（亿元） 源数据 , 11, 4% 数据采集 , 20, 7% 数据存储 , 113, 40% 数据处理 , 40, 14% 可视化 , 24, 9% 决策应用 , 54, 20% 营销变现 , 18, 6% 数据应用 , 96 微型 6% 小型 10% 中型 30% 大型 54% 30 28 23 21 13 政府 金融 医疗 制造 教育 数据来源： 海比研究院 ， 2021年； 3.3 细分市场规模： 一二线城市占市场规模的八成以上，北京、上海、浙江、广东处于全国第一梯队 从城市分布来看，数据资产化工具的市场主要在 一二线 城市，占总体市场规模的八成以上，其中一线城市占比 39%，二线城市占比 43%。 从地域分布来看，北京、上海、浙江、广东是数据资产化工具市场的第一梯队，第二梯队则是江苏和湖北，其他则属于第三四梯队。 海南 黑龙江 吉林 辽宁 河北 山东 福建 江西 安徽湖北 湖南 广东广西 河南 山西 内蒙古 陕西 宁夏 甘肃 青海 四川 贵州 云南 西藏 新疆 江苏 浙江 北京 上海 一线城市 , 110 , 39% 二线城市 , 121 , 43% 三线城市 , 14 , 5% 四线城市 , 36 , 13% 不同城市级别市场规模分布情况（ 亿元 ） 不同地域市场规模分布情况 数据来源： 海比研究院 ， 2021年； 第一梯队 第二梯队 第三梯队 第四梯队 3.4 数据资产化用户数量规模 ： 有需求用户数量规模庞大，但实际客户开发率低，未来市场有 34倍成长空间 从数据资产化需求用户数量规模来看，中国市场存在庞大用户需求，数量高达 156万家，其中高需求用户数量达 48万家。但从实际购买并形成数据 资产管理的用户数量规模来看只有 1.4万家，由此可见数据资产化工具的客户开发率或企业购买率偏低，仅有 2.9%。 若高需求用户均得到市场开发，则数据资产化工具的市场规模有 34倍的提高空间，这说明数据资产化工具的未来发展空间巨大。 156万家 有需求 用户数量 48万家 高需求 用户数 2.9% 客户开发率 1.4万家 数据资产管理 实际购买用户数 34倍 市场规模 提升空间 数据来源： 海比研究院 ， 2021年； 11% 18% 19% 20% 32% 100% 3.5 细分领域需求用户数量规模： 数据应用类工具的需求用户数量最多，其中辅助决策方面的需求用户较多 源数据 数据采集 数据存储 数据处理 数据应用 整体 图 1：各 细分市场数据资产 化用户数量分布 5851 1504 1408 1144 1056 660 互联网 政府 金融 医疗 制造 教育 图 2：不同行业数据资产化用户数量 需求数据应用类工具用户最多 互联网用户数据资产化需求数量较多 数据来源： 海比研究院 ， 2021年； 据海比研究院调查显示，目前市场上有数据资产化需求 的用户中 对数据 应用类工具需求较多，达到 4471家，其次是数据处理类的达 2859家。 但源数据 方面用户数量 偏少，厂商应加大源 数据用户的 开发力度。 从不同行业的数据资产化需求数量来看， 互联网用户数量 最多，高达 5851家，但互联网用户实际购买的较少，真正属于第一梯队 的则 是政 府、金融 、 医疗和制造。 厂商应注重这些行业 内用户的 需求开发。 1567 2500 2637 2859 4471 14035 3.6 数据资产化工具数量 规模： 数据资产化工具年度签单量超过六万，平均每个用户采购 4个数据资产化工具 2020年全年共签订 6.1万单数据资产化工具订单，平均每个最终用户购买 4个数据资产化工具。与此同时，平均每个厂商供给 7个数据资产化工具产 品和 6个数据资产化解决方案。 这说明，大部分数据资产化工具厂商提供更多产品工具和解决方案选项，同时也说明现阶段数据资产化工具的功能较为分散，无法为需求方提供高 度统一的数据资产化工具产品。因此，未来像东软、百分点、明途科技、日志易、 GrowingIO等能为需求方提供全流程数据资产化工具解决方案的 厂商会有较好的发展空间。 6.1万单 4个 7个 6个 2020年签订的数据资产 化工具订单达到 6.1万单 平均每年单个用户在 数 字化建设过程中 ，会采 购 4个数据资产化工具 平均单个数据资产化工 具提供商可以提供 7个产 品 /工具 年度签单量 平均单个数据资产化工 具提供商可以 提供 6个整 体解决方案 年均采购 产品量 单厂商提供 产品数量 单厂商提供 解决方案数量 03 市场规模 04 竞争格局 01 行业概况 02 技术水平 05 应用前景 CO NT EN TS 采矿业 餐饮 电力 电信 环保 建筑 交通 教育 金融 综合型 零售旅游 媒体 能源 农业 其他 气象 软件 食品 文娱 物流 医疗政府 制造 4.1 行业竞争格局：行业应用象限 分布 互联网、金融和软件行业是数据资产化工具明星象限，餐饮、电信、媒体潜力高 从数据资产化工具在不同行业的情况来看，互联网、金融和软件行业的数据资产化工具应用最好，市场份额高，行业满意度也高，属于明星象限； 医疗、教育、制造行业则属于金牛象限，此类行业市场份额高，但行业满意度还有提升空间；餐饮、电信、媒体、能源、零售、交通、旅游、环 保、气象等行业则是潜力象限，此类行业当下市场份额不高，但行业满意度较高，具有很好的发展潜力；其他行业则属于孵化象限。 数据来源：海比研究院， 2021年； 图：数据资产化工具的行业应用格局 分析 行 业 满 意 度 高 孵化象限 潜力象限 金牛象限 低 明星象限 市场份额 互联网 4.2 厂商竞争 格局 ：厂商经营情况 四成厂商营收规模低于 2000万，超五成厂商利润规模低于 1000万 厂商营收以 【 500万 ,2000万 】 之间为主 厂商利润多在 【 300万 ,1000万 】 之间 超过三成厂商营收规模在 500万到 2000万之间，另有 9.8%的厂商营 收超过 5亿元。 有 35.3%的厂商利润集中在 300万到 1000万之间，另有 18.6%的厂商 利润低于 300万，说明厂商整体盈利能力偏低。 8.8% 31.4% 15.7% 16.7% 10.8% 6.9% 9.8% 500万以下 500万 -2000万 2000万 -5000万 5000万 -1亿 1亿 -2亿 2亿 -5亿 5亿及以上 图 2：数据资产化工具 厂商利润水平分布 情况图 1：数据资产化工具厂商营业收入分布情况 数据来源：海比研究院， 2021年； 18.6% 35.3% 15.7% 10.8% 7.8% 2.0% 9.8% 300万以下 300万 -1000万 1000万 -3000万 3000万 -5000万 5000万 -1亿 1亿 -2亿 2亿及以上 4.2 厂商竞争格局： 厂商客户情况 五成厂商的客户数量在 30家以内，六成厂商的客单价低于 20万 四成多厂商客户数量集中在 10-30家 客单价多集中在 【 5万 ,20万 】 有 41%的数据资产化工具厂商客户数量在 10-30家，另有 33%的厂 商客户数量在 30到 100家之间， 17%的厂商客户数量超百家。 超过六成的厂商客单价低于 20万，客单价超百万的比例仅有 14.7%，说明数据资产化工具的整体客单价偏低，尚有较高上升空 间。 图 2：数据资产化工具 厂商客单价分布 情况图 1：数据资产化工具厂商客户数量分布情况 数据来源：海比研究院， 2021年； 17.6% 22.5% 22.5% 9.8% 12.7% 8.8% 5.9% 10家以下 9% 10-30家 41% 30-50家 16% 50-100家 17% 100-300家 7% 300家以上 10% 5万以下 5万 - 10万 10万 - 20万 20万 - 50万 50万 - 100万 100万 - 500万 500万 以上 62.7% 4.2 厂商竞争格局：数据 资产 化 工具 象限 分布 明星 象限综合实力强，潜力象限潜力最大，金牛象限盈利好，孵化象限成长快 从工具厂商的 竞争格局来看，可以划分为四个象限：明星象限、金牛象限 、成长象限和 潜力 象限。 明星 象限 的厂商在 市场表现和产品竞争力方面表现较为突出，其技术实力较强，已经获得市场的认可 ；金牛 象限 的厂商， 则具有较高的市场份额， 已经建立稳定的商业模式，可提供稳定的现金流 ；成长象限的厂商， 则具有较高的产品竞争力，虽然现阶段市场份额较低， 但已处于快速成长期， 具有 较高的 成长空间；潜力象限的厂商 ，则 是因成立时间段 ，积累 少，市场需求不足等原因，导致市场需求不足，但受中美贸易竞争大环境影响， 未来需求会得到释放，因此具有较高的增长潜力。 数据来源：海比研究院， 2021年； 图：数据 资产管理工具的竞争格局分析 阿里 华为 腾讯 微软 天眼查 百度 金蝶 IBM 企查查 网易易数 京东科技 天翼云 SAP 浪潮 用友美林数据 星图数据 联通沃云 GrowingIO 网智天元 神策数据 数字冰雹 TigerGraph 数澜科技 日志易 永洪科技 达梦 袋鼠云 思迈特 翰高 人大金仓元年 四方伟业 惟客数据 talkingdata 明略科技 海云 树根互联 红麦 帆软 东软 百分点 明途科技 观远 Oracle 商帆 南大通用 神舟通用 AWS 巨杉 智领云 产 品 竞 争 力 高 潜力 象限 成长 象限 金牛象限 低 明星象限 市场表现力 高低 Oracle AWS GrowingIO talkingdata 美林 永洪 海云 巨杉 翰高 南大通用 神舟通用 TigerGraph IBM SAP 华为天翼云 东软红麦 金蝶 浪潮帆软 企查查 数澜 神策 百分点 微软 腾讯沃云 观远明途科技 惟客 树根互联 商帆 用友 京东科技 思迈特 阿里 达梦 数字冰雹 日志易 百度 网易易数 星图数据元年 四方伟业 明略 智领云 图 2：数据资产化工具厂商面临的竞争压力象限图 低 高 高 4.2 厂商竞争格局：厂商 竞争激烈程度 数据资产化厂商面临较多的竞争对手，尤其处于红海象限的厂商面临竞争压力大 数据来源：海比研究院， 2021年 ；竞争激烈度是指每 100个企业中有多少个是竞争 对手。 可视化领域竞争激烈度相对略低 高压 象限的厂商面临的竞争压力较大 8.9 9.4 8.6 7.9 8.7 9.2 数据采集 数据存储 数据处理 可视化 数据应用 数据变现 图 1：各细分领域的厂商竞争激烈度分析 整体 8.8 数据资产化工具厂商平均每百家同行业企业就有接近 9家是业务重叠 的竞争对手，说明整体竞争激烈程度较高。 从主流厂商所面临的竞争激烈度来看，京东、阿里、腾讯、百度、 网易等企业竞争压力较大，而明途科技、百分点、日志易、帆软、 观远等面临竞争压力较小。 低 厂 商 评 价 竞争激烈度 舒适 象限 高压 象限 4.3 行业满意度分析 行业满意度水平不高，与客户期望的差距较大，应用类工具满意度应重点提升 72.2 75.1 69.4 70.9 标准满意度 整体满意度 与 期望工具差异 与 完美工具差异 73.1 72.3 72.4 70.0 72.1 71.0 数据采集 数据存储 数据处理 可视化 决策应用 营销变现 图 2：不同细分市场数据资产化工具满意度分析 数据资产化行业标准满意度不高 采集类工具满意度较高，可视化较低 数据来源： 海比研究院 ， 2021年；满意度满分值为 100分， 1-70分为不满意， 71-90分为满意， 90分以上为很满意； 图 1：数据资产化工具满意度分析 数据资产化工具的行业标准满意度为 72.2分，满意度水平略低。 从细项表现来看，与期望差异的值最低，为 69.4分，说明最终用户 对产品的期望较高，但实际产品表现未达预期。 从细分领域满意度来看，最终用户对数