2019中国大数据产业发展分析报告.pptx

2019中国大数据产业发展分析报告,CONTENTS,1.11.2,大数据产业概念大数据技术体系,1.31.41.52.12.22.3,大数据产业图谱大数据产业生态链大数据产业链全景图大数据产业发展经济环境大数据产业发展政策环境大数据产业发展行业环境,CONTENTS,2.42.5,大数据产业规模大数据产业细分市场,3.13.23.33.43.54.1,大数据应用市场大数据应用行业对比实体经济大数据工业大数据城市大数据大数据产业布局,CONTENTS,4.24.34.44.55.15.2,大数据产业发展模式大数据产业省市分布大数据综合试验区大数据产业园布局大数据产业发展建议大数据产业发展前景,CHAPTER 1第一章,n 大数据产业概念n 大数据技术体系n 大数据产业图谱n 大数据产业生态链n 大数据产业链全景图,1.1,大数据产业概念,大数据是信息化发展的新阶段。随着信息技术和人类生产生活交汇融合，互联网快速普及，全球数据呈现爆发增长、海量集聚的特点，对经济发展、社会治理、国家管理、人民生活都产生了重大影响。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。,8,1.2,大数据技术体系大数据技术体系纷繁复杂，但其中有诸多技术格外受到关注。随着社交网络的流行导致大量非结构化数据出现，传统处理方法难以应对，数据处理系统和分析技术开始不断发展。随着需求不断扩大、升级，单个企业、甚至单个行业的数据都难以满足要求，数据融合的价值更加显现，形成了数据流通技术体系这一热点。数据分析技术从数据在信息系统中的生命周期看，数据分析技术生态主要有5个发展方向，包括数据采集与传输、数据存储与管理、计算处理、查询与分析、可视化展现。经过10多年的发展，数据分析的技术体系渐渐在完善自己的不足，也融合了很多传统数据库和MPP数据库的优点，从,技术的演进来看，大数据技术正朝着更快、流处理加强、持等方向变化。数据流通技术安全多方计算和区块链是近年来常用的两种技术框架。由于创造价值的往往是对数据进行的加工分析等运算的结果而非数据本身，因此对数据需方来说，本身不触碰数据、但可以完成对数据的加工分析操作，也是可以接受的。安全多方计算这个技术框架就实现了这一点。除了以上两种技术框架外，近年来还涌现出同态加密、零知识证明、群签名、环签名、差分隐私等多种数据流通的技术工具。,硬件加强、SQL支持、深度学习支事务处理技术传统事务技术模式以集中式数据库的单点架构为主，通过提高单机的性能上限适应业务的扩展。而随着摩尔定律的失效（底层硬件的变化），单机性能扩展的模式走到了尽头，而数据交易规模的急速增长（上层应用的变化）要求数据库系统具备大规模并发事务处理的能力。大数据分析系统经过10多年的实践，积累了丰富的分布式架构的经验，Paxos、Raft等一致性协议的诞生为事务系统的分布式铺平了道路。新一代分布式数据库技术在这些因素的推动下应运而生。,1.3,大数据产业图谱从大数据产业细分领域来看，可以大致分为数据源、大数据硬件支撑层、大数据技术层、大数据交易（应用）层。,数据源是大数据产业的基础。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。,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，支撑大数据产业基础设施的建设。,技术层包括实现数据采集及处理、存储管理、加工分析、数据可视化、数据安全等技术手段，是实现大数据价值的重要环节,大数据交易除了数据本身，还有应用服务、分析服务、基础设施建设等。随着技术的完善、升级，大数据的应用越来越广泛、深入。,1.4,大数据产业生态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。,数据源提供者数据流通平台提供者数据API提供者,大数据应用软件供应商大数据基础软件供应商大数据硬件产品供应商,应用服务供应商分析服务供应商大数据基础设施服务供应商,1.5,大数据产业链全景图,大数据采集,数据采集,与储存数据储存数据加工分析,大数据分析与服务,数据可视化数据交易数据安全,大数据应用,金融大数据,交通大数据医疗大数据,教育大数据,工业大数据企业大数据,CHAPTER 2第二章,n 大数据产业发展经济环境n 大数据产业发展政策环境n 大数据产业发展行业环境n 大数据产业规模n 大数据产业细分市场,2.1,经济方面中国GDP首次突破90万亿元，达实际增速达6.6%。贸易方面中国对外进出口外贸总值达30.51万亿元，同比增长9.7%，稳坐全球第一贸易国位置。贫困与收入农村贫困人口1660万人，比上年末减少1386万人；人均可支配收入则为28228元，扣除价格因素，实际增长6.5%。,8%7%6%5%4%3%2%1%0%,1009080706050403020100,2014,2015,2016,2017,2018,2019H1,大数据产业发展经济环境2018年中国经济外部受中美贸易战持续升级影响，经济下行压力增大，制造业景气度持续降低到50临界点，全国经济依旧持续健康发展。经济稳定增长，居民收入提高，消费市场升级，为我国大数据产业发展提供了良好的经济环境。此外，2019年上半年，全国经济运行继续保持在合理区间，延续总体平稳、稳中有进发展态势。初步核算，上半年国内生产总值450933亿元，按可比价格计算，同比增长6.3%。2014-2019年国内生产总值及增速变化趋势,GDP（万亿元）,同比增速,2.2,大数据产业链。2013,国务院关于印发促进大数据发展行动纲要的通知七大重点发展方向：发展工业大数据、发展新兴产业大数据、发展农业农村大数据、发展万众创新大数据、推进基础研究和核心技术攻关、形成大数据产品体系、完善,大数据产业发展规划（2016-2020年）到2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成。大数据相关产品和服务业务收入突破1万亿元，年均复合增长率保持30%左右，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。,（2018-2020年）到2020年，力争实现企业上云环境进一步优化，行业企业上云意识和积极性明显提高，上云比例和应用深度显著提升，云计算在企业生产、经营、管理中的应用广泛普及，全国新增上云企业100万家，形成典型标杆应用案例100个以上，形成一批有影响力、带动力的云平台和企业上云体验中心。,大数据产业发展政策环境随着全球数据的爆发式增长，大数据从政策层面备受关注。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。此外，为了抓住产业机遇，全国31省市陆续出台相关政策，据不完全统计，各地出台大数据相关政策共计160条。充分说明了各地政府在大数据产业布局方面的重视。推动企业上云实施指南,2.3,60%50%40%30%20%10%0%,70%,9876543210,10,2014,2015,2016,2017,2018,2019E,2014-2019年网民数量及互联网普及率预测,网民规模（亿人）,互联网普及率,率持续提高，行业繁荣发展。数据显示，截至2018年,12月，我国网民数量将近8.3亿人，相较2017年同期新增网民56.53万人；互联网普及率将近六成，相较2017年同期提升3.8个百分点。随着互联网的不断普及覆盖面越来越广，网民规模不断扩大，这为大数据产业发展提供了有利的行,业背景。,大数据产业发展行业环境互联网普及率提高近年来，我国网民数量不断增多，互联网普及,2.3,大数据产业发展行业环境数据生产量增长,中国数据生产量将迎来快速增长。目前，我国大数据产业正在加速发展的阶段，生产生活的多个方面生产的数据与日俱增。数据显示，2018年我国的数据生产量在7.6ZB左右。随着物联网、5G商用等技术的推进，我国的数据生产量将进一步增长，预计到2020年时，我国数据生产量将近50ZB。,2.4,大数据产业规模随着移动互联网、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4700亿元，同比增长30%；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7150亿元。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。,2015,2016,2017,2018,2019E,2020E,2015-2020年中国大数据产业规模及预测,产业规模（亿元）,2.5,40%,大数据细分市场从细分环节来看，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。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。,18%,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。,15%,17%,2.5,大数据细分市场,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。,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。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,4%,5%,2.5,大数据细分市场,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。,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。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,CHAPTER 3第三章,n 大数据应用市场n 大数据应用行业对比n 实体经济大数据n 工业大数据n 城市大数据,3.1,大数据应用市场,从应用领域来看，目前大数据最广泛应用于金融领域。未来，随着大数据技术应用的覆盖范围变得更大，其他领域的领域将加强。,其中，政府部门大数据技术应用的占比将提高至一位。,据技术的应用逐步加深，未来有望超越金融行业，成为大数据,政府,金融产业应用最方面的领域。金融领域位居第二，依然是大数据技术应用广泛的行业之一。,工业,在大数据时代背景下，政府数字化转型正在加速进行中，大数交通,其他,中国大数据产业应用方向占比情况预测,3.2,大数据应用行业对比以下为大数据应用主要行业的对比，包括数据平台、数据管理体系、数据应用情况、组织机构等方面。,大数据与实体经济融合是建设现代化经济体系的必由之路 大数据与实体经济融合是大力发展实体经济的重要途径 大数据与实体经济融合是经济创新发展的引擎 大数据与实体经济融合是深化经济体制改革的抓手,大数据与实体经济融合是推动国家治理现代化的必然选择 政府执行力通过大数据得到提高 政策流程通过大数据利用得到优化 政府协同管理能力通过大数据得到提升,大数据与实体经济融合是满足人民美好生活需要的重要举措 民生领域 扶贫领域 生态领域,3.3,实体经济大数据近年来，我国大数据产业快速发展，应用深度不断被挖掘。其中，实体经济是大数据技术的一大重要应用方向之一。目前，大数据与实体经济各领域渗透融合全面展开，融合范围日益宽广，融合深度逐步加深，融合强度不断加大，融合载体不断完善，融合生态加速构建，新技术、新产业、新业态、新模式不断涌现，战略引领、规划指导、标准规范、政策支持、产业创新的良性互动局面加快形成。十九大报告提出“推动互联网、大数据、人工智能和实体经济深度融合”。当前，我国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期，紧抓新一轮科技革命和产业变革机遇，推动大数据与实体经济深度融合发展将形成创新发展的重要动能，是我国新时代发展的战略选择。,3.3,实体经济大数据近年来，我国大数据发展驶入快车道，政产学研用资等各领域资源和要素加快汇聚，带动技术基础不断加强，产业基础日益坚实，应用基础加快构筑，政策环境不断完善，大数据向实体经济领域融合渗透的障碍进一步破除，融合发展脚步更加稳健。,产业基础日益坚实, 基础设施建设快速推进 公共数据平台发展提速,应用基础加快构筑, 企业信息化水平稳步提升, 企业数据资源日渐丰富多样, 企业应用数据意愿显著增强, 企业大数据应用能力不断提高,政策环境持续完善, 国家层面：大数据与实体经济融合的体制机制日益完备, 行业层面：大数据与实体经济融合的发展环境不断优化, 地方层面：大数据与实体经济融合的支持力度不断加大 产业规模持续高速增长, 数据流通机制逐步建立, 人才队伍建设进程加快,国家高度重视大数据与实体经济的融合发展，自促进大数据发展行动纲要的通知实施3年多以来，在党中央的领导下，在产业界各界的共同努力下，大数据在制造业、农业、服务业等实体经济的各领域应用不断深入，涌现出一大批大数据典型应用，各行业数字化、网络化、智能化进程明显加速，促进产业格局重构，驱动生产方式和管理模式变革，融合发展给经济社会带来的益处和价值日益显现。当前，大数据正在向我国实体经济各领域渗透融合，进入全方位、广渗透的新阶段。融合范围日益宽广：融合深度逐步加深；融合强度持续加大；融合载体不断完善；融合生态加速构建, 大数据技术不断成熟大数据技术大为丰富，促进数据处理、数据流通便捷化；我国企业大数据技能快速进步，有力支撑行业应用。, 大数据技术生态不断完善一方面大数据技术生态加快构建为融合创新发展赋能；另一方面大数据技术与周边技术交叉融合进一步激发应用潜力。,3.3,实体经济大数据技术基础不断强化,在大数据的带动下，我国制造企业对数据的采集、汇聚与挖掘能力显著提升。传统企业研发、生产、运营、营销和管理方式具备了更快的速度、更高的效率和更高的洞察力，助力制造业向智能化、绿色化、服务化、高端化转型。大数据高效赋智传统企业，制造业智能化发展成效显著。近年来大数据在农业生产、经营、管理、服务等各个环节融合应用的成功实践与典型模式不断涌现，大数据正全方位、多层次、立体化地加速农业的数字化进程。大数据在服务业的应用不断向纵深拓展，在以金融、物流为代表的生产性服务领域，以零售、文体为代表的生活类服务领域正在形成智慧服务模式，服务供给规模、服务效率和质量水平明显提高，群众获得感、幸福感不断增强。近年来，数据技术在公共服务领域发挥的作用愈发明显。公共部门数据的广泛互联和共享，海量数据的催生、沉淀与挖掘利用，推动着政务、教育、医疗、扶贫等公共服务加速向创新、开放、高效、便捷、精准等方向发展，公共服务日益具备“大数据思维”。,3.3,实体经济大数据,3.4,工业大数据工业大数据分析是利用统计学分析技术、机器学习技术、信号处理技术等技术手段，结合业务知识对工业过程中产生的数据进行处理、计算、分析并提取其中有价值的信息、规律的过程。工业大数据的分析要求用数理逻辑去严格的定义业务问题。由于工业生产过程中本身受到各种机理约束条件的限制，利用历史过程数据定义问题边界往往达不到工业的生产要求，需要采用数据驱动+模型驱动的双轮驱动方式，实现数据和机理的深度融合，能较大程度去解决实际的工业问题。,3.4,工业大数据下图为工业大数据系统参考框架，从底至上分别是由工业大数据平台技术到工业大数据的应用技术。总体上看，“大数据平台技术”关注的主要偏重IT技术，而“大数据应用技术”关注的重点主要是业务和领域知识。而大数据分析技术则是深度融合这两类技术知识，并结合机器学习技术、产品分析技术等数据分析技术，去解决实际业务问题的技术统称。,3.4,工业大数据根据业务目标的不同，工业数据分析可以分成四种类型：,1 2,4 3,预测型分析预测型分析用来回到“将要发生什么？”。,针对生产、经营中的各种问题，根据现在可见的因素，预测未来可能发生的结果。,处方型（指导型）分析处方型（指导型）分析用来回答“怎么办”的问题。针对已经和将要发生的问题，找出适当的行动方案，有效解决存在的问题或把工作做得更好。,描述型分析描述型分析用来回答“发生了什么”、体现,的“是什么”知识。工业企业总的周报、月报、商务智能（BI）分析等，就是典型的描述型分析。描述型分析一般通过计算数据的,各种统计特征，把各种数据以便于人们理解的可视化方式表达出来。诊断型分析诊断型分析用来回答“为什么会发生这样的事情”。针对生产、销售、管理、设备运行等过程中出现的问题和异常，找出导致问题的原因所在，诊断分析的关键是剔除非本质的随机关联和各种假象。,THANKS,