大数据行业市场规模分析

1、大数据行业市场规模分析市场的细分标准（一）消费者市场细分的标准消费者市场细分标准可归纳为四大类，其因素有些相对稳定，多数则处于动态变化中。1、地理因素地理因素标准即按照消费者所处的地理位置、自然环境细分市场，具体变量包括国家、地区、城市规模、不同地区的气候及人口密度等。处于不同地理位置和环境下的消费者，对同一类产品往往会呈现出差别较大的需求特征，对企业营销组合的反应也存在较大的差别。例如希尔顿酒店会根据所处的地理位置设计个性化的房间：美国东北部酒店更雅致和全球化，而西南部的酒店更乡村化；零售巨头如沃尔玛、凯马特都允许他们的区域经理储存货物以适应当地需求。地理细分对不同区域的识别和划分也有意义，

2、企业可以根据产品在该区域上市的时间，将市场分为引人期或发育期市场（15年），成长期市场（611年），成熟期市场（11年以上）。显然，这样的划分有利于识别不同阶段市场的特征，制定具有针对性的营销策略。就总体而言，地理环境中的大多数因素是一种相对静态的变量，企业营销必须研究处于同一地理位置的消费者和用户对某一类产品的需求或偏好所存在的差异，而且必须同时依据其他因素进行市场细分。2、人口因素人口因素指各种人口统计变量，包括年龄、婚姻、职业、性别、收入、教育程度、家庭生命周期、国籍、民族、宗教、社会阶层等。比如，不同年龄、受教育程度不同的消费者在价值观念、生活情趣、审美观念和消费方式等方面会有很大的差

3、异。以年龄、家庭人口和收入为例，看其对某产品需求的制约。某家具公司在市场调查中发现与家具销售关联最密切的人口变量有以下三项：户主年龄、家庭规模和收入状况。企业在选择目标市场时，可以根据本企业的营销目标及其预期利润，分别考虑各个细分市场的家庭数目、平均购买率、产品的竞争程度等因素。经过分析研究和预测，即可比较准确地评估出每个细分市场的潜在价值。对于全球企业来说，这些人口统计变量的相关信息从各国政府或国际组织公布的统计资料中可以查到。各个国家人口的预期寿命、年龄结构等因素对食品、化妆品、服装、人寿保险等行业中的全球企业细分全球市场有特别重要的意义。需要注意的是，在用人口因素来进行市场细分时，用单一

4、标准细分市场很容易得出偏颇的结论，需要企业界和其他细分标准对细分市场做出进一步的细化研究，从而发现显著的顾客需求特征差异，以分别制定针对性的营销战略及策略。3、心理因素心理因素标准即按照消费者的心理特征细分市场。按照上述几种标准划分的处于同，一群体中的消费者对同类产品的需求仍会显示出差异性，可能原因之一是心理因素发挥作用。心理因素包括个性、购买动机、价值观念、生活格调、追求的利益等变量。比如，生，活格调是指人们对消费、娱乐等特定习惯和方式的倾向性，追求不同生活格调的消费者对商品的爱好和需求有很大差异。越来越多的企业，尤其是服装、化妆品、家具、餐饮、旅游等行业的企业越来越重视按照人们的生活格调来

5、细分市场。消费者的个性、价值观念等心理因素对需求也有一定的影响，企业可以把具有类同的个性、爱好、兴趣和价值取向相近似的消费者集合成群，有针对性地制定营销策略。在有关心理因素的作用下，人们的生活方式可以分为“传统型”“新潮型”“奢靡型”“活泼型”“社交型”等不同类型。追求的利益是指消费者在购买过程中对产品不同效用的重视程度。一项对亚洲女士服装市场的调查表明，亚洲女士喜爱紧身服装有以下原因：视觉上更娇柔、形体更美丽、更加自信等，但不同国家的女士的追求在心理上仍有差异。在不同国家也可能存在同处一个社会阶层或具备共同价值观、共同生活方式的消费群。4、行为因素行为因素标准即按照消费者的购买行为细分市场，

6、包括消费者进入市场的程度、使用频率、偏好程度等变量。按消费者进入市场程度，通常可以划分为常规消费者、初次消费者和潜在消费者。一般而言，资力雄厚、市场占有率较高的企业，特别注重吸引潜在购买者，企业通过营销战略，特别是广告促销策略及优惠的价格手段，把潜在消费者变为企业产品的初次消费者，进而再变为常规消费者。而一些中、小企业，特别是无力开展大规模促销活动的企业，主要注重吸引常规消费者。在常规消费者中，不同消费者对产品的使用频率也悬殊，可以进一步细分为“大量使用户”和“少量使用户”。例如，根据二八定律，商业银行80%的利润都来自于占顾客数量20%的高端客户，剩余20%的利润由普通储户提供，因此抓住“少

7、量使用户”，就能实现利润的最大化。因此，许多企业自然把大量使用者作为自己的销售对象。消费者对产品的偏好程度，是指消费者对某品牌的喜爱程度，据此可以把消费者市场划分为四个群体：绝对品牌忠诚者、多种品牌忠诚者、变换型忠诚者和非忠诚者。在“绝对品牌忠诚者”占很高比重的市场上，其他品牌难以进入；在“变换型忠诚者”占比重较大的市场上，企业应努力分析消费者品牌忠诚转移的原因，以调整营销组合，加强品牌忠诚程度；而对于那些“非品牌忠诚者”占较大比重的市场企业来说，则应审查原来的品牌定位和目标市场的确立等是否准确，并且随市场环境和竞争环境变化重新对定位加以调整。（二）生产者市场细分的依据细分消费者市场的标准，有

8、些同样适用于生产者市场。如地理因素、追求的利益、使用者状况等因素，但还需要考虑一些其他的变量。生产者市场常用的细分变量是用户变量，主要包括行业、公司规模、地理位置等。1、行业细分生产者市场的用户购买产品通常是为了生产用于出售的产品或服务，用户所处行业不同，其生产者需求会有很大差异。例如，电脑制造商采购产品时最重视的是产品质量、性能和服务，价格并不是最主要因素；飞机制造商所需要的轮胎必须达到的安全标准比农用拖拉机制造商所需轮胎的安全标准高得多。2、规模细分用户规模也是细分产业市场的一个重要变量。用户规模不同，其购买数量存在着很大差异。大用户虽少，购买量大；小用户虽多，其购买量小。在现代市场营销实

9、践中，许多公司建立适当的制度来分别同大客户和小客户打交道。例如，一家办公室用具制造商按照规模将用户细分为两类：一类是大客户，由该公司的全国客户经理负责联系；一类是小客户，由外勤推销人员负责联系。3、地理细分企业可用地理变量确定重点的服务地区。由于自然资源、气候条件、生产的要求等存在差异，每个国家都会形成一些产业群，这就决定了生产者市场比消费者市场在地理上更为集中。按地理区域细分生产者市场，有助于企业设计恰当的营销组合，充分利用销售资源和网络，降低销售费用。除了用户变量外，生产者市场还有多种细分标准。美国的波罗玛和夏皮罗两位学者，提出了一个生产者市场的主要细分变量表，比较系统地列举了细分生产者市

10、场的主要变量，并提出了企业在选择目标顾客时应考虑的主要问题，对企业细分生产者市场具有一定的参考价值。客户发展计划与客户发现途径1、客户发展计划客户发展计划是企业通过对一定时期、一定市场区域内客户资源的分析而制定的新客户开发与老客户价值提升计划。其中，老客户价值提升计划指目标市场计划期内增加老客户对本公司产品购买量的计划。客户发展计划涉及客户关系管理全局，用于指导企业客户关系管理的各项活动，应当具备以下特点：一是明确性，明确规定所要达到的目标，不能模棱两可；二是可操作性，各项实施措施必须具体，以便于各部门相关人员执行；三是阶段性，结合企业自身条件、市场需求、市场竞争等因素制定短期、近期与长期计划

11、，实现三者的有机结合；四是可达到性，应当考虑企业自身实际与市场环境实际，使得各部门相关人员有条件、有能力实现计划。2、客户发现途径客户发现是客户开发的前提。根据一般经验，客户发现主要有以下途径：（1）查阅法。查阅各种公开发布的含有工商企业信息的二手资料，如电话号码簿、工商企业名录、各种媒体的信息专栏与广告等。（2）市场咨询法。向有关部门咨询，如市场研究部门、工商行政管理部门等。（3）会议法。参加各种会议，如行业会议、展览会、展销会等。（4）广告开拓法。利用各种广告媒介寻找准顾客，如直接邮寄广告、电话广告、电子商务广告等。（5）链式引荐法。请现有客户推荐新顾客。（6）社会关系拓展法。利用自身的种

12、种社会关系寻找准顾客。（7）中心开花法。通过中心人物的链式关系扩大顾客群，中心人物有行业协会领导、主管部门领导、金融机构领导以及各类有影响力的人物等。（8）市场细分法。通过市场细分发现准客户。（9）历史顾客名单核对法。从以往有过来往或交易关系的客户名单中寻找现在可以继续发展业务关系的客户。（10）地毯式拜访法。销售人员直接走访特定区域所有可能有价值的企业以寻找准顾客。（11）社交群体接触法。在俱乐部、娱乐场、校友会、培训班等各类社交场合接触准客户。（12）个人观察法。销售人员通过对周围环境和人员的直接观察和判断寻找准顾客。（13）随机法。利用各种偶然的机会发现客户，如同机的乘客、同游的游客等。

13、（14）吸引竞争者的顾客。（15）委托助手法。即聘用与委托专职人员帮助收集信息，上门拜访，寻找准顾客。行业未来面临的机遇与挑战1、行业面临的机遇（1）产业政策集中出台，多层次政策体系日益健全十八届五中全会提出“实施国家大数据战略”以来，国务院及发改委、科技部、工信部等部门相继出台一系列大数据鼓励扶持政策，在国务院印发的促进大数据发展行动纲要指出，建立安全可信的大数据技术体系是推进大数据产业基础研究和核心技术攻关的重要目标。2021年3月，在我国“十四五”规划和2035年远景目标纲要提出，培育壮大人工智能、大数据等新兴数字产业，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，

14、赋能传统行业转型升级，打造数字经济新优势。2021年3月国务院在政府工作报告中提出，加快数字化发展，打造数字经济新优势，协同推进数字产业化和产业数字化转型，加快数字社会建设步伐，提高数字政府建设水平，营造良好数字生态，建设数字中国。同时，自“新基建”在2018年12月中央经济工作会议上被首次提出以来，中央和各地政府已经密集部署了一系列围绕“新基建”建设的方针和政策。2020年4月，国家发改委明确了“新基建”是以技术创新为驱动，以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等服务的基础设施体系。其中，“在新一代信息技术关键领域锻长板的重要举措包括：推动新一代信息技术与制造

15、业融合发展，加速工业企业数字化、智能化转型，提高制造业数字化、网络化、智能化发展水平，推进制造模式、生产方式以及企业形态变革，带动产业转型升级。”未来新兴产业及数字经济的发展将更依赖于数据资源，数据基础设施建设也是支撑5G、数据中心、工业互联网等新一代信息技术基础设施的基础，因此大数据是“新基建”的重要组成部分，也将推进大数据底层软件等核心国产软件的快速发展。国家层面的积极政策为大数据行业的快速发展营造了良好的政策环境，企业和政府大力推动数字化转型，旨在实现企业运营和社会治理的效率提升。政府和企业持续加大在IT产品和服务方面的投入，以满足日益增长的业务数字化需求，大数据行业作为企业及政府数字化

16、转型的关键基础软件，有望受数字化转型趋势的推动而带来重大发展机遇。（2）数据管理软件国产化趋势明显，国产大数据产品有望实现换道超车国内数据管理软件基本被Oracle、IBM和微软为代表的国外关系型数据库厂商主导，国产软件产品渗透率低。随着国内客户越来越重视数据与信息安全，国产软件产品在关键领域实现替代成为其中重要环节，越来越多的客户已经开始或计划相关软硬件的采购计划。大数据时代下，数据管理软件正在逐步由集中式架构软件向分布式架构软件演进，国产大数据产品有望实现换道超车，对国外数据管理软件进行替代。从功能来看，基于新兴分布式架构的国产大数据产品已经能满足市面上绝大多数数据应用场景基础需求。但国产

17、大数据产品能否在市场竞争中胜出、占据更多的市场份额，仍然取决于国产大数据产品能否构建自主研发的生态以及产品的全球竞争力。目前，为保障国家信息安全，自主研发的国产大数据生态体系正在形成，此前国产软硬件发展面临的格局分散、生态基础不完善、规模用户群体缺乏等障碍正被逐步攻克。随着国产大数据生态体系进入快速协同发展阶段，国产大数据产品与服务迎来较好的发展机遇。（3）数据成为新生产要素，各行业的大数据应用需求巨大2020年4月，中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见指出，数据已成为继土地、劳动力、资本、技术之后的新一代生产要素，是数字经济发展的基础性、关键性、决定性的生产要素，对经

18、济发展、社会治理、人民生活产生着重大而深刻的影响。激活数据要素潜能，加快数字经济、数字社会、数字政府建设，以数字化驱动生产方式、生活方式和治理方式变革成为我国当下发展的重点。企业建设数字化能力，高效解决企业运营中的问题，优化企业业务流程、提高效率，成为企业发展的核心竞争力之一，在金融、交通、能源、制造等国民经济重要领域实际提升数字化能力需求巨大。此外，在政府、企业数字化程度提高后，数据走向资源化是大势所趋,在数据资源化的过程中，建立行业间高效的数据交换机制，实现数据的互联互通、信息共享、业务协同,以成为整合信息资源，深度利用分散数据的有效途径。加快数字化转型，构建数据共享服务体系，促进数据与业

19、务应用快速融合，将助力中国经济从高速增长转向高质量发展，推动数字中国建设。（4）大数据应用的快速发展，推动大数据管理平台需求的快速增长近年来，大数据增长集中于物联网设备、多媒体、日志、社交信息等，这些数据具有数据类型多、数据量大、流转速度快、价值密度低的特点。传统关系型数据库无法满足处理半结构化及非结构化数据需要，具有综合能力的大数据管理平台有易于扩展、无序存储、分布式架构的特性，相比传统关系型数据库，更能满足对这些数据的存储需求。大数据管理平台不仅具有存储管理海量数据能力、数据处理性能高和易于扩展的特性，还可以保持传统关系数据库支持ACID和SQL查询等特性，支持关系数据模型。在大数据市场发

20、展下，大数据管理平台需求快速增长。（5）数据价值的深度挖掘需求将带动智能分析工具的快速发展智能分析工具主要专注于为数据预处理、特征工程、数据建模、预测分析等数据分析挖掘关键过程提供工具和相关解决方案，是企业实现对海量数据的深度挖掘的重要工具。随着大数据环境下，数据分析复杂程度的加深，数据科学平台需要持续优化其平台流程、协作及模型治理特性，以保持与软件开发中最佳实践一致。同时，数据科学平台厂商也将通过整合针对算法筛选、分布式模型训练、模型管理、知识图谱和高性能推理等任务的创新解决方案来实现差异化竞争。为了在大数据环境下快速帮助客户实现人工智能赋能的商业决策，智能分析工具将迎来快速发展机遇，在云原

21、生、AI工程化、低代码、隐私安全、云边一体等方面发挥更大的作用。2、大数据行业的挑战（1）技术创新与支撑能力有待进一步提高技术创新是推动大数据产业发展的内在动力，但是目前我国技术创新对于大数据产业的引领作用仍然不强。一方面，国内企业对大数据核心技术、开源技术和相关生态系统影响力总体较弱。另一方面，大多数大数据企业的创新仍以模仿性、渐进性创新为主，突破性、颠覆性创新偏少，自主研发具有国际影响力的先进技术较少，同质化竞争日益加剧。此外，由于我国基础科学技术水平研发投入相对不足，大数据底层技术投入与国外存在较大差距，虽然具有大数据应用的需求，但较少通过扎实的底层技术手段来推动创新，我国大数据技术创新

22、能力有待持续提高。（2）对开源体系的依赖程度相对较高基于开源的数据库技术，或部分开源的功能方案，已经成为当前众多企业的软件技术建设重要模式，目前数据库开源体系由国外主导。众多软件开发者对于开源软件的认知较有限，甚至误以为开源软件等同于免费软件，可以不受限制地随意使用。事实上，开源软件的著作权既没有被放弃也没有过期，其修改和发行等仍然要受到版权法或者开源软件许可证的制约，开源软件知识产权风险分为版权侵权风险，专利侵权风险、商标侵权风险三大类。因此市场对待目前开源体系的法律风险意识有待提高，自主研发的国产数据库软件市场占有率有待进一步提升，降低对国外开源体系的依赖。（3）企业对于数据价值的认知及运

23、用能力有待提高近年来，越来越多企业认识到数字化转型的必要性，但是对于数据管理的认知水平较多停留在收集数据、存储管理数据的层面，对于如何把数据有效运用及相关认知有待提高，对数据平台、数据技术的资源投入不足。企业往往只是在部分业务实现数字智能化，各个板块的协同不足，各个部门的信息孤岛现象明显，整个企业的数智化缺乏完整规划，企业对数字化转型的目标和路径不够清晰。在此环境下，中国数据管理软件服务厂商在聚焦于内部产品研发和技术迭代的同时，也需加强对下游实际的业务场景和大数据使用需求的逐步理解、适配，使得更多企业可以容易的运用大数据解决发展面临的数字化转型需求。（4）专业人才短缺问题成发展瓶颈我国仍存在严

24、峻的大数据人才短缺问题，尤其紧缺基础技术研发、专业咨询、数据分析挖掘等方面的专业人才以及兼具专业运营能力、行业动态理解力、解决问题能力的多学科复合型人才，难以满足大数据产业的高速发展需求。一方面，我国高科技人才储备不足，高科技人才储备难以应对与日俱增的大数据人才市场需求。另一方面，我国大数据人才培养体系不完善，大数据人才培养体系起步晚，规模小，层次和模式相对单一，技能知识和理念落后，难以有效匹配产业发展速率。虽然近几年随着我国产业数字化转型的发展，数字科技行业的从业人员逐步增多，但从事基础软件领域研究的专业人员仍然稀缺，尚不能满足大数据行业对于高端专业人才的需求。大数据人才的不足一定程度上影响

25、到大数据产业的发展，业内公司为争取优秀人才，造成行业内人才竞争不断加剧。大数据行业市场规模1、全球大数据市场发展情况全球大数据市场规模由2015年231亿美元增长至2019年的496亿美元，年复合增长率约为21.1%，全球整体市场规模有望在2024年超过800亿美元，2019至2024年复合增长率约为11.8%。在2015年，大数据服务仍然是全球大数据市场最大的收入来源，约为91亿美元，而硬件和软件收入分别达到73亿美元和67亿美元。随着硬件成本的下降以及软件附加值的提升，预计未来全球大数据市场中硬件及服务收入贡献占比将逐渐减少，软件将超过服务和硬件，成为全球大数据市场最主要的收入来源。全球大

26、数据软件市场规模由2015年的67亿美元增长至2019年的170亿美元，年复合增长率为26.2%，超过硬件和服务收入增速，并且预计软件市场规模将在2024年达到377亿美元，年复合增长率约为17.3%。在大数据软件中，随着大数据管理平台和数据应用中间件产品的成熟，未来将贡献更多的收入占比。2、国内大数据市场发展情况中国大数据市场在过去五年间经历快速增长，整体市场规模增长速度快于全球整体市场。2019年，中国大数据市场规模达到627亿元，2015-2019年复合增长率达到31.9%。其中，大数据硬件为市场主要的收入来源，2019年大数据市场硬件收入达到247亿元。中国大数据软件市场由2015年的

27、52亿元增长至2019年的146亿元，年复合增长率为29.5%。伴随着中国对数据运用重视程度日益提高，用户对于大数据软件采购预算增加趋势明确，中国大数据软件市场将在未来五年继续保持高速增长，整体软件市场规模将在2024年达到492亿元，2019-2024年复合增长率为27.5%。虽然现阶段大数据软件收入占比较小，但得益于较高的细分市场规模增速，未来大数据软件将占据更多的市场份额。大数据全生命周期管理阶段1、大数据集成大数据集成包括大数据采集和大数据整合。大数据采集主要是通过各种技术手段将分散的海量内容数据（文本、音频、视频等）、行为数据（访问、查询、搜索、会话、表单等）、工业生产数据（传感器数

28、据、监控数据）等从业务系统中收集出来。由于大数据本身具有分散、海量、高速、异质的特征，采集难度较大，因此保证数据采集的稳定性、可靠性、高效性、可用性和可扩展性等是主要的技术目标，越来越多的企业开始选用专业的数据采集服务。大数据整合的目标是将各种分布的、异构的数据源中的数据抽取后，进行清洗、转换，最后加载到数据仓库或数据集市中，作为数据分析处理和挖掘的基础；这个过程常常也被称为ETL（Extract/抽取，Transform/转换，Load/加载），通常ETL占到整个数据仓库开发时间的60%80%。大数据时代，数据整合软件的市场也开始了整体的技术升级，主要解决两个主要技术问题，一是独立的ETL应

29、用服务器的计算能力普遍不足，二是无法处理半结构化和非结构化数据。经过几年的技术发展，ETL过程逐步演进为ELT，即数据抽取后直接加载（Load）到大数据平台中，再基于大数据平台的计算能力来实现数据转换（Transform），不再依赖ETL应用服务器做抽取和转化工作，这样可以解决ETL应用服务器的处理能力不足问题，充分利用大数据平台的分布式计算能力提升数据集成的效率和稳定性。2、大数据存储和处理大数据存储与处理要用服务器及相关设备把采集到的数据存储起来，使得数据能够被高效地访问和运算。由于数据量的爆发式增长，尤其是非结构化数据的大量涌现，传统的单机系统性能出现瓶颈，单纯地提高硬件配置已经难以跟上

30、业务的需求，产生的海量数据没有合适的存储场所，企业被迫放弃大量有价值的数据；数据处理的速度和性能出现瓶颈，业务的深度和广度受到限制。因此，过去十年间，计算机系统逐步从集中式向分布式架构发展。分布式架构及相关技术通过增加服务器的数量来提升系统的处理能力，每个节点都是一个可独立运行的单元，单个节点失效时不会影响应用整体的可用性。分布式系统在扩展性、容错性、经济性、灵活性、可用性和可维护性方面具有明显优势。3、数据治理根据国际数据管理协会的定义，数据治理是对数据资产管理形式权利和控制的活动集合。数据治理是一个管理体系，包括组织、制度、流程和工具，随着集成和存储的数据量增加，数据治理的难度也逐渐增加，

31、牵扯的关联方也越来越多，因此需要一套适合企业的方法论来开展工作。业界逐渐形成了DAMA、DCMM等较完整的数据治理体系框架，一般包括制定数据治理战略、定义数据治理工作机制、通过各个业务专题来落实相关数据治理工作内容，并最终落实到数据治理工具上来实现高效持续的数据治理的执行流程。具体到数据治理的内容，一般包括元数据管理（包括元数据采集、血缘分析、影响分析等）、数据标准管理（包括标准定义、查询与发布等）、数据质量管理（包括质量规则定义、质量检查、质量报告等）、数据资产管理（包括数据资产编目、数据资产服务、资产审批等）、数据安全管理（包括数据权限管理、数据脱敏、数据加密等）、数据生命周期管理（包括数

32、据归档、数据销毁等）以及主数据管理（包括主数据申请、发布、分发等）这几个主要的部分。4、数据建模数据建模是构建企业数据仓库、数据湖和数据集市的重要过程，其通过一个业务级别的数据模型设计，将分散在不同数据源中的数据集成在一起，并通过一种面向业务主题的方式将数据分门别类来做重新组织和标准化，形成有明确业务意义的数据形式，统一为数据分析、数据挖掘等提供可用的数据。面向业务主题（如客户主题、账户主题等）的数据组织管理方式便于业务人员对数据的理解和综合使用。具体到技术层面，数据建模一般包括业务调研、架构设计、数据模型设计、数据库SQL开发与测试、业务集成上线等几个阶段，架构设计是整个工作的核心，一般会面

33、向不同的行业来设计相关行业的逻辑数据模型。在数据建模过程中使用的工具主要包括：数据模型设计与管理工具、SQL开发工具、任务调度工具等。5、数据分析和挖掘大数据分析和数据挖掘的核心目标是对客观事实规律进行描述、展示和总结、刻画、推广，可以从大量的数据中通过算法来揭示出隐含的、未知的并有潜在价值信息，并对客观规律进行溯源和解释，从而帮助决策者做出正确的预测和决策。围绕这个目标，大数据分析和挖掘的手段可以分为模型驱动、数据驱动等，一般通过统计、在线分析、情报检索、机器学习和专家系统等在内的多种方法来实现这一目标。现阶段在面对大数据“4V”问题时，大数据分析和数据挖掘工具对传统数据分析和挖掘工具做进一

34、步自动化和智能化；与此同时，近年来深度学习的兴起又为大数据分析提供了新的手段，其做为当前计算机行业的热点研究方向之一，其本质的目标是从大量数据中提取模式和知识，其要处理的对象包括结构化数据、半结构化数据和非结构化数据在内的所有类型数据，例如近年来在视频、语音等非结构化数据的分析需求快速增加，相应的深度学习技术也取得了飞速发展。6、数据流通数据流通是按照一定规则，将存储的数据或者数据分析、挖掘得到的信息作为流通对象，从供应方传递到需求方的过程。数据流通的具体内容包括可视化的分析报告、面向运营人员的数据标签、面向应用可以直接调用的数据指标API、面向数据分析人员的数据集、面向数据挖掘人员的数据特征

35、、和面向业务建模人员的单方或多方的建模模型等。基于数据水印、数据加密和脱敏、隐私计算、联邦学习的数据流通安全技术，可以提高数据流通的完整性和保密性。大数据行业发展背景1、大数据时代下传统数据管理软件面临多种挑战近年来随着互联网、移动互联网、物联网、5G等信息通信技术及产业的不断发展，全球数据量呈爆发式增长态势。数据作为和土地、资本、劳动力、技术一样的生产要素，在数字经济不断深入发展的过程中，地位愈发凸显。我国是数据资源大国，IDC研究报告指出，到2020年，中国数据量约12.6ZB，较2015年增长7倍，年复合增长率为124%。2025年中国的数据量预计达到48.6ZB，约占全球数据总量的30

36、%。数据资源总体呈现出“4V”的特点，即海量的数据规模（Volume）、多样的数据类型（Variety）、价值密度低（Value）、快速的数据流转（Velocity）。海量的数据规模指数据量大，包括采集、存储和计算过程中所涉及数据量都非常大。大数据的起始计量单位通常是PB（约1,000TB）、EB（约100万TB）或ZB（约10亿TB）。多样的数据类型指数据种类和来源多样化，包括结构化、半结构化和非结构化数据，具体表现为关系型数据、日志、音频、视频、文本、图片、地理位置信息等类型数据，多类型的数据对数据的处理能力提出了更高的要求。价值密度低指有价值数据所占比例低。随着互联网以及物联网的广泛应用

37、，信息感知无处不在，信息海量，但价值密度较低，通过结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代需要解决的重要问题之一。快速的数据流转指数据增长速度快，处理速度要求快，时效性要求高。例如实时监测场景中，企业需要对物联网设备数据进行实时处理并做出反应；零售电子商务应用类软件将消费者所持的移动设备的地理位置信息和其个人偏好相结合，推送有针对性的促销信息。这是大数据区别于传统数据使用的显著特征。随着信息技术以及实际业务需求的快速发展，传统数据管理软件在处理大数据场景时不能很好适应数据的“4V”特性，面临较多技术挑战。因此，传统数据管理软件迫切需要技术革新。2、传统集中式软件栈向新兴分布

38、式软件栈演进1970-2000年，数据管理软件主要为集中式架构的关系型数据库，其软件产品具备不可分割性（atomicity）、一致性（consistency）、隔离性（isolation，又称独立性）、持久性（durability）即“ACID”功能特性，占据了数据管理软件的主导地位。关系型数据库技术出现在20世纪70年代，经过二十余年的发展，到90年代已经成熟。市场上具有代表性的集中式架构关系型数据库产品包括Oracle、IBMDB2以及微软SQLServer等。2000年以来，随着互联网和计算机技术的快速发展，需要处理的数据量更大、类型更丰富、速度要求更快，传统集中式计算架构已无法适应数据

39、海量、异构、多源等特点，在部署的扩展性、容错性、经济性、灵活性等方面有一定局限性。谷歌于2003年-2006年间的三篇论文奠定了分布式存储和计算的基础，而后行业从业者基于以上理论建立了Hadoop、Spark等大数据分布式系统框架，并交由Apache软件基金会托管；2009年，在JohanOskarsson开源分布式数据库的讨论中，来自Rackspace的EricEvans重提NoSQL概念，用以指代非关系型的分布式数据存储系统。针对于不同的场景，分别产生了图数据库、搜索引擎、文档数据库、键值数据库等NoSQL数据库，代表性NoSQL数据库提供商包括MongoDB、Elastic等。2010年

40、以来，随着数字化转型的逐步深化，快速变化的业务场景呈现了复杂化、多样化的态势。复杂的业务场景往往需要使用多种数据模型，以及数据模型间的融合。这个时期的，行业内大部分数据库都是面向单一数据模型而设计的，用以解决特定业务场景的特定问题。例如，使用传统的关系型数据库解决结构化数据的存储和处理问题、使用图数据库解决图相关的存储和处理问题、使用文档数据库解决文本相关的存储和处理问题。由于结构化数据和非结构化数据通常以不同的格式和模式存储，单模型数据库虽然优化了数据存储和处理，却难以满足日趋增长的、多样的业务场景需求。当同一业务需要用到不同类型数据的时候，受限于单模型数据库的处理能力，客户往往需要部署多个

41、相互独立的单模型数据库，在对不同模型数据进行联合处理的时候，需要对数据进行搬迁或融合，导致架构复杂度高、开发成本高、运维成本高以及数据处理效率低。由此，催生了从单一数据管理系统到融合型、多模型数据管理系统的技术需求。此外，随着云计算技术的大规模应用，传统各类软件产品都开始由独立部署模式向云服务模式转变。其中数据库作为信息系统核心软件，逐渐附加云化能力形成云原生数据库，以服务的形式对外提供技术支撑。云原生数据库按照部署方式可以分为公有云部署和私有云部署。其中，私有云部署模式由企业提供云数据库依赖的底层物理资源，数据库服务商负责部署云原生数据库软件，后期企业和数据库服务商约定运维维护工作的具体职责

42、分工等，特点是“自有资源池化”，“数据不外流”等。相比公有云部署下的云数据库，私有云模式更加关注信息安全，能够实现对数据安全性和服务质量最有效控制，仅限于企业员工和取得授权的合作伙伴使用。多模型、数据库云原生相关技术已经成为信息产业的未来发展方向，促使大数据软件进一步革新，规模呈现快速增长趋势，代表性企业如Snowflake、AWS等。相较于国内外的现状，私有云在面向国计民生的相关行业更受客户欢迎，面向私有云模式的云原生数据库预计在未来将获得快速增长。随着技术不断成熟，分布式架构将逐渐成为主流。自底向上，传统的集中式资源管理调度逐渐向基于云原生技术的分布式统一资源管理平台发展；数据管理软件技术

43、架构也会因为计算模式的转变发生重大变革，传统的集中式数据库逐渐向分布式、多模型数据库发展；传统数据分析软件逐渐向新型的分布式数据开发和智能分析软件发展。3、国产基础软件迎来爆发式增长阶段当前，中国大数据软件领域处于发展的历史机遇期，我国高度重视大数据在经济社会发展中的作用，十八届五中全会提出“实施国家大数据战略”，国务院印发的促进大数据发展行动纲要指出，建立安全可信的大数据技术体系是推进大数据产业基础研究和核心技术攻关的重要目标。“十四五”规划和2035年远景目标纲要提出，培育壮大人工智能、大数据等新兴数字产业，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统行业转

44、型升级，打造数字经济新优势。全球新一代信息产业处于加速变革期，大数据相关底层技术处于创新突破期，国内市场需求处于爆发期，为国内基础软件厂商带来明确的增长机遇。同时，随着国内基础软件人才的不断增加，在应对新一代场景，不断积累技术经验过程中，国内已形成具备自主研发实力且能与国外厂商竞争的基础软件厂商，并开始实现规模产业化落地。大数据与互联网营销互联网是直复营销的重要载体，更是互联网时代企业与顾客互动的重要载体。互联网具有跨时空、交互式、个性化、信息多样化（文字、声音、图像）等特征，而且其成本较低，使得互联网营销（亦称网络营销或网上营销或在线营销）客观地存在一种高效率的互动关系。互联网（包括移动网和

45、互联网融合的移动互联网）为营销者和消费者提供了更好的互动和个性化的机会。（一）大数据、移动网络推动了互联网营销1、大数据是互联网营销的技术保障“大数据时代的预言家”、大数据时代的作者维克托迈尔舍恩伯格给出的解释或许更易于理解，他认为，“大数据”是指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理；大数据并不是很大或者很多的数据，并不是一部分数据样本，而是针对某个现象或事项的所有数据。比如说关于一家企业的数据信息，除了企业名称、法定代表人、注册资本、经营范围等基本信息外，还包括财务信息、经营信息、外部关联关系、诚信状况等信息。大量、多维、立体、交织信息的汇集，就可以基于不同需求分

46、析为不同主体提供数据基础。依照大数据时代的翻译者、电子科技大学互联网科学中心主任周涛教授的说法，“大数据”是“数据化”趋势下的必然产，物。而数据化最核心的理念就是“一切都被记录，一切都被数字化”。大数据不是一部分数据样本，而是关于某个现象的全部数据。对企业而言，理解大数据要重视其多样化的形态和来源，发展对数据的深度分析能力，从而整合内部和外部信息，融合业务资源和社交媒体，进行准确预测。从战略思维视角来解释，大数据不仅是一种技术，同时也是企业的管理思维和运作范式。通过数据融合与分析挖掘，借以提升管理效率，开拓价值创造模式，它契合了互联网的开放性、普惠性、个性化特征。大数据变革了需求发现机制提升了

47、发现需求的能力；通过记录顾客或客户的消费历史、网页浏览路径、市场供需变动、甚至客户画像（个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据）等，企业的营销活动能够更加精准、更有针对性。借助大数据能够完成更精细的市场细分。基于此，对不同客户，企业能够借助大数据对其进行更精准的营销以刺激需求。亦即，企业有针对性地面对不同类别的客户选用不同推送方法，使得每一类顾客获取到的是自己期望获得的产品及相关信息，如此，相比全覆盖的轰炸式营销，能够减少顾客对促销的抵触感，提高营销效果。2、移动网络助力互联网营销

48、1991年英国物理学家TimBernersLee发明了万维网，但他也许不会想到万维网（wwW）如此迅速地推广，并对这个世界产生前所未有的深刻影响。美国知名经济学家泰勒考恩指出，“与电的发明不同，互联网还未改变每个人的生活，但它已经改变了许多人的生活，且将会对下一代产生更为强大的影响力，尤其有利于那些求知若渴的人、愿意去应付那些由泛泛之交构成的超大关系网的人、愿意以极快速度吸收信息的人”。4G是第四代移动通信及其技术的简称，是集3G与WLAN于一体并能够传输高质量，视频图像且图像传输质量与高清晰度电视不相上下的技术产品。与3G相比，通信速度更快、网络频谱更宽、通信更加灵活、智能性能更高、兼容性能

49、更平滑、提供更多增值服务、实现更高质量的多媒体通信、频率使用效率更高、通信费用更加便宜。4G网络的建设带动了4G手机用户的迅速增加。运营商的网络能力有了显著提升，消费者的通信体验大大改善。4G网络将移动上网的速度提升到100Mbps，已经达到了部分用户家庭中固定宽带的速率，使得人们能够在手机上体验到更快的网络访问速度。在没有WiFi的时候，4G网络可以起到很好的替代作用。4G网络的应用大大提升了信息交换效率。总之，互联网特别是移动网络技术的广泛应用，为互联网营销的实现提供了可能，主要原因是移动互联网更好地满足了顾客的时间碎片化的便利性需求。可以说，互联网特别是移动互联网是互联网营销的技术基础。

50、（二）官网自营互联网营销（习惯性称谓，在此章实际是互联网促销）有很多形式，如官网自营、微博营销、微信营销、搜索引擎营销、视频营销等。当然，不同分类下的称为也不尽相同，有的还有内容上的交叉。无论哪一种形式，都具有传播与促销的功能，有的还有直接提供服务的作用。官网上自营是互联网企业传递信息的直接渠道。不难理解，官方网站是体现主办者意志想法，企业信息公开，专用、权威和公开性质的一种网站，人们也常将其作为了解企业信息的首选方式。官网自营可以充分利用企业原有品牌影响力，官网的权威性给自身品牌背书。因此，企业在官网（PC端、移动端）开通互联网通道、发布品牌及产品信息、提供官方应用程序下载、设立产品论坛等，

51、目的就是充分利用官网的公信力和吸引力，形成自营渠道，实现销售产品或服务的目的。在自有业务平台（即官网）上传播品牌及业务，这是非常普遍的常态传播形式。同理，在相关管理部门许可的前提条件下，线下场景中也有在企业办公大楼上竖起广告牌的情形。只是线上的广告制作成本更低，甚至有时是零成本。（三）微博营销作为一种新兴媒体，微博进入门槛较低，它融合了传统媒体、网络媒体、手机媒体的功能于一身，具有强劲的传播优势：便携、即时、快速、互动性强，传播具有“裂变性”，有价值的信息会在短时间内得到关注，并迅速传播开来。有研究表明，一种传播媒体普及到5000万人，收音机用了38年，电视用了13年，互联网用了4年，而微博只

52、用了14个月。微博基于公开平台架构，允许用户创作和发布信息并附加多媒体内容，还可以帮助用户获得大量的内生和第三方开发的应用。加之微博营销的成本投入少、互动性强、传播速度快等特点，已成为企业特别是中小企业产品发布、促销信息传播、活动公告宣传、危机公关处理的首选平台，最终发展成为企业的自媒体。以新浪微博为例，截至2013年8月2日，其认证的企业微博近32万家2。2013年8月5日新浪与拥有900万家淘宝商户的阿里巴巴共同推出的新浪微博淘宝版，则使得微博这一营销模式发挥到了当时的极致，表现为当用户账户绑定后，微博用户可直接登录淘宝平台完成交易、支付等功能，实现新浪微博与淘宝账户互通，用户在绑定后可以

53、用一方账号登录另外一方的业务，大大减少在两个平台登录切换的成本，让购物和信息分享更为方便快捷。新浪微博积极推动用户基数增长，提升用户活跃度，加强移动端变现，优化广告产品以求从各个维度更好地服务持续增长的客户群体。微博的广告和营销业务继续保持强劲势头。（四）微信营销毫不夸张地说，微信的出现相当程度地改变了人们的生活方式。在今天的移动互联网时代，微信用户的使用频率和用户黏性远高于其他社交平台，因此，企业也有必要选择并利用好这样的工具实现有效的传播。微博最大的营销优势是其粉丝形成的广度，而微信的优势在于其点对点的沟通深度。相比微博而言，微信是个相对封闭的环境。也正因为微信将用户置于熟人关系中，在微信

54、中所产生信息的关注度比微博要高得多，尤其是在朋友圈被大量转发的文章往往能实现非常高的阅读量。微信与微博并不矛盾，并且可以联动、整合。1、微信营销的优势微信营销是指企业借助微信功能，通过提供用户需要的信息，推广自己的产品，从而实现点对点的营销。（1）潜在客户数量多。微信的快速的技术迭代，功能越来越强大，给用户带来的越来越多的便利和实用性，使其成为众多商家和企业潜在客户的聚集地，且微信的用户数量还在不断地攀升。至2016年年底，微信的月活跃用户正式超越了，在用户数字上，微信成为名副其实的腾讯第一大平台。可以预见，8亿多微信用户的背后蕴藏着巨大的潜在客户、市场容量大。（2）营销成本低廉。传统的营销推

55、广多在线下，成本固然较高；而微信是一种软件，且使用是免费的。也就是说，微信从注册、开通，到使用各种功能都不收取费用，只是在使用微信时产生的上网流量由网络运营商收取比较低廉的流量费。如此，企业通过微信开展的微信营销活动的成本自然也是非常低的。（3）营销信息到达率高。如果在微博上发布的信息，发布者无从知晓他（她）的粉丝是否真正收到、阅读了的信息。微信则不同。由于每一条信息都是以推送通知的形式发出，企业所发布的每一条的信息都会送达订阅用户手中，到达率几乎是100%，信息传播到达率高于微博。（4）精准营销。微信公众账号能够通过后台的用户分组和地域控制等手段对用户进行多样化分类，有利于准确发现用户（顾客

56、）需求，进而实现精准的信息推送，包括推送信息的方式、推送信息的内容等。（5）营销方式多元化。微信不仅支持文字，还支持语音以及混合文本编辑，普通的微信公众账号就可以群发文字、图片、语音三个类别的内容。而经过认证的微信公众账号，会有更高的权限，能推送更漂亮、更能体现企业意愿的图文组合信息。图文并茂，并辅之以有特色的语音和视频，比较容易拉近企业与用户（顾客）的距离，使营销活动变得更生动、更有趣、更有效。（6）营销方式人性化。微信的功能可以实现用户许可式选择和接受，由此，微信公众账号的内容推送既可以是企业主动推送，也可以把接收信息的权力交给用户，让用户自己选择自己感兴趣的内容，如回复某个关键词可以看到

57、相关的内容等。这种亲民而不扰民的设计，使得企业的微信营销过程更具有人性化。2、微信公众号营销微信营销的方式有很多，有以建立并维系客户关系为目的、发挥漂流瓶、查看附近的人、二维码扫描等微信功能的微信营销，也有利用开放平台、语音信息等功能进行内容推送、创意执行的微信营销，还有直接在公众平台上营造品牌及产品信息传递生态链的微信营销。结合本章目的，主要有微信公众号营销和微信群营销两类。必须提及的是，微信的公众平台功能较好地弥补了微信的封闭性，也让微信不止停留在社交的层面，可以作为一个有效的传播工具。对于公众平台来说，信息主要以推送的形式传达，是一种一点对多点的传播，传播广泛。针对微信公众号，腾讯分别提

58、供了三种类型的公众号，分别是服务号（主要偏于提供服务，类似银行、114、提供服务查询，认证前后都是每个月可群发4条消息）、订阅号（主要偏于为用户传达资讯，类似报纸杂志，认证前后都是每天只可以群发一条消息）和企业号（主要用于公司内部通信使用）。根据业务属性，企业可以选择申请不同种类的微信公众号，如果选择运营得当，可以很好地发挥传播与沟通的渠道效应。3、微信群营销除了微信公众账号外，微信的另一传播依托对象就是微信群（类似QQ群）。如，热度非常高的微信讲座也是非常好的一种宣传方式，借由一些公益性质的讲座活动，将高质量的用户吸引到同一个微信群中，增加企业直接接触目标用户的机会，可以说是一种性价比非常高

59、的传播方式。（五）搜索引擎营销搜索引擎在帮助企业从浩瀚如烟的海量网民中挖掘潜在顾客具有重要作用。潜在顾客主动查询，通过搜索关键词反映顾客需求，搜索引擎根据客户需求给出相应的结果，有效地增加网站流量、促进企业销售及推广、提高品牌知晓率。搜索引擎的直接作用和间接作用均不可小觑。1、搜索引擎及其营销意义搜索引擎，搜索的并不是所有数据，而是一些事先整理好的网页索引数据库，但是这些数据也是片断性地和网页文字相匹配的。简言之，搜索引擎指的是收集了互联网上众多网页并对网页中的每一个字进行索引，从而建立索引数据库。当某个用户在搜索框中输入并搜索某个关键词的时候，网页中包含的该关键词的网页就都会被作为搜索结果搜

60、索出来，经过复杂的算法进行有序的排列后，这些结果就按照与搜索关键词的相关度的匹配性，依次排列并展示出来。百度、谷歌、360搜搜、雅虎等都已经成为我们熟知的搜索引擎平台。搜索引擎营销（SEM）就是根据用户或顾客使用搜索引擎的方式利用用户或顾客检索信息的机会尽可能将营销信息传递给目标用户或顾客的过程。亦即，搜索引擎营销就是一种互联网营销手段，通过抓住用户或顾客对于搜索引擎的使用习惯和依赖性，把用户或顾客最终需要搜索的信息精准地推送给用户或顾客的过程。搜索引擎营销的意义表现在顾客和企业两个侧面。对用户（顾客）而言，可以非常便捷地进行精准的搜索，即用户（顾客）通过搜索引擎中的关键词精准找到自己需要的信