大数据行业市场深度分析及发展规划咨询

大数据行业市场深度分析及发展规划咨询大数据行业面临的机遇（一）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，《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，赋能传统行业转型升级，打造数字经济新优势。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，营造良好数字生态，建设数字中国。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。（二）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。（三）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，《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，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。（四）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。在大数据市场发展下，大数据管理平台需求快速增长。（五）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。大数据行业发展背景（一）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%。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，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。（二）传统集中式软件栈向新兴分布式软件栈演进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。（三）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，《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。大数据行业的挑战（一）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能力有待持续提高。（二）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，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。（三）企业对于数据价值的认知及运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。（四）专业人才短缺问题成发展瓶颈我国仍存在严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到大数据产业的发展，业内为争取优秀人才，造成行业内人才竞争不断加剧。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。营销调研的含义和作用（一）市场营销调研的含义市场营销调研就是运用科学的方法，有目的、有计划地收集、整理和分析研究有关市场营销方面的信息，获得符合客观事物发展规律的见解，提出解决问题的建议，供营销管理人员了解营销环境，发现机会与问题，从而作为市场预测和营销决策的依据。菲利普•科特勒认为：营销调研是通过信息将消费者、顾客和大众与营销人员相互连接的过程。（二）市场营销调研的作用市场营销调研是企业营销活动的出发点，其作用十分重要。1、有利于制定科学的营销规划。营销调研可以帮助营销者评估市场潜力和市场份额，根据市场需求及其变化、市场规模和竞争格局、消费者意见与购买行为以及营销环境的基本特征，从而科学地制定和调整企业营销规划。2、有利于优化营销组合企业根据营销调研的结果，度量定价、产品、分销和促销行为的效果，分析研究产品的生命周期，开发新产品，制定产品生命周期各阶段的营销策略组合。如根据消费者对现有产品的接受程度，以及对产品及包装的偏好，改进现有产品，开发新用途，研究新产品的创意、开发和设计；测量消费者对产品价格变动的反应，分析竞争者的价格策略，确定合适的定价；综合运用各种营销手段，加强促销活动、广告宣传和售后服务，增进产品知名度和顾客满意度；尽量减少不必要的中间环节，节约储运费用，降低销售成本，提高竞争力。3、有利于开拓新的市场通过市场调研，企业可发现消费者尚未满足的需求，测量市场上现有产品及营销策略满足消费者需求的程度，从而不断开拓新的市场。营销环境的变化，往往会影响和改变消费者的购买动机和购买行为，给企业带来新的机会和挑战，企业可据以确定和调整发展方向。营销活动与营销环境市场营销环境通过其内容的不断扩大及其自身各因素的不断变化，对企业营销活动产生影响。市场营销环境的内容随着市场经济的发展而不断变化。20世纪初，西方企业仅将销售市场视为营销环境；30年代后，将政府、工会、竞争者等与企业有利害关系者也看作是环境因素；进入60年代，又把自然生态、科学技术、社会文化等作为重要的环境因素；20世纪90年代以来，随着政府对经济干预力度的加强，愈加重视对政治、法律环境的研究。环境因素由内向外的扩展，国外营销学者称之为“环境外界化”。营销环境是企业营销活动的制约因素，营销活动依赖于这些环境才得以正常进行。这表现在：营销管理者虽可控制企业的大部分营销活动，但必须注意环境对营销决策的影响，不得超越环境的限制；营销管理者虽能分析、认识营销环境提供的机会，但无法控制所有有利因素的变化，更无法有效地控制竞争对手；由于营销决策与环境之间的关系复杂多变，营销管理者无法直接把握企业营销决策实施的最终结果。此外，企业营销活动所需的各种资源，需要在环境许可的条件下取得，企业生产与经营的各种产品，也需要获得消费者或用户的认可与接纳。虽然企业营销活动必须与其所处的外部环境相适应，但营销活动绝非只能被动地接受环境的影响，营销管理者应采取积极、主动的态度能动地去适应营销环境。就宏观环境而言，企业可以通过不同的方式增强适应环境的能力，避免来自环境的威胁，有效地把握市场机会。在一定条件下，也可运用自身的资源，积极影响和改变环境因素，创造更有利于企业营销活动的空间。良好的企业营销行为会造就良好的营销环境，从而进一步形成良好的企业营销行为，反之亦然。营销环境与企业的循环互动作用，使营销环境与企业成为一个整体的系统。菲利普•科特勒的“大市场营销”理论认为：企业为成功地进入特定的市场，在策略上应协调地使用经济的、心理的、政治的和公共关系的手段，以博得外国的或地方的各有关方面的合作与支持，消除壁垒很高的封闭型或保护型市场存在的障碍，为企业从事营销活动创造一个宽松的外部环境。就微观环境而言，直接影响企业营销能力的各种参与者，事实上都是企业的利益共同体。按市场营销的双赢原则，企业营销活动的成功，应为顾客、供应商和营销中间商带来利益，并造福于社会公众。即使是竞争者，也存在互相学习、互相促进的因素，在竞争中，有时也会采取联合行动，甚至成为合作者。竞争者识别每个企业都要根据内部和外部条件确定自身的业务范围并随着实力的增加而扩大业务范围。企业在确定业务范围时都自觉或不自觉地受一定导向支配。企业的每项业务包括四个方面的因素：要服务的顾客群；要迎合的顾客需求；满足这些需求的技术；运用这些技术生产出的产品。企业确定自身业务范围时着眼点不同，业务范围导向就不同，竞争者识别和竞争战略也随之不同。1、产品导向与竞争者识别产品导向指企业业务范围限定为经营某种定型产品，在不从事或很少从事产品更新的前提下设法寻找和扩大该产品的市场。对照确定业务范围的四方面因素可知，产品导向指企业的产品和技术都是既定的，而购买这种产品的顾客群体和所要迎合的顾客需求却是未定的，有待于寻找和发掘。在产品导向下，企业业务范围扩大指市场扩大，即顾客增多和所迎合顾客的需求增多，而不是指产品种类或花色品种增多。实行产品导向的企业仅仅把生产同一品种或规格产品的企业视为竞争对手。产品导向的适用条件是：市场的产品供不应求，现有产品不愁销路；企业实力薄弱，无力从事产品更新。当原有产品供过于求而企业又无力开发新产品时，主要营销战略是市场渗透和市场开发。市场渗透是设法增加现有产品在现有市场的销售量，提高市场占有率；市场开发是寻找新的目标市场，用现有产品满足新市场的需求。2、技术导向与竞争者识别技术导向指企业业务范围限定为经营以现有设备或技术为基础生产出来的产品。业务范围扩大指运用现有设备和技术或对现有设备和技术加以改进而生产出新的花色品种。对照确定业务范围的四方面因素可知，技术导向指企业的生产技术类型是确定的，而用这种技术生产出何种产品、服务于哪些顾客群体、满足顾客的何种需求却是未定的，有待于根据市场变化去寻找和发掘。实行技术导向的企业把所有使用同一技术、生产同类产品的企业视为竞争对手。适用条件是某具体品种已供过于求，但不同花色品种的同类产品仍然有良好前景。与技术导向相适应的营销战略是产品改革和一体化发展，即对产品的质量、样式、功能和用途加以改革，并利用原有技术生产与原产品处于同一领域的不同阶段的产品。技术导向未把满足同一需要的其他大类产品的生产企业视为竞争对手，易于发生“竞争者近视症”。例如，钢笔的竞争产品包括圆珠笔、铅笔、墨水笔、毛笔和电脑等。当满足同一需要的其他行业迅猛发展时，本行业产品就会被淘汰或严重供过于求，继续实行技术导向就难以维持企业生存。3、需求导向与竞争者识别需求导向指企业业务范围确定为满足顾客的某一需求，运用可能互不相关的多种技术生产出分属不同大类的产品去满足这一需求。对照确定业务范围的四方面因素可知，需求导向指所迎合的需求是既定的，而满足这种需求的技术、产品和所服务的顾客群体却随着技术发展和市场变化而变化。根据需求导向确定业务范围时，应考虑市场需求和企业实力，避免过窄或过宽。过窄则市场太小，无利可图；过宽则力不能及。例如，铅笔公司若将自身业务范围定义为满足低年级学生练习硬笔字的需求则太窄，其他的铅笔市场被忽视；若定义为满足人们记录信息的需求则太宽，衍生出许多力不能及的产品，如电脑、录音机等。实行需求导向的企业把满足顾客同一需求的企业都视为竞争者，而不论他们采用何种技术、提供何种产品。适用条件是市场商品供过于求，企业具有强大的投资能力、运用多种不同技术的能力和经营促销各类产品的能力。如果企业受到自身实力的限制而无法按照需求导向确定业务范围，也要在需求导向指导下密切注视需求变化和来自其他行业的可能的竞争者，在更高的视野上发现机会和避免危险。需求导向的竞争战略是新产业开发，进入与现有产品和技术无关但满足顾客同一需求的行业。4、顾客导向顾客导向指企业业务范围确定为满足某一群体的需求。业务范围扩大指发展与原顾客群体有关但与原有产品、技术和需求可能无关的新业务。对照确定业务范围的四方面因素可知，顾客导向指企业要服务的顾客群体是既定的，但这一群体的需求有哪些，满足这些需求的技术和产品是什么，则要根据内部和外部条件加以确定。实行顾客导向的企业把满足同一顾客群体的企业都视为竞争者，而不论他们采用何种技术、提供何种产品、满足顾客的何种需求。顾客导向的适用条件是企业在某类顾客群体中享有盛誉和销售网络等优势并且能够转移到新增业务上。换句话说，该顾客群体出于对公司的信任和好感而乐于购买公司增加经营的与原产品生产技术上有关或无关的其他产品，公司也能够利用原有的销售渠道促销新产品。顾客导向的优点是能够充分利用企业在原顾客群体中的信誉、业务关系或渠道销售其他类型产品，减少进入市场的障碍，增加企业销售和利润总量。缺点是要求企业有丰厚的资金和运用多种技术的能力，并且新增业务若未能获得顾客信任和满意将损害原有产品的声誉和销售。5、多元导向多元导向指企业通过对各类产品市场需求趋势和获利状况的动态分析确定业务范围，新发展业务可能与原有产品、技术、需求和顾客群体都没有关系。如宝洁公司经营幼儿食品，菲利浦•莫里斯公司经营啤酒、饮料和冷冻食品等。实行多元导向的企业把所选定业务范围内的所有同类企业都视为竞争者。适用条件是企业有雄厚的实力、敏锐的市场洞察力和强大的跨行业经营的能力。多元导向的优点是可以最大限度地发掘和抓住市场机会，撇开原有产品、技术、需求和顾客群体对企业业务发展的束缚；缺点是新增业务若未能获得市场认可将损害原成名产品的声誉。营销调研的步骤营销调研的过程，通常包括五个步骤：确定问题与调研目标、拟定调研计划、收集信息、分析信息、提交报告。（一）确定问题与调研目标为保证营销调研的成功和有效，首先要明确所要调研的问题，既不可过于宽泛，也不宜过于狭窄，要有明确的界定并充分考虑调研成果的实效性。其次，在确定问题的基础上，提出特定调研目标。（二）拟定调研计划设计能够有效地收集所需要的信息的计划，包括概述资料来源、调研方法和工具等。由于收集第一手资料花费较大，调研通常从收集第二手资料开始，必要时再采用各种调研方法收集第一手资料，也可以从企业外部的商业公司购买有关资料。调查表和仪器是收集第一手资料采用的主要工具。抽样计划决定三方面的问题：抽样单位指确定调查的对象，抽样范围指确定样本的多少，抽样程序则是指如何确定受访者的过程。接触方法是指如何与调查对象接触的问题。（三）收集信息在拟定调研计划后，可由本企业调研人员承担收集信息的工作，也可委托调研公司收集。面谈访问必须争取被访问者的友好和真诚合作，才能收集到有价值的第一手资料。进行实验调查时，调研人员必须注意使实验组和控制组匹配协调，在调查对象汇集时避免其相互影响，并采用统一的方法对实验进行处理和对外来因素进行控制。（四）分析信息从已获取的有关信息中提炼出适合调研目标的调查结果。在分析过程中，首先要明确这些信息数据是依据何种尺度进行测定、加工的，然后借助多变量统计技术将数据中潜在的各种关系揭示出来，还可将数据资料列成表格，制定一维和二维的频率分布，对主要变量计算其平均数和衡量离中趋势。（五）提交报告调研人员向营销主管提出与进行决策有关的主要调查结果。调研报告应力求简明、准确、完整、客观，为科学决策提供依据。如能使管理决策减少不确定因素，则此项营销研究就是富有成效的。整合营销传播（一）整合营销传播的含义1992年，全球第一部整合营销传播（IMC）专著《整合营销传播》在美国问世，其作者是美国西北大学教授唐•舒尔茨及其合作者斯坦，利•田纳本、罗伯特，劳特朋。唐•E.舒尔茨关于整合营销传播的定义是：“整合营销传播是一种战略性经营流程，用于长期规划、发展、执行并用于评估那些协调一致的、可衡量的、有说服力的品牌传播计划，是以消费者、客户、潜在客户和其他内外相关目标群体为受