大数据行业市场构成分析

大数据行业市场构成分析

一、关系营销的具体实施

（一）组织设计

关系营销的管理，必须设置相应的机构。企业关系管理，对内要

协调处理好部门之间、员工之间的关系，对外要向公众发布消息、征

求意见、搜集信息、处理纠纷等。管理机构要代表企业有计划、有准

备、分步骤地开展各种关系营销活动，把企业领导者从烦琐事务中解

脱出来，使各职能部门和机构各司其职，协调合作。

关系管理机构是企业营销部门与其他职能部门之间、企业与外部

环境之间联系沟通和协调行动的专门机构。其作用是：收集信息资料,

充当企业的耳目；综合评价各职能部门的决策活动，充当企业的决策

参谋；协调内部关系，增强企业的凝聚力；向公众输送信息，沟通企

业与公众之间的理解和信任。

（二）资源配置

（1）人力资源调配。一方面实行部门间人员轮换，以多种方式促

进企业内部关系的建立；另一方面从内部提升经理，可以加强企业观

念并使其具有长远眼光。

（2）信息资源共享。在采用新技术和新知识的过程中，以多种方

式分享信息资源。如利用网络协调企业内部各部门及企业外部拥有多

种知识与技能的人才的关系；制定政策或提供帮助以削减信息超载，

提高电子邮件和语音信箱系统的工作效率；建立“知识库”或“回复

网络”,并入更庞大的信息系统；组成临时“虚拟小组”，以完成自

己或客户的交流项目。

(三)文化整合

关系各方环境的差异会造成建立关系的困难，使工作关系难以沟

通和维持。跨文化之间的人们要相互理解和沟通，必须克服不同文化

规范带来的交流障碍。文化的整合，是关系双方能否真正协调运作的

关键。合作伙伴的文化敏感性非常敏锐和灵活，它能使合作双方共同

有效地工作，并相互学习彼此的文化差异。

文化整合是企业市场营销中处理各种关系的高级形式，不同企业

有不同的企业文化。推行差别化战略的企业文化可能是鼓励创新、发

挥个性及承担风险；而成本领先的企业文化，则可能是节俭、纪律及

注重细节。如果关系双方的文化相适应，将能强有力地巩固企业与各

子市场系统的关系并建立竞争优势。

二、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，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

士制造模式、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”的重要组戌部分，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

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沟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、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

仓1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。

(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希缺，

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，业内公司为争取优秀人才，造

成行业内人才竞争不断加剧。

三、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虬2025年中国的数据量预计达到4&6ZB,约占全球数据总量的

30%o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）o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。

2、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，传统集中式计算架阂已无

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。

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。

四、大数据市场构成

大数据行业主要解决大数据的存储、处理、分析和价值发现等问

题，实现大数据的业务价值。从产品和服务来看，大数据市场产品和

服务包括三个主要部分，即大数据硬件、大数据软件、大数据专业服

务。

包括针对数据仓库、数据湖、数据集市、运营平台、知识图谱、

智能决策、情报搜索等方面的数据应用系统，以及基于大数据技术的

行业或业务线应用软件，如应用于数字化运营、数字化决策、智能制

造、预测分析、数字营销、智能风控、政府行业的一网通办、疫情防

控等领域的应用软件

五、行业未来发展趋势

1、分布式系统成为行业技术架构主要的发展方向

传统数据库以集中式架构为主，集中式架构由一台或多台主计算

机组成中心节点，数据存储以及整个系统的业务单元都集中部署于该

中心节点中，系统所有的功能均由中心节点集中处理。每个终端或客

户端仅仅负责数据的录入和输出，而数据的存储与控制处理完全交由

主机完成。分布式架构下，软件组件分布在不同主机上，主机之间通

过网络连接进行通信和协调。

随着海量及异构数据的数据分析需求增长，需要的计算、存储和

10等资源也在极速增加。集中式架构通过改善硬件配置来提升存储和

处理能力，但单台主机可配置的资源存在上限，因此传统的集中式架

构软件难以满足海量及异构数据的数据集的处理和分析需求。而为了

处理TB以及PB级别以上的数据规模，分布式的架构将数据分散在网

络上多个通过高速网络互联的节点上联合计算。因为数据分布在不同

节点，在进行计算任务时，任务也会被切分成多个子任务，分发到多

个节点上同时进行计算，能充分利用整个集群各个节点的计算资源、

存储资源和10资源，可线性提升集群的存储和处理能力。因此，分布

式架构能较好的处理该类问题，这也是分布式架构相对于传统单机架

构的核心优势。

在大数据场景下，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，能够较好的满足大数据分

析的需求。此外，近年来，分布式技术不断发展，在提供高弹性、支

持高并发的同时，支持关系型数据库中强事务性的特性，成为大数据

技术的重要发展方向。

2、数据管理软件趋向于统一多数据模型的平台

数据模型是决定数据库系统逻辑的重要因素，并从根本上决定以

何种方式存储、组织和操作数据，包括传统的关系模型和NoSQL数据

模型（文档模型、键值模型、图模型等）。大多数数据库管理系统只

能支持一种或少数几种数据模型，因此企业通常只能使用多种数据库

产品联合的方案来应对日益增长的异构数据模型处理需求。随着大数

据厂商技术实力的提升，逐渐出现了能够提供多数据库模型的大数据

平台技术。相比多种数据库产品的集成方案，多种数据库模型统一的

大数据平台的优势包括：（1）提升场景效率。同一份数据可以分别采

用多种数据模型存放，解决不同场景的处理效率问题；（2）统一分析

管理。关联不同模型的数据，统一分析管理；（3）降低运维成本。无

需维护多种数据库，降低运维成本；（4）降低数据持有成本，同一份

数据在不同的数据模型当中不需要全量存储，不同模型只需要存储必

要的数据内容即可，在查询时可以通过关联的方式获取全量信息。

未来多模型数据平台将通过不断提高计算、存储引擎的处理能力,

从操作响应速度、数据并发能力、数据管理成本等多个角度优叱企业

的数据需求，成为多模大数据平台的重要发展趋势。

3、云原生大数据平台架构成为未来的主要发展方向

云原生的代表技术包括容器、服务网格、微服务、不可变基础设

施和声明式API,这些技术能够构建容错性好、易于管理和便于观察的

松耦合系统。结合可靠的自动化手段，云原生技术使工程师能够轻松

地对系统作出频繁和可预测的重大变更。云原生技术有利于各组织在

公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展

的应用。面对客户日益增长的海量数据、多种数据结构的实时化、智

能化处理需求，云原生的大数据平台架构凭借计算存储解耦、资源池

化、Serverless等核心技术，提供了高弹性拓展、海量存储、多种数

据类型处理及低成本计算分析的能力。相比传统数据库，云原生数据

库及数据管理平台天然具备灵活性，能够提供强大的创新能力、丰富

多样的产品体系、经济高效的部署方式和按需付费的支付模式。

4、国家加速数据要素市场建设，推动数据安全流通技术的商业化

加速

根据《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》，我国将搭建统一开放、竞争有序的数据要素市场体系,

政策鼓励产业链各环节的市场主体进行数据流通和交易，促进数据要

素流通。当前，丰富的数据要素资源已经涵盖了政府、金融、运营商、

房地产、医疗、能源、交通、物流、教育以及制造业、电商平台、社

交网站等众多领域。同时，由于数据的流通和利用是数据要素价值创

造的前提。而跨域、跨中心的数据融合计算需求，以及数据要素在开

放流通环节中的安全需求（包括“可用不可见”、“可用不可得”、

“可用不出域”等），都使得数据的安全可信流通成为数据要素的市

场化配置的重要一环，也是各行业数字化转型过程中和过程后的必由

之路。

随着《数据安全法》、《个人信息保护法》的实施，以安全为前

提的数据开放利用将迎来新一轮发展机遇。隐私计算是在处理、分析

计算数据的过程中保持数据不透明、不泄露、无法被计算方以及其他

非授权方获取的一种技术解决方案，能够在充分保护数据和隐私安全

的前提下，实现数据价值的转化和释放，应用前景和商业价值巨大。

在国家加速数据要素市场建设和重视数据安全和隐私保护的大背景下,

数据安全防护技术、隐私计算技术的应用普及和商业化在加速进行。

六、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.现，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%o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%o在大数据软件中，随着大数据管理平台和数据应用中叵件产品

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虬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。

七、营销调研的方法

（一）确定调查对象

调查对象的代表性直接影响调查资料的准确性。根据调研的目的

及人力、财力、时间情况，要适当地确定调查样本的多少和确定调查

对象。

1、普查和典型调查

普查是对调查对象进行逐个调查，以取得全面、精确的资料，信

息准确度高，但耗时长，人力、物力、财力花费大。典型调查是选择

有代表性的样本进行调查，据以推论总，体。只要样本代表性强，调

查方法得当，典型调查可以收到事半功倍的效果。

2、抽样调查

当调查对象多、区域广而人力、财力、时间又不允许进行普查时,

依照同等可能性原则，在所调研对象的全部单位中抽取一部分作为样

本，根据调查分析结果来推论全体。常用的抽样方法有：

(1)纯随机抽样。完全不区别样本是从总体的哪一部分抽出，总

体中的每个单位都有同等机会被抽取出来。如采用抽签法或乱数表法。

(2)机械抽样。遵照随机原则，将全部调查单位按照与研究标志

无关的一个中立标志加以排列，严格按照一定的间隔机械地抽取调查

样本。由于样本在总体中分配较均匀，样本代表性也较大。

(3)类型抽样。实行科学分组与抽样原理相结合，先用与所研究

现象有关的标志，把被研究总体划分为性质相近的各组，以减低各组

内的标志变异度，然后在各组内用纯随机抽样或机械抽样的方法，按

各组在总体中所占比重成比例地抽出样本。这种方法也叫类型比例抽

样，样本代表性更大，可得到较纯随机抽样或机械抽样更精确的结果。

(4)整群抽样。上述方法都是从总体中抽取个别单位，整群抽样

则是整群地抽取样本，对这一群单位进行全面观察。其优点是比较容

易组织，缺点是样本分布不均匀，代表性较差。

(5)判断抽样。由专家判断而决定所选的样本，也称立意抽样。

(二)收集资料

调查收集第一手资料的方法，主要有以下几种。

1、固定样本连续调查

用抽样方法，从母体中抽出若干样本组成固定的样本小组，在一

段时期内对其进行反复调查以取得资料。调查技巧可采用个别面谈、

问卷调查、消费者日记或观察记录调查。固定样本连续调查能掌握事

项的变化动态，分析发展趋势。但如持续时间长，被调查者会感到厌

烦。所以，对一般问题的调查，往往采用一次性调查，其方法包括观

察法、实验法和询问法。

2、观察调查

由调查人员到现场对调查对象的情况有目的、有针对性地观察记

录，据以研究被调查者的行为和心理。这种调查多是在被调查者不知

不觉中进行的，除人员观察外，也可利用机械记录处理。如广告效果

数据，国外多利用机械记录器来收集。直接观察所得的资料比较客观,

实用性也较大。其局限性在于只能看到事态的现象，往往不能说明原

因，更不能说明购买动机和意向。

3、实验法

在给定的条件下，通过实验对比，对营销环境与营销活动过程中

某些变量之间的因果关系及其发展变化进行观察分析。如通过一项推

销方法在特定地区及时间的小规模实验，并用市场营销原理分析其是

否值得大规模推行，即销售实验。

4、询问调查

按预先准备好的调查提纲或调查表，通过口头、电话或书面方式,

向被调查者了解情况、收集资料。口头询问不仅能当面听取被调查者

的意见，还可观察其反应，发现新问题，能在较短时间内获得可靠的

资料；缺点是花费时间和人力较多，调查结果还会受调查人员的询问

技巧及主观因素影响。电话调查取得信息最快，回答率也较高，而且

同城电话费用也较低；不足之处是被调查对象限于通电话者，对问题

只能得到简单的回答，有时不易得到被调查者合作。通信调查一般是

将所要收集的资料设计成问卷，其调查面宽，能深入城乡各地，被调

查者也有充分时间考虑；主要缺点是回收率低、周期长，有时因误解

问卷或不愿认真回答造成误差较大。

八、市场定位的步骤

市场定位通过识别潜在竞争优势、企业核心竞争优势定位和制定

发挥核心竞争优势的战略三个步骤实现。

（一）识别潜在竞争优势

识别潜在竞争优势是市场定位的基础。通常企业的竞争优势表现

在两方面：成本优势和产品差别化优势。戌本优势是企业能够以比竞

争者低廉的价格销售相同质量的产品，或以相同的价格水平销售更高

一级质量水平的产品。产品差别化优势是指产品独具特色的功能和利

益与顾客需求相适应的优势，即企业能向市场提供在质量、功能、品

种、规格、外观等方面比竞争者更好的产品。为实现此目标，首先必

须进行规范的市场研究，切实了解，目标市场需求特点以及这些需求

被满足的程度，这是能否取得竞争优势、实现产品差别化的关键。其

次要研究主要竞争者的优势和劣势。可从三个方面评估竞争者：一是

竞争者的业务经营情况，如近三年的销售额、利润率、市场份额、投

资收益率等；二是竞争者核心营销能力，主要包括产品质量和服务质

量的水平等；三是竞争者的财务能力，包括获利能力、资金周转能力、

偿还债务能力等。

（二）企业核心竞争优势定位

核心竞争优势是与主要竞争对手相比，企业在产品开发、服务质

量、销售渠道、品牌知名度等方面所具有的可获取明显差别利益的优

势。应把企业的全部营销活动加以分类，并将主要环节与竞争者相应

环节进行比较分析，以识别和形成核心竞争优势。

（三）制定发挥核心竞争优势的战略

企业在市场营销方面的核心能力与竞争优势，不会自动地在市场

上得到充分的表现，必须制定明确的市场战略来加以体现。比如通过

广告传导核心优势战略定位，逐渐形成一种鲜明的市场概念，这种市

场概念能否成功，取决于它是否与顾客的需求和追求的利益相吻合。

九、绿色营销的内涵和特点

（一）绿色营销的内涵

关于绿色营销，广义的解释是指企业在营销活动中体现的社会价

值观、伦理道德观，充分考虑社会效益，既自觉维护自然生态平衡，

更自觉抵制各种有害营销。因此，绿色营销也称伦理营销。狭义的绿

色营销，主要指企业在营销活动中，谋求消费者利益、企业利益与环

境利益的协调，既要充分满足消费者的需求，实现企业利润目标，也

要充分注意自然生态平衡，因此又称生态营销或环境营销。绿色营销

以促进可持续发展为目标。英国威尔斯大学的肯・毕泰教授在《绿色

营销一一化危机为商机的经营趋势》一书中指出：“绿色营销是一种

能辨识、预期及符合消费者与社会需求，并且可带来利润及永续经营

的管理过程”。“首先，企业所服务的对象不仅是顾客，还包括整个

社会；其次，市场营铛过程的永续性一方面需仰赖环境不断地提供市

场营销所需资源的能力，另一方面还要求能持续吸收营销所带来的产

物。”绿色营销观要求企业在营销中不仅要考虑消费者利益和企业自

身的利益，而且要考虑社会利益和环境利益，将四方面利益结合起来,

全面履行企业的社会责任。

(二)绿色营销的特点

绿色营销与传统营销相比，具有以下特征：

(1)绿色消费是开展绿色营销的前提。消费需求由低层次向高层

次发展，是不可逆转的客观规律，绿色消费是较高层次的消费观念。

人们的温饱等生理需要基本满足后，便会产生提高生活综合质量的要

求，产生对清洁环境与绿色产品的需要。

(2)绿色观念是绿色营销的指导思想。绿色营销以满足需求为中

心，为消费者提供能有效防止资源浪费、环境污染及损害健康的产品。

绿色营销所追求的是人类的长远利益与