2021-2027年中國大數據產業(yè)發(fā)展動態(tài)及未來趨勢預測報告

第一章大數據產業(yè)相關概述

1.1　大數據介紹

1.1.1　大數據的產生

1.1.2　大數據的定義

1.1.3　大數據的類型

1.1.4　大數據的特點

1.1.5　大數據的數據來源

1.1.6　大數據的各個環(huán)節(jié)

1.1.7　大數據的發(fā)展階段

1.2　大數據的價值及影響

1.2.1　大數據的價值

1.2.2　大數據研究意義

1.2.3　大數據的應用價值

1.2.4　對信息時代的影響

1.3　大數據產業(yè)簡介

1.3.1　大數據產業(yè)的概念

1.3.2　大數據產業(yè)鏈分析

1.3.3　大數據產業(yè)發(fā)展的必然性

1.3.4　大數據產業(yè)的戰(zhàn)略地位

第二章大數據產業(yè)發(fā)展環(huán)境分析

2.1　政策（Political）環(huán)境

2.1.1　發(fā)達國家大數據政策對比

2.1.2　數據中心建設指導意見

2.1.3　大數據成為國家發(fā)展戰(zhàn)略

2.1.4　政府進一步開放數據平臺

2.1.5　地區(qū)加快制定大數據規(guī)劃

2.1.6　大數據完善政府治理體系

2.2　經濟（Economic）環(huán)境

2.2.1　世界經濟運行狀況

2.2.2　中國經濟運行現(xiàn)狀

2.2.3　中國經濟運行特征

2.2.4　中國經濟支撐因素

2.2.5　中國經濟發(fā)展預測

2.3　社會（Social）環(huán)境

2.3.1　人口環(huán)境分析

2.3.2　科技投入狀況

2.3.3　城鎮(zhèn)化發(fā)展進程

2.3.4　行業(yè)背景分析

2.4　技術（Technological）環(huán)境

2.4.1　大數據關鍵技術介紹

2.4.2　大數據技術研發(fā)熱點分析

2.4.3　大數據技術重點關注領域

2.4.4　世界主要企業(yè)加快技術研發(fā)

2.4.5　數據中心發(fā)展的技術影響因素

第三章2016-2020年國際大數據產業(yè)發(fā)展分析

3.1　2016-2020年全球大數據產業(yè)總體發(fā)展分析

3.1.1　全球大數據產業(yè)運行特征

3.1.2　全球大數據產業(yè)發(fā)展規(guī)模

3.1.3　全球大數據細分市場規(guī)模

3.1.4　全球大數據應用狀況調查

3.1.5　全球大數據行業(yè)市場格局

3.1.6　全球運營商布局大數據業(yè)務

3.1.7　部分國家大數據發(fā)展政策環(huán)境

3.1.8　部分國家運營商大數據發(fā)展狀況

3.1.9　發(fā)達國家大數據產業(yè)發(fā)展特點

3.2　2016-2020年歐盟開放數據戰(zhàn)略分析

3.2.1　大數據產業(yè)發(fā)展戰(zhàn)略

3.2.2　加大技術研發(fā)資助力度

3.2.3　探索公私合作項目

3.2.4　推進大數據應用舉措

3.2.5　歐盟大數據發(fā)展規(guī)劃

3.3　2016-2020年美國大數據產業(yè)發(fā)展分析

3.3.1　大數據發(fā)展戰(zhàn)略

3.3.2　大數據產業(yè)狀況

3.3.3　大數據應用案例

3.3.4　大數據技術發(fā)展措施

3.3.5　針對安全問題的政策

3.3.6　產業(yè)發(fā)展的經驗借鑒

3.4　2016-2020年日本大數據產業(yè)發(fā)展分析

3.4.1　大數據產業(yè)地位

3.4.2　市場規(guī)模及趨勢

3.4.3　看好大數據經濟效益

3.4.4　加強制造業(yè)大數據應用

3.4.5　運行大數據預防災害

3.4.6　產業(yè)重點企業(yè)分析

3.5　2016-2020年其他國家大數據產業(yè)發(fā)展狀況

3.5.1　英國

3.5.2　法國

3.5.3　愛爾蘭

3.5.4　澳大利亞

3.5.5　韓國

3.5.6　新加坡

第四章2016-2020年中國大數據產業(yè)發(fā)展分析

4.1　2016-2020年中國大數據產業(yè)發(fā)展綜述

多地舉辦數據創(chuàng)新應用活動，推進政務數據開發(fā)利用，激發(fā)數據活力。深圳、貴陽、上海、杭州、成都等連續(xù)舉辦了開放數據應用創(chuàng)新大賽，在進一步推動政府部門開放數據的同時，也提升了政務數據資源利用效率，激發(fā)社會創(chuàng)新活力。數據開放共享涉及疫情防控、環(huán)境保護、社會治理、醫(yī)療健康等多個領域，產生了一系列成果。以專利數量為例，在專利申請數量方面，重點城市專利申請的數量逐年增加，至2020年17個重點城市的專利申請總數從2012年的48067增至162372，專利申請數量翻了近4倍。其中北京、上海、深圳、南京、廣州、杭州等重點城市2020年專利申請數量超萬件，展現(xiàn)了強勁的科研創(chuàng)新能力。

2012-2020年中國大數據領域專利申請數量統(tǒng)計

資料來源：中國電子技術標準化研究院、中科大智慧城市研究院、CI0時代研究院、智研咨詢整理

4.1.1　產業(yè)發(fā)展歷程

4.1.2　產業(yè)發(fā)展階段

4.1.3　產業(yè)運行情況

4.1.4　產業(yè)發(fā)展提速

4.1.5　推動云基地建設

4.1.6　交易中心成立

4.2　2016-2020年中國大數據產業(yè)布局

4.2.1　市場供給結構

4.2.2　應用行業(yè)分布

4.2.3　區(qū)域集聚發(fā)展

4.2.4　華北產業(yè)集聚

4.3　2016-2020年中國大數據產業(yè)需求分析

4.3.1　主要行業(yè)大數據需求狀況

4.3.2　企業(yè)大數據的應用及需求

4.3.3　大數據存儲領域需求分析

4.3.4　中國小型機市場需求分析

4.4　中國大數據產業(yè)存在的問題

4.4.1　大數據產業(yè)發(fā)展難點

4.4.2　大數據產業(yè)存在的問題

4.4.3　大數據產業(yè)的現(xiàn)實挑戰(zhàn)

4.4.4　大數據應用面臨的挑戰(zhàn)

4.4.5　大數據安全問題分析

4.5　中國大數據產業(yè)的發(fā)展策略

4.5.1　大數據應作為國家戰(zhàn)略重點

4.5.2　大數據產業(yè)發(fā)展的政策建議

4.5.3　加快大數據的研發(fā)與應用

4.5.4　應避免大數據的過度建設

第五章2016-2020年大數據產業(yè)發(fā)展格局及發(fā)展模式

5.1　2016-2020年大數據產業(yè)競爭格局

5.1.1　不同規(guī)模企業(yè)的競爭力分析

5.1.2　IT產業(yè)競相布局大數據產業(yè)

5.1.3　網絡保險市場大數據競爭狀況

5.1.4　企業(yè)在智慧城市建設領域的競爭

5.2　2016-2020年中國大數據產業(yè)區(qū)域發(fā)展狀況

5.2.1　青海省

5.2.2　江蘇省

5.2.3　四川省

5.2.4　貴州省

5.2.5　廣東省

5.2.6　北京市

5.2.7　上海市

5.2.8　重慶市

5.2.9　廣州市

5.3　2016-2020年大數據產業(yè)鏈及市場主體分析

5.3.1　大數據產業(yè)鏈介紹

5.3.2　大數據產業(yè)結構

5.3.3　大數據主要子行業(yè)

5.4　2016-2020年大數據行業(yè)的盈利模式

5.4.1　解決方案

5.4.2　基礎設施

5.4.3　數據產品

5.4.4　行業(yè)應用

5.5　2016-2020年大數據業(yè)務的商業(yè)模式

5.5.1　大數據業(yè)務商業(yè)模式類型

5.5.2　大數據商業(yè)模式及應用特點

5.5.3　重點企業(yè)大數據商業(yè)模式

5.5.4　構建創(chuàng)新的大數據商業(yè)模式

第六章2016-2020年中國大數據行業(yè)主要設備市場分析

6.1　大數據一體機市場分析

6.1.1　大數據一體機簡介

6.1.2　大數據一體機的優(yōu)劣分析

6.1.3　大數據一體機的用戶類型

6.1.4　國外競爭格局與品牌分布

6.1.5　國內市場競爭格局分析

6.1.6　國內企業(yè)競爭優(yōu)劣勢分析

6.1.7　國內主流品牌及其特點

6.2　大數據處理和分析軟件市場分析

6.2.1　大數據與商業(yè)智能的關系

6.2.2　商業(yè)智能軟件的應用價值

6.2.3　全球商業(yè)分析軟件市場規(guī)模

6.2.4　全球大數據軟件市場發(fā)展態(tài)勢

6.2.5　國內大數據軟件市場發(fā)展狀況

6.2.6　國內商業(yè)智能軟件下游市場

6.2.7　全球大數據軟件市場發(fā)展?jié)摿?/p>

第七章2016-2020年重點行業(yè)大數據應用分析

7.1　醫(yī)療行業(yè)

7.1.1　醫(yī)療行業(yè)大數據應用價值

7.1.2　醫(yī)療行業(yè)大數據應用場景

7.1.3　醫(yī)療行業(yè)的數據類型分析

7.1.4　大數據對醫(yī)療行業(yè)的影響

7.1.5　醫(yī)療行業(yè)大數據應用的掣肘

7.1.6　醫(yī)療大數據實現(xiàn)中的關鍵問題

7.1.7　大數據在醫(yī)療領域的發(fā)展趨勢

7.2　金融行業(yè)

7.2.1　金融行業(yè)大數據應用價值

7.2.2　金融行業(yè)大數據應用領域

7.2.3　金融行業(yè)大數據應用狀況

7.2.4　金融行業(yè)大數據特征現(xiàn)狀

7.2.5　大數據優(yōu)化企業(yè)融資環(huán)境

7.2.6　金融行業(yè)大數據應用案例

7.2.7　大數據帶來的挑戰(zhàn)及對策

7.3　電子商務

7.3.1　大數據處理對電子商務的影響

7.3.2　電子商務大數據的應用需求

7.3.3　電子商務大數據的具體應用

7.3.4　數據分析提高電商企業(yè)績效

7.3.5　電子商務大數據的發(fā)展機遇

7.3.6　全球首個電商大數據指數發(fā)布

7.3.7　電子商務大數據應用挑戰(zhàn)及對策

7.4　零售行業(yè)

7.4.1　零售行業(yè)大數據應用價值

7.4.2　零售行業(yè)大數據應用需求

7.4.3　零售行業(yè)數據采集方式

7.4.4　零售行業(yè)大數據應用案例

7.4.5　零售巨頭積極運用大數據

7.5　電信行業(yè)

7.5.1　電信行業(yè)大數據應用價值

7.5.2　電信行業(yè)大數據應用背景

7.5.3　電信行業(yè)大數據應用需求

7.5.4　電信行業(yè)大數據應用情況

7.5.5　運營商數據中心建設動態(tài)

7.5.6　電信行業(yè)大數據應用案例

7.5.7　電信行業(yè)大數據發(fā)展機會

7.6　交通行業(yè)

7.6.1　交通行業(yè)大數據應用意義

7.6.2　交通行業(yè)大數據應用優(yōu)勢

7.6.3　交通行業(yè)大數據應用需求

7.6.4　交通行業(yè)大數據應用案例

7.6.5　交通行業(yè)大數據應用問題及對策

7.6.6　交通行業(yè)大數據應用發(fā)展展望

7.7　智慧城市

7.7.1　中國智慧城市的發(fā)展現(xiàn)狀

7.7.2　智慧城市大數據應用需求

7.7.3　智慧城市大數據應用價值

7.7.4　智慧城市大數據應用領域

7.7.5　智慧城市大數據應用案例

7.8　政府公共服務

7.8.1　政府公共服務中大數據應用價值

7.8.2　大數據在電子政務領域的應用

7.8.3　政府網絡執(zhí)政中大數據應用挑戰(zhàn)

7.8.4　政府統(tǒng)計工作中大數據應用機遇

7.8.5　大數據時代對政府信息公開的需求

7.8.6　軍隊管理中大數據的應用策略

7.9　其他行業(yè)

7.9.1　電力行業(yè)大數據應用分析

7.9.2　房地產業(yè)大數據應用狀況

7.9.3　服裝行業(yè)大數據應用分析

7.9.4　旅游行業(yè)大數據應用策略

7.9.5　影視行業(yè)大數據應用分析

7.9.6　媒體行業(yè)大數據應用狀況

第八章國外大數據行業(yè)重點企業(yè)發(fā)展形勢

8.1　IBM

8.1.1　企業(yè)發(fā)展概況

8.1.2　企業(yè)經營狀況

8.1.3　項目投資動態(tài)

8.1.4　項目合作動態(tài)

8.1.5　在華客戶案例

8.2　甲骨文

8.2.1　企業(yè)發(fā)展概況

8.2.2　企業(yè)經營狀況

8.2.3　大數據解決方案

8.2.4　大數據服務內容

8.2.5　企業(yè)大數據策略

8.2.6　大數據成發(fā)展重點

8.3　微軟

8.3.1　企業(yè)發(fā)展概況

8.3.2　企業(yè)經營狀況

8.3.3　大數據解決方案

8.3.4　企業(yè)發(fā)展優(yōu)勢

8.3.5　大數據發(fā)展現(xiàn)狀

8.3.6　推進數據中心建設

8.4　SAP

8.4.1　企業(yè)發(fā)展概況

8.4.2　企業(yè)經營狀況

8.4.3　大數據解決方案

8.4.4　大數據查詢平臺

8.4.5　大數據預測平臺

8.4.6　新版數字解決方案

8.4.7　在中國市場的地位

8.5　EMC

8.5.1　企業(yè)發(fā)展概況

8.5.2　企業(yè)經營狀況

8.5.3　大數據解決方案

8.5.4　大數據發(fā)展戰(zhàn)略

8.5.5　中國市場發(fā)展策略

8.6　惠普

8.6.1　企業(yè)發(fā)展概況

8.6.2　企業(yè)經營狀況

8.6.3　大數據領域發(fā)展動態(tài)

8.6.4　云監(jiān)控大數據解決方案

8.7　其他企業(yè)

8.7.1　Teradata

8.7.2　NetApp

8.7.3　亞馬遜

8.7.4　Google

8.7.5　Cloudera

第九章國內大數據行業(yè)重點企業(yè)發(fā)展形勢

9.1　中國移動通信集團公司

9.1.1　企業(yè)發(fā)展概況

9.1.2　經營效益分析

9.1.3　業(yè)務經營分析

9.2　中國電信集團公司

9.2.1　企業(yè)發(fā)展概況

9.2.2　經營效益分析

9.2.3　業(yè)務經營分析

9.3　中國聯(lián)通集團

9.3.1　企業(yè)發(fā)展概況

9.3.2　經營效益分析

9.3.3　業(yè)務經營分析

9.3.4　財務狀況分析

9.3.5　大數據業(yè)務

9.3.6　未來前景展望

9.4　百度公司

9.4.1　企業(yè)發(fā)展概況

9.4.2　企業(yè)經營狀況

9.4.3　業(yè)務經營分析

9.4.4　財務狀況分析

9.4.5　大數據業(yè)務

9.4.6 未來前景展望

9.5　騰訊公司

9.5.1　企業(yè)發(fā)展概況

9.5.2　經營效益分析

9.5.3　業(yè)務經營分析

9.5.4　財務狀況分析

9.5.5　大數據業(yè)務

9.5.6 未來前景展望

9.6　北京拓爾思信息技術股份有限公司

9.6.1　企業(yè)發(fā)展概況

9.6.2　經營效益分析

9.6.3　業(yè)務經營分析

9.6.4　財務狀況分析

9.6.5　大數據業(yè)務

9.6.6　未來前景展望

9.7　北京東方國信科技股份有限公司

9.7.1　企業(yè)發(fā)展概況

9.7.2　經營效益分析

9.7.3　業(yè)務經營分析

9.7.4　財務狀況分析

9.7.5　布局大數據

9.7.6　未來前景展望

9.8　北京同有飛驥科技股份有限公司

9.8.1　企業(yè)發(fā)展概況

9.8.2　經營效益分析

9.8.3　業(yè)務經營分析

9.8.4　財務狀況分析

9.8.5　發(fā)布大數據存儲

9.8.6　未來前景展望

9.9　浪潮集團

9.9.1　企業(yè)發(fā)展概況

9.9.2　經營效益分析

9.9.3　業(yè)務經營分析

9.9.4　財務狀況分析

9.9.5　布局大數據

9.9.6　未來前景展望

9.10　華為技術有限公司

9.10.1　企業(yè)發(fā)展概況

9.10.2　經營效益分析

9.10.3　業(yè)務經營分析

9.10.4　財務狀況分析

9.10.5　布局大數據

9.10.6 未來前景展望

第十章大數據產業(yè)投資戰(zhàn)略分析

10.1　全球大數據產業(yè)投資狀況

10.1.1　大數據市場投資空間巨大

10.1.2　數據中心的投資建設加快

10.1.3　大數據融資規(guī)模持續(xù)上升

10.1.4　大數據行業(yè)風險投資動向

10.1.5　大數據企業(yè)投融資動態(tài)

10.2　中國大數據產業(yè)投融資狀況分析

10.2.1　大數據產業(yè)投資歷程回顧

10.2.2　大數據企業(yè)融資情況分析

10.2.3　大數據產業(yè)投資領域分布

10.2.4　國內外大數據創(chuàng)業(yè)投資對比

10.2.5　大數據投資存在概念泡沫

10.2.6　大數據創(chuàng)業(yè)企業(yè)投資方向

10.2.7　國內大數據企業(yè)融資動態(tài)

10.3　大數據產業(yè)投資機遇

10.3.1　大數據產業(yè)的投資機遇

10.3.2　大數據產業(yè)的投資熱點

10.3.3　大數據時代的投資機遇

10.3.4　大數據應用行業(yè)潛在市場

10.4　大數據產業(yè)投資風險及防范

10.4.1　大數據行業(yè)投資風險綜述

10.4.2　數據的流動性和可獲取性風險

10.4.3　大數據項目投資風險急劇增加

10.4.4　評估大數據產業(yè)投資回報的措施

第十一章2021-2027年大數據產業(yè)發(fā)展前景及趨勢

11.1　全球大數據產業(yè)發(fā)展前景及趨勢預測

11.1.1　全球大數據市場規(guī)模預測

11.1.2　全球大數據收入規(guī)模預測

11.1.3　全球大數據分析方案收入預測

11.1.4　全球大數據市場發(fā)展熱點展望

11.2　中國大數據產業(yè)發(fā)展前景及趨勢預測

11.2.1　“十三五”發(fā)展機遇

11.2.2　大數據市場發(fā)展機會

11.2.3　大數據市場發(fā)展趨勢

11.2.4　大數據市場重點內容

11.2.5　大數據人才需求預測

11.2.6　大數據市場熱點猜想

11.2.7　應用市場發(fā)展趨勢

11.2.8　渠道模式趨勢分析

11.2.9　技術與產品趨勢

11.3　2021-2027年中國大數據產業(yè)預測分析

11.3.1　中國大數據產業(yè)發(fā)展因素分析

11.3.2　2021-2027年全球大數據市場規(guī)模預測

11.3.3　2021-2027年中國大數據市場規(guī)模預測

11.3.4　2021-2027年中國移動互聯(lián)網市場規(guī)模預測

11.3.5　2021-2027年中國金融行業(yè)大數據投資規(guī)模預測

附錄：

附錄一：促進大數據發(fā)展行動綱要

附錄二：貴州省關于加快大數據產業(yè)發(fā)展應用若干政策的意見

附錄三：貴州省大數據產業(yè)發(fā)展應用規(guī)劃綱要（2014-2020年）

附錄四：廣東省大數據發(fā)展規(guī)劃（2021-2027年）

附錄五：青海省關于促進云計算發(fā)展培育大數據產業(yè)實施意見

部分圖表目錄：

圖表1　大數據的類型

圖表2　大數據的4V特征

圖表3　大數據的構成

圖表4　大數據技術框架

圖表5　大數據的發(fā)展階段

圖表6　大數據的價值

圖表7　大數據產業(yè)鏈全景圖

圖表8　大數據產業(yè)相關企業(yè)一覽圖

圖表9　大數據產業(yè)鏈示意圖

圖表10　大數據政策比較框架

圖表11　各國大數據戰(zhàn)略規(guī)劃比較

圖表12　各國技術能力儲備政策比較

圖表13　國外政府數據開放與共享主要政策

圖表14　國外政府數據開放與共享主要政策（續(xù)）

圖表15　2016-2020年國內生產總值及其增速

圖表16　2016-2020年國內生產總值及增長速度

圖表17　2016-2020年全社會固定資產投資

圖表18　2016-2020年分行業(yè)固定資產投資（不含農戶）及其增速

圖表19　2016-2020年全社會固定資產投資

圖表20　2016-2020年按領域分固定資產投資（不含農戶）及其占比

圖表21　2016-2020年分行業(yè)固定資產投資（不含農戶）及其增長速度

圖表22　2016-2020年固定資產投資新增主要生產與運營能力

圖表23　2016-2020年全部工業(yè)增加值及其增長情況

圖表24　2016-2020年全社會建筑業(yè)增加值及其增長速度

圖表25　2016-2020年全部工業(yè)增加值及其增長速度

圖表26　2016-2020年主要工業(yè)產品產量及其增長速度

圖表27　2016-2020年按收入來源分全國居民人均可支配收入及其占比

圖表28　2016-2020年人口數及其構成

圖表29　2016-2020年研究與試驗發(fā)展（R&D）經費支出

圖表30　2016-2020年專利申請受理、授權和有效專利情況

更多圖表見正文……