大数据产品技术服务市场现状分析及发展前景.docx
《大数据产品技术服务市场现状分析及发展前景.docx》由会员分享,可在线阅读,更多相关《大数据产品技术服务市场现状分析及发展前景.docx(41页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、大数据产品技术服务市场现状分析及发展前景一、制订计划和实施、控制营销活动对目标市场、定位和营销组合的思考与决策,最后要形成营销计 划,作为营销行动的依据。“营销计划”是一个统称,一般分为品牌营销计划,即关于单个 品牌的营销计划;产品类别营销计划,关于一类产品、产品线的营销 计划,已经完成、认可的品牌计划应纳入其中;新产品计划,在现有 产品线增加新产品项目、进行开发和推广活动的营销计划;细分市场 计划,面向特定细分市场、顾客群的营销计划;区域市场计划,面向 不同国家、地区、城市等的营销计划;客户计划,是针对特定的主要 顾客的营销计划。这些不同层面的营销计划,相互之间需要协调、整 合。从时间跨度看
2、,营销计划可分长期的战略性计划和年度营销计划。 战略性计划要考虑哪些因素会成为今后驱动市场的力量,可能发生的 不同情境,企业希望在未来市场占有的地位及应采取的措施。它是一 个基本框架,由年度营销计划使之具体化。必要时,企业需要每年对 战略性计划进行审计和修订。制订营销计划之后,企业或战略业务单位需组织力量落实,并对营销进程进行控制,以保证达成预定的营销目标。象的改善,都不可能一跳而就,而是营销企业长期不懈努力的结果。尽管品牌资产是企业以往投入的沉淀与结晶,但这并不表明品牌资产 只增不减。事实上,企业品牌决策的失误、竞争者品牌运营的成功, 都有可能使企业品牌资产发生波动,甚至是大幅度下降,或者快
3、速增 长。三、(5)品牌资产是营销绩效的主要衡量指标。品牌资产是企业不断进行营销投入或营销活动的结果,每一种营销投入或营销 活动都或多或少地会对品牌资产存量的增减变化产生影响。正 因如此,分散的单一的营销手段难以保证品牌资产获得增值, 必须综合运用各种营销手段,并使之有机协调与配合。像奔驰、 可口可乐、SONY等品牌之所以能够长盛不衰,与品牌运营者 拥有丰富的营销经验和娴熟的营销技巧是密不可分的。如此说 来,品牌资产的大小是各种营销技术营销手段综合作用的结果,它在很大程度上反映了企业营销的总体水平。品牌资产是营销绩效的主要衡量指标。绩效的主要衡量指标。内大数据市场发展情况中国大数据市场在过去五
4、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%o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%o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
5、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。四、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
6、,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
7、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
8、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、
9、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
10、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
11、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
12、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。五、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虬数据资源总体呈现出4V的特点,即海量的数据
13、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
14、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
15、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
16、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、E
17、lastic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
18、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
19、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
20、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二、品牌资产的构成与特征品牌能给企业带来财富。同样的产品贴上不同的品牌标签,就可 以卖出不同的价格,其市场占有能力也有很大的差异。这是人所共知 的,如OEM就是以此为基础发展起来的。这种由品牌带来的超值利益 是品牌的价值体现,是由品牌这种特殊的资产生成的。称品牌是特殊 资产,不仅是因为它无形,而且还因为它的真实价值并未在企业财务 状况表中反映出来。(一)品牌资产的一般认知1、阿克的品牌资产释义美国加州大学伯克利分校营销战略学教授戴维阿克认为(1991), “品牌资产是与品牌、品牌名称和标志
21、相联系的,能够增 加或减少企业所销售产品或提供服务的价值和顾客价值的一系列品牌 资产与负债”,并且品牌资产“可以分为五类:品牌忠诚度、品牌知 名度、品质认知度、除品质认知度之外的品牌联想和品牌资产的其他 专有权专利权、商标、渠道关系等“。2、凯勒的品牌资产解读美国达特茅斯大学营销学教授凯文莱恩,凯勒认为(1998), “品牌资产代表了一种产品的附加值,这种附加值来源于以往对此品 牌的营销投资”;“以顾客为本的品牌资产就是由于顾客对品牌的认 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
22、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
23、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。六、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。其中,大数据软件部分按照产品功能的不同可以被分为:大数据 管理平台、数据应用中间件、数据智能分析工具、大数据应用四个部 分。七、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
24、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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 产品 技术服务 市场 现状 分析 发展前景
限制150内