一、大数据炒作来了？

今天有两只股票涨停，一个是中昌数据，一个是海量数据。同花顺软件给出的涨停原因是大数据。

马云说，“数据将取代石油，成为未来制造业最大的能源。”；

张亚勤说:“云计算和大数据是一个硬币的两面。云计算是大数据的IT基础，大数据是云计算的杀手级应用。”

大家对云计算的分析很多，但是大数据相对较少。本周休息三天，整理大数据行业。

按照我们的老规矩，基本的总结，产业链分析，市场规模，竞争格局，最后具体公司的分析都是陆续呈现的。

二。行业分析

大数据的基本概述

1。定义:大数据是指在一定时间范围内，常规软件工具无法捕捉、管理和处理的数据***。它是一种海量、高增长、多元化的信息资产，需要一种新的处理模式，以具备更强的决策、洞察和流程优化能力。

2。现金链:数据→信息→知识→决策。

大数据发展历程大数据的发展

1。探索期(2009-2011年):大数据产业在中国出现，并逐渐引起市场的关注。典型的大数据产品和服务相继上线，互联网公司率先应用大数据。

2。市场启动期(2012-2013年):

A .前期，大数据概念普及，企业用户不断提升，资本市场高度关注，大数据企业上市，拥有数据资产的企业寻求转型；

B .中期，由于大数据市场技术成熟度不足，市场开始第一轮洗牌，同质化强、技术成熟度弱、商业模式不清晰的大数据产品和服务运营困难，市场认可度低；

C .后期大数据市场不断出现新的商业模式、新产品、新服务，但效果并不明显，仍需市场检验，细分市场开始出现。

3。高速发展期(2014年至今):大数据市场的几个典型商业模式已经得到市场的确认，新的产品和服务有了稳定的刚性市场，细分市场逐渐走向差异化竞争。

大数据产业结构(从数据源到数据应用的完整生态链)

1。上游和下游的组成:

A .上游:数据源提供商、存储、计算和分析设施的硬件厂商和软件厂商；

B .下游:垂直应用行业、互联网、运营商等。

2。工业特征:

A .数据来源:数据类型包括结构化、半结构化和非结构化数据；数据来源包括销售、营销等企业，第三方机构和从事数据集成的组织；

B .数据处理:主要包括数据的ETL(抽取、转换、加载)、存储、计算、分析等过程，涉及数据切割、集成等动作。大量的中小企业通过推出特定的插件模块和基础工具，不断推动整个技术生态的繁荣；

C .数据应用:这个领域既包括传统的IT信息企业，也包括统计分析企业，还有新兴的大数据公司，如Palantir、Inrix等。这些企业针对不同的行业和应用场景，推出了相应的大数据解决方案。

3。行业应用:电力、交通、环保、政府、金融、银行、电信、医疗、IT等行业。

大数据产业模块(专业服务模块表现良好)

1。基础硬件:计算和存储两个子模块呈现出强劲的增长势头，整体份额极高，可见云计算和大数据两个子行业具有很强的相互拉动作用。

2。基础软件:主要由Hadoop计算框架和数据管理子模块组成，整体规模非常有限，增长缓慢。整个数据管理模块的收入包括传统的数据软件产品(ORACLE、DB2等。)和NoSQL商业产品。

3。专业服务:增长最快、份额最高的子模块整体保持较高增速。

大数据应用场景

1.大数据的典型行业应用包括:电力、交通、环保、银行、电信等。

2。互联网厂商是大数据时代的先锋，也是DT时代最大的玩家。其中，BAT毫无疑问是各方面的领头羊；

3.传统行业加速拥抱大数据，其中房地产、汽车、医疗等应用首当其冲；

4.大数据使用率每提高10%，给零售、咨询服务、航空空行业带来的收益最大。

数据源演进趋势：连接+融合数据源演变趋势:连接+融合

1。最大化大数据的价值需要数据连接和集成:

A .在数据类型上，更强调结构化、半结构化和非结构化数据的采集和存储，如音频、视频等；

B .在数据场景上，同时注意线上线下数据的可用性；

C .数据来源方面，除了依靠企业内部高层数据，更需要不断整合第三方数据；

d .在数据关联性方面，要消除数据孤岛，实现数据在可控范围内的自用流动和整合；

2。纯数据源企业的出现:目前数据源仍然与数据分析紧密绑定，但未来可能会逐渐出现从事纯数据源业务的企业。

数据分析演进趋势：技术变革数据分析的演变趋势:技术变革

1。传统数据分析时代:结构化数据在ORACLE、DB2等数据库中集中存储形成，然后通过BI工具和传统数据挖掘算法进行分析和展示；

2。大数据时代:

A.数据量大，结构化数据比例低，传统的IT架构和分析算法难以满足需求；

B.2003-2004年，Google提出了

GFS

(Google文件系统)和

MapReduce

，奠定了

分布式文件存储系统和分布式计算模型的理论基础；

C.2006年，分布式计算与存储框架

Hadoop项目

提出，其生态不断发展。云计算的成熟也为大数据奠定了基础。

数据分析演进趋势：分析方法

数据分析的发展趋势:分析方法

1。泛在分析:

即提供一个低门槛的

通用软件，比如美股大数据领导者Tableau开发的桌面系统，不强制用户编写自定义代码，新的控制***全可以自行配置，从而为各行业提供简单的行业数据模板和网络共享平台；

2。结合行业分析:向咨询和管理工具方向发展，利用我们在各行业多年积累的深厚经验，配合我们的大数据实力，帮助企业在现有数据中挖掘更多价值，例如分析工具领域最成功的新兴企业Splunk。Splunk公司开发的基于机器数据的搜索引擎可以收集所有应用、服务器和移动设备(包括物理、虚拟和云)产生的数据并生成索引，从而从一个位置快速搜索和分析所有实时数据和历史数据；

3。未来分析方法:未来大数据应用的集中爆发，将导致数据分析需求的多样化和定制化。所以结合具体应用场景进行深入行业分析的大数据分析工具，在未来会比一般的分析工具更有优势。

数据安全数据安全性

1。大数据安全分析技术:信息安全已经成为大数据分析问题，大规模的安全数据需要进行有效的关联、分析和挖掘；未来会有专门的安全分析平台和“安全分析师”或“安全数据分析师”等岗位；

2。隐私保护技术:需要技术和立法两方面。消费者的个人购买偏好、健康状况、财务状况等海量数据被收集，人们对隐私的担忧也在增加。奥巴马争辩道，“你不可能同时拥有100%的隐私和100%的便利以及100%的安全”。目前，IBM、微软、柯达、花旗、脸书、宝洁、360等企业都设立了“首席隐私官”职位，保护用户隐私；

3。数据脱敏技术:在保留数据原有特征的同时改变其值，从而保护敏感数据不被非授权访问，同时进行相关数据处理的技术。在数据脱敏的帮助下，信息仍然可以被使用和与业务关联，不违反相关规定，也避免了数据泄露的风险。

三、市场分析三。市场分析

大数据市场规模:数据规模爆炸式增长

在互联网快速普及、物联网加速渗透的背景下，PC、定位器、传感设备等。全面崛起，推动全球数据呈现出多元增长和大规模集聚的特征，为大数据产业发展奠定了巨大的数据基础:

A .数据规模庞大，增长极快。据IDC统计，2010年全球创造和***的数据总量为1.23 zb .2016年，这一规模为11.8ZB.预计2020年将达到44ZB，[

B .互联网和物联网带来庞大的数据基础。

互联网创造了大量的在线数据。同时，随着互联网与传统行业的融合，物联网时代的到来，数据的获取渠道正在不断拓宽，互联网加速了数据的流动和融合。

大数据市场规模

1。全球市场规模

A.近年来，美国、欧盟、日本等主要发达经济体积极推进大数据战略。2009年，美国科学家理事会(NSTC)发布了《发展数字数据的力量》报告；

B.根据《大数据***》、IDC、Wikibon等咨询机构的分析，2016年全球大数据

核心产业规模约为300亿美元

，预计2020年将达到近

600亿

。

2。中国的市场规模

A.信通院数据显示，2017年中国大数据产业规模(包括数据资源建设、大数据软硬件产品开发、销售和租赁以及相关信息技术服务)为

4700亿元

，同比增长30%，预计这一规模将超过

1万亿元[

B .大数据核心产业(与大数据直接相关的软件、硬件和专业服务)规模2017年为234亿元，同比增长39%，预计2018年为329亿元；

C.从行业来看，中国大数据应用占比最大的是金融业16%，其次是通信业15.6%，零售业13.9%，政府12.7%。

大数据的竞争格局

开源技术逐渐降低了企业进入大数据领域的门槛。再加上数据的大规模增长和日益丰富的应用场景，越来越多的企业加入到大数据掘金浪潮中，初创企业不断涌现。互联网巨头和传统IT厂商加速投资和并购，争夺市场领导者地位；

数据显示，IBM、SAP、甲骨文、Palantir、HPE、Splunk、埃森哲、Teradata、戴尔、微软等。主导全球大数据市场。2016年前十大厂商份额占比34%，预计2020年将达到40%以上。

四。大数据企业分析

Splunk(机器数据收集和分析服务提供商)

1。公司简介:成立于2003年。经过近10年的发展，逐渐成为机器日志处理和分析领域的全球领导者。通过不断的并购和外部合作，围绕机器日志分析不断扩充自身技术，丰富产品组合；

2。主营产品:

IT运营、应用管理、安全合规、网络智能、商业分析等。

3。商业模式:软件许可+运维服务。

Splunk软件平台可以实时索引、监控和分析任何APP、服务器或网络设备的机器数据，并根据结果生成图形报告。在此基础上，帮助客户避免服务性能下降或中断，逐步形成软件许可出售和运维服务两种主要模式。

4。财务数据:

2018年营收18亿美元，净利润-2.7亿美元，产品毛利率80%，市值170亿美元。

Palantir(数据汇总和分析服务提供商)

1。公司简介:

由彼得·蒂尔于2003年创立。发展初期主要为政府机构提供数据分析服务，后在政府订单的背书下逐渐将业务拓展到民用领域；2010年，摩根大通成为其首批非政府客户之一，2011年，它帮助美**队击毙了奥萨马·本·拉登。

2。主要产品:

主要产品有Gotham(政府)、Foundry(企业)和Metropolis(金融)，这些产品都是开放的、可扩展的、可伸缩的，可以在几周甚至几天内部署和工作，并且可以快速迭代以反映用户反馈。

3。商业模式:

整合海量数据源，形成全方位可视化输出，利用公司设计的相应算法，对单个个体或特定场景进行关联、定位、分析，提供解决方案。

4。财务数据:

2018年预计营收7.5亿美元，估值410亿美元。目前70%以上的业务来自非政府客户。

Infor***tica(智能数据集成治理平台提供商)

1。公司简介:

1993年成立于美国加州，1999年4月在纳斯达克上市，它帮助世界各地的组织为其主要业务提供及时、相关和可信的数据，从而在当今的全球信息经济中获得竞争优势。它于2005年进入中国市场。

2。主要产品:

初步形成了包括电力中心、电力交易所在内的产品数据集成软件，从智能数据平台到数据管理解决方案，从数据集成到数据质量管理、大数据管理、云数据管理，建立了完整的数据管理框架和产品线。

3。财务数据:

2015年，微软、Salesforce等公司联合将Infor***tica私有化。2015年营业收入11亿美元，净利润1.1亿美元，估值50亿美元。

五、研究总结

研究综述

1.数据来源丰富多样，数据规模大幅增长。大数据行业仍处于高速发展阶段，未来差异化竞争会越来越突出。

2.互联网厂商掌握C端数据(消费互联)，传统行业掌握B端数据(产业互联)。相互融合将是大势所趋。

3.数据应用是数据产业链中最大的子行业，增长在空之间

4.数据安全保护将是未来行业发展的重中之重。

5.大数据行业迎来新机遇，自主可控是长期趋势，国产化势在必行。

资本提案

1.关注企业内部数据建设的核心团队，比如数据治理，数据中间站到智能决策平台的建设，以及由此衍生的各种SAAS工具。

2.注重企业间数据源的多维互联，如产业采集、智能运维、交通智能调度管理、政务舆情、金融风控等。