“大数据”显然已经成为新一代“网红”

简介:

随着“云计算”、“互联网”、“物联网”的快速发展,大数据(Big Data)也吸引了越来越多的人关注,成为社会热点之一。大街小巷不论是技术人员、咨询人士以及各行各业的精英达人都在探讨着“大数据”,“大数据”显然已经成为新一代“网红”。 本文将从以下几个方面分析大数据及大数据产业:

  • 大数据是如何成为网红的?
  • 大数据究竟是什么?
  • 大数据发展阶段及市场规模
  • 大数据主要应用领域
  • 大数据产业链及细分领域
  • 我国大数据产业竞争格局
  • 我国大数据产业发展需求
  • 我国大数据产业存在挑战

一、 大数据是如何成为网红的?

大数据一词最早出现是在1980年著名未来学家托夫勒在其所著的《第三次浪潮》中,书中提出“如果说IBM的主机拉开了信息化革命的大幕,那么‘大数据’才是第三次浪潮的华彩乐章。” 2008年9月《自然》杂志推出了名为“大数据”的封面专栏,从此大数据开始崭露头角,2009年“大数据”才成为信息技术行业中的热门词汇。

2011年6月全球知名咨询公司麦肯锡发布《大数据:下一个创新、竞争和生产力的前沿》研究报告,最早提出“大数据时代已经到来”,从此大数据开始成为全球“网红”,美国、中国、英国、日本等纷纷提出要投资这位“网红”,引爆大数据发展的浪潮。

二、 大数据究竟是什么?

大数据在业内并没有统一的定义,不同厂商、不同用户,站的角度不同,对大数据的理解也不一样。随着大数据的不断火热,其定义通常指具有体量巨大(Volume)处理速度较快(velocity)、数据类型多样(variety)以及商业价值较高(Value)等4V特点的数据。

三、 大数据发展阶段及市场规模

目前,从发展阶段来看,我国大数据产业处于快速推进期,中国和美国几乎同一时期关注大数据产业,但与美国存在一定的差距,究其原因,美国是全球信息技术产业的领头羊, 在硬件和软件领域都拥有超一流的实力, 早在大数据概念火热起来之前, 美国信息技术产业在大数据领域已经有了很多技术积累, 这使得美国的大型信息技术企业可以迅速转型为大数据企业,从而推动整个大数据产业在美国的发展壮大。另外中国数据大多数都掌握在政府手里,数据源比美国相对封闭,数据分析受到局限,影响大数据的发展。

虽然目前中国在大数据领域稍滞后美国,但是从全球范围来看,大数据产业已经开始处于概念热潮的峰值滑落阶段,而我国大数据产业市场规模仍保持超高速增长。

2015年我国大数据市场规模为1692亿元(由于大数据是新兴产业,统计口径没有标准,市场上对于大数据规模的统计数据各有不同,本文是根据贵阳大数据交易所数据得来),占全球市场大数据总规模的20.30%,仍然具有增长空间。预计2020年全球大数据市场规模将超过10270亿美元,我国大数据市场规模将接近13625亿元。

四、 大数据主要应用领域

谈及大数据应用,可以分为政府服务类应用和行业商业类应用两种。

政府服务类数据应用为政府管理提供强大的决策支持。在城市规划方面,通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘,可以为城市规划提供强大的决策支持,强化城市管理服务的科学性和前瞻性;在交通管理方面,通过对道路交通信息的实时挖掘,能够有效缓解交通拥堵,并快速响应突发状况,为城市交通的良性运转提供科学的决策依据;在舆情监控方面,通过网络关键词搜索及语义智能分析,能提高舆情分析的及时性、全面性,全面掌握社情民意,提高公共服务能力,应对网络突发的公共事件,打击违法犯罪;在安防领域,通过大数据的挖掘,可以及时发现人为或自然灾害、恐怖事件,提高应急处理能力和安全防范能力。政府服务类大数据与民生密切相关,其应用主要包括智慧交通、智慧医疗、智慧家居、智慧安防等,这些智慧化的应用将极大地拓展民众生活空间,引领大数据时代智慧人生的到来。

行业商业类大数据应用较多,主要将大数据与传统企业相结合,有效提升运营效率和结构效率、推动传统产业升级转型。因此,各产业都在深入挖掘大数据的价值,研究大数据的深度应用,可以说,大数据在各行业的全面深度渗透将有力地促进产业格局重构,成为中国经济新一轮快速增长的新动力和拉动内需的新引擎。

目前,众多应用领域中,电子商务、电信领域应用成熟度较高,政府公共服务、金融等领域市场吸引力最大,具有发展空间。

五、大数据产业链及细分领域

大数据产业是以大数据为核心资源,将产生的数据通过采集、存储、处理、分析并应用和展示,最终实现数据的价值。整个大数据产业分为大数据核心业态和大数据衍生业态。

大数据核心业态围绕数据如何获取?获取后的数据如何存储并挖掘处理?处理后的数据如何应用?为重点。对应大数据产业架构的大数据存储层、大数据分析层和大数据应用层。

大数据衍生业态指围绕着大数据核心业态所需要的软硬件基础设施、安全服务、大数据交易和技术支持类产业。

依据从数据采集-数据存储-数据处理-数据分析-数据应用这条产业链进行梳理,共涉及到11类主要产品和服务:

六、 我国大数据产业竞争格局

1.市场结构:

我国大数据企业竞争格局总体呈现数据资源型企业、技术拥有型企业和应用服务型企业“三分天下”局面。

数据资源型企业,即先天拥有或者以汇聚数据资源为目标的企业,这类企业将占据一定先发优势,利用手中的数据资源,或挖掘数据来提升企业竞争力,或主导数据交易平台机制的形成。以在自身行业积累了丰富数据资源,和力图汇聚开放网络数据的企业以及互联网企业为代表。典型代表企业数据堂、星图数据、优易数据、腾讯、百度、阿里巴巴等。

技术拥有型企业是以技术开发见长的,即专注开发数据采集、存储、分析以及可视化工具的企业,包括软件企业、硬件企业和解决方案商,代表企业星环科技、永洪科技、南大通用、华为、用友、联想、浪潮、曙光等。

应用服务型企业是指为客户提供云服务和数据服务的应用服务型企业,这类企业广泛对接各个行业,专注于产品的便捷化和易维护性,同时要针对不同行业客户的需求提供差异化的服务代表企业百分点、明略数据、TalkingData等。

2.区域分布:

我国大数据产业集聚区主要位于经济比较发达的地区,北京、上海、广东是发展的核心地区,这些地区拥有知名互联网及技术企业、高端科技人才、国家强有力政策支撑等良好的信息技术产业发展基础,形成了比较完整的产业业态,且产业规模仍在不断扩大。

除此之外,以贵州、重庆为中心的大数据产业圈,虽然地处经济比较落后的西南地区,但是贵州、重庆等地依托政府对其大数据产业发展提供的政策引导,积极引进大数据相关企业及核心人才,力图占领大数据产业制高点,带动区域经济新发展。

京津冀地区依托北京,尤其是中关村在信息产业的领先优势,培育了一大批大数据企业,是目前我国大数据企业集聚最多的地方。不仅如此,部分数据企业扩散了到天津和河北等地,形成了京津冀大数据走廊格局;

珠三角地区依托广州、深圳等地区的电子信息产业优势,发挥广州和深圳两个国家超级计算中心的集聚作用,在腾讯、华为、中兴等一批骨干企业的带动下,珠三角地区逐渐形成了大数据集聚发展的趋势;

长三角地区依托上海、杭州、南京,将大数据与当地智慧城市、云计算发展紧密结合,吸引了大批大数据企业,促进了产业发展。上海发布《上海推进大数据研究与发展三年行动计划》,推动大数据在城市管理和民生服务领域应用。

大西南地区以贵州、重庆为代表城市,通过积极吸引国内外龙头骨干企业,实现大数据产业在当地的快速发展。2013年起,贵州市率先把握大数据发展机遇,充分发挥其发展大数据产业所独具的生态优势、能源优势、区位优势及战略优势等四大优势,抢占先机率先启动首个国家大数据综合实验区、国家大数据产业集聚区和国家大数据产业技术创新实验区;率先建成全国第一个省级政府数据集聚共享开放的统一云平台;率先开展大数据地方立法,颁布实施《贵州省大数据应用促进条例》;率先设立全球第一个大数据交易所;率先举办贵阳国际大数据产业博览会和云上贵州大数据商业模式大赛等。

3.竞争态势:

从大数据产业链竞争态势来看,大数据产业链整体布局完整,但局部环节竞争程度差异化明显,产业链中游竞争集中度较高,基本被国外企业垄断,位于产业链下游的数据展示与应用竞争集中度较低,尚未形成垄断,是国内新兴企业最有机会的领域。

七、 我国大数据产业发展需求

我国持续增长的网民数量和互联网普及率为数据量的扩大奠定基础,随着“互联网+”的发展、信息技术的创新、互联网的普及,越来越多的数据将会得到记录,数据源范围会不断扩大,所属行业会不断丰富。据预测至2020年全球所产生的数据量将会达到40万亿GB(约为40EB),为大数据行业发展奠定基础,催生强大的大数据存储、处理与分析需求。

八、我国大数据产业存在挑战

虽然我国大数据产业快速发展,但是仍存在行业发展良莠不齐、数据开放程度较低、安全风险日益突出、技术应用创新滞后等四大挑战。

行业发展良莠不齐:我国大数据仍处于起步发展阶段,行业标准和管理机制尚未成熟,在“万众创新,大众创业”的大环境下,大量的大数据企业不断涌现,存在很多企业借大数据概念热潮投机倒把,行业发展良莠不齐;

数据开放程度较低:数据开放共享是促进大数据产业发展的重要举措,我国政府部门掌握着全体社会80%的信息资源,但这些信息资源由于部门或区域利益分别被不同的部门控制,且不同部门的数据标准不一致,导致信息流的上游环节处于封闭状态,不能有效地释放和共享,数据源的欠缺直接影响大数据分析和处理的需求,导致大数据应用缺乏价值;

安全风险日益突出:随着云计算、物联网和移动互联网等新一代信息技术的飞速发展,大数据应用规模日趋扩大,数据及其应用皆呈指数级增长态势,当企业用数据挖掘和数据分析获取商业价值的时候,黑客也可以利用大数据分析向企业发起攻击,同时社交网站的隐私数据也可能被不法商家利用等等,这都给数据安全带来了巨大的挑战;

技术应用创新滞后:我国大数据产业虽然与国际大数据发展几近步伐相同,但是仍然存在技术及应用滞后的差距,在大数据相关的数据库及数据挖掘等技术领域,处于支配地位的领军企业均为国外企业。市场上,由于国内大数据企业技术上的不足,用户更加青睐IBM、甲骨文、EMC、SAP 等国外IT企业,国内企业市场占有率仅5%左右。


本文作者:佚名

来源:51CTO

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
存储 数据挖掘 大数据
详解阿里云数据中台,一篇文章全面了解大数据“网红”
一直想写一篇关于数据中台正面文章,现在有闲时做些总结,想充分诠释一下DT内部人如何看待数据中台。 数据中台的概念是最早由阿里巴巴首次提出,是为了应对内部众多业务部门千变万化的数据需求和高速时效性的要求而成长起来的,它既要满足业务部门日常性的多个业务前台的数据需求,又要满足像双十一,六一八这样的业务高峰、应对大规模数据的线性可扩展问题、应对复杂活动场景业务系统的解耦问题,而在技术、组织架构等方面采取的一些变革。
24004 0
|
大数据
《新一代企业级大数据应用方案实践》电子版地址
新一代企业级大数据应用方案实践
41 0
《新一代企业级大数据应用方案实践》电子版地址
|
存储 弹性计算 人工智能
大数据性能提升28%!阿里云新一代本地SSD实例i4开放公测
计算性能稳定优异,极低访问延迟,主动运维
大数据性能提升28%!阿里云新一代本地SSD实例i4开放公测
|
SQL DataWorks 监控
DataWorks V2.0 新一代智能大数据研发平台
在2018年7月12日,DataWorks将会发布一个新版本,DataWorks V2.0。DataWorks V2.0在V1.0的基础上,推出了很多强大的功能,以提升大数据研发、运维的效率。下面给大家讲解一下本次发布新增的功能点。
5004 0
|
数据采集 大数据 区块链
大数据征信进入洗牌期,区块链或成新一代征信系统底层架构
区块链技术助推新一代征信系统体系建设。
1941 0
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0