中投顧問

24小時免費服務熱線400-008-1522

2022-2026年中國大數據行業投資分析及前景預測報告(上中下卷)

首次出版:2013年12月最新修訂:2022年1月交付方式:特快專遞(2-3天送達)

報告屬性:共610頁、49萬字、261個圖表下載目錄版權聲明

定購電話:0755-82571522、82571566、400-008-1522

24小時服務熱線:138 0270 8576 定制報告

中文版全價:RMB8900 印刷版:RMB8600 電子版:RMB8600

英文版全價:USD6000 印刷版:USD5800 電子版:USD5800

立即訂購 加入購物車 QQ咨詢 在線客服

贈送報告

訂購上方報告,即可免費獲贈以下二款報告中任意一款(電子版),多買多贈! 價值8900元《2022-2026年中國云計算產業投資深度研究報告》價值8900元《2022-2026年中國大數據產業政策深度調研報告》

中投顧問中投顧問
十四五將是中國技術和產業升級的關鍵期,重點機會有哪些?
掃碼關注右側公眾號,回復對應關鍵詞,即可免費獲取以下報告

報告目錄內容概述 定制報告

第一章 大數據產業相關概述
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 大數據的本質
1.1.4 大數據的特點
1.1.5 大數據的類型
1.1.6 大數據典型分類
1.1.7 大數據的各個環節
1.2 大數據的價值及影響
1.2.1 大數據價值分析
1.2.2 大數據研究意義
1.2.3 大數據應用價值
1.2.4 對信息時代影響
1.3 大數據產業鏈構成分析
1.3.1 大數據價值鏈模型
1.3.2 大數據產業鏈結構
1.3.3 產業鏈價值流動方向
1.4 大數據技術層結構分析
1.4.1 大數據關鍵技術構成
1.4.2 大數據采集與預處理技術
1.4.3 大數據存儲管理技術
1.4.4 大數據處理的核心技術
1.4.5 大數據分析挖掘技術
1.4.6 大數據可視化技術
1.4.7 大數據安全技術
第二章 2020-2022年國際大數據產業發展分析
2.1 全球大數據產業總體發展分析
2.1.1 產業發展變革
2.1.2 產業發展階段
2.1.3 產業規模狀況
2.1.4 細分市場格局
2.1.5 區域發展格局
2.1.6 重點企業分析
2.1.7 技術研發狀況
2.2 全球大數據產業發展特點
2.2.1 國家戰略布局加快
2.2.2 數字基建發展地位提升
2.2.3 數字治理規則博弈激烈
2.2.4 數字貿易規則制定加快
2.2.5 數字平臺壟斷監管加強
2.3 歐盟大數據產業發展布局
2.3.1 歐盟通過《數據治理法案》
2.3.2 歐盟數字經濟發展戰略
2.3.3 歐盟數字經濟發展成效
2.3.4 產業戰略建設的相關啟示
2.3.5 歐盟布局大數據產業應用
2.3.6 歐盟大數據產業人才規劃
2.4 美國大數據產業發展分析
2.4.1 大數據發展戰略政策
2.4.2 大數據支出規模占比
2.4.3 大數據應用案例分析
2.4.4 大數據協同創新措施
2.4.5 大數據技術發展措施
2.5 日本大數據產業發展分析
2.5.1 大數據發展歷程
2.5.2 大數據相關法規
2.5.3 大數據發展趨勢
2.5.4 大數據預防災害
2.5.5 “限定提供數據”條款
2.5.6 對我國大數據法律啟示
2.6 其他國家大數據產業發展動態
2.6.1 法國
2.6.2 韓國
2.6.3 新加坡
第三章 2020-2022年中國大數據產業發展分析
3.1 2020-2022年中國大數據產業發展綜述
3.1.1 大數據產業概念分析
3.1.2 大數據產業構建層次
3.1.3 大數據發展的必然性
3.1.4 大數據產業驅動主體
3.1.5 大數據產業發展階段
3.1.6 地區大數據產業聯盟
3.1.7 數字經濟的發展水平
3.1.8 大數據總體市場規模
3.1.9 大數據核心產業規模
3.2 中國大數據產業發展進程分析
3.2.1 法律方面
3.2.2 技術方面
3.2.3 應用方面
3.2.4 試點方面
3.2.5 人才方面
3.3 2020-2022年大數據產業競爭格局
3.3.1 大數據相關企業規模概述
3.3.2 大數據產業競爭主體分類
3.3.3 產業鏈環節競爭格局分析
3.3.4 大數據競爭企業資本層次
3.3.5 大數據投資價值百強企業
3.3.6 大數據創新場景應用服務商
3.3.7 互聯網企業布局大數據產業
3.3.8 大數據熱點應用領域的競爭
3.3.9 大數據產業競爭趨勢展望
3.4 2020-2022年中國大數據市場供需分析
3.4.1 大數據市場供給結構分析
3.4.2 主要行業大數據需求狀況
3.4.3 企業大數據的應用及需求
3.4.4 大數據熱點領域需求分析
3.4.5 企業大數據需求趨勢分析
3.5 大數據行業上市公司運行狀況分析
3.5.1 上市公司規模
3.5.2 上市公司分布
3.5.3 經營狀況分析
3.5.4 盈利能力分析
3.5.5 營運能力分析
3.5.6 成長能力分析
3.5.7 現金流量分析
3.6 中國大數據產業存在的問題
3.6.1 面臨挑戰分析
3.6.2 競爭壁壘問題
3.6.3 技術發展問題
3.6.4 成本投入問題
3.6.5 數據相關問題
3.6.6 數據安全問題
3.6.7 人才供需問題
3.7 中國大數據產業的發展策略
3.7.1 相關政策建議
3.7.2 推進研發應用
3.7.3 避免過度建設
3.7.4 提高數據安全
3.7.5 地區發展思路
3.7.6 推動標準建設
3.7.7 打破信息孤島
3.8 疫情影響下大數據產業發展分析
3.8.1 疫情對企業的影響
3.8.2 行業大數據應用問題
3.8.3 疫情帶來的行業機遇
3.8.4 互聯網大數據防疫走熱
3.8.5 疫情下電信大數據應用狀況
3.8.6 疫情下政府大數據應用狀況
3.8.7 疫情下工業大數據應用狀況
3.8.8 疫情下金融大數據應用狀況
3.8.9 疫情下醫療大數據應用狀況
第四章 大數據產業上游——數據源存儲層
4.1 數據基礎設施發展綜況
4.1.1 數據基礎設施的范圍
4.1.2 數據基礎設施的特征
4.1.3 數據基礎的相關企業
4.1.4 數據基礎設施的展望
4.2 數據來源層分析
4.2.1 大數據的來源渠道
4.2.2 新技術帶來數據增長
4.2.3 數據資源的網絡基礎
4.2.4 數據采集產業分析
4.2.5 數據資源獲取難度
4.2.6 數據資源開放情況
4.3 數據存儲層分析
4.3.1 大數據存儲方式
4.3.2 大數據儲存規模分析
4.3.3 大數據存儲架構分析
4.3.4 數據倉庫建設的重要性
4.3.5 新型MPP數據庫的價值
4.4 數據存儲中心建設狀況
4.4.1 全球數據中心建設規模
4.4.2 國內數據中心建設規模
4.4.3 國內數據中心投資規模
4.4.4 數據中心市場競爭格局
4.4.5 數據中心硬件成本分析
4.4.6 區域數據中心建設要求
4.4.7 數據中心總體發展趨勢
4.4.8 數據中心綠色節能趨勢
4.4.9 數據中心布局策略分析
4.5 數據資源型企業——電信運營商
4.5.1 中國移動
4.5.1.1 企業發展概況
4.5.1.2 大數據發展優勢
4.5.1.3 大數據產品體系
4.5.2 中國電信
4.5.2.1 企業發展概況
4.5.2.2 大數據PaaS平臺
4.5.2.3 數據產業布局
4.5.3 中國聯通
4.5.3.1 企業發展概況
4.5.3.2 大數據項目建設
4.5.3.3 聯通大數據公司
4.6 數據資源型企業——BAT企業
4.6.1 阿里巴巴
4.6.1.1 企業發展概況
4.6.1.2 產品技術架構
4.6.1.3 大數據計算服務
4.6.1.4 主要大數據平臺
4.6.1.5 企業數據庫方案
4.6.2 百度公司
4.6.2.1 企業發展概況
4.6.2.2 大數據解決方案
4.6.2.3 大數據分析平臺
4.6.3 騰訊公司
4.6.3.1 企業發展概況
4.6.3.2 騰訊大數據平臺
4.6.3.3 大數據技術架構
4.6.3.4 大數據布局動態
第五章 大數據產業中游——數據分析處理層
5.1 大數據處理及分析技術綜況
5.1.1 大數據采集與預處理
5.1.2 數據處理框架分析
5.1.3 數據計算模式分析
5.1.4 數據分析細分領域
5.1.5 大數據分析的優劣勢
5.2 大數據分析處理產業發展進程
5.2.1 技術研發熱點
5.2.2 技術應用領域
5.2.3 產業發展狀況
5.2.4 技術發展趨勢
5.3 數據標注行業發展分析
5.3.1 市場運行綜況
5.3.2 運營模式分析
5.3.3 垂直市場分析
5.3.4 區域市場格局
5.4 大數據可視化分析技術分析
5.4.1 數據可視化的基本概述
5.4.2 數據可視化的應用優勢
5.4.3 大數據可視化市場規模
5.4.4 大數據可視化市場格局
5.4.5 數據可視化的應用工具
5.4.6 數據可視化面臨的挑戰
5.4.7 數據可視化技術發展趨勢
5.5 大數據安全處理技術分析
5.5.1 大數據安全問題分析
5.5.2 大數據安全涉及的模塊
5.5.3 數據安全防護技術分析
5.5.4 數據脫敏安全控制技術
5.5.5 大數據安全防護體系分析
5.6 大數據技術擁有型企業分析
5.6.1 拓爾思
5.6.1.1 企業發展概況
5.6.1.2 大數據產品介紹
5.6.2 浪潮集團
5.6.2.1 企業發展概況
5.6.2.2 數據基礎模型
5.6.2.3 大數據產業園項目
5.6.2.4 建立智慧城市平臺
5.6.2.5 推進數據社會化發展
5.6.3 華為公司
5.6.3.1 企業發展概況
5.6.3.2 大數據解決方案
5.6.3.3 大數據產業園建設
5.6.3.4 大數據產業合作
第六章 大數據產業下游——數據交易層
6.1 大數據交易層分析
6.1.1 大數據交易層細分
6.1.2 數據交易品種及類型
6.1.3 數據交易的影響因素
6.1.4 大數據交易標準體系
6.1.5 數據交易市場發展對策
6.2 大數據交易市場運行狀況
6.2.1 大數據交易市場構成
6.2.2 大數據交易市場規模
6.2.3 大數據市場定價方式
6.2.4 細分大數據交易狀況
6.2.5 大數據交易場所的類型
6.2.6 大數據交易中心建設綜況
6.2.7 大數據交易監管體系分析
6.2.8 大數據交易市場人才需求
6.2.9 數據交易場所的問題及對策
6.3 國際重點大數據交易平臺分析
6.3.1 Factual
6.3.2 InfoChimps
6.3.3 Microsoft Azure
6.3.4 Fujitsu
6.4 中國大數據交易平臺發展綜況
6.4.1 交易平臺經營范圍
6.4.2 交易平臺發展背景
6.4.3 主要大數據交易平臺
6.4.4 交易平臺融資動態
6.4.5 平臺未來發展策略
6.5 中國典型大數據交易平臺分析
6.5.1 貴陽大數據交易所
6.5.1.1 平臺發展概況
6.5.1.2 平臺發展優勢
6.5.1.3 平臺發展劣勢
6.5.1.4 平臺運營標準
6.5.2 上海數據交易所
6.5.2.1 平臺建立背景
6.5.2.2 平臺特點分析
6.5.2.3 承擔監管職責
6.5.2.4 合規運營重點
6.5.3 數據堂交易平臺
6.5.3.1 平臺發展概況
6.5.3.2 平臺發展優勢
6.5.3.3 平臺發展劣勢
6.5.3.4 商業模式分析
6.5.4 中關村大數據交易平臺
6.5.4.1 平臺發展概況
6.5.4.2 平臺發展優勢
6.5.4.3 平臺發展劣勢
第七章 大數據產業下游——數據應用層
7.1 大數據應用層分析
7.1.1 大數據應用層結構
7.1.2 大數據衍生應用層
7.2 大數據應用服務型企業介紹
7.2.1 百分點集團
7.2.1.1 企業發展概況
7.2.1.2 大數據產業布局
7.2.2 明略數據
7.2.2.1 企業發展概況
7.2.2.2 大數據分析產品
7.2.3 TalkingData
7.2.3.1 企業發展概況
7.2.3.2 企業融資動態
7.2.3.3 未來發展態勢
7.3 工業大數據
7.3.1 工業大數據基本概況
7.3.2 工業大數據發展階段
7.3.3 工業大數據政策環境
7.3.4 工業大數據市場規模
7.3.5 工業大數據應用案例
7.3.6 工業大數據發展前景
7.3.7 工業大數據發展問題對策
7.3.8 工業大數據未來發展機會
7.4 醫療大數據
7.4.1 醫療大數據體系分析
7.4.2 醫療大數據應用場景
7.4.3 醫療大數據市場規模
7.4.4 醫療大數據市場供需
7.4.5 醫療大數據競爭格局
7.4.6 醫療大數據投資分布
7.4.7 醫療大數據應用案例
7.4.8 醫療大數據發展問題及對策
7.4.9 醫療大數據投資機會分析
7.5 金融大數據
7.5.1 金融大數據體系分析
7.5.2 金融大數據典型應用領域
7.5.3 金融大數據創新應用領域
7.5.4 金融大數據分析市場規模
7.5.5 金融大數據應用市場結構
7.5.6 金融大數據市場競爭格局
7.5.7 金融行業大數據發展特征
7.5.8 金融大數據安全挑戰及對策
7.5.9 金融大數據未發展機會分析
7.6 交通大數據
7.6.1 交通大數據應用價值分析
7.6.2 交通大數據應用狀況分析
7.6.3 交通行業大數據應用需求
7.6.4 城市交通大數據應用產業鏈
7.6.5 城市交通大數據應用規模
7.6.6 城市交通大數據競爭格局
7.6.7 交通大數據應用案例分析
7.6.8 交通大數據應用問題及對策
7.6.9 交通大數據應用未來發展展望
7.7 電信大數據
7.7.1 電信大數據的發展階段
7.7.2 電信大數據源供給規模
7.7.3 電信大數據應用需求分析
7.7.4 電信行業大數據應用情況
7.7.5 運營商大數據的應用模式
7.7.6 電信行業大數據應用案例
7.7.7 電信大數據應用痛點分析
7.7.8 電信大數據發展機會分析
7.8 零售大數據
7.8.1 零售大數據發展概況
7.8.2 零售行業數據采集方式
7.8.3 零售行業大數據應用需求
7.8.4 零售行業大數據應用案例
7.8.5 大數據下的新零售模式
7.8.6 零售大數據發展問題及對策
7.8.7 企業應用零售大數據的方向
7.9 電商大數據
7.9.1 電商大數據的主要來源
7.9.2 大數據處理對電子商務的影響
7.9.3 電子商務大數據的應用需求
7.9.4 電子商務大數據的具體應用
7.9.5 數據分析提高電商企業績效
7.9.6 全球首個電商大數據指數
7.9.7 政府重視電商大數據共享工作
7.9.8 電商大數據應用的挑戰及對策
7.10 政府大數據
7.10.1 政府數據資產基本分類
7.10.2 政府大數據的經濟價值
7.10.3 政府大數據的發展階段
7.10.4 政府大數據的發展規模
7.10.5 政府部門大數據應用案例
7.10.6 全國公安大數據發展前景
7.10.7 政府大數據信息公開需求
7.10.8 政府大數據未來發展展望
第八章 2020-2022年大數據應用軟件及設備分析
8.1 大數據軟件行業上市公司運行狀況分析
8.1.1 上市公司規模
8.1.2 上市公司分布
8.1.3 經營狀況分析
8.1.4 盈利能力分析
8.1.5 營運能力分析
8.1.6 成長能力分析
8.1.7 現金流量分析
8.2 大數據應用軟件分析
8.2.1 大數據軟件構成框架
8.2.2 大數據典型軟件分析
8.2.3 智能軟件的應用價值
8.2.4 大數據軟件市場規模
8.2.5 大數據軟件發展方向
8.3 大數據硬件設備分析
8.3.1 大數據硬件構成框架
8.3.2 大數據主要硬件設備
8.3.3 大數據硬件市場規模
8.4 大數據一體機設備分析
8.4.1 大數據一體機簡介
8.4.2 大數據一體機的優劣分析
8.4.3 大數據一體機的用戶類型
8.4.4 國外競爭格局與品牌分布
8.4.5 國內市場競爭格局分析
8.4.6 國內企業競爭優劣勢分析
8.4.7 國內主流品牌及其特點
第九章 2020-2022年大數據產業發展模式探究
9.1 大數據交易模式分析
9.1.1 以數據運營方式為分類標準
9.1.2 以大數據結構化程度為分類標準
9.1.3 以數據產權轉讓形式為分類標準
9.2 大數據行業盈利模式分析
9.2.1 解決方案
9.2.2 基礎設施
9.2.3 數據產品
9.2.4 行業應用
9.3 大數據行業商業模式分析
9.3.1 B2B大數據應用模式
9.3.2 技術提供及軟件開發
9.3.3 大數據咨詢分析服務
9.3.4 大數據服務市場規模
9.3.5 大數據通用服務模式
9.3.6 自有平臺大數據分析
9.3.7 信息訂制與采購模式
9.3.8 信息數據租售模式
9.4 企業大數據商業化應用模式
9.4.1 企業大數據的基本構成
9.4.2 企業大數據商業化應用背景
9.4.3 企業大數據商業化應用層面
9.4.4 企業大數據商業化應用重點
9.4.5 企業大數據商業化應用關鍵
9.4.6 企業大數據商業化應用途徑
第十章 2020-2022年重點區域大數據行業發展分析
10.1 中國大數據產業區域發展格局
10.1.1 國家大數據綜合試驗區
10.1.2 大數據企業業務區域分布
10.1.3 地區大數據管理機構設置
10.1.4 城市大數據發展排名狀況
10.1.5 國家重點大數據實驗室分布
10.2 大數產業區域發展指數分析
10.2.1 省域評估測評體系
10.2.2 省域發展指數排名
10.2.3 省域指數排名變化
10.2.4 主要區域發展特征
10.3 大數據產業園區發展分析
10.3.1 大數據產業園概述
10.3.2 大數據產業園區分類
10.3.3 大數據產業園分布特點
10.3.4 大數據產業園典型模式
10.3.5 產業園面臨機遇與挑戰
10.3.6 國家級新區布局大數據
10.4 京津冀大數據產業集群
10.4.1 京津冀地區經濟運行特點
10.4.2 京津冀大數據產業發展綜況
10.4.3 石家莊大數據產業發展狀況
10.4.4 北京市大數據產業發展狀況
10.4.5 天津市大數據產業發展綜況
10.4.6 天津市大數據管理中心建設
10.5 珠三角大數據產業集群
10.5.1 珠三角地區基本運行狀況
10.5.2 珠三角大數據產業發展特點
10.5.3 大數據試驗區建設方案出臺
10.5.4 廣東省大數據產業發展格局
10.5.5 廣州市大數據產業發展布局
10.5.6 深圳市大數據產業發展狀況
10.6 長三角大數據產業集群
10.6.1 長三角地區經濟運行狀況
10.6.2 長三角大數據產業發展綜況
10.6.3 長三角大數據產業發展特點
10.6.4 上海市大數據產業發展布局
10.6.5 浙江省大數據產業發展狀況
10.7 西南大數據產業集群
10.7.1 西南地區經濟運行狀況
10.7.2 重慶市大數據產業發展狀況
10.7.3 四川省大數據產業發展布局
10.7.4 云南省大數據中心建設布局
10.8 其他地區大數據產業發展布局動態
10.8.1 沈陽市
10.8.2 河南省
10.8.3 山東省
10.8.4 山西省
10.8.5 安徽省
10.8.6 湖南省
10.8.7 江西省
10.8.8 海南省
10.9 典型發展地區——貴州省大數據產業發展分析
10.9.1 貴州大數據發展機遇及優勢
10.9.2 貴州省大數據發展實力
10.9.3 貴州大數據產業優惠政策
10.9.4 貴州省數字設施投資狀況
10.9.5 貴州省數字產業發展動態
10.9.6 貴州大數據典型企業名單
10.9.7 貴陽市大數據發展狀況
10.9.8 貴安新區大數據建設狀況
10.9.9 貴州省大數據投資基金
第十一章 中投顧問對中國大數據產業投資價值分析
11.1 大數據產業投資價值及機會評估
11.1.1 投資價值綜合評估
11.1.2 市場投資機會評估
11.1.3 投資發展動力評估
11.1.4 投資進入時機分析
11.1.5 產業投資象項分布
11.2 大數據行業投資壁壘分析
11.2.1 競爭壁壘
11.2.2 技術壁壘
11.2.3 資金壁壘
11.2.4 政策壁壘
11.3 大數據產業投資風險及防范
11.3.1 大數據行業投資風險綜述
11.3.2 數據的流動性和可獲取性風險
11.3.3 大數據安全風險及防范機制
11.3.4 大數據項目投資風險急劇增加
11.3.5 大數據產業投資建議與策略
11.3.6 評估大數據產業投資回報的措施
第十二章 中投顧問對中國大數據產業投融資分析
12.1 A股及新三板上市公司在大數據行業投資動態分析
12.1.1 投資項目綜述
12.1.2 投資區域分布
12.1.3 投資模式分析
12.1.4 典型投資案例
12.2 大數據行業投融資熱度分析
12.2.1 數據源及流通領域
12.2.2 軟硬件產品領域
12.2.3 應用端領域
12.3 大數據產業投資規模分析
12.3.1 投資規模分析
12.3.2 投資輪次分布
12.3.3 投資事件匯總
12.4 中國大數據產業投資項目案例
12.4.1 城市數據湖運營項目
12.4.2 大數據系統平臺項目
12.4.3 大數據產業園建設項目
12.4.4 大數據管理平臺建設項目
12.5 中國大數據產業鏈投資機會分析
12.5.1 硬件層面投資機會分析
12.5.2 軟件層面投資機會分析
12.5.3 信息服務層面投資機會
第十三章 大數據產業發展前景及趨勢
13.1 全球大數據產業發展前景及趨勢預測
13.1.1 全球大數據企業競爭趨勢
13.1.2 全球大數據產業發展趨勢
13.1.3 全球大數據市場發展熱點展望
13.2 中國大數據產業發展機遇及前景預測
13.2.1 整體發展驅動分析
13.2.2 行業未來發展特點
13.2.3 大數據市場熱點分析
13.2.4 大數據市場重點內容
13.2.5 大數據人才需求預測
13.3 中國大數據產業發展趨勢展望
13.3.1 信息消費逐步提質升級
13.3.2 工業互聯網建設進程加快
13.3.3 “一帶一路”數據合作形成
13.3.4 大數據治理科技應用廣泛
13.3.5 大數據相關立法進程加快
13.3.6 大數據與區塊鏈融合提速
13.4 中投顧問對2022-2026年中國大數據產業預測分析
13.4.1 2022-2026年中國大數據產業影響因素分析
13.4.2 2022-2026年中國大數據產業市場規模預測
13.4.3 2022-2026年中國數字經濟規模預測
第十四章 大數據產業發展政策分析
14.1 大數據產業政策體系分析
14.1.1 大數據產業政策演變
14.1.2 國家大數據政策匯總
14.1.3 大數據安全政策分析
14.1.4 大數據融合應用政策
14.1.5 大數據相關標準分析
14.1.6 大數據產業管理機制加強
14.2 大數據產業應用類政策分析
14.2.1 工業大數據政策環境分析
14.2.2 金融監管數據安全管理辦法
14.2.3 醫療大數據政策總體分析
14.2.4 交通運輸大數據發展綱要
14.2.5 工業互聯網數據應用政策
14.2.6 大數據防范網絡詐騙方案
14.2.7 數字商務建設發展政策
14.3 大數據產業發展規劃
14.3.1 大數據成為國家規劃的高頻詞
14.3.2 “十四五”大數據產業規劃發布
14.3.3 “十四五”大數據產業相關規劃
14.3.4 新型數據中心發展行動計劃
14.4 大數據產業區域性政策規劃
14.4.1 黑龍江大數據產業發展規劃
14.4.2 河北大數據產業提升計劃
14.4.3 山東省大數據產業發展規劃
14.4.4 北京大數據相關支持政策
14.4.5 山西大數據應用促進條例
14.4.6 成都市大數據產業專項政策
14.4.7 江蘇省大數據產業發展規劃
14.4.8 廣西省推動數據應用意見
14.4.9 貴州大數據標準建設規劃
14.4.10 福建省大數據發展條例

圖表目錄

圖表1 大數據的4V特征
圖表2 大數據的類型
圖表3 數字價值鏈模式
圖表4 大數據產業鏈
圖表5 大數據產業鏈產值分布及發展方向
圖表6 大數據關鍵技術
圖表7 中國大數據產業鏈技術層細分
圖表8 未來大數據處理的核心技術
圖表9 2013-2020年全球大數據儲量及其增長情況
圖表10 2020-2026年全球大數據市場規模及預測
圖表11 2020-2025年全球大數據硬件、軟件和服務整體市場規模及預測
圖表12 2017-2020年全球主要家大數據中心數量分布情況
圖表13 國際主要大數據企業簡介
圖表14 全球主要大數據存儲企業
圖表15 全球主要大數據分析企業
圖表16 全球大數據行業技術來源國分布情況
圖表17 2012-2021年全球大數據行業技術來源國專利申請量趨勢
圖表18 全球大數據行業專利申請量TOP10申請人
圖表19 日本大數據發展歷程
圖表20 大數據產業構建
圖表21 中國大數據市場發展階段
圖表22 2017-2021年新成立的大數據產業聯盟
圖表23 2005-2020年中國數字經濟規模分析
圖表24 2015-2020年中國數字經濟增速與GDP增速變化情況
圖表25 2015-2020年中國數字經濟內部結構分析
圖表26 2018-2021年大數據產業規模
圖表27 2015-2020年我國大數據核心產業規模及增速
圖表28 中國申請。ㄊ、自治區)大數據專利數量TOP10
圖表29 2021年大數據產業發展試點示范項目公示名單
圖表30 2021年大數據產業發展試點示范項目公示名單(續一)
圖表31 2021年大數據產業發展試點示范項目公示名單(續二)
圖表32 2021年大數據產業發展試點示范項目公示名單(續三)
圖表33 2021年大數據產業發展試點示范項目公示名單(續四)
圖表34 2021年大數據產業發展試點示范項目公示名單(續五)
圖表35 2021年大數據產業發展試點示范項目公示名單(續六)
圖表36 2021年大數據產業發展試點示范項目公示名單(續七)
圖表37 2021年大數據產業發展試點示范項目公示名單(續八)
圖表38 2021年大數據產業發展試點示范項目公示名單(續九)
圖表39 2021年大數據產業發展試點示范項目公示名單(續十)
圖表40 2021年大數據產業發展試點示范項目公示名單(續十一)
圖表41 2016-2020年“數據科學與大數據技術”專業新增備案數量
圖表42 2018-2020年教育部新增審批本科大數據相關專業
圖表43 2020年大數據人才需求崗位TOP10
圖表44 大數據企業資本層次
圖表45 2021年大數據企業投資價值百強榜
圖表46 大數據創新場景應用服務商TOP40
圖表47 中國大數據應用領域企業
圖表48 互聯網行業大數據應用場景
圖表49 電信行業大數據應用場景
圖表50 金融行業大數據應用場景
圖表51 制造行業大數據應用場景
圖表52 企業現有的數據規模
圖表53 企業數據類型的構成
圖表54 大數據時代企業所能感覺到的數據變化
圖表55 目前企業處理大數據所面臨的問題
圖表56 企業對大數據的態度和認知
圖表57 企業在線則大數據平臺時所考慮的因素
圖表58 大數據行業上市公司名單
圖表59 2016-2020年大數據行業上市公司資產規模及結構
圖表60 大數據行業上市公司上市板分布情況
圖表61 大數據行業上市公司地域分布情況
圖表62 2016-2020年大數據行業上市公司營業收入及增長率
圖表63 2016-2020年大數據行業上市公司凈利潤及增長率
圖表64 2016-2020年大數據行業上市公司毛利率與凈利率
圖表65 2016-2020年大數據行業上市公司營運能力指標
圖表66 2016-2020年大數據行業上市公司成長能力指標
圖表67 2016-2020年大數據行業上市公司銷售商品收到的現金占比
圖表68 企業在數據安全與治理建設方面擔心的問題
圖表69 市場上大數據技術類人才招聘數量占比及求職人數占比
圖表70 主要城市大數據就業市場活躍度
圖表71 大數據行業求職者學歷與招聘需求占比
圖表72 大數據產業招聘及求職期望薪水分布
圖表73 2020年新冠病毒肺炎疫情對企業營收的影響情況
圖表74 2020年新冠肺炎疫情對企業業務的影響情況
圖表75 疫情下各行業大數據應用問題
圖表76 疫情后不同類型大數據業務機遇預測
圖表77 互聯網大數據防疫行業的亮點及挑戰
圖表78 信息安全、數據資源整合是疫情下電信大數據亟需突破關鍵點
圖表79 應急指揮平臺、疫情防控大數據平臺等成為疫情下政府大數據建設重點
圖表80 工業大數據解決疫情下物資流通、企業復產復工難等問題
圖表81 金融大數據助力政府高效發放消費券
圖表82 無接觸醫療、影像識別是疫情下醫療大數據應用的熱點方向
圖表83 數據基礎設施
圖表84 數據基礎設施“橫向融合”與“縱向融合”
圖表85 數據基礎支撐型企業
圖表86 數據平臺型企業
圖表87 中國大數據產業鏈數據源細分
圖表88 2018-2021年中國網民規模和互聯網普及率
圖表89 2018-2021年手機網民規模及其占網民比例
圖表90 2012-2020年地方政府數據開放平臺上線情況
圖表91 MPP架構圖
圖表92 2016-2020年中國大數據計算與存儲市場規模分析
圖表93 MPP與Hadoop技術融合的產品架構圖
圖表94 2012-2020年全球大型數據中心增長狀況
圖表95 2020年各國大型數據中心數量占比
圖表96 2016-2020年中國數據中心機架規模統計情況
圖表97 數據中心規模劃分(按機架規模)
圖表98 2019年中國超大型、大型數據中心占比情況
圖表99 2015-2020年中國數據中心行業IT投資規模情況
圖表100 2021年中國數據中心主要建設企業的基本信息
圖表101 數據中心IT硬件成本結構
圖表102 全國一體化算力網絡國家樞紐八大節點(“東數西算”工程)
圖表103 截至2020年算力網絡國家樞紐節點地區數據中心情況
圖表104 2018-2020年部分企業在貴州、內蒙古、甘肅、寧夏建設數據中心情況
圖表105 飛天大數據平臺的完整架構
圖表106 iDB產品核心功能架構圖
圖表107 百度大數據+平臺
圖表108 九寨溝景區客流量預測系統
圖表109 峨眉山景區游客七日去向展示
圖表110 利用大數據進行在線精準營銷的效果
圖表111 騰訊大數據平臺的核心模塊
圖表112 Gaia主要結構
圖表113 TDBank的處理系統
圖表114 TDBank運行流程
圖表115 騰訊分布式數據倉庫
圖表116 Spark VS Mapreduce
圖表117 TRC運作流程
圖表118 典型大數據計算模式與系統
圖表119 數據分析細分領域和具體技術
圖表120 Palantir旗下兩大產品涉及領域
圖表121 大數據技術關注度
圖表122 數據處理器產業鏈圖譜
圖表123 數據處理器競爭格局
圖表124 參數服務器工作原理
圖表125 2016-2020年大數據分析與可視化市場規模統計
圖表126 大數據可視化重點企業
圖表127 大數據安全涉及模塊
圖表128 華為鯤鵬大數據的典型配置方案
圖表129 中國大數據產業鏈交易層細分
圖表130 可交易的數據品種及類型
圖表131 影響數據交易的四大因素
圖表132 大數據交易標準體系
圖表133 2016-2020年大數據流通交易市場規模統計
圖表134 國內已有數據交易機構基本情況
圖表135 國內已有數據交易機構基本情況(續)
圖表136 部分大數據交易所數據交易規則
圖表137 大數據交易產業主要人才需求
圖表138 數據堂商業模式
圖表139 中國大數據產業鏈大數據衍生層細分
圖表140 工業大數據分類
圖表141 國內工業大數據發展史
圖表142 我國工業數字化轉型的政策體系
圖表143 2020-2025年我國工業大數據市場規模發展趨勢
圖表144 卡奧斯平臺架構
圖表145 卡奧斯數據湖平臺
圖表146 中國綠色低碳的工業體系
圖表147 工業大數據應用痛點及未來發展機會
圖表148 醫療業大數據產業鏈
圖表149 醫療數據來源
圖表150 醫療數據的特性
圖表151 醫療大數據的用途
圖表152 醫療大數據企業
圖表153 健康醫療大數據的使用人群
圖表154 2019年中國醫療信息化投資領域分布
圖表155 醫療大數據領域的行業機會點
圖表156 金融大數據產業鏈
圖表157 大數據金融的場景應用
圖表158 大數據智能洞察金融業
圖表159 金融行業客戶的重要性
圖表160 大數據洞察推動民生銀行的轉型與創新
圖表161 大數據預測金融欺詐
圖表162 2016-2021年中國金融大數據分析行業市場規模及預測
圖表163 中國金融行業大數據投資結構
圖表164 金融大數據發展痛點及機會
圖表165 智能交通的數據處理體系
圖表166 交通大數據應用領域示意圖
圖表167 中國大數據城市交通應用產業鏈
圖表168 2015-2019年大數據在中國城市交通行業的應用市場規模(以市場投資額計)
圖表169 2019年中國大數據城市交通市場份額分布(以項目中標金額計)
圖表170 中國大數據城市交通頭部企業地域分布
圖表171 大數據在滴滴出行中的應用
圖表172 電信大數據發展階段
圖表173 電信運營商大數據應用
圖表174 2020-2021年100M速率以上、1000M速率以上的固定互聯網寬帶接入用戶情況
圖表175 2020-2021年物聯網終端用戶情況
圖表176 2020-2021年電信業務收入和電信業務總量累計增速
圖表177 2020-2021年新興業務收入增長情況
圖表178 廣東移動使用的Apache Hadoop軟件的英特爾分發版
圖表179 電信運營商大數據處理需求
圖表180 線下零售大數據產業鏈
圖表181 線上零售大數據產業鏈
圖表182 政府大數據各階段發展特點
圖表183 中國各政府機構大數據應用
圖表184 政府大數據應用痛點及機會點
圖表185 大數據軟件行業上市公司名單
圖表186 2016-2020年大數據軟件行業上市公司資產規模及結構
圖表187 大數據軟件行業上市公司上市板分布情況
圖表188 大數據軟件行業上市公司地域分布情況
圖表189 2016-2020年大數據軟件行業上市公司營業收入及增長率
圖表190 2016-2020年大數據軟件行業上市公司凈利潤及增長率
圖表191 2016-2020年大數據軟件行業上市公司毛利率與凈利率
圖表192 2016-2020年大數據軟件行業上市公司營運能力指標
圖表193 2020-2021年大數據軟件行業上市公司營運能力指標
圖表194 2016-2020年大數據軟件行業上市公司成長能力指標
圖表195 2020-2021年大數據軟件行業上市公司成長能力指標
圖表196 2016-2020年大數據軟件行業上市公司銷售商品收到的現金占比
圖表197 大數據軟件主要類別
圖表198 大數據硬件產業鏈
圖表199 典型大數據服務應用比較
圖表200 企業大數據的構成
圖表201 大數據在企業級的應用方面
圖表202 八大國家大數據綜合試驗區分布
圖表203 2019年中國大數據企業業務區域布局
圖表204 省市級大數據管理局
圖表205 大數據產業發展前二十強城市
圖表206 城市大數據指數總排名散點圖
圖表207 國家重點大數據實驗室分布
圖表208 2020年省域大數據發展指數指標體系
圖表209 2020年省域大數據發展指數測評結果
圖表210 2016-2020年各地區大數據發展指數排名
圖表211 2020年分地區大數據發展指數分布情況
圖表212 大數據產業園分布特點
圖表213 國家級新區布局大數據產業
圖表214 2020年珠三角各市GDP
圖表215 深圳市大數據產業主要聚集區及布局領域(含規劃)
圖表216 深圳市大數據產業鏈企業布局情況
圖表217 貴州省大數據企業TOP50名單(排名不分先后)
圖表218 中投顧問投資價值綜合評估:大數據
圖表219 中投顧問大數據產業市場機會整體評估表
圖表220 中投顧問大數據產業市場機會矩陣
圖表221 中投顧問投資發展動力評估:大數據
圖表222 中投產業投資進入時機:大數據產業
圖表223 中投產業生命周期:大數據產業
圖表224 大數據產業投資象項
圖表225 中投顧問進入壁壘評估:大數據
圖表226 中投顧問投資機會箱:大數據產業
圖表227 2020年A股及新三板上市公司大數據行業投資規模
圖表228 2020年A股及新三板上市公司大數據行業投資項目區域分布(按項目數量分)
圖表229 2020年A股及新三板上市公司大數據行業投資項目區域分布(按投資金額分)
圖表230 2020年A股及新三板上市公司大數據行業投資模式
圖表231 2021年A股及新三板上市公司在大數據行業投資項目列表
圖表232 大數據數據源、數據基礎及數據流通領域投資熱點
圖表233 大數據軟硬件產品領域投資熱點
圖表234 大數據應用端領域投資熱點
圖表235 2015-2021年中國大數據產業相關投資規模
圖表236 2021年大數據產業相關投資事件
圖表237 2021年大數據產業相關投資事件(續一)
圖表238 2021年大數據產業相關投資事件(續二)
圖表239 2021年大數據產業相關投資事件(續三)
圖表240 2021年大數據產業相關投資事件(續四)
圖表241 引力傳媒大數據管理平臺整體架構圖
圖表242 數字經濟下大數據市場未來投資熱點
圖表243 國家數據立法列表(部分)
圖表244 中投顧問對2022-2026年中國大數據產業市場規模預測
圖表245 中投顧問對2022-2026年中國數字經濟規模預測
圖表246 大數據產業政策的演變
圖表247 國家層面大數據相關政策重點內容解讀(一)
圖表248 國家層面大數據相關政策重點內容解讀(二)
圖表249 國家層面大數據相關政策重點內容解讀(三)
圖表250 國家層面大數據相關政策重點內容解讀(四)
圖表251 國家層面大數據相關政策重點內容解讀(五)
圖表252 大數據安全相關的政策解讀(一)
圖表253 大數據安全相關的政策解讀(二)
圖表254 大數據融合應用相關的政策解讀(一)
圖表255 大數據融合應用相關的政策解讀(二)
圖表256 大數據國家標準匯總
圖表257 大數據行業標準匯總
圖表258 大數據地方標準匯總
圖表259 工業大數據重點建設任務
圖表260 “大數據”和“數據”出現頻次對比
圖表261 “十四五”發展綱要對大數據的規劃

繼物聯網、云計算之后,大數據已經成為當前信息技術產業最受關注的概念之一。大數據是為了更經濟地從高頻率獲取的、大容量的、不同結構和類型的數據中獲取價值,而設計的新一代架構和技術。人們普遍將該定義概括為四個“V”,即更大的容量(Volume,從TB級躍升至PB級,甚至EB級)、更高的多樣性(Variety,包括結構化、半結構化和非結構化數據),以及更快的生成速度(Velocity)。前面三個“V”的組合推動了第四個因素——價值(Value)。

全球市場方面,根據IDC數據,2020年全球大數據市場規模為1959億美元,按照五年內實現10.4%的復合增長率測算,預計2024年全球大數據市場規模約為2983億美元,到2026年,全球大數據市場規模將超過3600億美元。

國內市場方面,大數據技術的快速發展,以及大數據與人工智能、VR、5G、區塊鏈、邊緣智能等一批新技術的交匯融合,持續加速技術創新。與此同時,伴隨新型智慧城市和數字城市建設熱潮,各地與大數據和數字經濟相關的園區加速落地,大數據產業持續增長。賽迪研究院統計顯示,2020年中國大數據產業規模達6388億元,同比增長18.6%!2021年大數據產業發展指數白皮書》顯示,在大數據產業發展前10強城市中,長三角占5席、京津冀占2席、珠三角占2席、成渝經濟圈占1席,東北和西北地區沒有城市入圍,表明大數據產業在全國各區域間的發展差異明顯。

黨中央、國務院高度重視大數據在推進經濟社會發展中的地位和作用。2014年,大數據首次寫入政府工作報告,大數據逐漸成為各級政府關注的熱點。2015年9月,國務院發布《促進大數據發展的行動綱要》,大數據正式上升至國家戰略層面,十九大報告提出要推動大數據與實體經濟的深度融合。2021年11月,工業和信息化部發布《“十四五”大數據產業發展規劃》(以下簡稱《規劃》)!兑巹潯分赋“十四五”時期是我國工業經濟向數字經濟邁進的關鍵時期,對大數據產業發展提出了新的要求,產業將步入集成創新、快速發展、深度應用、結構優化的新階段。到2025年,大數據產業測算規模突破3萬億元,年均復合增長率保持在25%左右,創新力強、附加值高、自主可控的現代化大數據產業體系基本形成。

中投產業研究院發布的《2022-2026年中國大數據行業投資分析及前景預測報告》共十四章。首先介紹了大數據和大數據產業的定義、特點、地位等,接著分析了國內外大數據行業的發展及行業格局,然后分析了大數據產業鏈的上中下游行業發展狀況,并對大數據軟硬件設備、大數據發展模式、重點區域大數據產業發展布局等進行了細致的透析。隨后,報告重點分析了大數據行業的投資狀況及其未來發展前景,最后報告還分析了大數據產業的政策環境。

本研究報告數據主要來自于國家統計局、中投產業研究院、中投產業研究院市場調查中心以及國內外重點刊物等渠道,數據權威、詳實、豐富,同時通過專業的分析預測模型,對行業核心發展指標進行科學地預測。您或貴單位若想對大數據行業有個系統深入的了解、或者想投資大數據行業,本報告將是您不可或缺的重要參考工具。

本報告目錄與內容系中投顧問原創,未經中投顧問書面許可及授權,拒絕任何形式的復制、轉載,謝謝!

微信掃一掃關注公眾號"中投顧問"(ID :touziocn),回復""即可獲取。

知道了
QQ咨詢 QQ咨詢 在線客服
在線咨詢: 點擊這里給我發消息
日韩精品一区二区三区在线观看l