大数据市场现状

大数据市场现状 第一、 中国大数据市场分析 从去年开始对 1 1 个行业， 1 000 用户做了大数据相关使用调研， 通过调研结果发现， 大数据在中国整个市场中， 市场发展前景是非常广阔的。 特别从 201 3 年到 201 6 年中， 每一年大数据市场发展增长率都会在百分之百以上，这是综合考虑了各种各样的影响因素， 考虑了中国整体经济发展趋紧的局势包括欧债危机对中国经济的影响逐渐显现的趋势， 从信息化角度、 政府、 金融、 电信主要传统行业对信息化投资趋紧的趋势， 综合这些趋势， 我们认为大数据市场未来发展是高速增长的市场， 特别在 201 3 年的时候， 随着行业解决方案的数量的增多， 以及在行业用户对于大数据的需求的明确。我们认为 201 3 年将会是发展的顶点， 越来越多的行业对大数据应用持比较乐观的态度， 大数据或者相关数据分析解决方案的使用在互联网行业更多一些比如百度、 淘宝等。 现在看到的更多一些， 特别在近两年以来， 像电信或者金融、 能源这些传统行业， 开始越来越多的用户在初步尝试或者在考虑怎么样使用类似大数据解决方案， 来提升自己的业务水平。 比如电信行业， 了解到像中国电信在全国上海、 四川、 广东建了三个大的资源池， 支撑了中国电信大的业务系统。

同时他们采取了大数据分析方案分析他们的数据。 像能源行业， 电力的用户， 我们也注意到有一些电力方面的用户， 他们也在考虑尝试能不能使用基于大数据解决方案去分析一些比如说像用电企业，用电行为， 他们的使用行为， 而提升他们自身对客户的服务能力。总之， 在大数据背景之下， 看到越来越多行业用户， 用来使用和尝试行业的解决方案。 第二、 企业大数据应用需求分析 目前企业数据的现状， 非结构化数据已经成为主流， 结构化数据放在最上面。 企业 IT 架构当中， 结构化数据和非结构化数据占据了 越来越重要的位置。 在大数据背景之下， 企业对于大数据技术特点和用户需求和之前那些用户对数据处理得需求， 到底有什么不同。 在他们看来， 从表面来看， 企业对于数据分析需求始终都存在的， 跟之前和现在没有太大的区别， 大数据它不是理念上的革命或者是技术上的革命， 它是一种革新。 这种革新标志着企业对于数据应用的需求上升到一个新的发展阶段。 在这个阶段中， 企业不仅仅要求处理数据越来越快， 这不是用户最需求的， 企业不仅仅需要用户处理数据的类型会越来越多， 以前只数据结构化数据就好了， 现在既要数据结构化数据， 也要处理非结构化和半结构数据， 这样的解决方案， 用户也需要， 但是也不是最重要的。

最重要， 企业如何把这些数据上升为战略资源， 或者企业如何利用这些的数据提升他们的竞争力， 成为市场竞争最有力的武器。 建筑行业管理软件 CEO 认为， 他们目前有两样数据， 一是各省市建筑原材料的架构， 可以做到每天更新， 二是他们手里掌握着从业者大概几十万从业者的信息， 他们的问题不单单把这些建筑行业原材料的信息打包卖给用户，他们还在想， 我们怎么样去能够运用不同的建筑原材料的数据， 这种价格的数据， 去为不同需求的， 不同地区， 不同层级的需求用户， 提供有针对性，比如说施工预算的解决方案。 另外， 他们还需要如何从几十万个行业用户的用户信息里面， 怎么来发掘出新的业务模式， 创造一些新的商业发展机会，以及怎么样发掘新的潜在用户。 目前来讲， 对他们困扰最大的， 我现在缺少一种全方位的方法或者是一种数据分析的手段来去支撑我的需求， 这个例子说明， 目前来讲中国对于数据分析的方法还是非常缺乏， 目前来讲， 我们觉得大数据的核心的价值， 也就是能够帮助用户找到这样的方法或者手段， 来去用这样的方法和手段解决业务发展也好， 商业模式也好， 进一步提高它的发展水平。 第三、 大数据应用案例分析 我们接触行业企业， 虽然缺少一些方法， 但是已经有些典型的用户已经采用一种方式放在应用场景里面提升自己的业务水平。

以金融行业为例， 中信银行发卡量 2008 年达到 500 万张 201 0 年翻了一倍， 他们选择了比较新的数据分析解决方案， 他们实现了实时商业智能， 可以结合实时历史的客户的数据， 管理部门可以每天都对评估用户的一些刷卡行为， 并且在当天对用户的信用额度， 在同一天进行调整。 他们提升了自己营销的水平， 他们配置一个营销活动需要两周时间， 应用数据解决方案之后， 活动变成了 2—3 天。 农夫山泉， 农夫山泉由于业务增长非常快， 数据增长也越来越客观。 特别是报表和销售数据， 他们基数非常大， 随着基数大增， 数据的展现速度越来越慢。 同时， 传统的采集方式一天更新一次， 看起来很快， 但是对于快消品行业来讲相对比较漫长， 对于经营决策的确定有相当大的滞后性， 采取新的数据解决方案之后， 实现了数据的快速展现， 而且能够把数据进行实时同步。第四、 大数据行业应用 从行业应用角度来讲， 到底哪些行业， 哪些应用场景， 已经开始应用大数据相关的解决方案。 首先， 互联网注意到互联网这方面的应用比较大的一个应用场景， 一是广告监测， 二是 B2C 模式， 这样的业务模式里面， 他们一秒钟之内返回上亿次的数据分析， 从而提升用户体验， 不影响快速营销的目的。

现在看到重要的一些互联网应用场景在这方面比较多一些。 医疗行业来讲， 医疗行业数据的产生来源， 主要来源于医学影像， 包括病理业务数据分析产生非结构化分析比较多， 数据文件的大小和格式不一样，对于医学网络存储和传输采取不同的策略。 目前我们看到医疗行业应用需求，主要是应用场景比较多， 我简单举一个例子， 比如说在临床场景中， 现在已经有应用了相应解决方案， 像远程病人监控， 临床决策， 比较研究， 如果在公共卫生管理部门， 可能预测建模， 疾病、 病理分析， 我们看到了相当多应用使用类似大数据的解决方案。 能源是传统行业， 对于数据的分析比较密集的， 在大数据理念之下， 在主要的应用在勘探开发的数据分析方面， 目前来讲， 他们对于勘探数据的开发， 目前来讲主要大数据应用解决方案解决两种， 一种是硬件方面， 采取横向扩展存储设备， 另一种从解决方案角度来讲， 处理不同格式， 不同种类数据解决方案， 他们是最需要的。 目前调研到大数据的行业应用的现状， 大数据目前应用可能性， 在行业角度来讲， 到底有哪些?越往上象限也就是说在应用的可能性包括切合度最高比如互联网、 电信、 制造、 医疗、 金融、 流通， 这些都是一些从他们行业应用特点来讲。

从应用需求来讲， 都跟大数据的技术有比较高的切合度， 我们也看到在主观应用意愿上也有较高可能性未来像互联网、 制造、 医疗、 政府、 能源、教育、 快销品等等行业里面， 会有比较大的应用前景。 大数据在行业领域的应用的现状， 未来有哪些潜在的应用存在各个行业之中， 我们调研到行业的用户， 他们对于大数据在行业中哪些应用场景中最适合去应用的， 我们可以看到像互联网行业， 除了社交、 B2C 业务之外， 像在线的音视频业务、 广告监测、 精准营销等等， 也是未来潜在应用场景。 电信行业来讲， 像实时营销、 线路监控、 新业务挖掘， 也是未来电信行业比较有潜力的大数据应用的场景。 金融行业主要如信用卡、 防欺诈、 电子支付业务等等， 有比较大的需求。 制造行业， 它的应用前景也是很多的， 因为制造行业企业众多， 另外它的企业所处的不同信息化的阶段和时期也不一样， 所以处理需求千变万化的。我们归纳为像供应链的优化， 产品的研发， 仓库监控等等， 大概在这几个领域是未来制造行业更多应用场景的前景。 我们对不同规模企业对大数据需求做了分析， 通过数据分析， 我们可以看到一个比较重要的趋势， 不一定是那种企业规模大， 业务量大的企业， 对于大数据才有比较迫切应用的意愿， 相反一些企业规模是中等， 业务量是中等的企业， 反而对于应用大数据相关技术和相关解决方案， 解决它的问题，这样的意愿比大型企业反而要高。

高出来的百分比大概在 1 0%到 1 5%之间，我大概看了一下主要原因是因为这些企业， 中型企业业务增长非常快， 每年业务增长量包括销售额都处于快速增长阶段， 中型企业在未来大数据应用中会起到比较大的应用力量， 它和大企业一样是拉动大数据应用的两驾马车。大数据 大营销： 数字营销的“PRC” 2012 年 07 月 18 日 11: 41 it168 网站原创 作者： 陕西分站 编辑： 陕西分站 我要评论(0) 【IT1 68 资讯】 在今年初 Adworld 2012 的一个互动环节里， 主持人给到坐在台上的我们每人一块白板和一只笔， 并让大家写下 201 1 年及 201 2 年互动营销的关键词。 我记得我们都不约而同地写上两组词： 201 1 年： 技术、 2012 年： 数据。 201 2 年确实是大数据营销爆发的关键点， 这可以归纳到 3 个点： PRC。 PRC 不但是中华人民共和国的简称， 也代表了数字营销的 3 大趋势： Power of data （数据力量） , Real-time bidding（实时竞价） , Creativity at scale（量化创意） 。

让我们逐一看下： 数据力量（Power of data） 对于媒体来说， 可能是内容为王； 但对于营销来说， 将会是数据为王。 直到今天， 虽然营销主已经很努力去寻找针对目标群的传播渠道： 如针对商务人士的机场媒体、 针对白领的写字楼 LCD 媒体、 以及针对新妈妈的母婴网站等； 但他们往往发现，这些媒体的覆盖面并没有想象中的广， 单独投放效果不明显。 结果营销主还是需要把有限的钱投放到那些覆盖面广泛但昂贵的媒体如电视等， 起码效果有一定的保证。 先不说这种渔翁撒网所带来的浪费， 而且由于我们越来越多把本来看电视的时间放到互联网上； 无论是 PC 端的在线互联网， 抑或移动终端的无线互联网； 结果营销效果越来越差。 是否存在完全以受众为目标， 脱离媒体的沟通方式？ 在互联网的世界， 这种沟通方式是存在的， 关键是回归到那两个关键词： 技术与数据。 先谈数据 要做到以人为本的营销， 就首先要累积以人为本的数据。 其中最基础的数据就是通过电脑浏览器 Cookie（以下简称为 Cookie） ， 来获取受众的基础信息（如在哪里上网等） 、 浏览行为（看过什么网页） 、 广告交互行为（是否有点击过广告等） ， 从而按这些信息把受众进行分类。

这是目前来说， 既又保护了用户隐私（个人信息不会被记录、 而且用户可以随时删除 Cookie） ； 又最接近“以人为本”的基础数据； 这也是国际通行的基本收集数据途径。 有了这些基础数据， 就可以通过其他途径把数据库丰富起来。 如通过 API 对接， 跟一些拥有人口属性（如性别、 年龄） 的公司， 把人口属性标签到每一个 Cookie 上。 国外有很多大公司如谷歌， 会通过复杂的统计算法， 按照该用户的搜索及浏览行为， 来推测该用户的性别年龄， 准确度也相当的高。 个别公司如果有服务电商类的客户， 更可以累积有关网购行为的一些数据。 当然， 为什么叫“大数据”， 是由于这些动辄上亿的数据是海量的， 而且增长速度很快。没有足够技术的公司， 根本储存和利用不了这些数据。 有了这些数据， 营销主就可以按每个 Cookie 背后的人， 来传播他们的广告。 这就牵涉到另外两个问题： 1） 如何在目标受众下次浏览的时候抓住他们， 把广告给他们看到？ 2）能否按不同的细分市场， 让不同细分人群看到不同的广告， 从而增加营销的投资回报率？（Return On Investment， 以下简称为 ROI） 这就带出来另外两个有关技术的议题： 实时竞价及量化创意。

实时竞价（Real-time bidding） 在实时竞价（以下简称为 RTB） 这个技术出现之前， 一些公司先用钱把一些网站的广告流量预先买下来， 在营销主的目标受众出现的时候， 把广告发送给他们看到， 在业界我们把这种方式称作广告网络（Ad Network） 。 广告网络基本上把广告依赖媒体传递的特点，变成以受众为基础来传递广告， 可以说是“受众营销 1 .0”。 但这种模式最大的问题是总流量偏低， 哪怕买下几百个网页的广告（注意是网页， 不可能是网站内所有页面） ， 相对中国互联网总网页数， 只一个零头。这导致的问题是： 如果品牌主需要定义一个相对比较窄的受众，广告网络很难找到这个人群， 把广告发送给他们看到。 RTB 技术的出现， 把这种情况彻底改变了。 RTB 依赖于广告交易平台（Ad Exchange） 。 在 2007 年， 谷歌、 雅虎、 微软先后收购了拥有 RTB 技术的公司 DoubleClick、 RightMedia、 以及 AdECN。 谷歌用了两年的整合时间， 在 2009 年 9 月正式推出了他们的广告交易平台 AdX。 而在 201 1 年下半年，谷歌的AdX 以及第一家中国本土的广告交易平台淘宝的 Tanx大数据市场需求， 分别上线了。

广告交易平台如何运作的呢？ 首先， 每个平台都跟一些网站某些网页的广告位， 签订了RTB 协议； 换句话说， 就是先把这些广告位放在广告交易平台“待卖”， 然后再以 RTB 的方式把广告位以每一个印象数 （以下统称为 impression） 卖出去。 由于售卖是以 RTB 的方式，所以对购买方有一定的技术要求。 这个买主首先必须要通过广告交易平台的 RTB 认证， 而这个买方平台在业内统称为需求方平台（Demand-side Platform， 以下简称为 DSP） 。 那广告是如何传递的呢？ 举例来说， 有一个人上了新浪某个页面， 而这个页面的一个广告位跟 AdX 签订了 RTB 协议， 谷歌的 AdX 就会知道， 并同时把这个信息， 加上一些基础数据， 如这个 impression 在什么地方、 什么网页、 哪一个广告位等， 向各个 DSP 发出通知。各个 DSP 会按预先设好的价格， 来竞争这个 impression， 价高者得， 并同时...

（编辑：武汉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!