大数据行业概况与发展特征（附报告目录）
1、行业概况
（1）大数据的定义
大数据是一个伴随社會(huì)信息化而诞生，以海量数据积累为基础，囊括无数員村条“数据产生-数据处理(lǐ)-信息提取-数据消费-新数据生产為用”的环状链，以降低信息不(bù)對(duì)称、提高(gāo)决策有效性、推湖輛进智慧和知识演进为目标，可广泛作(zuò)用于几乎所有实体的跨界生器校态系统和发展趋势。
相(xiàng)关报告：北京普华有策信息咨询有限公司《2020-2025年全球及中(zhōng)国大数据全景调查与樹信投资機(jī)會(huì)前瞻报告》
（2）大数据的关键特征
从上述對(duì)大数据的定义，提取出大数据的四个关键特征，分(fēn)别農用是：海量化（Vo l ume）、多(duō)样化（Variety）、快速河在化（Velocity）和价值化（Value）。
1）海量化
大数据首先是数据量大。全球数据量正以前所未有的速度增长，遍布世界各个角落的传感湖山器、移动设备、在线交易和社交网络每天都要生成上百万兆字节的数据，裡如数据容量增长的速度大大超过了硬件技术的发展速度，以至于引发了数据存储和处理(劇花lǐ)的危機(jī)。
2）多(duō)样化
大数据的数据类型非常多(duō)。海量数据的危機(jī)并不(bù)单纯是又書数据量的爆炸性增长，它還(hái)牵涉到数据类型的不(bù)断增加。原来的司拍数据都可以用二维表结构存储在数据库中(zhōng)，如常用的 Excel 软技報件所处理(lǐ)的数据，称之为结构化数据。但是现在更多(duō)互联費弟网多(duō)媒体应用的出现，使诸如图片、声音和视頻(pín)等個習非结构化数据占到了很大比重。统计显示，结构化数据增长率大概是 玩報32%，而非结构化数据增长则是 63%，目前全世界非结构化数据已錢新占数据总量的 80%以上。随着非结构化数据的比重越来越大，并显示出其中去海(zhōng)蕴含着不(bù)可小觑的商业价值和经济社會(huì)价值，對(車厭duì)传统的数据分(fēn)析处理(lǐ)算法和软件提出了挑战。
3）快速化
随着经济全球化趋势形成，生产要素成本不(bù)断上升，企业面临的竞争环境越區看来越严酷。在此情况下，能够及时把握市場(chǎng)动态，迅速對(duì)产知嗎业、市場(chǎng)、经济、消费者需求等各方面情况做(zuò拍海)出深入洞察，并能快速制定出合理(lǐ)准确的生产、运营、营销策略，就(j線道iù)成为企业提高(gāo)竞争力的关键。而對(duì)大数据的快空白速处理(lǐ)分(fēn)析，将为企业实时洞察市場(chǎng都一)变化、迅速做(zuò)出响应、把握市場(chǎng)先機(jī)提視我供决策支持。
4）价值化
价值是大数据的终极意义所在。随着社會(huì)信息化程度的不(bù)道舊断提高(gāo)、数据存储量的不(bù)断增加、数据来源和数据类技樂型的不(bù)断多(duō)样化，對(duì)于企业而言，数据正成为企业的新什體型资产，形成竞争力的重要基础。与曾经广为提倡的“品牌价值化”一样南玩，“数据价值化”已经成为企业提高(gāo)竞争力的下一个关键笑子点。
（3）大数据相(xiàng)关技术
数据采集：ETL 工具负责将分(fēn)布的、异构数据源中(z話們hōng)的数据如关系数据、平面数据文件等抽取到临时中(zhō志嗎ng)间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中(zhōn村器g)，成为联機(jī)分(fēn)析处理(lǐ)、数据挖掘的基础。
数据存取：关系数据库、NOSQL、SQL 等。
基础架构：云存储、分(fēn)布式文件存储等。
数据处理(lǐ)：自然语言处理(lǐ)
统计分(fēn)析：假设检验、显著性检验、差异分(fēn)析、相車要(xiàng)关分(fēn)析、T 检验、方差分(fēn)析、卡方分(fē訊不n)析、偏相(xiàng)关分(fēn)析、距离分(fēn)析、回归鐵請分(fēn)析、简单回归分(fēn)析、多(duō)元回归分(fēn)析、逐地區步回归、回归预测与残差分(fēn)析、岭回归、logistic 回归分(fēn間答)析、曲线估计、因子分(fēn)析、聚类分(fēn)析、主成分(f城不ēn)分(fēn)析、因子分(fēn)析、快速聚类法与聚类法、判别分(fēn窗我)析、對(duì)应分(fēn)析、多(duō)元對(duì)应綠志分(fēn)析（最优尺度分(fēn)析）、bootstrap 技术等去事等。
数据挖掘：分(fēn)类 （Classification）、估计（我爸Estimation）、预测（Prediction）、相(xiàng)关性分理靜(fēn)组或关联规则（Affinity grouping or associ媽影ation rules）、聚类（Clustering）、描述和可中著视化、Description and Visualization）、复杂数草機据类型挖掘(Text, Web ,图形图像，视頻(pín)，音頻(pín)等就還)
模型预测：预测模型、機(jī)器学习、建模仿真。结果呈现：可视化、BI 等。弟離
（4）大数据技术的价值
拥有海量数据本身并不(bù)能创造出多(duō)大价值，需要采取技术手段訊的进行处理(lǐ)分(fēn)析才能获取其智能的，深入的有价值的信息。制森大数据技术就(jiù)是从各种各样类型的巨量数据中(zhōng討和)，快速获得有价值信息的技术。解决大数据問(wèn)题的核心是大数据技术輛場。目前所说的”大数据”不(bù)仅指数据本身的规模，也包括采集弟坐数据的工具、平台和数据分(fēn)析系统。大数据研发目的是发展大数据技术并将通很其应用到相(xiàng)关领域，通过解决巨量数据处理(lǐ)問(w下件èn)题促进其突破性发展。因此，大数据时代带来的挑战不(bù)仅体现在如何处理工議(lǐ)巨量数据从中(zhōng)获取有价值的信息，也体现在如何路黃加强大数据技术研发，抢占时代发展的前沿。
2、行业周期性、季节性与區(qū)域性特点
大数据行业作(zuò)为一个成长性行业，在发展过程中(zhōng男吧)面临着多(duō)个良好发展機(jī)遇，如互联网金融對(duì)金融行好事业的渗透引发金融機(jī)构新一轮的市場(chǎng)竞争。随着金融機(j機物ī)构使用数据挖掘来支撑精细化管理(lǐ)和精细化营销的理(lǐ)念深入，大数也作据需求将呈现出高(gāo)速发展的态势。
总体上，大数据行业的发展主要与下游多(duō)个产业的 IT 投朋舞资规模保持相(xiàng)关，并不(bù)存在明显的行业周期明北性。
不(bù)同地區(qū)的信息化程度和對(duì)数据分(fēn)析、数据挖掘都一的接受程度决定了该地區(qū)的大数据的市場(chǎng)需求，由于当事對前国家(jiā)各级政府的高(gāo)度关注和大力支持，各个地區(qū)各少海个行业對(duì)于大数据的关注度普遍较高(gāo)，因此大数男會据行业不(bù)存在明显的區(qū)域性。但由于开展大数据业务對(duì)了朋于行业客户本身的信息化基础要求较高(gāo)。因此发达地區(q理校ū)還(hái)是一定程度上优于信息化基础薄弱的區(qū)域。
电力、金融、能源等行业内的大中(zhōng)型企业往往在年末相(xià跳學ng)對(duì)集中(zhōng)支付合同款项，大数据领域放習内企业的现金流量呈现出一定的季节性。然而，电力、金融、能源等领域火就内客户的大数据系统需要持续的运营和升级，相(xiàng)应的大数据得聽业务本身并不(bù)存在季节性特征。