大数据行业研究报告

大数据行业研究报告

2013年11月20日

目录

一：大数据概述·····················································2

1.1大数据定义···································································································2

1.2大数据特点···································································································3

1.3大数据相关技术·····························································································4

1.4大数据应用价值·····························································································5

二：大数据行业环境分析·············································6

2.1产业链··········································································································6

2.2商业模式·······································································································7

2.3市场规模·······································································································9

2.4行业竞争·······································································································9

三：大数据在行业中的应用分析······································10

3.1医疗行业···································································································· 10

3.2能源行业······································································································11

3.2通信行业······································································································11

3.4零售业·········································································································11

四：大数据行业重点企业介绍········································12

4.1IBM·············································································································12

4.2惠普············································································································12

4.3Teradata·······································································································12

4.4阿里巴巴······································································································12

4.5百度············································································································13

4.6腾讯············································································································13

4.7拓尔思·········································································································13

4.8东方国信······································································································13

4.9同有科技······································································································14

五：大数据的时代机遇与挑战········································14

·

一：大数据概述

1.1大数据的定义

大数据是时下最火热的IT行业的词汇，全球知名咨询公司麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来” 。“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。越来越多的政府、企业等机构开始意识到数据正在成为组织最重要的资产，数据分析能力正在成为组织的核心竞争力。

百度知道对大数据的定义是：大数据（bigdata)，或称巨量资料，指的是所涉及的资料量规模距达到无法透过目前主流软件工具在合理时间内达到撷取，管理，处理、并整理成为帮助企业经营决策更积极目的的资讯。

著名研究机构Gartner是这样定义大数据的。"大数据"是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。从数据的类别上看，"大数据"指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。 亚马逊网络服务（AWS）、大数据科学家JohnRauser提到一个简单的定义：大数据就是任何超过了一台计算机处理能力的庞大数据量。 研发小组对大数据的定义："大数据是最大的宣传技术、是最时髦的技术，当这种现象出现时，定义就变得很混乱。" Kelly说："大数据是可能不包含所有的信息，但我觉得大部分是正确的。对大数据的一部分认知在于，它是如此之大，分析它需要多个工作负载，这是AWS的定义。当你的技术达到极限时，也就是数据的极限"。 大数据不是关于如何定义，最重要的是如何使用。最大的挑战在于哪些技术能更好的使用数据以及大数据的应用情况如何。这与传统的数据库相比，开源的大数据分析工具的如Hadoop的崛起，这些非结构化的数据服务的价值在哪里。

1.2大数据的特点

大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity)，即体量大、多样性、价值密度低、速度快。

　　第一，数据体量巨大。从TB级别，跃升到PB级别。
　　第二，数据类型繁多，如网络日志、视频、图片、地理位置信息，等等。
　　第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。
　　第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。

　　拥有巨大的数据本身并不能创造出多大价值，需要一定的技术手段进行处理分析才能获取其智能的，深入的有价值的信息。大数据技术是指从各种各样类型的巨量数据中，快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。目前所说的"大数据"不仅指数据本身的规模，也包括采集数据的工具、平台和数据分析系统。大数据研发目的是发展大数据技术并将其应用到相关领域，通过解决巨量数据处理问题促进其突破性发展。因此，大数据时代带来的挑战不仅体现在如何处理巨量数据从中获取有价值的信息，也体现在如何加强大数据技术研发，抢占时代发展的前沿。

1.3大数据相关技术

数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、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、分布式文件存储等。
　　数据处理：自然语言处理(NLP，NaturalLanguageProcessing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。
　　统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。
　　数据挖掘：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
　　模型预测：预测模型、机器学习、建模仿真。
　　结果呈现：云计算、标签云、关系图等

1.4大数据应用价值

“大数据”是继云计算、物联网之后IT产业又一次颠覆性的技术变革。对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，观点提出之后引起全球广泛的影响，得到越来越多人的认可。那么大数据意味着什么，它到底会改变什么？我们需要把大数据放在人的背景中加以透视，理解它作为时代变革力量的所以然。

大数据让我们以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见，最终形成变革之力。

变革价值的力量

未来十年，决定中国是不是有大智慧的核心意义标准就是国民幸福。一体现在民生上，通过大数据让有意义的事变得澄明，看我们在人与人关系上，做得是否比以前更有意义；二体现在生态上，通过大数据让有意义的事变得澄明，看我们在天与人关系上，做得是否比以前更有意义。总之，让我们从前10年的意义混沌时代，进入未来10年意义澄明时代。

变革经济的力量

生产者是有价值的，消费者是价值的意义所在。有意义的才有价值，消费者不认同的，就卖不出去，就实现不了价值；只有消费者认同的，才卖得出去，才实现得了价值。大数据帮助我们从消费者这个源头识别意义，从而帮助生产者实现价值。这就是启动内需的原理。

变革组织的力量

随着具有语义网特征的数据基础设施和数据资源发展起来，组织的变革就越来越显得不可避免。大数据将推动网络结构产生无组织的组织力量。最先反映这种结构特点的，是各种各样去中心化的WEB2.0应用，如RSS、维基、博客等。 大数据之所以成为时代变革力量，在于它通过追随意义而获得智慧。

简单而言就是通过收集、整理生活中方方面面的数据，并对其进行分析挖掘，进而从中获得有价值信息，最终衍化出一种新的商业模式。未来，数据可能成为最大的交易商品，首先，手中握有数据的公司站在金矿上，基于数据交易即可产生很好的效益；其次，基于数据挖掘会有很多商业模式诞生，定位角度不同，或侧重数据分析。比如帮企业做内部数据挖掘，或侧重优化，帮企业更精准找到用户，降低营销成本，提高企业销售率，增加利润，带来商业价值。

谷歌搜索、Facebook的帖子和微博消息使得人们的行为和情绪的细节化测量成为可能。挖掘用户的行为习惯和喜好，凌乱纷繁的数据背后找到更符合用户兴趣和习惯的产品和服务，并对产品和服务进行针对性地调整和优化，这就是大数据的价值。大数据也日益显现出对各个行业的推进力。

大数据的价值是通过数据共享、交叉复用后获取最大的数据价值。未来大数据将会如基础设施一样，有数据提供方、管理者、监管者，数据的交叉复用将大数据变成一大产业。

二：大数据行业环境分析

2.1产业链

大数据产业属技术密集型产业，竞争更多是技术实力与创新能力的比拼，离数据越近的产业环节，产业价值越大。能掌控大数据实时集成、海量信息处理和管理、云存储等技术的厂商将成为产业的主导者，主导未来大数据产业技术发展方向，促进商业模式创新。

大数据产业链现在已经初现雏形，围绕大数据的产生与集聚、组织与管理、分析与发现、应用与服务各层级正在加速构建。

大数据产业链示意图

目前，在大数据产业链上有三种大数据公司：

1)基于数据本身的公司(数据拥有者)：拥有数据，不具有数据分析的能力;

2)基于技术的公司(技术提供者)：技术供应商或者数据分析公司等;

3)基于思维的公司(服务提供者)：挖掘数据价值的大数据应用公司;

2.2商业模式

运营商手中拥有着庞大数据。除了常规的年龄、品牌、资费、入网渠道，终端的IMEI、MAC、终端品牌、终端类型等基础信息外，互联网、移动互联网、物联网、云计算的兴起以及移动智能终端的快速普及，运营商的网络正在被更完整的用户数据。例如何时何地上网、上网的内容偏好、各种应用的驻留时间、手机支付信息等等。

在内部运营中，运营商已经从这些庞大的用户数据中，可以分析出不同用户的行为习惯和消费喜好，并应用于在精细化营销基础上。然而就流量经营而言，就这是远远不够的。就海量数据，提供高附加值的数据分析服务，将数据封装为服务，形成可对外开放、可商业化的核心能力，实现商业模式的创新，才能真正实现流量经营。

下面是7大数据行业的7种商业模式

　　1、数据存储空间出租

　　利用存储能力进行运营，满足企业和个人将面临海量信息存储的需求。具体而言，可以分为个人文件存储、针对企业用户两大类。主要是通过易于使用的API，用户方便地将各种数据对象放在云端，然后再像使用水电一般按用量收费。目前已有多个公司推出相应服务，如亚马逊、网易、诺基亚等等。运营商也推出了相应的服务。前者如中国移动彩云业务；后者如传统的IDC。

　　2、客户关系管理

　　对中小客户来说，专门的CRM 显然大而贵。飞信充当了不少小商家的初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发发新产品预告、特价销售通知，完成售前售后服务等等。运营商可以在此基础上，推出基于数据分析后的客户关系管理平台，按行业分类，针对不同的客户采取不同的促销活动和服务方式，提供更好和更有针对性的服务，再提供线上支付通道打通，形成闭环，就是一个特别实用和便捷的客户关系管理系统。

　　3、企业经营决策指导

　　将用户数据，加以运用成熟的运营分析技术，有效改善企业的数据资源利用能力，让企业的决策更为准确，从而提高整体运营效率。如，某店卖牛奶，通过数据分析，知道在本店买了牛奶以后常常会再去另一店买包子，人数还不少。那么这店就可以考虑在家店可以与包子店合作；或是直接在店里出售包子。

　　4、个性化精准推荐

　　“垃圾短信”是为客户所最为厌烦的。之所以为垃圾，不过是因为收到的人并不需要。而被人认为成垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，就成了有价值的信息。比如在日本麦当劳，用户在手机上下载优惠券，去餐厅用运营商DoCoMo的手机钱包优惠支付。运营商和麦当劳搜集相关消费信息，例如经常买什么汉堡，去哪个店消费，消费频次多少，然后精准推送优惠券给用户。

　　5、建设本地化数据集市

　　运营商所具有全程全网、本地化优势，会使得运营商所提供的平台上，可以最大程度覆盖本地服务、娱乐、教育和医疗等数据。典型的应用是中国移动“无线城市”。以“二维码 账号体系 LBS 支付 关系链”的闭环体系推动，带给本地化数据集市平台多元化的盈利模式。

　　6、数据的搜索

　　数据检索是一个并不新鲜的应用，然而随着大数据时代的到来，实时性、全范围检索的需求也就变得越来越强烈。商业应用价值是将实时的数据处理与分析和广告联系起来，即实时广告业务和应用内移动广告的社交服务。运营商掌握的用户网上行为信息，使得所获取的数据“具备更全面维度”，更具商业价值。典型应用如中国移动之“盘古搜索”。

　　7、创新社会管理模式

对运营商来说，数据分析对政府服务市场上更是前景巨大。美国已经使用大数据技术对历史性逮捕模式、发薪日、体育项目、降雨天气和假日等变量进行分析，从而优化警力配置。在中国，运营商也可以在交通、应对突发灾害、维稳等工作范围中使大数据技术发挥更大的作用。

2.3市场规模

根据IDC监测，全球数据量大约每两年翻一番，意味着人类在最近两年产生的数据量

相当于之前产生的全部数据量，我们正处于大数据时代的边缘。在业内人士看来，大数据产业前几年表现一般，而随着市场逐步向前推进，受高科技的快速发展、互联网速度的进一步提高，这个产业将逐步进入成熟期，

美国市场研究公司IDC今年1月份发布的报告显示，全球大数据技术及服务市场复合年增长率（CAGR）将达31.7%，2016年收入将达238亿美元，其增速约为信息通信技术（ICT）市场整体增速的七倍之多。在广大现有和新兴细分市场中，大数据市场融合技术与服务，正形成迅猛的发展势头。尽管情况发展会存在多种可能，供需也存在重重变数，但IDC认为，2012-2016 年期间该市场仍将呈现强劲的增长。

中国大数据应用市场已然显露出冰山一角，2012年市场规模达到4.5亿元，2013年还将持续发酵，未来三年内有望突破40亿元，2016年有望达到百亿规模。

来自于赛迪顾问的数据显示：

2.4行业竞争

大数据时代的一大特点就是，数据成为企业核心资产，对数据的掌握决定对市场的支配权；越靠近最终用户的企业，将在产业链中拥有越大的发言权。

　　两类企业将在大数据产业链处于重要地位。一种是掌握海量有效数据的企业，第二种是有强大数据分析能力的企业。关键是谁拥有更多、更准、更有价值的数据。

　　从数据来源来看，社交网络、移动互联网、信息化企业都是海量数据的制造者。为掌握海量数据，各企业都在争抢互联网入口。互联网入口包括移动浏览器，如QQ、UC、欧朋、360等；搜索引擎，如Google、百度、搜搜等；操作系统，目前主要市场被苹果IOS、谷歌Android和微软Win8垄断；应用商店和App应用以及定制终端。

中国大数据应用处在起步阶段。淘宝、腾讯以及百度这些互联网巨头是率先使用大数据技术的用户，但他们主要基于开源软件自主开发大数据应用。电信和银行领域开始飞大数据技术和服务产生浓厚的兴趣。

为把握大数据时代战略机遇，我国要加速营造良好的大数据产业生态环境，政府应不断完善政策法规，创建适度宽松的发展环境，提升中国在世界信息产业的地位;IT厂商应聚焦技术创新与服务模式创新，洞察用户需求，提供高可用性的整体性解决方案;行业用户应当通过云平台实现数据大集中，形成企业数据资产;同时深度分析挖掘大数据的价值，推动企业智能决策。

三：大数据在行业中的应用分析

大数据应用案例之：医疗行业

　　[1] Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。
　　[2] 在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
　　[3] 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。

大数据应用案例之：能源行业

[1]　 智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。

　　[2]　 维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。

大数据应用案例之：通信行业

[1] XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取措施，保留客户。此外，IBM新的Netezza网络分析加速器，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。
　　[2] 电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。
　　[3] 中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。
　　[4] NTT docomo把手机位置信息和互联网上的信息结合起来，为顾客提供附近的餐饮店信息，接近末班车时间时，提供末班车信息服务。

大数据应用案例之：零售业

[1] "我们的某个客户，是一家领先的专业时装零售商，通过当地的百货商店、网络及其邮购目录业务为客户提供服务。公司希望向客户提供差异化服务，如何定位公司的差异化，他们通过从 Twitter 和 Facebook 上收集社交信息，更深入的理解化妆品的营销模式，随后他们认识到必须保留两类有价值的客户：高消费者和高影响者。希望通过接受免费化妆服务，让用户进行口碑宣传，这是交易数据与交互数据的完美结合，为业务挑战提供了解决方案。"Informatica的技术帮助这家零售商用社交平台上的数据充实了客户主数据，使他的业务服务更具有目标性。
　　[2] 零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。

四：大数据重点企业介绍

大数据的发展从以Google、Amazon、Yahoo！为代表的互联网大公司，蔓延到越来越多的创业公司以及金融、电力、电信等各种传统行业，这些公司和行业在不同的维度进行数据挖掘和分析，创造出更多的商业模式和经济增长点。同时，包括美国在内的诸多国家，都将大数据管理上升到国家战略层面，从国家层面通盘考虑其发展战略。2013年11月19日中国国家统计局与11企业签订了大数据战略合作框架协议，战略合作推进大数据应用。

　　从目前国内外大数据发展历程和趋势来看，掌握海量有效数据和具有强大数据处理分析能力的公司和企业将走在大数据发展的前沿。为了掌握更多数据，各大企业均在抢占互联网入口，包括移动浏览器、搜索引擎、操作系统、应用商店等。在数据处理分析上，包括Cloudera、拓尔思、中科嘉速等综合处理公司，天玑科技、荣之联等数据中心建设和维护公司以及从事信息安全类的启明星辰等公司。

1.IBM

根据Wikibon发布的报告，作为2012年大数据业务营收成绩最好的公司，IBM过去一年从大数据相关产品及服务中获得了13亿美元收益。其具体产品包括服务器与存储硬件、数据库软件、分析应用程序以及相关服务等。在IBM围绕大数据开发出的产品中，DB2、Informix与InfoSphere数据库平台、Cognos与SPSS分析应用可谓最为知名。IBM同时也为Hadoop开源数据分析平台提供支持。

2.惠普

惠普在2012年获得的大数据营收名列第二，总值为6.64亿美元。这家供应商还提供与之相关的硬件、软件以及服务，其最为知名的方案当数Vertica分析平台。

3.Teradata

Teradata在2012年获得全球第三大大数据厂商头衔，其营收总额达4.35亿美元。Teradata凭借自家硬件平台、数据库以及分析软件而声名远播。它同时针对零售及运输行业推出了专门的分析工具。

4.阿里巴巴

在国内，作为中国最大的电子商务平台，淘宝有海量的商业数据，现今淘宝面临数据量大、内容多样、维度丰富（涵盖近百个不同行业的商品维度，五级商品类目体系、近十万个品牌）、源数据质量不高（非法交易、恶意评价、用于自定义属性）等问题。对于淘宝面临的挑战，分布式存储计算、实时计算、实时流处理、基于云计算的数据挖掘、数据可视化和数据产品实践等是应对大数据浪潮的关键技术。

5.百度

对于中国最大的搜索公司百度，凭借入口优势，拥有了中国最大的消费者行为数据库，覆盖95%的中国的网民，日均响应50亿次搜索请求，搜索市场占比达67%。百度副总裁王湛介绍，百度已经建成了包括百度指数、司南、风云榜、数据研究中心和百度统计在内的五大数据体系平台，帮助企业实时了解消费者行为、兴趣变化，以及行业发展状况、市场动态和趋势、竞争对手动向等信息，以便适时调整营销策略。

6.腾讯

腾讯是在大数据时代下，最令人期待和遐想的一家互联网公司。腾讯更加完整的记录了人们在互联网上的行为轨迹和社会属性。根据腾讯披露的信息显示，截至目前，腾讯拥有超过8.254亿QQIM活跃账户，6亿的空间用户，5.4亿微博注册用户和5亿微信用户。这些海量信息汇聚在一起，就能够获取到用户的兴趣爱好、归属地、社会关系链等一系列有价值的信息。然后，利用大数据和关系链，腾讯就能为用户筛选、推荐最适合他的内容。

7.拓尔思

　　拓尔思是大数据领域海量非结构化信息自动化、智能化处理领域的佼佼者，从底层技术、平台产品到应用产品和服务技术产品完备，基于自主平台的企业搜索、机器挖掘、SMAS和OM等产品技术先进应用范围广阔，随着市场的成熟未来前景广阔。

　　今年初，拓尔思取得广州科韵信息股份有限公司30%的股权。

广州科韵公司在流动人口和社会管理研究、体育领域软件研发有深厚经验，在上述细分领域存在竞争优势，并且是国家体育总局羽毛球中心主要信息技术合作伙伴。科韵公司所定位的流动人口信息管理领域具有数据量大，管理分析要求高的特点，拓尔思参股并增资科韵公司可以使TRS大数据相关的新技术新产品结合具体行业得到深度应用机会，进一步创造新的应用价值和模式，让大数据应用落地。

8.东方国信

　　拓展工业和金融数据领域

　　东方国信主要为电信运营商提供智能系统解决方案，包括软件产品开发与销售、技术服务和相应的系统集成等。具体产品可分为企业数据平台、数据分析平台和基于BI的CRM应用三类。公司拥有电信行业通用数据模型、数据清洗等多项核心技术，能够为客户满足在数据仓库建设、经营分析、决策支持、数据挖掘等众多领域的需求。

　　开拓非电信行业大数据业务。2012年度，公司非电信业务收入占比上升至9.79%；北科亿力和科瑞明分别处于工业软件开发与服务行业、金融软件开发与服务行业，通过并购，公司进一步增加非电信业务收入占比。

　　收购北科亿力，拓展工业大数据领域。北科亿力致力于钢铁行业高炉检测和智能模型领域，结合东方国信的相关BI技术，进入工业软件、工业大数据领域，拓展生产、设备、机器类大数据和商业智能领域。

收购科瑞明，拓展金融行业大数据领域。科瑞明专注服务于农村信用社，是国内农村信用社商业智能系统的核心供应商之一；农村信用联社市场而言，商业智能处在起步阶段，客户深度挖掘潜力巨大；通过收购科瑞明，进一步拓展了金融BI市场。

9.同有科技

国内数据存储市场龙头

　　数据的爆炸式增长以及对数据的重视程度催生了对存储的需求。从全球和中国的情况来看，存储行业的景气程度都比较高，全球存储行业的增长在15%以上，中国存储市场的增速约为16%，中国存储市场的发展由于起步较晚，发展空间更大，EMC等存储行业的领先公司今年在中国区的营收目标同比增长超过50%。

　　同有科技是国内领先的、拥有自有品牌和自主知识产权的、专注于企业用户市场的民族存储厂商，主要从事数据存储、数据保护、容灾等技术的研究、开发和应用；旨在通过提供高品质的存储产品、一流的解决方案和专业的技术服务，为政府、军队军工及大型企事业的数据中心、云计算、物联网等构建高效、稳定、可靠的存储、备份和容灾系统。经过十余年的高速发展，公司形成了以自有品牌产品为主导和核心，覆盖数据存储、数据保护、容灾三大领域的业务体系。

五：大数据的发展趋势

大数据市场正在爆炸性增长，不仅表现在市场舆论方面。更是体现在真实的收入上。大数据行业的市场规模庞大，面对的不仅仅是机遇，还有挑战。

1.数据资源化

数据的资源化是指大数据在企业、社会和国家层面成为重要的战略资源。大数据时代，大数据将成为新的战略制高点，是大家抢夺的新焦点;大数据将不断成为机构的资产，成为提升机构和公司竞争力的有力武器。

2.大数据隐私问题

大数据对于隐私将是一个重大挑战，现有的隐私保护法规和技术手段难于适应大数据环境，个人隐私越来越难以保护，有可能会出现有偿隐私服务，数据“面罩”将会流行。预计几年内将会颁布关于大数据隐私的标准和条例。

3.大数据与云计算等深度融合

大数据处理离不开云计算技术，云计算为大数据提供弹性可扩展的基础设施支撑环境以及数据服务的高效模式，大数据则为云计算提供了新的商业价值，因此从2013年开始大数据技术与云计算技术必然进入更完美的结合期。总体而言，云计算、物联网、移动互联网等新兴计算形态，既是产生大数据的地方，也是需要大数据分析方法的领域。

4.大数据分析的革命性方法

在大数据分析上，将出现革命性的新方法。就像计算机和互联网一样，大数据可能是新一波的技术革命。基于大数据的数据挖掘、机器学习和人工智能可能会改变小数据/小世界里的很多算法和基础理论，这方面很可能会产生理论级别的突破。

5.大数据安全

大数据的安全令人担忧，大数据的保护越来越重要——大数据的不断增加，对数据存储的物理安全性要求会越来越高，从而对数据的多副本与容灾机制提出更高的要求。网络和数字化生活使得犯罪分子更容易获得关于人的信息，也有了更多不易被追踪和防范的犯罪手段，可能会出现更高明的骗局，也就是说大数据已经把你出卖。

6.数据共享联盟

数据共享联盟将在2014年逐渐壮大成为产业的核心一环。数据是基础，之前在科技部的支持下，已建立了多个领域的数据共享平台，包括气象、地震、林业、农业、海洋、人口与健康、地球系统科学数据共享平台等。之后，数据共享将扩展到企业层面。

7.更大的数据

现在的大数据，将来都不够大。2014年，大数据将获得更多的关注、研究、开发和应用，所引起的结果是：体现大数据特征的体量大、速度快、模态多、价值密度低等几个V的特性将变得更加极致。尤其是大数据的价值密度会越来越低——数据不断地增长，如何去除大数据中的噪声等垃圾数据，进而从中挖掘和提取出有价值信息的难度也随之增大。

本文来源：https://www.2haoxitong.net/k/doc/5fed5e2cc5da50e2524d7fe8.html