sunshine

大数据

来源: 时间:六月 20, 2014, 1:43 a.m.

http://news.sciencenet.cn/htmlnews/2014/6/296648.shtm


“数据科学和大数据人才培养计划”已正式启动,将在未来3年培养和引进千名高端数据人才。首批大数据工程硕士招生将于今年6月开始报名,9月入学。

该培养计划首批启动了大数据工程硕士、数据科学家训练营和数据科学FIST三个项目,随后还将陆续启动青年数据科学家培养、数据科学博士学位、数据科学硕士学位、数据科学专业硕士学位和数据科学本科第二专业学位等6个培养项目。

“大数据时代来临,甚至有专家认为,所有科学都在变成数据科学。但目前市场上具备深入分析数据能力的人才却十分缺乏。”该计划主要负责人、上海市数据科学重点实验室(复旦大学)主任朱扬勇介绍,根据麦肯锡咨询的预测,到2018年,仅美国本土大数据人才缺口就超过14万名,同时,通过分析大数据并为企业做出有效决策的人才缺口将高达150万名。

近年来,世界各国纷纷成立数据科学研究机构,各大学也成立相关学院培养人才。如美国纽约大学、英国邓迪大学均从2013年起设立数据科学硕士学位,美国哥伦比亚大学将从2015年起设立博士学位。在国内,香港中文大学自2008年起就设立了“数据科学商业统计”科学硕士学位,清华大学新近成立了数据科学研究院,自今年9月起开始招收研究生;西安交大、浙江大学、华东师大等高校也先后设立了数据科学研究中心。

朱扬勇介绍,他所在的实验室是《上海推进大数据研究和发展三年行动计划》的重要组成部分和技术支撑基地,是一个开放的数据科学研究平台;即将启动招生的大数据工程硕士项目将通过整合学术界和工业界在数据科学领域的相关优势资源,训练学员大数据管理和分析实践能力,培养大数据工程师和数据科技应用科学家,学制二年,周末上课,颁发工程硕士学位;数据科学家训练营则通过短期内高强度地获取数据科学家所应具备的基本知识,使学员进入数据科学家队伍;而数据科学FIST课程将聘请海外教授,讲授《数据科学》和《大数据管理技术》两门研究生开放课程。


http://news.sciencenet.cn/htmlnews/2014/5/294896.shtm


李国杰院士:大数据时代需要新“元素周期表”

“当前,大数据已成为社会热潮。这股热潮的主要驱动力来自网络服务公司,各地政府投资大数据的主要目的则是增加GDP,但其实发展大数据的意义不仅仅体现在经济上。”日前,在清华大学举行的大数据时代高端论坛上,中国工程院院士李国杰表示,发展大数据技术的另一个重要意义是促进社会公平正义,促进国家治理的现代化。“大数据的挖掘分析还能促进科学研究,尤其是基础科学研究的发展。面对大数据浪潮,我们的科学研究也需要作出一定的调整。”

“大数据就如同蜜蜂,其主要价值是传播花粉,自己生产的蜂蜜价值并不大。”李国杰介绍说,2013年世界范围内狭义的大数据产业产值只有186亿美元,但广义的大数据应用几乎覆盖所有产业。据麦肯锡公司预测,开放数据仅在教育、保健等7个行业便可释放3.2万亿~5.4万亿美元的经济价值。

然而,在李国杰看来,大数据对社会的贡献并不仅限于经济领域。“大数据分析是认识客观世界的新工具,将开拓计算机科学的新领域——数据科学,同时基于大数据分析的科学研究第四范式必将给全球科技发展带来深刻影响。”

当前,大数据的发展已给传统计算机科学带来挑战。李国杰坦言,计算机科学是关于算法的科学,传统的图灵计算把“输出值”当成“输入值”的函数,假定输入的数据是随意的,并不关心输入数据之间的相互关系。然而,现在的研究发现,其实输入数据本身也是值得研究的对象。“这就是数据科学要研究的内容。”

“在某些情况下,小数据条件下好的算法在大数据条件下可能不再适用。反过来,也有一些问题,数据多了反而更容易解决。大数据的兴起导致计算机科学的重点从算法研究向数据科学转移。”李国杰说,目前的大数据技术大多是针对专门应用开发的,其实应研发更加通用的大数据分析和管理技术,发展像关系数据库这样的理论指导海量非结构化Web数据的处理。

与此同时,越来越多的研究人员开始在数据不断涌现的科学领域摸索,数据驱动型发现也将成为科研的主要形式,熟练应付大数据将很快成为必备技能。对此,李国杰表示,伴随着所有科学都迅速变成“数据科学”,需要在各领域培养既有专业知识又熟悉数据分析的人才,使之拥有分属于不同领域的“双腿”支撑前进。

此外,李国杰强调,为顺应大数据时代潮流,我们需要重新构建一张以大数据为基础的“门捷列夫周期表”。

“‘门捷列夫周期表’的发现,为化学成为一门独立科学奠定了重要基础。而在很多学科中,我们也需要对某些基本元素进行系统分析。”李国杰表示,目前生物领域有基因组学,生理学、病理学、制药、干细胞等领域都在研究“基因组”,也有人在讨论人类语言的“基因组”,这些基因组其实都是构成学科整体的基本元素。而发现这些“基因组”需要通过计算机对海量数据进行分析,这导致各学科领域纷纷出现“某某信息学”的分支学科,凸显了大数据在许多学科中的基础性作用。

“从上世纪70年代开始,围绕计算复杂性,已形成了以算法研究为中心的计算机科学。但随着计算机科学与其他科学的交叉融合,其研究重点将逐步转移到以研究各种基因组学为重点的数据科学。从这个角度来说,现在已经到了发现一张新的‘门捷列夫周期表’的时候了。”李国杰说。




http://news.sciencenet.cn/htmlnews/2014/6/297064.shtm


在近日召开的大数据与科学发现国际研讨会上,国际科技数据委员会主席、中国科学院遥感与数字地球研究所所长郭华东院士提出“科学大数据”概念。他认为,作为大数据的重要组成部分,科学大数据正在使科学世界发生变化,驱动着科学研究进入数据密集型科学发现范式这一全新阶段。

郭华东打了个比方,“科学大数据是人类认识自然和行星地球的钥匙”,这把“钥匙”打开的是科学界的门。对比一般大数据,科学大数据关注科学数据,比如高能物理、生命科学,甚至对海啸、地震监测也能提供一定的科学支持。

根据2012年国际数据公司(IDC)的统计数据,目前中国拥有的数据占全球的13%左右,预计到2020年,这个比例将升至21%,仅次于美国。按照郭华东的说法,大数据的背后是海量数据的交叉融合,如果一个部门把数据藏在家里用,可能利用率只有5%到10%,拿出来分享,数据将被更加彻底、系统地运用于各个科学领域。

然而,从海量数据到大数据、大发现远不是一步之遥,数据共享这座高山并没有翻过去,甚至同一个城市、同一个研究所、同一所大学、同一栋楼的各个科研部门之间常常是交流甚少。“对于数据共享,跨不过去的其实是‘人’这道鸿沟。”郭华东说。

据悉,国际科技数据委员会是全球最大的科技数据国际学术组织,现拥有国家会员、国际学术组织会员等50余个会员,中国于1984年成为正式会员国。2010年,郭华东当选该国际组织主席,这也是该组织成立44年来中国人首次任主席。


http://news.sciencenet.cn/htmlnews/2014/6/297604.shtm


邬贺铨院士:中国应从国家层面推动大数据战略

科技日报北京6月26日电(记者李禾)“对中国来讲,大数据是机会也是挑战。中国人口总量位居世界首位,但数据量仅为日本的60%和北美的7%,其中一半数据未获保护。在大数据技术方面,中国与世界先进国家差距巨大,还缺乏相应的法律和人才等。”中国工程院院士、中国互联网协会理事长邬贺铨26日在接受科技日报记者专访时说。

邬贺铨说,当前全世界数据量快速增长,新产生数据量年增长率达40%。如果把2011年获得的全世界数据量装到iPod上的话,可装满575亿个iPod。把这些iPod当砖用,可垒起两座中国长城。

百分点董事长苏萌强调,目前在全球,数据交换是一个问题。“最大问题是大家认为数据是资产和商品,但定价很难,国际上也没有很好的数据定价模型。目前做法是尽量让数据流动起来,在一些企业间或一对一企业间的一定量数据交换。”

“比如一家是做化妆品网的,一家是做服装网的,两家企业老总比较熟悉,两家网站的消费群体类似,都以女性为主,彼此可以进行客户数据交换。”华院数据董事长宣晓华说,如果直接做数据交换,消费者会顾虑隐私问题,可能比较容易接受的是,“用我的数据来改善企业对我的服务”。

“还要分清数据所有权问题,我今天上淘宝网购物,淘宝有我个人数据,我的行为数据是淘宝还是属于我?目前国际法律认为这个数据属于消费者,淘宝可以用,可提交用户体验,但如果淘宝把该数据卖给第三方就不行。”苏萌说,但淘宝对用户的理解和预测不是原始数据,是其分析结果。把这些数据与第三方分享在美国目前大部分市场上是认可的,如IBM等企业也在利用这些数据为第三方提供服务。

“在美国,一些公司把数据进行整合、加工,并提供服务,不过提供的是大趋势,把‘底层’的一些详细个体数据去除掉,这样能规避掉一些隐私和安全问题。”清华大学苏州研究院大数据中心副主任赵勇说,从大数据监管来说,肯定需要一个具有公信力的机构做监管,“最适合的是政府”。上海已成立大数据局,这是对数据管理的专业政府机构。最核心的管理是“数据拥有者是谁”“使用者是谁”“使用权限如何定义”“如何分级别”“谁是使用数据的受益者”等。

“美国将大数据分析作为国家战略来推动,政府带头进行数据开放。中国很多部门拥有的数据互不沟通,很难共享,导致信息不完整或重复收集等。因此,中国需要有国家层面的大数据战略、开放数据的措施及法规等。”邬贺铨说。(原标题:专家建议从国家层面推动大数据战略)


http://www.sheitc.gov.cn/

上海市经济和信息化委员会(上海市经信委)已经在研究成立大数据局

http://www.gdei.gov.cn/


广东将成立大数据管理局

其具体职责是:研究拟订并组织实施大数据战略、规划和政策措施,引导和推动大数据研究和应用工作;组织制定大数据收集、管理、开放、应用等标准规范;推动形成全社会大数据形成机制的建立和开发应用;承担企业情况综合工作,负责企业数据收集和存储;组织编制电子政务建设规划并组织实施;组织协调政务信息资源共享;组织协调省级重大电子政务项目建设,组织协调网上办事大厅等电子政务一站式服务建设;负责统筹政务信息网络系统、政务数据中心的建设、管理;统筹协调信息安全保障体系建设;承担信息安全等级保护、应急协调和数字认证相关工作。


http://www.askci.com/reports/2014/06/2710454331601.shtml


2014-2020年中国大数据产业市场竞格局与投资前景咨询报告


报告描述\ REPORT DESCRIPTION
本报告依据国家统计局、海关总署和国家信息中心等渠道发布的权威数据,从理论到实践、从宏观到微观等多个角度进行研究分析。本报告是全面了解行业以及对本行业进行投资不可或缺的重要工具。PS本报告将保持时实更新,为企业提供最新资讯,使企业能及时把握局势的发展,及时调整应对策略。


报告目录\ REPORTS DIRECTORY
第一章 大数据产业基本概述 1
第一节 大数据基本概念     1
一、大数据的定义       1
二、大数据的特征       2
三、大数据的类型       3
四、大数据与BI的区别      6
第二节 大数据产生的历史背景 7
一、信息技术的进步    7
二、互联网的诞生与发展    9
三、云计算的发展与应用    11
四、物联网的发展       12
五、社交网络的发展    12
六、智能终端的普及    13
第三节 大数据的作用与影响     14
一、大数据的作用与意义    14
 1、对于国家和政府     14
 2、对于企业 15
 3、对于个人 16
二、大数据的商业价值       17
三、大数据的影响与趋势    21
 1、对信息技术产业的影响 21
 2、对信息技术应用的影响 21
第四节 大数据产业链解析 22
一、大数据的生态系统       22
二、大数据产业的概念       24
三、大数据产业链构成       24
 1、数据产生与集聚层 24
 2、数据组织与管理层 24
 3、数据分析与发现层 25
 4、数据应用与服务层 25
第五节 大数据关键技术分析     25
一、大数据与云计算    25
 1、编程模型 25
 2、海量数据分布存储技术 27
 3、海量数据管理技术 30
 4、虚拟化技术     31
 5、云计算平台管理技术     33
 6、并行计算和并行算法     34
 7、Web2.0   34
 8、面向服务的体系结构SOA    35
 9、云安全     36
二、大数据处理工具    38
 1、Hadoop   38
 2、HPCC      38
 3、Storm       39
 4、ApacheDrill     40
 5、RapidMiner     40
 6、PentahoBI      41
第六节 大数据带来的机遇与挑战     42
一、大数据带来的机遇       42
 1、大数据的挖掘和应用成为核心     42
 2、大数据为信息安全带来发展契机 43
 3、使商业智能和信息安全增速加快 43
二、大数据带来的挑战       44
 1.人才 44
 2.技术 45
 3.信息安全 46
 
第二章 全球大数据产业发展现状与预测     48
第一节 全球已全面进入大数据时代 48
一、全球大数据储量规模    48
二、全球大数据地区分布    49
第二节 全球大数据厂商创新成果分析     52
一、Hadoop分发 52
二、下一代数据仓库    54
三、大数据分析平台和应用       57
 1、大数据分析的分类 57
 2、数据分析的算法复杂度 59
 3、大数据分析应用     59
四、大数据即服务       61
 1、大数据即服务定义 61
 2、大数据即服务的用例     62
 3、大数据即服务元素 63
第三节 全球大数据应用现状与动向 64
一、国外的数据开放战略与浪潮       64
 1、国外推行大数据战略的原因 64
 2、国外推行大数据战略的主要做法 66
二、国外大数据应用现状与经济价值       67
 1、美国大数据应用现状与价值 67
 2、欧洲大数据应用现状与价值 69
 3、日本大数据应用现状与价值 69
三、大数据已上升到国家战略高度    74
 1、美国提出大数据发展计划     74
 2、欧盟将大数据作为Horizon2020计划优先领域 81
 3、日本新ICT战略重点关注大数据 81
 4、韩国推出大数据中心战略     81
第四节 2013年全球大数据产业回顾       82
一、2013年全球大数据发展回顾     82
二、2013年全球大数据热点事件     84
 1、技术平台全面发展 84
 2、大数据一体机盛行 84
 3、企业对大数据的投入增加     85
 4、业界巨头加快产业链布局     85
 5、新兴企业不断涌现 86
第五节 全球大数据产业商业模式分析     87
一、大数据内生型价值模式       87
二、大数据外生型价值模式       87
三、大数据寄生型价值模式       87
四、大数据产品型价值模式       88
五、大数据云计算服务型价值模式    88
第六节 全球大数据产业市场规模及预测 88
一、全球大数据产业规模及预测       88
二、全球大数据细分市场及预测       89
 1、全球大数据细分市场     89
 2、大数据专业服务市场及预测 90
 3、大数据计算机市场规模及预测     90
 4、大数据软件市场规模及预测 91
第七节 全球大数据产业市场格局分析     92
一、全球大数据产业企业类型分析    92
二、全球大数据专营厂商收入占比    100
三、全球大数据专营厂商市场格局    101
第八节 全球大数据产业发展趋势与问题 106
一、全球大数据产业发展趋势    106
二、全球大数据技术发展趋势    108
 1、技术趋向多样化     108
 2、基于云的数据分析平台将更趋完善     108
 3、数据分析集逐步扩大     110
三、全球大数据面临的主要问题       111
 1、大数据存储技术     111
 2、数据深度分析与挖掘     111
 3、数据安全 112
 4、隐私保护 112
 
第三章 中国大数据产业发展现状与前景预测    113
第一节 中国大数据时代已来临 113
一、互联网发展分析    113
 1、互联网网民规模     113
 2、互联网资源规模     115
二、社交媒体发展分析       120
 1、新闻网站 120
 2、网络视频 123
 3、搜索引擎 127
 4、即时通信 128
 5、网络社区 131
 6、微博 132
 7、博客/个人空间 133
三、物联网发展分析    134
 1、中国物联网行业的发展现状 134
 2、中国物联网行业的发展规模 135
四、电子商务发展分析       135
 1、中国电子商务行业发展概述 135
 2、中国电子商务行业发展规模 139
五、移动设备发展分析       141
六、数据量分析    143
第二节 中国政府对大数据科研的支持     144
一、863计划       144
二、国家重大科技专项       145
三、物联网“十二五”发展规划       146
第三节 中国大数据产业发展现状分析     155
一、大数据产业链建设情况       155
二、大数据产业生命周期分析    156
三、大数据产业市场规模分析    158
四、大数据应用行业投资分布    159
五、大数据产业面临的挑战       161
第四节 中国大数据应用实践分析     162
一、大数据在经济预警方面的应用    162
二、大数据在市场营销方面的应用    163
三、大数据在医疗领域的应用    164
 1、临床操作 165
 2、付款/定价 167
 3、研发 168
 4、新的商业模式 170
 5、公众健康 171
四、大数据在金融领域的应用    171
第五节 2013-2014年中国大数据最新动向     172
一、企业大数据产品与技术动向       172
二、中关村大数据产业链雏形初现    177
三、地方政府推出政策助推大数据发展    179
四、华为联手英国大学开发“大数据”    181
第六节 2014-2018年中国大数据产业前景预测     182
一、大数据产业总体规模预测    182
二、大数据产业细分市场预测    183
 1、大数据基础架构硬件市场预测     183
 2、大数据软件市场发展前景预测     183
 3、大数据服务市场发展前景预测     184
第七节 中国大数据产业发展路线图 184
一、多措并举,推进大数据产业化进程    185
 1、支持信息服务企业发展转型 185
 2、加大投入力度,加快技术突破     185
 3、加强基础数据整合 185
二、加快推广应用,引导大数据发展       186
 1、推动示范应用 186
 2、推进智慧城市建设 186
三、优化信息化发展环境,加大专业人才培养力度       186
 1、发挥行业协会作用 186
 2、加强培训 187
 3、加大数据人才培养力度 187
 
第四章 中国企业大数据需求与应用趋势调查    188
第一节 调查背景 188
一、被调查者所属行业       188
二、被调查者企业规模       189
三、被调查企业每月新增数据规模    189
第二节 企业大数据需求分析     190
一、企业数据系统架构存在的问题    190
二、企业面临的数据技术难题    192
三、企业数据挖掘和分析面临的问题       193
第三节 企业大数据应用现状与规划 194
一、企业数据处理产品的服务商       194
二、企业大数据投入情况    195
三、企业部署开源大数据解决方案的计划       196
四、企业大数据的部署规模       197
第四节 企业大数据应用选型依据     197
一、企业做数据产品选型时考虑的因素    197
二、企业关注的数据产品特性    199
三、企业选择服务商时考虑的因素    200
第五节 企业大数据应用趋势分析     200
一、企业关注的数据管理新技术       201
二、企业如何看待商业智能的未来    202
 
第五章 典型领域大数据应用价值与需求分析    203
第一节 政府 203
一、电子政务建设现状       203
二、政府大数据应用需求    204
三、政府大数据应用场景    204
四、政府大数据应用价值分析    205
五、政府大数据应用典型案例    206
六、政府大数据应用前景分析    207
第二节 电信 207
一、行业大数据应用需求分析    207
二、行业大数据应用场景分析    209
三、行业大数据应用价值分析    211
四、行业大数据应用典型案例    212
五、行业大数据应用前景分析    215
第三节 金融 217
一、行业信息化建设现状    217
二、行业数据量及其特征    219
三、行业大数据应用需求分析    221
四、行业大数据应用场景分析    223
五、行业大数据应用价值分析    223
六、行业大数据应用典型案例    225
七、行业大数据应用前景分析    228
第四节 互联网     229
一、行业数据储量与特点    229
二、行业大数据应用需求分析    231
三、行业大数据应用场景分析    231
四、行业大数据应用价值分析    233
五、行业大数据应用经典案例    236
六、行业大数据应用前景分析    237
第五节 零售 238
一、行业信息化现状分析    238
二、行业数据量与特点分析       239
三、行业大数据应用场景分析    240
四、行业大数据应用价值分析    242
五、行业大数据应用经典案例    244
六、行业大数据应用前景分析    247
第六节 医疗 251
一、行业信息化建设情况    251
二、行业数据量及其特点    251
三、行业大数据应用场景分析    254
四、行业大数据应用价值分析    259
五、行业大数据应用典型案例    260
六、行业大数据应用前景分析    261
第七节 智慧城市 263
一、智慧城市建设情况分析       263
 1、智慧城市投资规模及预测     263
 2、智慧城市IT投资分析    264
二、智慧城市大数据应用需求    265
三、智慧城市大数据应用价值    266
四、智慧城市大数据应用经典案例    270
五、智慧城市大数据应用前景    274
第八节 能源 275
一、行业信息化建设现状分析    275
二、行业大数据应用需求分析    276
三、行业大数据应用场景分析    277
四、行业大数据应用价值分析    278
五、行业大数据应用经典案例    280
六、行业大数据应用前景分析    282
第九节 制造业     284
一、行业信息化建设现状    284
二、行业数据量及其特点    285
三、行业大数据应用需求分析    287
四、行业大数据应用场景分析    288
五、行业大数据应用价值分析    288
六、行业大数据应用典型案例    291
七、行业大数据应用前景分析    292
第十节 其它领域 293
一、教育行业大数据应用需求    293
二、军事行业大数据应用需求    298
三、旅游行业大数据应用需求    299
 
第六章 国内外企业大数据产业战略布局     301
第一节 国外企业布局大数据     301
一、IBM 301
 1、大数据布局线路     301
 2、大数据市场定位     301
 3、大数据解决方案     302
 4、给用户带来的价值 304
 5、大数据收入及占比 305
 6、大数据业务结构分析     307
二、HP 308
 1、大数据布局线路     308
 2、大数据市场定位     308
 3、大数据解决方案     310
 4、给用户带来的价值 311
 5、大数据收入及占比 313
 6、大数据业务结构分析     313
三、Intel       313
 1、大数据布局线路     313
 2、大数据市场定位     314
 3、大数据解决方案     314
 4、给用户带来的价值 316
 5、大数据收入及占比 316
四、Teradata 317
 1、大数据布局线路     317
 2、大数据市场定位     318
 3、大数据解决方案     321
 4、给用户带来的价值 324
 5、大数据收入及占比 325
 6、大数据业务结构分析     325
五、Dell 327
 1、大数据布局线路     327
 2、大数据市场定位     327
 3、大数据解决方案     328
 4、给用户带来的价值 329
 5、大数据业务结构分析     329
六、ORACLE       332
七、SAP       333
 1、大数据布局进程     333
 2、大数据解决方案     334
 3、给用户带来的价值 336
 4、大数据收入及占比 337
 5、大数据业务结构分析     337
八、EMC      339
 1、大数据布局进程     339
 2、大数据市场定位     339
 3、大数据解决方案     339
 4、给用户带来的价值 341
 5、大数据收入及占比 341
 6大数据业务结构分析 342
九、CiscoSystems      342
 1、大数据布局进程     342
 2、大数据市场定位     343
 3、大数据解决方案     345
 4、大数据收入及占比 345
 5、大数据业务结构分析     346
十、Microsoft      348
 1、大数据布局线路     348
 2、大数据市场定位     349
 3、大数据解决方案     350
 4、给用户带来的价值 350
 5、大数据收入及占比 351
 6、大数据业务结构分析     351
十一、Accenture 354
 1、大数据布局线路     354
 2、大数据市场定位     355
 3、大数据收入及占比 356
 4、大数据业务结构分析     356
十二、Fusion-io   360
 1、大数据布局线路     360
 2、大数据市场定位     360
 3、大数据解决方案     361
 4、大数据业务结构分析     362
十三、PwC   365
 1、大数据市场定位     365
 2、大数据收入及占比 365
 3、大数据业务结构分析     366
十四、SASInstitue      366
 1、大数据布局线路     366
 2、大数据市场定位     368
 3、大数据解决方案     368
 4、大数据收入及占比 368
 5、大数据业务结构分析     369
十五、Splunk       369
十六、Deloitte      370
 1、大数据市场定位     370
 2、大数据收入及占比 371
 3、大数据业务结构分析     371
十七、Amazon     372
 1、大数据布局线路     372
 2、大数据解决方案     372
 3、大数据收入及占比 373
 4、大数据业务结构分析     373
十八、TableauSoftware      374
 1、大数据布局线路     374
 2、大数据市场定位     375
 3、大数据解决方案     375
 4、大数据收入及占比 376
十九、NetApp      377
 1、大数据布局线路     377
 2、大数据市场定位     377
 3、大数据解决方案     378
 4、大数据收入及占比 379
 5、大数据业务结构分析     380
二十、Hitachi       381
 1、大数据布局线路     381
 2、大数据市场定位     382
 3、大数据解决方案     382
 4、给用户带来的价值 383
二十一、Informatica    383
 1、大数据布局线路     383
 2、大数据市场定位     384
 3、大数据解决方案     387
 4、给用户带来的价值 391
 5、大数据收入及占比 391
二十二、Fujitsu    392
 1、大数据布局线路     392
 2、大数据市场定位     392
 3、大数据解决方案     393
 4、给用户带来的价值 397
 5、大数据收入及占比 397
二十三、其它企业       397
 1、Google    397
 2、Facebook       398
 3、Twitter     399
 4、Wal-Mart 400
 5、ZARA      400
 6、Datameer 402
 7、Connotate      402
 8、ClearStoryData      403
 9、Siemens 403
 10、OperaSolution     404
 11、MuSigma      404
第二节 国内企业大数据布局情况     404
一、互联网企业布局大数据       404
 1、百度 404
 2、淘宝 405
 3、腾讯 405
 4、阿里巴巴 406
 5、新浪 406
 6、盛大网络 407
二、IT企业布局大数据       407
 1、浪潮 407
 2、华为 408
 3、联想 409
 4、神州数码 410
 5、东软 410
三、电信运营商布局大数据       411
 1、中国电信 411
 2、中国移动 411
 3、中国联通 411
第三节 国内外企业大数据布局比较 416
 
第七章 中国大数据产业链投资机会分析     420
第一节 硬件层面投资机会分析 420
一、大数据对数据存储需求       420
二、数据存储市场格局现状       421
 1、移动硬盘市场格局 421
 2、U盘、闪存卡市场格局 421
三、服务器市场格局现状    422
四、硬件层面投资机会分析       422
第二节 软件层面投资机会分析 423
一、基础软件投资机会分析       423
二、应用软件投资机会分析       423
第三节 信息服务层面投资机会 424
一、IT基础设施服务业投资机会       424
二、信息咨询服务业投资机会    424
三、信息安全行业投资机会       425
四、中国大数据产业投资象限    426
 
第八章 大数据产业融资现状与趋势分析     427
第一节 大数据产业投资热度分析     427
一、大数据产业投资热潮    427
二、大数据产业投资趋势    427
第二节 大数据产业并购趋势分析     428
一、大数据产业并购动向    428
二、大数据产业并购特征    428
三、大数据产业并购趋势    428
第三节 大数据产业融资机会分析     429
一、大数据产业融资模式    429
 1、PE/VC     429
 2、上市融资 430
 3、天使投资 430
二、大数据产业融资案例    431
 1、风投融资案例 431
 2、种子融资案例 431
 3、大宗融资案例 432
三、大数据产业融资机会    432
 
第九章 中国大数据产业链关联企业运营分析    434
第一节 海量数据存储、处理、咨询相关公司 434
一、江苏天泽信息产业股份有限公司       434
 1、公司发展简介 434
 2、公司组织架构分析 435
 3、公司主要产品及特点     435
 4、公司经营情况分析 436
 5、公司经营优劣势分析     438
 6、公司最新发展动向 438
二、北京拓尔思信息技术股份有限公司    439
 1、公司发展简介 439
 2、公司组织架构分析 440
 3、公司主要产品及特点     440
 4、公司研发能力分析 443
 5、公司经营情况分析 443
 6、公司经营优劣势分析     445
 7、公司最新发展动向 446
三、厦门市美亚柏科信息股份有限公司    447
 1、公司发展简介 447
 2、公司主要产品及特点     447
 3、公司研发能力分析 449
 4、公司经营情况分析 451
 5、公司经营优劣势分析     452
 6、公司最新发展动向 453
第二节 数据中心建设与运维相关公司     454
一、荣之联科技股份有限公司    454
 1、公司发展简介 454
 2、公司主要产品及特点     455
 3、公司经营情况分析 456
 4、公司经营优劣势分析     458
 5、公司投资并购情况 458
 6、公司最新发展动向 458
二、上海天玑科技股份有限公司       459
 1、公司发展简介 459
 2、公司组织架构分析 459
 3、公司主要产品及特点     460
 4、公司研发能力分析 460
 5、公司经营情况分析 461
 6、公司投资并购情况 462
 7、公司最新发展动向 462
三、北京银信长远科技股份有限公司       463
 1、公司发展简介 463
 2、公司经营情况分析 464
 3、公司经营优劣势分析     465
第三节 视频化应用相关公司     466
一、杭州海康威视数字技术股份有限公司       466
 1、公司发展简介 466
 2、公司组织架构分析 467
 3、公司主要产品及特点     467
 4、公司研发能力分析 467
 5、公司营销网路分析 468
 6、公司经营情况分析 468
 7、公司经营优劣势分析     469
二、浙江大华技术股份有限公司       470
 1、公司发展简介 470
 2、公司主要产品及特点     471
 3、公司研发能力分析 471
 4、公司营销网络分析 471
 5、公司经营情况分析 472
 6、公司经营优劣势分析     474
第四节 智能化与人机交互概念相关公司 475
一、安徽科大讯飞信息科技股份有限公司       475
 1、公司发展简介 475
 2、公司主要产品及特点     475
 3、公司研发能力分析 476
 4、公司经营情况分析 476
 5、公司经营优劣势分析     477
 6、公司最新发展动向 478
二、用友软件股份有限公司       479
 1、公司发展简介 479
 2、公司组织架构分析 480
 3、公司主要产品及特点     481
 4、、公司研发能力分析       483
 5、公司经营情况分析 483
 6、公司经营优劣势分析     484
 7、公司最新发展动向 485
第五节 信息安全类公司     485
一、成都卫士通信息产业股份有限公司    485
 1、公司发展简介 485
 2、公司主要产品及特点     486
 3、公司研发能力分析 489
 4、公司经营情况分析 490
 5、公司经营优劣势分析     492
 6、公司投资并购情况 494
 7、公司最新发展动向 495
二、北京启明星辰信息技术股份有限公司       495
 1、公司发展简介 495
 2、公司组织架构分析 497
 3、公司主要产品及特点     500
 4、公司研发能力分析 500
 5、公司经营情况分析 501
 6、公司最新发展动向 503
三、蓝盾信息安全技术股份有限公司       503
 1、公司发展简介 503
 2、公司主要产品及特点     504
 3、公司研发能力分析 505
 4、公司经营情况分析 506
 5、公司经营优劣势分析     507
 6、公司最新发展动向 508
第六节 拥有数据资源的公司     508
一、阿里巴巴集团       508
 1、公司发展简介 508
 2、公司组织架构分析 509
 3、公司主要产品及特点     512
 4、公司经营情况分析 516
 5、公司经营优劣势分析     516
 6、公司投资并购情况 519
 7、公司最新发展动向 520
二、腾讯控股有限公司       522
 1、公司发展简介 522
 2、公司主要产品及特点     522
 3、公司经营情况分析 524
 4、公司经营优劣势分析     525
 5、公司发展战略分析 527
 6、公司投资并购情况 527
 
 
图表目录
图表:“广播”加“接收”模式 10
图表:“请求”加“响应”模式 10
图表:Map函数处理模式   26
图表:Reduce函数处理模型     27
图表:GFS与传统分布式文件系统的区别      28
图表:写控制信号和写数据流模型    29
图表:2012-2013年全球大数据产业规模       88
图表:2014-2018年全球大数据产业规模预测       89
图表:2013年全球大数据细分市场规模占比分析 89
图表:2012-2013年全球大数据计算机市场规模分析   90
图表:2014-2018年全球大数据计算机市场规模预测分析  91
图表:2012-2013年全球大数据软件市场规模分析       91
图表:2014-2018年全球大数据软件市场规模预测分析       91
图表:2011-2012年2月全球顶级专业大数据厂商收入明细分析       101
图表2011年全球顶级专业大数据厂商收入市场占比     101
图表:2012年全球大数据专营厂商收入占比分析 102
图表:基于云的数据分析平台框架示意图       109
图表:不同数据存储量的企业采取SaaS模式占比 110
图表:2011-2013年我国互联网网民数量分析       113
图表:2009-2013年6月我国手机网民贵及占网民比例分析       114
图表:2012.12-2013.6年中国互联网基础资源对比      116
图表:中国IPv6地址数量 116
图表:中国IPv4地址数      117
图表:中国分类CN域名总数    117
图表:中国分类CN域名数量分析    118
图表:中国网站数量    118
图表:中国国际出口宽带及增长率分析    119
图表:主要骨干网络国际出口宽带条数    119
图表:2012年12月-2013年6月即时通信网民数及使用量率    128
图表:2012年12月-2013年6月手机即时通信网民数及使用率       128
图表:2012年12月-2013年6月博客/个人空间网民数及使用率      129
图表:2012年12月-2013年6月微博网民数及使用率       130
图表:2012年12月-2013年6月手机微博网民数及使用率       130
图表:2012年12月-2013年6月社交网站网民数及使用率       131
图表:2011-2013年我国大数据产业规模及增长率分析       158
图表:2014-2018年我国大数据产业规模及增量预测   182
图表:2014-2018年我国大数据产业基础构架硬件市场规模预测       183
图表:2014-2018年我国大数据产业软件市场规模预测       183
图表:2014-2018年我国大数据产业专业服务市场规模预测       184
图表:被调查者所属行业    188
图表:被调查者所在企业的规模       189
图表:被调查者所在企业每月新增的数据规模       190
图表:被调查者认为企业数据系统架构存在的问题       191
图表:被调查者所在企业面临的数据技术难题       192
图表:调查者所在企业数据挖掘和分析面临的问题       193
图表:被调查者所在企业数据处理产品的服务商    194
图表:被调查者所在企业大数据投入情况       195
图表:被调查者所在企业部署开源大数据解决方案的计划    196
图表:被调查者所在企业大数据的部署规模    197
图表:被调查者所在企业做数据产品选型时考虑的因素       198
图表:被调查者关注的数据产品特性       199
图表:被调查者所在企业选择服务商时考虑的因素       200
图表:企业对大数据技术趋势发展的预测       201
图表:企业对商业智能应用未来趋势的预测    202
图表:国外电信运营商大数据应用    210
图表:国内电信运营商大数据运用层次    210
图表:2014-2015年中国电信行业大数据应用规模预测       216
图表:三大运营商未来大数据投资预测    217
图表:2013年中国金融行业大数据应用投资结构 222
图表:2012-2015年金融行业大数据市场规模及预测   223
图表:金融行业大数据主要应用场景       223
图表:中信银行大数据应用技术架构图    225
图表:客户综合分析管理系统功能架构图       227
图表:客户生命周期服务管理    228
图表:2013-2015年中国金融行业IT投资结构及预测       228
图表:2013-2015年中国金融行业大数据应用规模与增长及预测    229
图表:2013-2015年中国金融行业大数据应用结构及预测 229
图表:2011-2015年中国智慧城市IT投资规模及预测       264
图表:智慧城市涉及的关键IT技术投资 264
图表:智慧城市涉及的关键IT技术投资 265
图表:智慧城市涉及的关键IT技术投资 265
图表:2013年智慧城市大数据应用分布 266
图表:IBM大数据平台之Hadoop系统    303
图表:2013财年收入排名前十二的公司的营收表 379
图表:日立IT系统服务平台      382
图表:日立BIGDota数据平台,方案。   382
图表:日立BIGDota数据平台,方案。   383
图表:日立公司流处理平台价值       383
图表:华为大数据IT系统 408
图表:2013年中国外置储存市场占有情况     423
图表:中国IT市场规模      424
图表:大数据产业结构示意图    425
图表:中国大数据时代投资象限       426
图表:2012年大数据行业融资情况 429
图表:大数据行业投资案例       431
图表:2014年大数据行业大宗融资案例 432
图表:从融资轮次来看,种子、天使、A轮融资情况    433
图表:天泽公司经营团队   435
图表:2013-2014年投泽信息公司经营情况   436
图表:2013-2014年投泽信息公司经营情况   436
图表:2013-2014年投泽信息公司经营情况   436
图表:2013-2014年投泽信息公司资产情况   437
图表:2013-2014年投泽信息公司流动资产情况   437
图表:2013-2014年投泽信息公司现金流量情况   437
图表:2013-2014年投泽信息公司现金流量情况   437
图表:2013-2014年投泽信息公司现金流量情况   438
图表:TRS公司高管情况   440
图表:拓尔思2013-2014年流动资产负债情况      443
图表:拓尔思2013-2014年流动资产负债情况      444
图表:拓尔思2013-2014年非流动资产负债情况 444
图表:拓尔思2013-2014年非流动资产负债情况 444
图表:拓尔思2013-2014年利润表 445
图表:拓尔思2013-2014年利润表 445
图表:拓尔思2013-2014年利润表 445
图表:2013年美亚柏科资产负债表 451
图表:2013年美亚柏科资产负债表 451
图表:2013年美亚柏科利润表 451
图表:2013年美亚柏科利润表 452
图表:2013年美亚柏科利润表 452
图表:2013年荣之联资产负债表     456
图表:2013年荣之联资产负债表     456
图表:2013年荣之联非流动资产表 457
图表:2013年荣之联非流动资产表 457
图表:2013年荣之联利润表     457
图表:2013年荣之联利润表     457
图表:2013-2014.3年天玑科技资产负债表    461
图表:2013-2014.3年天玑科技资产负债表    461
图表:2013-2014.3年天玑科技资产非流动资产负债表       461
图表:2013-2014.3年天玑科技利润表    461
图表:2013年银信科技利润表 464
图表:2013年银信科技利润表 465
图表:2013-2014年3月年大华股份盈利能力情况       472
图表:2013-2014年3月年大华股份资本结构情况       472
图表:2013-2014年3月年大华股份经营效率分析       472
图表:2013-2014年3月年大华股份获利能力分析       473
图表:2013-2014年3月年大华股份发展能力分析       473
图表:2013-2014年3月年大华股份利润分配分析       473
图表:2013-2014年3月年科大讯飞盈利能力情况       476
图表:2013-2014年3月年科大讯飞资本结构情况       477
图表:2013-2014年3月年科大讯飞经营效率分析       477
图表:2013-2014年3月年科大讯飞获利能力分析       477
图表:2013年用友盈利能力情况     483
图表:2013年用友获利能力分析     483
图表:2013年用友利润分配分析     484
图表:成都卫士通主要业务收入       490
图表:成都卫士通净资产收益率       491
图表:成都卫士通主要业务收入排名       491
图表:成都卫士通净资产收益率排名       492
图表:天清汉马一体化安全网关       500
图表:天清入侵防御系统    500
图表:启明星辰主营业务收入    501
图表:启明星辰净资产收益率    502
图表:启明星辰主营业务收入排名    502
图表:启明星辰净资产收益率排名    503
图表:蓝盾主营业务收入    506
图表:蓝盾净资产收益率    506
图表:蓝盾主营业务收入排名    507
图表:蓝盾净资产收益率排名    507
图表:腾讯控股财务报表    524
图表:腾讯控股营收经营收益趋势    525



上一篇:
下一篇: