
解读2017中国大数据企业排行榜V3.0
首席数据官联盟发起人刘冬冬先生解读:2017年《中国大数据企业排行榜》V3.0已经是《中国大数据企业排行榜》的第三次更新了,第一版是2015年底发布的,一经发布就在中国大数据业界引起了很大的反响,众多知名企业高管、政府领导都强烈致电要求我们持续推出,帮助政府和企业快速的筛选大数据供应商以及帮助政府招商引资;
因此在业界专家们的支持下我们去年发布了第二版,未来我们将每半年发布一次中国大数据企业的排名更新,更好的服务于使用大数据的政府和企业。从去年第二版开始,我们发布排行榜的同时也推出了一系列相关报告,包括《中国大数据企业排行榜》、《中国大数据产业地图》、《中国大数据业产业分析》、《大数据企业评价指标》等。其目的在于使更多政府和传统企业能够更全面、更快速的了解中国大数据行业的发展。
每次的排行榜都凝结了首席数据官联盟专家组上百位专家们共同智慧,从产业发展分析到产业地图,再通过严格的评价指标体系(采用国家创新型企业的三级标准26个维度),最终得出本次排行榜。此次排行榜同时也得到了我们的同行,例如:中关村大数据产业联盟、中国大数据产业应用协同创新联盟、中国西部互联网大数据与产业联盟、西南大数据联盟、重庆大数据产业联盟、西北大数据产业联盟、南京大数据产业联盟、中国数据共享公约组织、深圳市大数据研究与应用协会等领导的认可,还得到:央企CIO联盟、华南CIO联盟、西南CIO联盟、西北CIO联盟、七邦CIO联盟、深圳CIO联盟、数据架构师联盟、Pentaho中国、China Hadoop Summit、海数据社区、Spago86社区等众多个知名组织专家们的支持。
本次出席发布会的大数据产、学、研、用代表:北京大学电子政务研究院副院长杨明刚、中科院计算机研究所博士生导师罗平、中国钢铁集团信息管理部总经理李红、中国黄金珠宝公司信息管理部总经理周韩林、三一重工流程信息化总部战略总监文博武、中华网创新业务总监熊锦华、中关村大数据产业联盟秘书长赵国栋等领导;往届代表:北京理工大学大数据搜索挖掘实验室主任张华平、中铝公司信息管理部副总文欣荣、达晨创创投大数据负责人窦勇、北京信息化协会副理事长马小东、China Hadoop Summit创始人何建军、宏碁电脑营销总经理黄峻涛、阳光信保数据开发部总经理安光勇等。
从覆盖面上讲,本次排名对近1100家大数据公司进行了考察。排行从41个应用领域、10个行业领域、13个智慧城市领域和8个大数据周边服务领域,总共64个细分+8个服务领域全面对国内大数据企业进行相对全方位的细分与展示。本次我们新增8个垂直行业和领域,并更新、调整了2个行业和领域分类。本次上榜企业共252家,其中同时在3个以上细分领域上榜的企业有13家,同时在两个细分领域上榜的企业有31家。
与2016年7月份发布的《中国大数据企业排行榜 V2.0》相比,本次新上榜大数据企业84家(占本次排名企业的33.3%),149家企业连续两次(去年和今年)上榜(占本次排名企业的59.1%)。只有107家企业排名与去年排名相同(占本次排名企业的42.5%)。共有9家企业因并购、股东变化、公司扩张、改制等原因,其公司注册名称发生了变化。还有64家企业出榜单上退了下来(占本次排名企业的25.4%),但这并不意味企业本身出了问题,而是其业务发生了变化,以及排行的细分领域也进行了优化等原因。另外,大数据行业的蓬勃发展,也吸引了大量的资本方和各行业的龙头企业(BAT等),因此原先以技术为主的大数据行业的游戏规则也发生了不少变化。背靠互联网龙头企业、资本方的所谓“新型”企业,以及各家上市公司依靠强大的资本实力和人力资源迅速代替了原先的企业。
通过本次行业排名,我们再次体会到了大数据行业迅猛的发展速度,而这些迅猛的变化大大提高了我们排名的难度。但同时经过近两个月的努力,我们也获得了许多非常宝贵的行业第一手资料。
从考评方法上讲,我们在国标体系的基础上完善了我们的评价指标。指标分成4个一级指标,包括评价企业的技术能力、健康度、创新驱动能力和它的知识产权能力。4个一级指标分成9个二级指标和26个三级指标组成。而在三级指标的设计上,我们全部采用了相对指标体系,以更真实反映企业活动的效率。因为大部分企业还是中小微企业,成立时间短,且体系不够完善等特点,但却具备了大企业所没有具备的创新能力和灵活性。而这些能力很难在财务指标中迅速体现出来,也不能准确地评价这些大数据企业的真实、客观的能力。
数据源:全部来源于政府部门和第三方权威机构的公开数据。而首席数据官联盟本身就有一大批大数据专家,包括舆情领域的专家。我们通过对社交等互联网数据的分析,侧面地获得了支持主观变量的数据。
另外,因资本方和具备资金实力的龙头企业的加入大大影响了整个排行榜,我们专门对资本市场进行了深度分析。通过分析我们发现:
1. 投融资主要集中在A、B、C轮;
2. 对于大数据行业,投资方更看重技术领域,把主要的资金投入到技术领域;
3. 同时投资也逐步往垂直行业延伸,如:金融、医疗、汽车等领域;
4. 一直处于大数据应用前沿的电商大数据应用并没有得到资本的青睐
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29