
2018全球大数据产业将呈七大发展趋势 规模454亿美元
新年伊始,达沃斯世界经济论坛等全球性重要会议都把“大数据”作为重要议题,进行讨论和展望。而随着大数据发展日新月异,我们国家也在审时度势、精心谋划、超前布局、力争主动。本报精心策划,就全球大数据发展趋势,中国的机遇和挑战,大数据发展法制建设等展开调研和采访,推出“大数据观察”系列报道三篇稿件,敬请关注。
“大数据”是今年达沃斯世界经济论坛的热词之一,与会各界都对云计算、大数据等驱动经济数字化转型因素表达了高度关注。而在年初举办的2018拉斯维加斯消费电子展(CES)上,美国消费技术协会总裁兼首席执行官加里·夏皮罗、英特尔首席执行官布莱恩·克尔扎尼奇等都表示,大数据将对人类生活产生深远影响,大数据是未来科技浪潮发展不容忽视的巨大推动力量,2018年全球大数据产业将得到强劲发展。
2022年大数据市场规模达800亿美元
记者梳理国内外权威机构最新统计数据,至2022年,全球大数据市场规模达到800亿美元,年均实现15.37%的增长。近两年来,大数据发展浪潮席卷全球。全球各经济社会系统采集、处理、积累的数据增长迅猛,大数据全产业市场规模逐步提升。综合各方观点,2018年大数据产业或呈现开源大数据商业化进一步深入等七大发展趋势。
根据监测统计,2017年全球的数据总量为21.6ZB(1个ZB等于十万亿亿字节) ,目前全球数据的增长速度在每年40%左右,预计到2020年全球的数据总量将达到40ZB。
阿里巴巴集团技术委员会主席王坚在接受《经济参考报》记者专访时表示:“过去人类发展留下了数据,但是数据不够多,难以形成资源;但是互联网时代留下的大量数据可以成为资源。”德国思爱普公司董事会成员Bernd Leukert表示,信息技术(IT)系统依赖传统的数据处理方式,大量数据需要人工输入;然而,如今任何一个物理存在都会自动生成数据,人与人、人与物、物与物之间都会产生大数据,数据流将深刻改变企业运行的各个环节。
清华数据创新基地主任邱东晓在接受记者采访时表示,大数据首先要明确几个层次。一个是技术层面,也就是大数据、物联网和AI等。二是应用层面,将大数据技术应用到各个领域,以此来提高效率,减少成本。三是产业层面,利用大数据技术,推动产业升级,促进产业结构转型。四是生态层面,人才、政策和市场之间如何相互配合,区域之间、国际之间如何相互沟通。
记者综合多家机构的预测,2018年全球大数据市场规模将达到454亿美元,未来五年(2018-2022)年均复合增长率约为15.37%,市场规模达805亿美元。预计2018年我国大数据市场规模将达到280亿元,未来五年(2018-2022)年均复合增长率约为27.29%。
七大趋势:产业应用将是主旋律
记者采访中国科学院、美国电子消费协会的有关专家,他们认为,随着大数据基础设施的不断完善,数据分析和商业智能工具将逐渐成为大数据的主力军。2018年,全球大数据产业将呈现七大发展趋势,而产业应用将是主旋律。
首先,开源大数据商业化进一步深化。随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向开源靠拢,并加大专业服务和系统集成方面的力度,帮助客户向开源的、面向云的分析产品迁移,主要是Hadoop技术将加速发展。
第二,打包的大数据行业分析应用开拓新市场。随着大数据逐渐走向各个行业,基于行业的大数据分析应用需求也日益增长。未来几年针对特定行业和业务流程的分析应用将会以预打包的形式出现,这将为大数据技术供应商打开新的市场。
第三,大数据细分市场规模进一步增大。大数据相关技术的发展,将会创造出一些新的细分市场。例如,以数据分析和处理为主的高级数据服务、基于社交网络的社交大数据分析等。
第四,大数据推动公司并购的规模和数量进一步提升。因此,在未来几年中,大型IT厂商将为了完善自己的大数据产品线进行并购,首先涉及的将是信息管理分析软件厂商、预测分析和数据展现厂商等。
第五,大数据分析的革命性方法出现。今年,大数据分析将出现革命性的新方法,从前的很多算法和基础理论可能会产生理论级别的突破。机器学习继续成为大数据智能分析的核心技术;人工智能和脑科学相结合,成为大数据分析领域的热点。金融、互联网电子商务、健康医疗、城镇化智慧城市领域的应用令人瞩目。
记者近期在美国西部一所高校访问时了解到,在美国的先进制药行业,药物开发领域的最新前沿技术是机器学习,即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合,并且发现对人眼来说不可见的模式。
第六,大数据与云计算将深度融合。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新的商业价值,大数据技术与云计算技术必有更完美的结合。阿里云计算有限公司总裁胡晓明表示,2018年将是云计算与产业深度结合的元年。人们将看到各国的基础设施越来越紧密地和云计算结合起来,更多的制造企业和金融机构开始用“云”,云计算将促进科技金融提高效益。
第七,大数据一体机将陆续发布。在未来几年里,数据仓库一体机、NoSQL一体机以及其它一些将多种技术结合的一体化设备将进一步快速发展。据记者了解,中国的华为、浪潮等公司今年将在大数据一体机上有更大的动作。华为IT服务器产品线总裁邱隆表示:“华为服务器在自身高质量、创新、高性价比的基础上,致力提供一个开放的计算平台,通过和业界主流大数据厂家合作,面向客户提供最佳性价比的大数据解决方案。”
大国行动:政府与企业联动
许多国家的政府对大数据产业发展有着高度的热情。
纽约大学计算机系教授塞恩告诉记者,根据前期计划,美国希望利用大数据技术实现在多个领域的突破,包括科研教学、环境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6个联邦部门和机构。
目前,欧盟在大数据方面的活动主要涉及四方面内容:研究数据价值链战略因素;资助“大数据”和“开放数据”领域的研究和创新活动;实施开放数据政策;促进公共资助科研实验成果和数据的使用及再利用。日本著名的矢野经济研究所预测,2020年度日本大数据市场规模有望超过1兆日元。
前瞻研究院报告指出,目前全球大数据企业主要分为两大阵营。一部分属于单纯以大数据技术为核心的创新型公司,希望为市场带来创新方案并推动技术发展。另外一些则是以数据库/数据仓储业务为主的知名公司,利用自身资源与技术优势地位冲击大数据领域。
记者注意到,最近两年全球大数据公司一些新的独角兽企业将在资本市场动作频频。Palantir作为估值仅排在Uber和Airbnb之后独角兽企业,自2015年浮出水面后就成为全球估值第一的大数据企业,它的重要客户为美国的情报机构,业务主要涉及国防安全与金融领域。作为全球Hadoop三驾马车中体量最大公司Cloudera Intel斥7.4亿美金巨资收购Cloudera约18%股份,使得Cloudera估值达到41亿美金,成为估值第二高的大数据公司。AppDynamics是美国去年第一次进行IPO的独角兽,市场估值约20亿美元。其销售应用性能管理(APM)软件,提供监控商业软件应用程序和IT基础架构性能的智能平台,功能是帮助企业发现和修复其应用程序中的错误。
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