对于大数据，至今并没有明确的定义。其概念首次出现在1980 年阿尔文托夫勒的叙述中，他认为大数据不久会成为“第三次浪潮的华彩乐章”[3]。美国高德纳（Gartner）公司2001 年将大数据概括为3V，即数据量大（Volume）、数据格式多样化（Variety）与处理数据速度快（Velocity）。2011 年国际数据公司（IDC， International Data Corporation）将大数据定义为：一种容量大到在获取、存储、管理、分析方面远超传统数据库软件的数据集合，其特点是规模大、数据流转速度快以及价值密度低。
图：大数据产业链示意图
图：大数据结构图
这一新的论述将大数据从3V增加至4V，即在原本规模、多样化与速度性上增加了价值（Value），较3V得到了更广泛的认同。此外，美国国家标准与技术研究院（NIST）将大数据做了以下描述：“大数据是用于呈现网络中信息泛滥现象的普通用语。大量数据资源为解决以前不可能解决的问题带来了可能性。
2 国内外研究现状及应用
2.1 研究现状。2012 年3 月，美国发布“大数据研究发展创新计划”（Big Data R&D Initiative），投资2 亿美金启动大数据核心技术研发和应用，涉及美国国家自然基金会（NSF）、卫生健康总署（NIH）等6 大机构，是美国自1993 年执行“信息高速公路”后又一次大动作。2012 年7月，联合国公布《大数据促发展：挑战与机遇》白皮书，建议各国政府大数据发展提升到重要战略位置，挖掘大数据潜在价值，更好地指导经济运行、服务人民。在学术界，美国麻省理工（MIT）建立了大数据科学技术中心（ISTC），并通过与各高校及国际产业巨头合作，促进其在不同行业中的运用于发展。同时，英国牛津大学成立医药卫生科研中心，运行大数据技术，更好地帮助科学家分析人类疾病并研究相应的治疗方法，促进医学研究和医疗服务的发展。同时，国内社会各界也迅速广泛开展大数据技术的研究。2012 年由中国计算机学会（CCF）成立的“大数据技术发展战略报告”撰写公开了2013、2014、2015 年度版“中国大数据技术与产业发展白皮书”。2013 年以来，国家自然科学基金、核高基、863 等重大研究计划都已经将大数据研究当成重点资金支持对象。
2.2 大数据的应用。大数据技术已经应用于各个行业各个领域，政府、跨国企业、产业巨头等都依托大数据技术进行科学的分析决策。近些年，美国依靠大数据技术不断强化政府作用。美国政府data.gov 网站于2009 年正式上线，包含了教育、医疗等方面的资料，民众可以通过网络进行浏览下载。美国国家税务局也充分利用大数据技术，监测、预防和处理逃税避税等行为。
截至2014 年2 月，美国国立卫生研究院（NIH）在亚马逊网络服务中心已经积累了数以百万亿字节的人类遗传变异数据，借此科学家能够对其进行分析，而无需通过自身去计算，节省了大量时间，提高了工作效率。社交网络公司Twitter 和Facebook 利用大数据技术分析用户的人脉关系、兴趣爱好、消费习惯以及人口统计特征，为用户提供无比贴合的个性化内容，以及无与伦比的综合体验。同时，广告商企业还通过从Twitter 和Facebook 上收集的社交信息，定位不同消费群体，提供差异化服务。大数据不仅深刻的影响着上述领域，在金融、体育、制造、天气、娱乐、物流等各个领域均发挥着重要的应用价值。
k3 大数据的价值及展望
大数据已在诸多领域展示了其巨大的潜在价值。如在医疗领域，大数据技术可以从大体量、高复杂度的医疗数据中提取价值，将医疗机构、医生、患者、保险索赔、医疗技术、病因等信息纳入到系统中，通过对这些信息的整合分析，我们可以获得大量有价值的信息，比如医疗设施的使用频率、患者密度分析、患者年龄分布等，可以有效地对医疗资源进行整合分配，对解决偏远地区医疗资源不足将会大有帮助。
中国电子信息产业发展研究院发布的《大数据发展白皮书（2015版）》指出，2014 年全球大数据市场规模达到285 亿美元，同比增长53.2%，比2013 年57.63%的增速略有回落，但快速增长态势不变，且呈现出应用成为新增长动力、竞争态势愈加激烈、融资并购成为市场热点、产业生态不断优化和基础设施建设更加合理等特点。欧盟委员会预测，截至2020 年，大数据可创造2060 亿欧元的价值。全球管理咨询公司麦肯锡预计到2020 年，大数据可在美国产生大约3800- 6900 亿美元的价值。大数据带来了经济发展的机遇，但与其相随的安全风险亦不容小觑，全球各国应持续探索解决方案。
大数据时代的来临对政府、企业、高校等机构提出了新的挑战，也带来了新的机遇。当今世界，信息化潮流席卷全球，大数据正在渗透到社会组织的每一个细胞，与政治、经济、商业、文化、教育等各个方面息息相关，大数据对其所触及的领域几乎均产生颠覆性影响。大数据在推动信息联通、产业变革、带动新的经济增长点等方面发挥着重要的作用。
4 结论
本文简单的介绍了大数据相关概念，并通过实际应用探讨了大数据在相关领域的发展，以及大数据在各个领域发挥的重要作用。在这个大数据时代，数据分析将会渗透到社会经济生活的各个方面，并会在信息融合、产业变革等方面产生深远影响。然而，与传统研究相比，大数据技术也提出了更高的要求，如何通过“分析”实现数据的“价值”将是我们需要面对的共同难题，这需要新的科学方法以推动大数据的发展和应用。
观研天下发布的报告书内容严谨、数据翔实，更辅以大量直观的图表帮助本行业企业准确把握行业发展动向、市场前景、正确制定企业竞争战略和投资策略。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，以及我中心对本行业的实地调研，结合了行业所处的环境，从理论到实践、从宏观到微观等多个角度进行市场调研分析。它是业内企业、相关投资公司及政府部门准确把握行业发展趋势，洞悉行业竞争格局，规避经营和投资风险，制定正确竞争和投资战略决策的重要决策依据之一。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。
本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。
【报告目录】
第一章 大数据产业相关概述
1.1 大数据介绍
1.1.1 大数据的产生
1.1.2 大数据的特点
1.1.3 大数据的数据来源
1.1.4 大数据的发展阶段
1.2 大数据的价值及影响
1.2.1 大数据的价值
1.2.2 大数据研究意义
1.2.3 大数据对信息时代的影响
1.3 大数据产业简介
1.3.1 大数据产业的概念
1.3.2 大数据产业链分析
1.3.3 大数据产业发展的必然性
1.3.4 大数据产业的战略地位
第二章 大数据的发展背景及影响因素
2.1 经济背景
2.1.1 国内外宏观经济对比分析
2.1.2 2015-2017年中国宏观经济环境分析
2.1.3 中国宏观经济发展趋势
2.2 政策背景
2.2.1 发达国家启动大数据产业布局
2.2.2 工信部发布数据中心建设指导意见
2.2.3 中国大数据战略需上升到国家层面
2.3 行业背景
2.3.1 数据正以爆炸式的速度增长
2.3.2 云计算为大数据诞生提供条件
2.3.3 物联网成为大数据的重要来源
2.3.4 智能终端普及带来丰富的数据
2.4 技术背景
2.4.1 大数据关键技术介绍
2.4.2 大数据技术研发热点分析
2.4.3 世界主要企业加快技术研发
2.4.4 数据中心发展的技术影响因素
第三章 2015-2017年国际大数据产业的发展
3.1 2015-2017年全球大数据产业总体发展分析
3.1.1 全球大数据应用状况调查
3.1.2 全球大数据行业市场格局分析
3.1.3 全球半数运营商布局大数据业务
3.1.4 部分国家运营商大数据发展状况
3.2 2015-2017年欧盟开放数据战略分析
3.2.1 欧盟开放数据战略的背景
3.2.2 开放数据的创新价值分析
3.2.3 开放数据战略的目的与核心
3.2.4 开放数据战略的基础与支柱
3.2.5 欧盟应对大数据的成功经验
3.3 2015-2017年美国大数据产业发展分析
3.3.1 美国政府的大数据发展战略
3.3.2 美国推动大数据技术发展的措施
3.3.3 美国大数据的应用案例
3.3.4 美国针对大数据安全问题制定的政策
3.4 2015-2017年日本大数据产业发展分析
3.4.1 日本大数据产业地位分析
3.4.2 日本大数据市场规模及趋势
3.4.3 日本看好大数据经济效益
3.4.4 日本将运行大数据预防灾害
3.4.5 日本大数据产业重点企业分析
3.5 2015-2017年其他国家大数据产业发展状况
3.5.1 英国投入巨资发展大数据技术
3.5.2 法国开展大数据领域投资计划
3.5.3 澳大利亚大数据政策出台
3.5.4 韩国将建首个开放大数据中心
3.5.5 新加坡准备建立全球大数据中心
第四章 2015-2017年中国大数据产业的发展
4.1 2015-2017年中国大数据产业发展综述
4.1.1 中国大数据产业发展总况
4.1.2 中国大数据产业的发展阶段
4.1.3 大数据带动新兴产业发展
4.1.4 大数据需求推动云基地建设
4.2 2015-2017年中国大数据产业布局透析
4.2.1 大数据在中国的行业分布
4.2.2 大数据在中国的地域分布
4.2.3 大数据在中国的企业规模分布
4.3 2015-2017年中国大数据产业需求分析
4.3.1 主要行业大数据的需求状况
4.3.2 企业大数据的应用及需求状况
4.3.3 大数据存储领域的需求分析
4.3.4 中国小型机市场需求分析
4.4 2015-2017年大数据业务的商业模式
4.4.1 商业模式的概念
4.4.2 大数据业务的商业模式类型
4.4.3 大数据商业模式及应用特点
4.4.4 中国大数据商业模式初步形成
4.4.5 大数据创新商业模式的构建
4.5 2015-2017年中国大数据产业区域发展状况
4.5.1 山东省推进旅游大数据应用
4.5.2 广东推动大数据商业化应用
4.5.3 2018-2023年上海大数据发展计划
4.5.4 同方大数据助贵州产业市场监测
4.5.5 重庆大数据产业链发展商机探析
4.5.6 联通青岛云计算中心项目即将建成
4.6 2015-2017年大数据产业竞争格局
4.6.1 不同规模企业的竞争力分析
4.6.2 IT产业竞相布局大数据产业
4.6.3 网络保险市场大数据竞争状况
4.6.4 企业在智慧城市建设领域中的竞争
4.7 中国大数据产业存在的问题
4.7.1 我国大数据产业发展存在的问题
4.7.2 中国大数据产业的现实挑战
4.7.3 中国大数据应用面临的挑战
4.7.4 大数据带来的安全问题分析
4.8 中国大数据产业的投资策略
4.8.1 大数据应作为国家竞争的战略重点
4.8.2 大数据产业理性发展的政策建议
4.8.3 中国应加快大数据的研发与应用
4.8.4 应避免大数据的过度建设
第五章 2015-2017年重点行业大数据的应用分析
5.1 医疗行业
5.1.1 医疗行业大数据应用价值
5.1.2 医疗行业大数据应用状况
5.1.3 医疗行业的数据类型分析
5.1.4 大数据对医疗行业的影响
5.1.5 医疗行业大数据应用的掣肘
5.2 金融行业
5.2.1 金融行业大数据应用价值
5.2.2 金融行业大数据应用背景
5.2.3 金融行业大数据应用需求
5.2.4 金融行业大数据应用案例
5.2.5 金融行业大数据应用发展展望
5.3 电子商务
5.3.1 电子商务大数据应用价值
5.3.2 电子商务大数据应用需求
5.3.3 电子商务大数据的发展机遇
5.3.4 电子商务大数据应用挑战
5.3.5 电商企业大数据应用策略
5.4 零售行业
5.4.1 零售行业大数据应用价值
5.4.2 零售行业大数据应用需求
5.4.3 零售企业大数据应用状况
5.4.4 零售行业线下数据采集方式
5.4.5 零售行业大数据应用案例
第六章 2015-2017年中国大数据重点应用领域分析
6.1 大数据一体机市场分析
6.1.1 大数据一体机简介
6.1.2 大数据一体机的优劣分析
6.1.3 大数据一体机的用户类型
6.1.4 国外竞争格局与品牌分布
6.1.5 国内市场竞争格局分析
6.1.6 国内企业竞争优劣势分析
6.1.7 国内主流品牌及其特点
6.2 大数据处理和分析软件市场分析
6.2.1 大数据与商业智能的关系
6.2.2 商业智能软件的应用价值
6.2.3 全球商业分析软件市场规模
6.2.4 全球大数据软件市场发展态势
6.2.5 国内大数据软件市场发展状况
6.2.6 国内商业智能软件下游市场
6.2.7 全球大数据软件市场发展潜力
第七章 2015-2017年国外大数据行业重点企业发展形势
7.1 IBM
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
7.2 甲骨文
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
7.3 微软
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
7.4 SAP
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
第八章 2015-2017年国内大数据行业重点企业发展形势
8.1 中国移动通信集团公司
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
8.2 中国联通集团
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
8.3 中国电信集团公司
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
8.4 百度公司
（1）企业概况
（2）主营业务情况分析
（3）公司运营情况分析
（4）公司优劣势分析
第九章 2015-2017年大数据产业投资规划建议分析
9.1 2015-2017年全球大数据产业投资状况
9.1.1 大数据市场的投资空间巨大
9.1.2 全球数据中心的建设投入状况
9.1.3 大数据行业获得风投青睐
9.1.4 大数据行业风险投资的动向
9.1.5 2015-2017年大数据领域投融资案例
9.2 2015-2017年中国大数据产业投资现状
9.2.1 中国大数据产业投资历程回顾
9.2.2 中国大数据产业投资领域分布
9.2.3 国内外大数据创业和投资对比
9.2.4 大数据创业和投资存在概念泡沫
9.2.5 国内大数据创业企业投资策略
9.3 2015-2017年大数据产业投资机遇
9.3.1 中国大数据产业的投资机遇
9.3.2 大数据产业的投资热点分析
9.3.3 大数据带来的投资新机遇分析
9.3.4 大数据应用行业的潜在市场价值
9.4 2015-2017年大数据产业投资前景及防范
9.4.1 大数据行业的投资前景综述
9.4.2 数据的流动性和可获取性风险
9.4.3 大数据项目投资前景急剧增加
9.4.4 评估大数据产业投资回报的措施
第十章 2018-2023年大数据产业趋势预测及趋势
10.1 全球大数据产业趋势预测及趋势预测
10.1.1 全球大数据市场规模及发展趋势
10.1.2 全球大数据与分析方案市场收入预测
10.1.3 全球大数据市场人才需求预测
10.1.4 2018-2023年全球大数据市场发展预测
10.2 中国大数据产业趋势预测及趋势预测
10.2.1 2018-2023年中国大数据产业发展预测
10.2.2 中国大数据市场带来的发展机会
10.2.3 中国大数据应用市场发展趋势分析
10.2.4 改变渠道模式的大数据趋势分析
10.2.5 中国大数据技术与产品发展趋势
图表目录：
图表：大数据的4V特征
图表：大数据的构成
图表：大数据的发展阶段
图表：大数据产业链全景图
图表：大数据产业相关企业一览图
图表：大数据产业链示意图
图表：2017年 -2017年国内生产总值增长速度（累计同比）
图表：2017年 -2017年规模以上工业增加值增速（月度同比）
图表：2017年 -2017年固定资产投资（不含农户）增速（累计同比）
图表：2017年 -2017年房地产开发投资增速（累计同比）
图表：2017年 -2017年社会消费品零售总额名义增速（月度同比）
图表：2017年 -2017年居民消费价格上涨情况（月度同比）
图表：2017年 -2017年工业生产者出厂价格涨跌情况（月度同比）
图表：2017年 -2017年城镇居民人均可支配收入实际增长速度（累计同比）
图表：2017年 -2017年农村居民人均收入实际增长速度（累计同比）
图表：2017年 10月-2017年10月全国居民消费价格涨跌幅
图表：2017年 10月居民消费价格分类别同比涨跌幅
图表：2017年 10月居民消费价格分类别环比涨跌幅
图表：2017年 10月-2017年10月工业生产者出厂价格涨跌幅
图表：2017年 10月-2017年10月工业生产者购进价格涨跌幅
图表：2017年 10月-2017年10月制造业PMI指数（经季节调整）
图表：2017年 10月-2017年10月中国非制造业商务活动指数（经季节调整）
图表：2017年 10月-2017年10月规模以上工业增加值同比增长速度
图表：2017年 10月-2017年10月社会消费品零售总额分月同比增长速度
图表：2017年 10月社会消费品零售总额主要数据
图表：2017年 10月-2017年10月固定资产投资（不含农户）同比增速
图表：2017年 1-10月全国固定资产投资（不含农户）主要数据
图表：2017年 10月-2017年10月民间固定资产投资和全国固定资产投资增速
图表：2017年 1-10月民间固定资产投资主要数据
图表：移动设备与传统台式机、笔记本电脑的全球出货量对比
图表：移动设备与传统台式机、笔记本电脑的全球保有量对比
图表：大数据关键技术
图表：调查样本企业行业分布
图表：调查样本企业地域分布
图表：调查样本企业规模分布
图表：2017年 互联网行业大数据应用场景
图表：2017年 电信行业大数据应用场景
图表：金融行业大数据应用场景
更多图表详见正文（GYGSLJP）
特别说明：观研天下所发行报告书中的信息和数据部分会随时间变化补充更新，报告发行年份对报告质量不会有任何影响，并有助于降低企事业单位投资风险。
