中国大数据产业发展白皮书

1、前言庞大、万能和完美无缺是数字的力量所在，它是人类生活的开始和主宰者，是一切事物的参与者。没有数字，一切都是混乱和黑暗的。这是古希腊毕达哥拉斯学派的思想家菲洛劳斯对于数字的解读。如今，无处不在的数据渗透到人类社会的各个角落，数据的体量也在迅速膨胀，我们开始试图探索与物理现实世界具有映射关系的数字世界。数据之于数字世界，就如同DNA分子之于生物体。完善的产业链结构之于数据，就如同完美的双螺旋结构之于。双螺旋结构是生物遗传、生物体构建、生命延续的重要基础，而数据产业链结构是数字世界构建、数据价值流转的重要支撑。相应的，只有结构完整的、可搬移、可衍生、可与其他领域融合发展的大数据产业链，才可以为构建

2、数字世界的生态格局提供支撑。目前，大数据产业链可以划分为数据标准与规范、数据安全、数据采集、数据存储与管理、数据分析与挖掘、数据运维及数据应用等多个环节，几乎覆盖了数据从产生到应用的全生命周期。同生物体、物理世界一样，融合才是数字世界的必然趋势。大数据产业链的融合贯通在基础支撑、数据服务、融合应用等方面迸发出得天独厚的巨大优势。产业链不同于产业或者企业，产业链强调的是“产业的整体”和企业间的“竞合关系”，其重心是产业与产业、企业与企业的对接，此种对接是一种空间的延伸，能够为产业或者企业的“生长”输送养分，透过外部环境找到发展机遇。为此，在中国大数据产业发展白皮书中，我们对于大数据产业链的结构、

3、衍生的产品和服务，以及以产业链为中心引发的技术变革和融合应用进行了深入分析；对后疫情时代的大数据产业发展机遇进行预判；对于围绕“新基建”为大数据产业带来的新机遇和新发展，数据要素市场化配置下的数据治理和数据安全等核心命题进行深刻研读，力图全面展现大数据产业领域迸发的新业态、新模式，深入了解大数据产业链融合发展的理念，迎接大数据产业融合应用带来的机遇和挑战。大数据与产业链的融合贯通是当今数字经济发展的必然要求，也是数据价值得以高效释放的必由之路，更是探索数字世界构建发展的有利突破口。总而言之，秉持融合发展的理念，构建数据生态的多元格局，才能在大数据产业新纪元中脱颖而出。 数据关键要素作用初步显现

4、，数据共享开放初见成效，数据治理成为关注重点 数据来源：赛迪顾问，不完全统计，2020.8在全球信息化快速发展的大背景下，大数据已成为国家重要的基础性战略资源，正引领新一轮科技创新，推动经济转型发展。紧密围绕数据资源开展的基础设施建设、数据集聚整合、数据分析处理、数据开放共享和数据安全，铸就了大数据产业发展的核心要素。这些要素所构筑的“内层齿轮”的转动直接带动了“外层齿轮”大数据融合应用的蓬勃发展，衍生出政府大数据、互联网大数据、健康医疗大数据、金融大数据、电信大数据和工业大数据等热点场景，持续驱动经济增长和转型升级。近年来，国家大力倡导“新型智慧城市”建设，其内容涵盖无处不在的惠民服务、透明

5、高效的在线政府、精细精准的城市治理，以及安全可控的运行体系等，这些都与大数据技术和产品紧密相关。国家信息中心发布的新型智慧城市发展报告2018- 2019明确指出：“我国大量城市已经从新型智慧城市建设的准备期向起步期和成长期过渡，处于起步期和成长期城市从两年前的占比57.7%增长到80%，而处于准备期的城市占比则从42.3%下降到11.6%，许多城市已经开展了大量工作并取得良好成效，工作重心从整体规划向全面落地过渡，新技术应用驱动新发展和新变革，数据关键要素作用初步显现，多规融合应用逐渐普及，惠民服务从“能用”到“好用”不断升级。与此同时，加快数字中国建设已经成为我国重要的国家战略，诸如福建、

6、广东和江苏等地均积极开展数字经济布局。作为数字经济和新型智慧城市建设的核心要素，大数据将为其提供数据分析平台和工具，助力各个细分应用环节的“智慧化”落地。赛迪顾问统计了2012年以来大数据应用领域中最近 10000个热点事件中最常见的关键词显示，2012-2019年，我国关于大数据重要论述中，“数据”“数字经济”“互联网”“平台”成为最常见的高频词汇，“数字经济”“数字中国”等正逐渐成为我国推进经济高质量发展的重要力量。与此同时，根据年度分析显示，2020年以来，与数据治理相关的词汇逐年增多，数据共享开放、数据孤岛、数据治理等话题成为当前大数据发展关注点。 大数据政策逐步完善，应用场景建设落地

7、成为关键（单位：个）数据来源：赛迪顾问，不完全统计，2020.8从2016年开始，国家发改委、工信部、农业部、水利部等部门，以及地方各级政府都相继推出了促进大数据产业发展的意见和方案，产业整体发展环境持续优化。据赛迪顾问不完全统计，2016-2017年是大数据相关政策文件出台的高峰期。2016年，行业大数据政策文件相继出台，如政务信息资源共享管理暂行办法生态环境大数据建设总体方案农业农村大数据试点方案国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见关于促进国土资源大数据应用发展的实施意见等。2017年工信部印发大数据产业发展规划（2016-2020年）云计算发展三年行动计划（2017

8、-2019年），水利部出台关于推进水利大数据发展的指导意见。同时，地方政府相关大数据政策也陆续出台，成立大数据管理机构，以及建立健全相关体制机制。比如，河南省政府办公厅发布河南省大数据产业发展三年行动计划（2018-2020年）；福建省成立大数据管理局，并相继出台了福建省促进大数据发展实施方案（2016-2020年）福建省人民政府关于支持大数据产业重点园区加快发展十条措施的通知等文件。各地政府加快大数据产业政策落地，持续优化区域大数据产业发展环境。2018年，工信部印发工业互联网发展行动计划（2018-2020年），加快推动大数据与实体经济融合。2019年，工业和信息化部、国家机关事务管理局、

9、国家能源局联合印发关于加强绿色数据中心建设的指导意见，推动绿色数据中心建设。2020年，中共中央、国务院发布关于构建更加完善的要素市场化配置体制机制的意见，推进政府数据开放共享，提升社会数据资源价值，加强数据资源整合和安全保护；工信部发布关于工业大数据发展的指导意见，着力打造工业大数据生态。当前，大数据与人工智能、数字经济、智慧城市、数字治理等融合速度加快，推动经济社会数字化转型。根据近5年来的政策，梳理发现，宏观政策成为产业发展利好因素。2016-2018年大数据产业的增长主要由产业政策和资本协力推动；2019年以来，随着大数据技术和应用的持续爆发，以及5G和物联网等相关技术的成熟，市场需求

10、和相关技术进步将成为大数据产业持续高速增长的最主要动力。 中国大数据产业规模持续高速增长，华东、华北地区持续领跑中国大数据产业发展受宏观政策环境、技术进步与升级、数字应用普及渗透等众多利好因素的影响，市场需求和相关技术进步成为大数据产业持续高速增长的最主要动力，2019年中国大数据产业规模达5397亿元，同比增长 23.1%。随着“互联网+”的不断深入推进以及数字技术的不断成熟，大数据的应用和服务持续深化，与此同时，市场对大数据基础设施的需求也在持续升高。随着5G和物联网的发展，业界对更为高效、绿色的数据中心和云计算基础设施的需求越发升高，大数据基础层持续保持高速增长，预计2020年整体规模将

11、达到6670.2亿元，到2022年将突破万亿元，持续促进传统产业转型升级，激发经济增长活力，助力新型智慧城市和数字经济建设。根据2020年大数据产业生态联盟调研问卷收集的百余家大数据企业反馈结果显示，华东、华北区域在大数据产业发展方面持续领跑。根据调研结果，我们发现，多数大数据企业的业务集中于华东、华北地区，它们合计约占整体市场规模的55.4%。广东、湖北、四川、贵州等地分别引领中南和西南地区大数据产业发展，并显著领先于东北和西北地区。根据2019年中国大数据区域发展水平评估数据来看，全国各省、直辖市、自治区大数据发展水平存在明显的差异性，存在阶梯分布特征。从指数分布来看，全国各省、直辖市、自

12、治区大致可以分为三个集团。广东省以57.19的指数高居榜首，东南沿海地区省市发展水平普遍较高，成为大数据发展的前沿地带，8个国家大数据综合试验区示范引领作用日渐凸显。大数据综合试验区和大数据产业园是大数据产业集聚发展重要承载主体。贵州、京津冀、辽宁、内蒙古、上海、河南、重庆、珠三角八个国家级大数据综合试验区的大数据产业园布局早，发展迅速。与这些试验区毗邻的省份，如安徽、湖北、四川、陕西、浙江、山东和江苏，也纷纷加快“大数据产业园区/基地”建设，通过建设大数据产业园，培育大数据骨干企业，增强数字经济发展实力，提升大数据产业集聚能力，助力产业数字化转型升级。从总体来看，中国的大数据产业园可以划分为

13、三类：第一类是北京、上海、广州和深圳的大数据产业园，这些产业园大多来自于已有的各类软件园，具有良好的发展基础，配套的园区设施与服务，具有较好的发展优势。第二类是河南、重庆、沈阳、内蒙古、贵州五个国家大数据综合试验区，五省（自治区）积极落实国家战略布局，其区域内的产业园加速涌现并迅速壮大。第三类是部分中、东部省份，如安徽、福建、浙江、山东、江苏等，积极顺应大数据产业发展趋势，布局大数据产业园，实现数字产业高质量发展。2019年，数字产业成为推动经济高质量发展的新动数据来源：赛迪顾问，2020.8力，以数据为驱动的数字园区也日益成为各地布局重点。园区高度重视数据资产的价值，建立从数据出发的管理决策

14、体系，布局基于大数据相关产业，并逐渐成为大数据产业发展聚集载体的一部分。通过梳理，我们发现此类园区区别于其他类园区的一些差异化方面：一是功能特色，传统园区多以追求规模扩大化为取向，数字园区是全新的变革以及探索，其更加突出功能性和特色优势，注重将园区做精、做深、做优。二是产业数字化转型发展，数字园区更加注重传统实体与数字技术的深度融合。三是集约高效，传统园区主要是企业物理空间的集聚，数字园区更加倾向于企业的功能性集群，依托核心企业形成功能集群和产业战略聚合，能够更好地实现集约高效发展，其亩均效应均有可能超过一些传统园区。四是数字化要求，数字园区区别于传统园区在于其更加追求运营集成化、服务平台化，

15、通过数字化手段、推动形成产业链互补连接、上下游融合发展的产业共同体，以共创共享的合作模式实现大数据资源企业聚集，以及为企业间相互赋能。 大数据软硬件产品、行业应用和基础设施等领域热点布局 大数据软硬件产品、行业应用和基础设施等领域热点布局调研结果显示大数据产业的热点集中在应用软件、基础软件、数据源、数据基础设施等领域。其中，深蓝色表示热度高，浅蓝色表示热度低。从数据源来看，企业运营生成数据、政府数据整合共享仍占据主导，随着5G应用的快速拓展，以及大数据应用场景逐渐丰富，从传感终端获取的数据将愈发重要。从数据基础设施来看，随着国家大力对于新基建领域进行投入，数据中心建设持续领跑，数据中心作为数字

16、经济的枢纽作用在疫情期间对于各种应用的支撑起到关键作用，云计算服务（包括公有云和私有云）紧随其后，为企业和政府提供重要的云化基础支撑。从数据流通来看，数据开放共享和标准化的需求不减，这也折射出目前大数据行业的共性痛点，企业和政府迫切希望通过数据共享开放、标准化等举措提升数据价值；数据交易由于受商业模式和数据合规性等多种因素制约，其热度较低。从软硬件产品来看，供应商聚焦应用软件、基础软件产品的布局，软件产品的日益丰富持续提升大数据产业发展水平。在基础软件维度，大数据平台、数据采集、主数据管理平台、数据中台和数据清洗引领细分市场发展，数据安全和数据库等产品的热度紧随其后。在应用软件维度，数据可视化

17、、用户画像和日志分析最受客户追捧，商业智能、图像识别及空间地理分析等软件产品同样备受关注。从行业应用来看，软件和信息服务业高居榜首，热点集中于政务、互联网和相关服务、社会治理（安防、舆情、应急管理、信用、环境监测、交通、能源、城市管理等）、金融、民生服务（社保、就业、证件办理、住房、生育、养老等）等领域，医疗、工业等行业领域同样具有较大潜力。依据教育部印发的普通高等学校本科专业备案和审批结果，从2015年至2019年新增专业数量来看，数据科学与大数据技术是近五年高校新增数量最多的专业，共有691所高校新增了该专业，相当于目前中国高校总数的四分之一。2017-2019年，大数据相关专业新增数量在

18、新增专业数量排行榜均位居前列，数据科学与大数据技术、机器人工程等专业受到高校欢迎。进一步分析发现，这些新增数量较多的专业，多为实用性、交叉性较强的学科，大数据相关专业的设立趋向于向精细化、融合化发展，高度重视专业化、复合型大数据人才培育。2020年大数据产业生态联盟调研发现，我国互联网、工业、通信和金融领域对于大数据人才的需求较为突出，其中互联网行业需求过半，未来，数字中国建设、产业转型升级，这些将对大数据人才产生巨大需求量且需求呈快速增长趋势。近几年数字经济发展和产业转型升级加快，对大数据人才的专业技能、实操能力提出更高要求，拥有编程能力、数据分析、算法设计等专业技能的大数据人才备受企业关注

19、。2020年大数据产业生态联盟调研结果显示，越来越多的大数据企业重视科技创新能力的培养。大数据企业的研发投入占总营收的比例平均为31.3%，相较2019年有1%的涨幅，研发人员数量约占总员工数的比例达一半以上。大批企业开始重视核心技术研发和自主创新，以提高自身技术壁垒和竞争实力。此外，大数据企业在员工学历水平上也占据一定优势，员工学历水平与企业研发投入成正相关，从员工学历结构来看，本科学历及以上的员工约占总员工数的 86.4%，其中博士学历员工占比约为2.6%，硕士学历员工占比约为15.5%，本科学历员工占比68.3%。 大数据创新市场竞争主体多样，机器学习、数据采集不断取得突破 大数据经过多

20、年的发展，逐渐走向产业化、规模化。国内骨干企业已经具备了自主开发建设和运维超大规模大数据平台的能力，一批大数据以及智慧城市方面的独角兽企业快速崛起，大数据领域的专利申请数量逐年增加。据赛迪顾问统计，2008-2019年中国大数据专利总量持续增长，部分国内骨干企业已经具备了自主研发产品的能力，一批大数据领域的独角兽企业也在快速崛起。自2014年起，专利数量开始飞速增长，到2019年，中国共拥有大数据相关专利数量32301项。2014-2019年，全国大数据产业发展较好的地区新增专利数量均呈现上升趋势其中，广东省呈现出高速增长的趋势，持续位列全国首位。 2019年北京大数据专利新增数量相较上年增长

21、一倍，增速为2019年各地区最高，2018-2019年，江苏省大数据专利新增数量呈现出缓慢增长的趋势。2019年单年的新增专利数量达9818项，其中发明专利占比达63.04%，实用新型专利占比达34.26%，外观设计占2.7%。我国大数据创新市场竞争主体多样，创新主体主要包括企业、院校/研究所、个人和政府机构等类型。进一步研究发现，企业和科研院所是大数据创新的主力军，数据显示，2019年，两者合计贡献了9504项专利，占到了全年新增数量的96.8%，推动着中国经济社会发展和创新市场竞争。机器学习、数据采集、数据存储、分布式等均为大数据专利技术领域的热门词汇，我国大数据技术创新不断取得突破，这些

22、热门技术分支下的专利申请都是几乎均呈直线上升的状态，以数据分析服务技术为主要代表的大数据技术可以应用在各领域，并呈现全面发展的态势。随着产学研用地协同攻关，围绕数据分析的关键算法和共性基础技术研发，以及大规模数据仓库、非关系型数据库、数据存储、数据清洗、数据分析挖掘、数据可视化、信息安全与大数据条件下隐私保护等核心技术研发创新，将逐渐形成以应用需求为牵引的跨学科、跨领域交叉融合的创新方向。2020年大数据企业投资价值百强榜，依据自行设定的评判指标体系，从企业估值/市值、营收状况、创新投入、产品竞争力、细分市场潜力、领导层能力等多个维度进行评比。经过专家打分，评选出2020年度大数据领域最具投资

23、价值的100家企业。本榜单共选取了11个细分领域，涉及大数据基础软件、数据治理与分析、数据安全和商业智能4个通用领域，以及政府大数据、金融大数据、营销大数据、工业大数据、电信大数据、健康医疗大数据、教育大数据等7个融合应用领域。研究显示，部分大数据企业已经在软件与信息技术服务业、互联网或传统产业等领域深耕多年，企业本身已经形成一定规模，经过长时间的沉淀，在各自的细分领域中有较好的用户、渠道、技术、创新等积累，把握新一代信息技术创新发展机遇，在大数据采集、分析挖掘、存储、平台，以及与人工智能等技术深度融合应用方面，积极拓展大数据业务，具备较强的竞争优势，如帆软、神州医疗、树根互联、人大金仓等。这

24、些企业通过横向投资、并购等手段，拓宽自身在大数据领域的赛道。此外，市场上大部分大数据企业成立时间较短，以中小企业为主。部分企业专注于大数据行业某一细分领域，深耕垂直行业，注重自主核心技术研发与迭代，为用户提供优质的大数据产品或服务，在这个过程中，这些大数据企业逐渐积累了稳定的用户以及大量的数据，在细分领域中建立了品牌和竞争优势，市场份额和地位不断提升。典型企业如百分点、三盟科技、网智天元、四方伟业、智慧星光、永洪科技、美林数据、数联铭品等。部分企业通过与大型平台企业（如阿里、腾讯、华为等）签署战略合作，加入平台生态，以及资本化运作的方式，不断扩大市场份额。 大数据产业链的三个层次 大数据产业链

25、数据来源：赛迪顾问，2020.8大数据产业是以数据采集、交易、存储、加工、分析、服务为主的各类经济活动，包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。数据服务、基础设施和融合应用相互交融，协力构建了完整的大数据产业链。基础设施层是整个大数据产业的引擎和基础，它涵盖了网络、存储和计算等硬件基础设施，资源管理平台以及各类与数据采集、预处理、分析和展示相关的方法和工具。大数据技术的迭代和演进是这一层发展的主旋律。随着人工智能和5G技术的发展，与存储和计算相关的芯片和终端设备成为发展热点，数据中心作为新基建中的重要一部分，将在新基建的推动下迎来发展新契机；云计算资源管

26、理平台（包括私有云和公有云）持续提升底层硬件的利用效率，日益成为产业不可或缺的重要支撑。而人工智能分析框架，N o S Q L和N ew S Q L数据库，以及S p a r k和 Hado op等平台的日益成熟，为大数据分析挖掘提供了丰富的工具箱。数据服务层是大数据市场的未来增长点之一，它立足海量数据资源，围绕各类应用和市场需求，提供辅助性的服务，包括数据交易、数据资产管理、数据采集、数据加工分析、数据安全，以及基于数据的IT运维等。随着5G商用的全面推广，数据采集和预处理需求将快速上升；此外，随着数字技术日益复杂，提供第三方数据分析、可视化和安全服务的市场也将持续壮大。然而，数据交易服务由

27、于数据权属不清晰，模式不落地等问题，发展潜力相对较小。融合应用层是大数据产业的发展重点，主要包含了与政务、工业、金融、交通、电信和空间地理等行业应用紧密相关的软件和整体解决方案，以及通用性的与营销等业务应用密切相关的软件和解决方案。融合应用最能体现大数据的价值和内涵，它是大数据技术与实体经济深入结合的生动体现，能够切实地帮助实体经济企业提升业务效率，降低成本，也能够帮助政府提升社会治理水平和民生服务能力。数据来源：工信部，赛迪顾问整理，2020.8近两年，我国已在2018年中央经济工作会议、2020年政府报告等多次会议和文件中强调要加快“新基建”建设步伐。国家发改委在2020年4月份召开的例行

28、新闻发布会上初步研究认为：新型基础设施是以新发展理念为引领，以技术创新为驱动，以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等服务的基础设施体系。作为新基建的重要组成部分，大数据中心作为数据收集、处理和交互的中心，成为信息化发展的基础设施和数字经济的底座。当前我国数据中心正进入新一轮快速发展期，传统数据中心转型升级，新一代数据中心加速布局，旨在通过建设新型数字化、智能化基础设施，支撑产业转型与发展，未来，随着国家相关政策进一步落地，数据中心发展势能有望快速释放。从长期来看，数据中心将更多受应用市场驱动，未来将迎来黄金发展十年。近年来，随着互联网等运化应用和服务逐渐增多，

29、数字经济、数字政府和数字社会建设的加速推进，企业纷纷加速数字化转型脚步，同时，人类产生的数据量正在呈指数级增长，这些因素必然带来对包括服务器在内的云计算数据中心需求。作为推动数字经济发展的算力基础设施和重要支撑，数据中心承担了数据存储、数据流通的关键职能，随着5G的推广，数据流量将再次迎来爆发，进而也会对数据中心带来巨大需求。据赛迪顾问统计，2019年中国数据中心机架规模达到 227万架，在用IDC数据中心数量2213个，投资规模达3698亿元，规模已经达到一定量级。数据中心是大数据产业发展的基石，也是数字经济发展的关键支撑。云计算、区块链等新兴技术的不断融合，推动了数据中心将向智能化、自动化

30、、集约运营的方向演进。数据中心的建设可以带动服务器、网络、数据采集设备、数据管理平台等软硬件产品的发展，还可以拉动大数据向服务层、应用层延伸，大数据未来的价值将不断提高。 2020中国大数据产业生态地图 数据中心向绿色化、超大规模、智能化、低能耗方向发展演变 数据中心逐渐趋向高密度、超大规模方向发展。传统的数据中心网络越来越难以提供支持云计算所需的延迟，为更好地承载用户大规模的用云需求，充分发挥数据中心的规模效益，大幅降低业务部署成本和维护成本，同时满足向上的可扩展性的需要，超大规模数据中心已成为首选。自2013年以来，超大规模数据中心的数量增长了两倍， “新基建”的推动将加速超大规模数据中心

31、建设。A I解决方案渗透到数据中心全生命周期管理中。数据中心规模扩张以后，设备数量呈倍数增长，设备种类也大大增多，如何实现海量设备的统一管理，实现业务到网络的联动，提高运维效率，降低运维成本，是大规模数据中心急需解决的问题之一。此外，随着SDN、NFV等技术在数据中心中的落地，数据中心业务逻辑愈加复杂，故障排障难度大幅提升。AI节能+AI运维+AI运营，可以利用数据智能代替人工经验，在自动化的基础上利用大数据分析、机器学习等功能，解决监管和潜在的安全问题，帮助数据中心更快地适应不断变化的业务需求。建设绿色低能耗数据中心满足可持续化发展需求。目前数据中心普遍存在能耗较高的问题，运算密度的提高导致

32、用电密度的迅速加大，数据中心总体拥有成本随服务器的增加而成倍上升，采用液体冷却、高频模块化U P S、智能休眠等技术，可以有效降低能源消耗，未来P U E将进入 1.2区间。同时，新兴的电池替代品也为U P S系统的创新应用带来契机，比如UPS系统能够与电池系统组成储能系统，与电网进行更好的交互作用，这样的系统能够更有效地进行负荷管理及高峰调节，通过使用U P S系统中储存的能源来帮助电网公司运营，这种能源的静态储存技术也具备为数据中心创造更好收益的潜能。4.5G及边缘计算等新应用场景计算服务值得关注。5G的速度、容量和延迟特性将在物联网通信、人工智能领域发挥重要作用，高带宽、低时延等网络特性

33、的5G网络有助于云计算使用体验的进一步提升，同时5G时代的到来有助于云计算、云服务渗透率的快速提升。未来随着5G应用的发展，越来越多垂直云服务解决方案将被探讨，并进入到实际应用中。同样，人工智能将成为继互联网之后下一个时代发展的新引擎，随着人工智能技术的成熟，以及应用深化与落地，面向个人助理、安防、自动驾驶、金融、教育等行业的AI场景化应用将产生巨大的边缘计算资源需求缺口。微模块数据中心进入快速发展阶段。传统数据中心在能源成本、建设周期、管理部署等方面的弊端逐渐显现，特别是能源消耗问题，如散热、供电、成本等方面大大限制数据中心的有效利用，迫切需要变革传统数据中心建设模式，而微模块数据中心在快速

34、部署、绿色节能和高效资源利用等方面的突出表现，使其获得用户的广泛认可和应用，预计未来5年中国微模块数据中心市场规模将保持28.9%年均复合增长率，到2025年将达到323.2亿元。大数据时代，数据的获取方式、存储规模、访问特点、分析方法和技术架构有了很大不同，与此同时，企业的组织架构和业务流程也相应发生了转变，这些新特征对于数据安全提出了全新挑战。随着数字经济的发展进步，传统的数据安全技术无法满足大数据环境下的安全保障诉求，整合技术、政策和机制的大数据治理逐渐走进人们的视野，成为大数据领域的新兴热点话题。大数据治理包含大数据全生命周期内使用的技术、管理规范与政策制度，技术层面上涵盖大数据管理、

35、存储、质量、共享开放、安全与隐私保护等多个方面。大数据安全是大数据治理的主要环节，包含用以搭建大数据平台所需的安全产品和服务，以及大数据场景下围绕数据安全展开的大数据全生命周期的安全防护。相关产品包含大数据系统安全、大数据管理运营、敏感数据梳理和大数据审计等。影响数据治理的制约因素主要体现在以下几个方面： 1、根据2020大数据产业生态联盟调研数据统计，80%的数据泄露是企业内部原因，说明企业在组织架构和制度规范方面存在漏洞。2、大数据关注的是关联分析的结果，单个样本的价值相对较低，因此在观念上容易忽视对单个样本的安全保护。3、大数据环境下，数据的全生命周期安全防护投入成本高，成本效益比低。4

36、、数据资源可被复制，复制后痕迹难以追溯，与此相关的密文存储和计算、数据加密与溯源等技术尚不成熟。同时，数据治理主要在以下几个方面实现提升：1、“一把手”工程：成立数据治理领导小组，统筹组织内部管理层、业务层、支撑层等环节的数据治理实施。2、数据资产梳理：调研与访谈、定义敏感数据、数据资源目录梳理、数据资产登记、评估与分析、技术支持与培训等。3、构建企业内部大数据治理体系：（1）建立大数据治理的软硬件环境；（2）建立完善的大数据治理实施流程体系和规范；（3）制定大数据治理阶段性目标。4、技术工具选择：在数据共享交换、数据处理规范、数据资源整合、数据安全与监控等方面选择合适的安全与治理工具。5、大

37、数据治理评估与审计：通过智能化、平台化、信息多维化、可视化的大数据审计，将实现从纷繁芜杂的结构与非结构化数据中发现风险点进而找出重大错报。 投入成本过大是数据安全与治理建设时最担心的问题 当前，线性的治理模式已经难以满足数字经济的实践要求，个人、企业、行业、社会、政府等多层次信息权利主体和数据对象的交织，必然导致和增加数据治理的复杂性。特别是在“高质量发展”成为新时代新经济明确发展要求的历史条件下，数据治理现代化的水平在很大程度上决定着高质量发展目标的实现。党的十九届四中全会审议通过的中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决议中明确提出，“健

38、全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”。这是党中央首次在公开场合提出数据可作为生产要素按贡献参与分配，足见对于数据资产的重视。数据治理保障国家安全、社会安全和行业安全，在司法、扶贫、反恐、民生等很多领域，今后，数据治理要探索建立健全数据流动规则，包括采集、存储、处理、使用、交易、退出等各个环节，明确信息侵权或犯罪的责任，更好保护数据相关主体的利益。在数据安全与治理方面，越来越多的企业重视数据安全与治理，2019年，50.7%的大数据企业在数据治理方面研发资金投入占比在10%以上。企业在数据安全与治理建设方面担心的问题主要集中在投入成本过大、产

39、品/技术不成熟、安全建设思路不清晰、内控制度不完善、组织架构不合理等方面，其中，投入成本过大成为企业在数据安全与治理建设方面担心的问题。在企业大数据产品/解决方案中的安全模块建设方面，62.2%的企业选择自研安全方案，仅有5.6%的企业没有安全模块建设。71.1%的企业认为，数据泄露是企业大数据产品/服务过程中最关注的安全问题，其次分别是个人隐私数据使用问题、数据来源和交易的合规性问题、外部攻击、软硬件基础设施安全以及数据灾备问题。68.9%的大数据企业在产品/解决方案中已经采用了安全措施，具体包括安全产品、身份识别、信息防泄漏、数据脱敏、数据库审计、病毒防控、网站防攻击及放篡改、服务接入记录

40、等安全产品。从行业立法的角度看，涉及数据治理的各项制度建设进度不一。工业和信息化部通信网络安全防护管理办法规范互联网信息服务市场秩序若干规定，全国人大常委会关于加强网络信息保护的决定，国际工商总局、工业和信息化部关于加强境内网络交易网站监管工作协作积极促进电子商务发展的意见，国家互联网信息办公室互联网用户账号名称管理规定等，以及网络安全法和电子商务法等陆续颁布施行，在制度建设方面取得了非常大的进步，但仍缺乏直接的数据治理立法。“个人信息保护法”和“数据安全法”等直接立法成为 2020年关注点。在数字经济时代，由于消费的场景化、渠道的多元化、产品与服务的一体化，企业开始利用“+互联网”思维模式重

41、构营销链条。当前互联网大数据主要应用在广告营销等方面，厂商通过新媒体、自媒体、融媒体、网络广告等方式，以及数据库和大数据分析平台，帮助企业自身提升用户和流量，加强客户粘性，精准匹配用户的需求，并为用户推送更多的内容。全球广告营销正在被数据所驱动，打通全渠道客户，让数据孤岛融入场景，将数据转换为个性化营销、差异化服务成为企业间新一代竞争利器。但在实际过程中存在以下几个痛点：一方面是用户数据获取成本增加，客户和流量一定的情况下，随着行业厂商越来越多，对于保持客户粘性与稳定的流量需要付出更高额的费用。另一方面是数据分析技术、数据量、数据平台等多要素导致厂商提供的服务与客户需求不匹配。此外，营销管理能

42、力不足，行业厂商对于线上线下资源存在整合能力不足，难以开展以人为核心的工作流程管理，实现精细化管理与提升营销效率。针对上述痛点和行业发展趋势，未来的机会点主要体现在以下几个方面：一是精准营销平台建设：精准营销平台的建设帮助企业通过获取数据并加以统计分析来充分了解市场信息，掌握竞争者的商情和动态，知晓产品在竞争群中所处的市场地位。同时，通过积累和挖掘电商行业消费者档案数据，分析顾客的消费行为和价值趣向，提高对消费者的服务能力，培养忠诚顾客。二是电商直播新模式：随着5G技术的应用，在未来短视频与直播将从轻量触达向着深入层次的沉浸式体验转化，并伴随着V R等技术的开发，使得当前对于直播的流量限制进一

43、步弱化或取消，更丰富了直播的形式与内容。三是大数据+A I+精准推送：通过大数据技术，将用户浏览过的物品进行与用户直接关联，再通过精准画像，与画像人群进行关联，积累和挖掘行业消费者档案数据，分析顾客的消费行为和价值趣向，对用户提供更多的增值服务与精准推送，提高对消费者的服务能力。 基于5G场景、AI技术的应用引领电信大数据新发展机遇电信大数据业务与传统电信业务存在较大差异，电信大数据业务以产品为核心，整合分散在各部门、各环节的数据，构建专业化的大数据运营体系。研究发现，电信大数据应用场景不断完善，但运营商内部运营机制在一定程度上限制了电信大数据发挥其作用。运营商内部以多层级运营架构为主，大部分

44、运营商内部数据仍存在区域分割的情况，难以适应大数据业务灵活敏捷的变化特点，“两级”数据整合涉及到组织架构、运营方式等多方面改变，因此，对于运营商来说平台架构转型难度较大。从行业整体来看，电信大数据标准化程度低，不同领域的数据壁垒严重，行业缺乏统一的存储管理标准和互通共享平台，数据协同能力不足，跨领域和跨行业的数据应用困难较大，在此背景下，难以实现数据价值最大化。此外，运营商在大数据技术使用上仍有待突破，在算法设计、分布式计算架构、大数据处理、分析和呈现等方面仍与其他行业均存在较大差距，技术短板直接制约数据质量和价值提升。针对上述痛点，未来行业机会点主要体现在以下几方面：1、抢抓5G建设机遇，通

45、过电信大数据分析，实现基站和热点的科学选址和资源调整配置，优化网络质量和利用率，同时，运营商积极布局5G商用场景，加速5G在云视频、机器人技术、自动驾驶等领域商用，加速产品和服务创新研发，持续提升5G网络运用效率。2、随着网络和高清视频的快速发展，视频、图片等非结构数据爆发式增长，并逐渐成为电信大数据的主要组成部分，人工智能技术能够为非结构数据的分析提供重要支撑，提升数据价值，强化数据输出能力，为产品或服务创新发展奠定基础。3、随着城市数字化转型进程不断加速，数字化基础设施建设成为必不可少的一部分，运营商在数据中心等方面的建设上有先天优势，同时，运营商应顺应智慧城市、数字政府等的发展趋势，探索

46、与行业龙头企业的合作，积极布局数字安防、数字交通等应用，提供集网络建设、云服务、数据服务于一体的解决方案。当前数据量的爆发式增长，数据的复杂性程度更高，政府大数据存在数据资源不均衡、数据质量不过关等问题，同时，数据融合、数据分析、数据治理等管理工具成为数据应用瓶颈。从行业总体来看，政府大数据痛点与难点主要集中在以下几个方面：1、数据资源不均衡：从数据来源看，大部分政府掌握的数据是通过业务开展积累形成的，以自身政务信息系统产生为主，通过国家数据共享交换平台获取数据的能力不足，与大型平台企业、互联网及其他社会外部数据的共享和利用相对缺乏。从数据内容看，多类数据均以手工单次填报获取，更多表现为文本表

47、格化数据，而动态更新、多元异构类的数据偏少；并且多数政务信息系统建设以满足政务服务、行业监管需求为要，使得服务于产业、城市等各类经济对象运行监测的数据缺乏，而这类数据价值往往更值得关注。2、数据质量参差不齐：到目前为止，尚未形成统一普适的数据质量标准，各政务信息系统所属部门在采集、使用、维护数据的过程中存在诸多不规范的操作，数据真实性、可靠性、完整性、可用性、实时性等难以得到保障。同时，在大平台、大系统统建过程中，数据清洗挖掘、交换传递、共享开放等工作主要通过技术方案解决，并未建立数据全生命周期管理的意识和制度体系，难以对数据使用时的可信性、安全性、可关联性、可追溯性、可再用性实施全过程管理。

48、3、数据治理机制不完善：我国当前法律法规体系对于数据权属、利用、安全等方面的规定尚未细化、可操作性不强。特别是关于政务数据的所有权、控制权、使用权、解释权等，以及政务数据在使用、共享过程中，涉及的数据基础设施保护、追溯监控技术干预规则、信息安全防护和保密建制等内容均缺乏具体标准，如何建立一个开放共赢的数据应用环境，填补数据泄露、对隐私侵犯的追踪、合法合规制裁等治理内容，是亟待解决的难题。4、数据应用不深入：一方面，多数政府业务部门对本部门的数据资源基底和核心关切并不明确，在数据查询和应用时，存在需求描述不具体，重复作业、难以一次到位等情况，导致数据应用效果差。另一方面，数据应用普遍局限在业务部

49、门内部，跨部门协同的关联业务应用分析较少，面向重点产业、重点领域、重大应用场景的数据决策分析相对缺乏，政府大数据的深层价值难以体现。 政府大数据未来发展机遇点 随着数字政府和新型智慧城市建设的持续推进，与社会治理、民生服务、政务应用密切相关的政府大数据应用成为热点。中国政府掌握着80%的高价值公共数据，如何盘活这些海量数据资源，是未来政府大数据发展的关键。未来机遇点集中体现在以下几个方面：一是加快统一的数据平台建设：采用数据中台服务方式，对数据资源进行集中清洗、整合、按主题入库、算法模型沉淀，面向平台用户提供数据订阅分发、查询/申请、调用 A PI、算法模型工具、公共数据资源池开放、按需响应等

50、服务，发展基于应用导向或业务导向的数据个性化服务。二是构建数据驱动政府治理的应用生态：进一步明确各级信息化主管部门在数据开发、利用和管理方面的职责，强化其协调职能。同时，属地管理的力度还应该适当增强，数据资源管理方面的“纵强横弱”现象需要调整，实行垂直领导的机构除了信息公开等工作之外，在数据共享、数据开放等方面接受政府的统一指导和协调。分解梳理落地应用的小场景，快速试错，交替迭代，使应用需求和实现路径、落地形式不断清晰化；积极构建数据决策应用生态，推动各部门共同参与大数据建设，在数据采集分析、管理运维、服务决策等方面探索有效的激励机制，充分调动业务部门积极性。此外，还需配套组建由业务部门骨干、

51、行业研究专家及I T服务部门组成的专职化数据决策中心，负责采集业务部门决策需求，开发应用算法模型和应用系统，开展决策研判分析，形成与业务需求紧密结合的数据决策，真正实现政府治理能力现代化。三是释放数据资产红利：疫情期间，数据资产应用释放数据价值，助力政府优化政务管理，政府利用大数据分析进行企业分类有序的复工复产。未来，政府和企业将更加注重数据资产管理，打造数据中台，推动数据共享开放，提升数据质量，创新数据资产运营模式，支撑数据治理精准化与高效化。四是深化大数据+人工智能在政府行业应用：2020年4月，中共中央、国务院印发关于构建更加完善的要素市场化配置体制机制的意见（以下简称意见），首次将“数

52、据”与土地、劳动力、资本、技术等传统要素并列为要素之一。当前数据的复杂性程度更高，对于这样复杂的数据，人工智能与大数据分析工具融合应用不断深入，尤其是在大数据分析、商业智能、可视化等方面；以可视化未来，人工智能与大数据技术结合越来越紧密，实现数据多指标、多维度、全息化的呈现，为决策者提供全面有效的决策支撑。未来，数据量的增加与数据共享开放程度加深，将为大数据可视化提供更多丰富的数据资源，大数据+人工智能将在更多的应用场景中被需要，尤其是在在监控检测、指挥调度、模拟仿真、数字孪生等应用场景中。在我国大力发展工业互联网、推进制造业与互联网深度融合、促进制造业高质量发展的当下，如何进一步挖掘工业数据

53、应用价值将成为关注焦点。2020年5月13日，工信部发布关于工业大数据发展的指导意见，提出加快数据汇聚、推动数据共享、深化数据应用、完善数据治理、强化数据安全、促进产业发展等六方面重点任务，为全面提升工业大数据产业发展指明方向，加快促进了信息化技术和工业的深度融合，助力创新实现更工业发展新技术、新产品和新模式。钢铁行业具有生产流程长、工艺复杂的特点，钢铁企业生产环节的运转通常依赖于人工经验，因此易造成产品质量波动，通过整合生产过程中的数据，将隐形数据封装成软件模型，实现生产过程可视化，有助于提升产品质量和生产效率。同时，钢铁行业生产设备价值较高，事后维护容易造成生产停滞，通过传感器等传输数据可

54、自动实现故障感知，提升设备可靠性。石化行业部分材料一定程度上依赖进口，易受国际行情影响，亟需通过建立供应链上下游企业间的协同关系，提升行业灵活性，及时调整生产销售各环节。石化生产的产品大多为危险品，常规依赖人工的检查受环境等制约，效率较低，通过工业机器人等设备采集数据进行安全检查可以保障实时性、精准性。我国电子行业目前暂以生产、组装为主，基于数字孪生技术的生产计划、订单管理将有助于改进生产流程，提升产品生产效率。近年来，电子产品趋于小型化、精密化发展，这对产品的制造精度、质量提出了更高的要求，基于大数据、人工智能技术的产品质量检测能够及时发现产品质量问题，形成产品质量追溯渠道，提升成品率。汽车

55、行业从生产到销售的过程中企业间的协调较多，包含车企、零部件供应商、经销商等，各环节信息孤岛问题较突出，建立数据共享的渠道有助于打通汽车产供销信息，为产业链各环节企业决策提供支撑。汽车研发涉及大量专业领域，各方面协调难度大，利用仿真设计技术、建立云协同平台等能够有效的缩短研发周期。工程机械行业的备件管理是其重要组成部分，在一定程度上备件可以缓解需求压力，但是相应的存储、物流、资金、人力等成本也随之上升，未来跨部门跨区域的备件信息与供应商数据打通，可以满足备件计划、采购到追溯等数据实时对接，提高备件流通效率。近年来用户端对产品的服务需求呈上升趋势变化，供应商逐渐从产品生产向供应设备运维、个性化定制

56、等方向转变，未来如何增加产品附加值将成为供应商提升优势的关键。 智能风控、智能监管、智能理赔是金融大数据应用的焦点随着金融行业数字化转型推进，金融大数据正向金融领域各细分场景和业务渗透，开始从客户画像、精准营销、智能客服、交易监控加速向智能风控、智能监管、智能理赔演进，金融服务日益呈现出向智能化发展的趋势，金融机构的运营效率不断提高。随着大数据、人工智能、云计算技术的成熟和广泛应用，金融与科技融合成为市场关注焦点，应用金融大数据的能力逐渐成为金融机构的核心竞争力。 2019年8月，中国人民银行印发金融科技（FinTech)发展规划（2019-2021年），明确提到2021年，要实现金融科技应用

57、先进可控、金融服务能力稳步增强、金融风控水平明显提高、金融监管效能持续提升、金融科技支撑不断完善、金融科技产业繁荣发展。智能风控方面，风险控制是金融的本质，是银行、保险、证券等金融机构开展金融业务的基础，而传统风控存在信息信息不对称、时效性差、反馈效率低等问题，智能风控已逐渐成为各金融机构稳健经营的关键，其能够实现风险早识别、早预警、早处置，提升金融风险整体防控水平。目前，深入挖掘和分析金融大数据、高质量高水平构建风控模型、有效筛选实用的指标等方面仍存在较大问题，构建的风控体系不能及时准确反馈经营过程中的风险，智能风控发展水平不及预期。智能监管方面，信息技术在金融领域应用广泛，出现了电子支付、

58、消费金融、网络借贷、众筹等创新型商业模式，也出现了借助新技术创新规避监管的做法，通过新技术进行各种不规范操作的行为。在金融商业模式创新加快和监管趋严趋势的双重压力下，监管能力必须进一步提升，实现对传统金融业务以及创新型金融业务全方位的监管，推动金融监管模式由事后监管向事前、事中监管转变，智能监管将成为提升监管有效性的利器。目前，各个金融机构之间的数据互联互通不够、监测分析在部分领域存在漏洞，导致金融机构“暴雷”情况时有发生，未来智能监管发展进程将大幅加快。智能理赔方面，智能化理赔已逐渐成为客户和保险机构最重视的环节之一，也是金融大数据应用的重点方向，其能够实现保险理赔的智能化定损和智能化核赔，

59、提高理赔的效率和准确性，成为金融大数据应用重点，中国人寿、新华保险等保险机构已开始推出智能化理赔方案。目前，各险种标准化的数据库尚未建立，仍需人工根据条款和出险人情况核算理赔金额；运用数据识别欺诈行为不够准确，导致骗保行为频频发生。这些情况导致理赔效率低、风险大，智能化理赔亟需进行全面推广。大数据技术在医疗行业的应用虽能一定程度解决传统医疗行业痛点，但也仍处于起步发展阶段，面临着以下四大挑战：1、随着新型医疗诊疗技术的发展，诊疗过程中产生了海量的数字化影像、生理监测等数据，医疗数据量呈现爆炸式增长。庞大的数据量需要有更大、更可靠的存储空间以及相比较小规模的数据处理，因此医疗大数据对数据存储提出

60、了更高要求。2、目前医疗数据的记录格式主要有文本型（电子病历、医嘱、手术记录等）、数值型（生理数据、生化数据等）和图像型（X光、B超、M R I等），其中文本数据的表达存在一定的主观性和随意性，非结构化数据多。此外，各医疗机构的信息化系统数据标准不统一，对医疗数据治理标准体系提出更高挑战。3、各医疗机构产生的数据孤岛阻碍了原始医疗数据的合并、处理，不利于后续数据分析和数据挖掘，导致医疗大数据难以释放真正价值。4、各医疗机构大数据人才紧缺，人才培养难度。一方面，医疗大数据人才不仅需要具备医学、管理学、计算机学、统计学等多学科综合知识体系，还需要熟知医疗机构业务流程；另一方面，医疗信息化人员的薪资