大数据行业市场现状调查及投资策略分析

大数据行业市场现状调查及投资策略分析市场与消费者市场1、市场市场是多门学科的研究内容，不同学科有不同的解释。在市场营销学中，市场指有货币支付能力的、有购买愿望的购买者群体。这个定义指明了市场必须具备一个要素：一是购买者群体，二是有购买愿望，三是有货币支付能力，可用公式表示为：市场=人口+购买力+购买愿望。市场规模取决于有购买力、有购买愿望的人数多少。2、消费者市场消费者市场是个人或家庭为了生活消费而购买产品和服务所形成的市场。生活消费是产品和服务流通的终点，因而消费者市场也称为最终产品市场。消费者市场是相对于组织市场而言的。组织市场指以某种组织为购买单位的购买者所形成的市场，购买目的是为了生产、销售或履行组织职能。大数据行业的挑战（一）技术创新与支撑能力有待进一步提高技术创新是推动大数据产业发展的内在动力，但是目前我国技术创新对于大数据产业的引领作用仍然不强。一方面，国内企业对大数据核心技术、开源技术和相关生态系统影响力总体较弱。另一方面，大多数大数据企业的创新仍以模仿性、渐进性创新为主，突破性、颠覆性创新偏少，自主研发具有国际影响力的先进技术较少，同质化竞争日益加剧。此外，由于我国基础科学技术水平研发投入相对不足，大数据底层技术投入与国外存在较大差距，虽然具有大数据应用的需求，但较少通过扎实的底层技术手段来推动创新，我国大数据技术创新能力有待持续提高。（二）对开源体系的依赖程度相对较高基于开源的数据库技术，或部分开源的功能方案，已经成为当前众多企业的软件技术建设重要模式，目前数据库开源体系由国外主导。众多软件开发者对于开源软件的认知较有限，甚至误以为开源软件等同于免费软件，可以不受限制地随意使用。事实上，开源软件的著作权既没有被放弃也没有过期，开源软件知识产权风险分为版权侵权风险，专利侵权风险、商标侵权风险三大类。因此市场对待目前开源体系的法律风险意识有待提高，自主研发的国产数据库软件市场占有率有待进一步提升，降低对国外开源体系的依赖。（三）企业对于数据价值的认知及运用能力有待提高近年来，越来越多企业认识到数字化转型的必要性，但是对于数据管理的认知水平较多停留在收集数据、存储管理数据的层面，对于如何把数据有效运用及相关认知有待提高，对数据平台、数据技术的资源投入不足。企业往往只是在部分业务实现数字智能化，各个板块的协同不足，各个部门的信息孤岛现象明显，整个企业的数智化缺乏完整规划，企业对数字化转型的目标和路径不够清晰。在此环境下，中国数据管理软件服务厂商在聚焦于内部产品研发和技术迭代的同时，也需加强对下游实际的业务场景和大数据使用需求的逐步理解、适配，使得更多企业可以容易的运用大数据解决发展面临的数字化转型需求。（四）专业人才短缺问题成发展瓶颈我国仍存在严峻的大数据人才短缺问题，尤其紧缺基础技术研发、专业咨询、数据分析挖掘等方面的专业人才以及兼具专业运营能力、行业动态理解力、解决问题能力的多学科复合型人才，难以满足大数据产业的高速发展需求。一方面，我国高科技人才储备不足，高科技人才储备难以应对与日俱增的大数据人才市场需求。另一方面，我国大数据人才培养体系不完善，大数据人才培养体系起步晚，规模小，层次和模式相对单一，技能知识和理念落后，难以有效匹配产业发展速率。虽然近几年随着我国产业数字化转型的发展，数字科技行业的从业人员逐步增多，但从事基础软件领域研究的专业人员仍然稀缺，尚不能满足大数据行业对于高端专业人才的需求。大数据人才的不足一定程度上影响到大数据产业的发展，业内为争取优秀人才，造成行业内人才竞争不断加剧。大数据全生命周期管理大数据生命周期进一步细分为大数据集成、存储和处理、治理、建模、挖掘和流通等阶段。（一）大数据集成大数据集成包括大数据采集和大数据整合。大数据采集主要是通过各种技术手段将分散的海量内容数据（文本、音频、视频等）、行为数据（访问、查询、搜索、会话、表单等）、工业生产数据（传感器数据、监控数据）等从业务系统中收集出来。由于大数据本身具有分散、海量、高速、异质的特征，采集难度较大，因此保证数据采集的稳定性、可靠性、高效性、可用性和可扩展性等是主要的技术目标，越来越多的企业开始选用专业的数据采集服务。大数据整合的目标是将各种分布的、异构的数据源中的数据抽取后，进行清洗、转换，最后加载到数据仓库或数据集市中，作为数据分析处理和挖掘的基础；这个过程常常也被称为ETL（Extract/抽取，Transform/转换，Load/加载），通常ETL占到整个数据仓库开发时间的60%~80%。大数据时代，数据整合软件的市场也开始了整体的技术升级，主要解决两个主要技术问题，一是独立的ETL应用服务器的计算能力普遍不足，二是无法处理半结构化和非结构化数据。经过几年的技术发展，ETL过程逐步演进为ELT，即数据抽取后直接加载（Load）到大数据平台中，再基于大数据平台的计算能力来实现数据转换（Transform），不再依赖ETL应用服务器做抽取和转化工作，这样可以解决ETL应用服务器的处理能力不足问题，充分利用大数据平台的分布式计算能力提升数据集成的效率和稳定性。（二）大数据存储和处理大数据存储与处理要用用服务器及相关设备把采集到的数据存储起来，使得数据能够被高效地访问和运算。由于数据量的爆发式增长，尤其是非结构化数据的大量涌现，传统的单机系统性能出现瓶颈，单纯地提高硬件配置已经难以跟上业务的需求，产生的海量数据没有合适的存储场所，企业被迫放弃大量有价值的数据；数据处理的速度和性能出现瓶颈，业务的深度和广度受到限制。因此，过去十年间，计算机系统逐步从集中式向分布式架构发展。分布式架构及相关技术通过增加服务器的数量来提升系统的处理能力，每个节点都是一个可独立运行的单元，单个节点失效时不会影响应用整体的可用性。分布式系统在扩展性、容错性、经济性、灵活性、可用性和可维护性方面具有明显优势。（三）数据治理根据国际数据管理协会的定义，数据治理是对数据资产管理形式权利和控制的活动集合。数据治理是一个管理体系，包括组织、制度、流程和工具，随着集成和存储的数据量增加，数据治理的难度也逐渐增加，牵扯的关联方也越来越多，因此需要一套适合企业的方法论来开展工作。业界逐渐形成了DAMA、DCMM等较完整的数据治理体系框架，一般包括制定数据治理战略、定义数据治理工作机制、通过各个业务专题来落实相关数据治理工作内容，并最终落实到数据治理工具上来实现高效持续的数据治理的执行流程。具体到数据治理的内容，一般包括元数据管理（包括元数据采集、血缘分析、影响分析等）、数据标准管理（包括标准定义、查询与发布等）、数据质量管理（包括质量规则定义、质量检查、质量报告等）、数据资产管理（包括数据资产编目、数据资产服务、资产审批等）、数据安全管理（包括数据权限管理、数据脱敏、数据加密等）、数据生命周期管理（包括数据归档、数据销毁等）以及主数据管理（包括主数据申请、发布、分发等）这几个主要的部分。（四）数据建模数据建模是构建企业数据仓库、数据湖和数据集市的重要过程，其通过一个业务级别的数据模型设计，将分散在不同数据源中的数据集成在一起，并通过一种面向业务主题的方式将数据分门别类来做重新组织和标准化，形成有明确业务意义的数据形式，统一为数据分析、数据挖掘等提供可用的数据。面向业务主题（如客户主题、账户主题等）的数据组织管理方式便于业务人员对数据的理解和综合使用。具体到技术层面，数据建模一般包括业务调研、架构设计、数据模型设计、数据库SQL开发与测试、业务集成上线等几个阶段，架构设计是整个工作的核心，一般会面向不同的行业来设计相关行业的逻辑数据模型。在数据建模过程中使用的工具主要包括：数据模型设计与管理工具、SQL开发工具、任务调度工具等。（五）数据分析和挖掘大数据分析和数据挖掘的核心目标是对客观事实规律进行描述、展示和总结、刻画、推广，可以从大量的数据中通过算法来揭示出隐含的、未知的并有潜在价值信息，并对客观规律进行溯源和解释，从而帮助决策者做出正确的预测和决策。围绕这个目标，大数据分析和挖掘的手段可以分为模型驱动、数据驱动等，一般通过统计、在线分析、情报检索、机器学习和专家系统等在内的多种方法来实现这一目标。现阶段在面对大数据4V问题时，大数据分析和数据挖掘工具对传统数据分析和挖掘工具做进一步自动化和智能化；与此同时，近年来深度学习的兴起又为大数据分析提供了新的手段，其做为当前计算机行业的热点研究方向之一，其本质的目标是从大量数据中提取模式和知识，其要处理的对象包括结构化数据、半结构化数据和非结构化数据在内的所有类型数据，例如近年来在视频、语音等非结构化数据的分析需求快速增加，相应的深度学习技术也取得了飞速发展。（六）数据流通数据流通是按照一定规则，将存储的数据或者数据分析、挖掘得到的信息作为流通对象，从供应方传递到需求方的过程。数据流通的具体内容包括可视化的分析报告、面向运营人员的数据标签、面向应用可以直接调用的数据指标API、面向数据分析人员的数据集、面向数据挖掘人员的数据特征、和面向业务建模人员的单方或多方的建模模型等。基于数据水印、数据加密和脱敏、隐私计算、联邦学习的数据流通安全技术，可以提高数据流通的完整性和保密性。全球大数据市场发展情况全球大数据市场规模由2015年231亿美元增长至2019年的496亿美元，年复合增长率约为21．1%，全球整体市场规模有望在2024年超过800亿美元，2019至2024年复合增长率约为11．8%。在2015年，大数据服务仍然是全球大数据市场最大的收入来源，约为91亿美元，而硬件和软件收入分别达到73亿美元和67亿美元。随着硬件成本的下降以及软件附加值的提升，预计未来全球大数据市场中硬件及服务收入贡献占比将逐渐减少，软件将超过服务和硬件，成为全球大数据市场最主要的收入来源。全球大数据软件市场规模由2015年的67亿美元增长至2019年的170亿美元，年复合增长率为26．2%，超过硬件和服务收入增速，并且预计软件市场规模将在2024年达到377亿美元，年复合增长率约为17．3%。在大数据软件中，随着大数据管理平台和数据应用中间件产品的成熟，未来将贡献更多的收入占比。大数据市场构成大数据行业主要解决大数据的存储、处理、分析和价值发现等问题，实现大数据的业务价值。从产品和服务来看，大数据市场产品和服务包括三个主要部分，即大数据硬件、大数据软件、大数据专业服务。其中，大数据软件部分按照产品功能的不同可以被分为：大数据管理平台、数据应用中间件、数据智能分析工具、大数据应用四个部分。大数据行业发展背景（一）大数据时代下传统数据管理软件面临多种挑战近年来随着互联网、移动互联网、物联网、5G等信息通信技术及产业的不断发展，全球数据量呈爆发式增长态势。数据作为和土地、资本、劳动力、技术一样的生产要素，在数字经济不断深入发展的过程中，地位愈发凸显。我国是数据资源大国，IDC研究报告指出，到2020年，中国数据量约12．6ZB，较2015年增长7倍，年复合增长率为124%。2025年中国的数据量预计达到48．6ZB，约占全球数据总量的30%。数据资源总体呈现出4V的特点，即海量的数据规模（Volume）、多样的数据类型（Variety）、价值密度低（Value）、快速的数据流转（Velocity）。海量的数据规模指数据量大，包括采集、存储和计算过程中所涉及数据量都非常大。大数据的起始计量单位通常是PB（约1，000TB）、EB（约100万TB）或ZB（约10亿TB）。多样的数据类型指数据种类和来源多样化，包括结构化、半结构化和非结构化数据，具体表现为关系型数据、日志、音频、视频、文本、图片、地理位置信息等类型数据，多类型的数据对数据的处理能力提出了更高的要求。价值密度低指有价值数据所占比例低。随着互联网以及物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，通过结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代需要解决的重要问题之一。快速的数据流转指数据增长速度快，处理速度要求快，时效性要求高。例如实时监测场景中，企业需要对物联网设备数据进行实时处理并做出反应；零售电子商务应用类软件将消费者所持的移动设备的地理位置信息和其个人偏好相结合，推送有针对性的促销信息。这是大数据区别于传统数据使用的显著特征。随着信息技术以及实际业务需求的快速发展，传统数据管理软件在处理大数据场景时不能很好适应数据的4V特性，面临较多技术挑战。因此，传统数据管理软件迫切需要技术革新。（二）传统集中式软件栈向新兴分布式软件栈演进1970-2000年，数据管理软件主要为集中式架构的关系型数据库，其软件产品具备不可分割性（atomicity）、一致性（consistency）、隔离性（isolation，又称独立性）、持久性（durability）即ACID功能特性，占据了数据管理软件的主导地位。关系型数据库技术出现在20世纪70年代，经过二十余年的发展，到90年代已经成熟。市场上具有代表性的集中式架构关系型数据库产品包括Oracle、IBMDB2以及微软SQLServer等。2000年以来，随着互联网和计算机技术的快速发展，需要处理的数据量更大、类型更丰富、速度要求更快，传统集中式计算架构已无法适应数据海量、异构、多源等特点，在部署的扩展性、容错性、经济性、灵活性等方面有一定局限性。谷歌于2003年-2006年间的三篇论文奠定了分布式存储和计算的基础，而后行业从业者基于以上理论建立了Hadoop、Spark等大数据分布式系统框架，并交由Apache软件基金会托管；2009年，在JohanOskarsson开源分布式数据库的讨论中，来自Rackspace的EricEvans重提NoSQL概念，用以指代非关系型的分布式数据存储系统。针对于不同的场景，分别产生了图数据库、搜索引擎、文档数据库、键值数据库等NoSQL数据库，代表性NoSQL数据库提供商包括MongoDB、Elastic等。2010年以来，随着数字化转型的逐步深化，快速变化的业务场景呈现了复杂化、多样化的态势。复杂的业务场景往往需要使用多种数据模型，以及数据模型间的融合。这个时期的，行业内大部分数据库都是面向单一数据模型而设计的，用以解决特定业务场景的特定问题。例如，使用传统的关系型数据库解决结构化数据的存储和处理问题、使用图数据库解决图相关的存储和处理问题、使用文档数据库解决文本相关的存储和处理问题。由于结构化数据和非结构化数据通常以不同的格式和模式存储，单模型数据库虽然优化了数据存储和处理，却难以满足日趋增长的、多样的业务场景需求。当同一业务需要用到不同类型数据的时候，受限于单模型数据库的处理能力，客户往往需要部署多个相互独立的单模型数据库，在对不同模型数据进行联合处理的时候，需要对数据进行搬迁或融合，导致架构复杂度高、开发成本高、运维成本高以及数据处理效率低。由此，催生了从单一数据管理系统到融合型、多模型数据管理系统的技术需求。此外，随着云计算技术的大规模应用，传统各类软件产品都开始由独立部署模式向云服务模式转变。其中数据库作为信息系统核心软件，逐渐附加云化能力形成云原生数据库，以服务的形式对外提供技术支撑。云原生数据库按照部署方式可以分为公有云部署和私有云部署。其中，私有云部署模式由企业提供云数据库依赖的底层物理资源，数据库服务商负责部署云原生数据库软件，后期企业和数据库服务商约定运维维护工作的具体职责分工等，特点是自有资源池化，数据不外流等。相比公有云部署下的云数据库，私有云模式更加关注信息安全，能够实现对数据安全性和服务质量最有效控制，仅限于企业员工和取得授权的合作伙伴使用。多模型数据库云原生相关技术已经成为信息产业的未来发展方向，促使大数据软件进一步革新，规模呈现快速增长趋势，代表性企业如Snowflake、AWS等。相较于国内外的现状，私有云在面向国计民生的相关行业更受客户欢迎，面向私有云模式的云原生数据库预计在未来将获得快速增长。随着技术不断成熟，分布式架构将逐渐成为主流。自底向上，传统的集中式资源管理调度逐渐向基于云原生技术的分布式统一资源管理平台发展；数据管理软件技术架构也会因为计算模式的转变发生重大变革，传统的集中式数据库逐渐向分布式、多模型数据库发展；传统数据分析软件逐渐向新型的分布式数据开发和智能分析软件发展。（三）国产基础软件迎来爆发式增长阶段当前，中国大数据软件领域处于发展的历史机遇期，我国高度重视大数据在经济社会发展中的作用，十八届五中全会提出实施国家大数据战略，《促进大数据发展行动纲要》指出，建立安全可信的大数据技术体系是推进大数据产业基础研究和核心技术攻关的重要目标。十四五规划和2035年远景目标纲要提出，培育壮大人工智能、大数据等新兴数字产业，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统行业转型升级，打造数字经济新优势。全球新一代信息产业处于加速变革期，大数据相关底层技术处于创新突破期，国内市场需求处于爆发期，为国内基础软件厂商带来明确的增长机遇。同时，随着国内基础软件人才的不断增加，在应对新一代场景，不断积累技术经验过程中，国内已形成具备自主研发实力且能与国外厂商竞争的基础软件厂商，并开始实现规模产业化落地。价值链建立高度的顾客满意、顾客忠诚，要求企业创造更多的顾客感知价值。为此，企业必须系统协调其创造、传播和交付价值的各分工部门即企业价值链以及由供应商、分销商和最终顾客组成的供销价值链的工作，达到顾客与企业利益最大化。（一）企业价值链所谓企业价值链，是指企业创造价值互不相同，但又互相关联的经济活动的集合。其中每一项经营管理活动都是“价值链条”上的一个环节。价值链可分为两大部分：下部为企业基本增值活动，即“生产经营环节”，包括材料供应、生产加工、成品储运、市场销售、售后服务五个环节。上部列出的是企业辅助性增值活动，包括基础结构与组织建设、人力资源管理、科学技术开发和采购管理四个方面。辅助活动发生在所有基本活动的全过程中。其中，科学技术开发既包括生产技术，也包括非生产性技术，如决策技术、信息技术、计划技术等；采购管理既包括原材料投入，也包括其他资源，如外聘的咨询、广告策划、市场调研、信息系统设计等；人力资源管理同样存在于所有部门；企业基础结构涵盖了管理、计划、财务、会计、法律等事务。价值链的各个环节相互关联、相互影响。一个环节经营管理的好坏，会影响其他环节的成本和效益。但每一个环节对其他环节的影响程度并不相同。一般地说，上游环节经济活动的中心是创造产品价值，与产品技术特性紧密相关；下游环节的中心是创造顾客价值，成败优劣主要取决于顾客服务。企业必须依据顾客价值和竞争要求，检查每项价值创造活动的成本和经营状况，寻求改进措施，并做好不同部门之间的系统协调工作。在许多情况下，企业各部门都有强调本部门利益最大化倾向。如企业财务部门可能会设计一个复杂的程序，花很长时间审核潜在顾客的信用，以免发生坏账，其结果是顾客等待，企业销售部门绩效受到影响。各个部门高筑壁垒，是影响优质顾客服务和高度顾客满意的主要障碍。要解决这个问题，关键是要加强核心业务流程管理，使各有关职能部门尽力投入和合作。核心业务流程主要有以下几方面。（1）新产品实现流程。包括识别、研究、开发和成功推出新产品等各种活动，要求这些活动必须快速、高质并达到成本预定控制目标。（2）存货管理流程。包括开发和管理合理储存的所有活动，以使原材料、中间产品和制成品实现充分供给，避免因库存量过大而导致成本增大。（3）订单一付款流程。包括接受订单、核准销售、按时送货以及收取货款所涉及的全部活动。（4）顾客服务流程。包括使顾客能顺利地找到本公司的适当当事人（部门），并得到迅速而满意的服务、答复以及解决问题的所有活动。（二）供销价值链将企业价值链向外延伸，就会形成一个由供应商、分销商和最终顾客组成的价值链，我们将之称为供销价值链。要创造顾客高度满意，需要供销价值链成员的共同努力。因此，许多企业致力于与其供销链上的其他成员合作，以改善整个系统的绩效，提高竞争力。随着竞争的加剧和实践经验的积累，企业之间的合作正在不断加强。过去，企业总是将供应商、经销商视为导致成本上升的主要对象；现在，它们开始仔细选择伙伴，制定互利战略，锻造更加高效的供销价值链，以形成更强的团队竞争能力，赢得更多的市场份额和利润。（三）价值链的战略环节在一个企业价值链的诸多“价值活动”中，并不是每一个环节都创造价值。企业所创造的价值，实际上往往集中于企业价值链上某些特定的价值活动。这些真正创造价值的经营活动，就是企业价值链的战略环节。经济学垄断优势原理表明：在充分竞争市场，竞争者只能得到平均利润；如果超额利润能长期存在，则一定存在某种由垄断优势引起的“进入壁垒”，阻止其他企业进入。价值链理论认为，行业的垄断优势来自该行业某些特定环节的垄断优势。抓住了这些关键环节，即战略环节，也就抓住了整个价值链。战略环节可以是产品开发、工艺设计，也可以是市场营销、信息技术，或是人事管理等，视不同行业而异。一般地说，高档时装行业的战略环节是设计能力，餐饮业是地点选择，烟草业则是广告宣传和公共关系。保持企业的垄断优势，关键在于保持其价值链战略环节的垄断优势，而无须将之普及到所有的价值活动。精明的企业家总是将战略环节紧紧控制在企业内部，而将一些非战略性活动通过合作外包出去。这样，企业既能将有限资源“聚焦”于战略环节，增强垄断优势，又利用市场降低了成本，提高了竞争力和顾客满意程度。加强与供销价值链其他成员合作，相互“借力”，共同锻造高绩效的顾客价值网络，也是对上述“聚焦”战略的精妙运用。例如，人们涌向全球24500家麦当劳餐馆，并不一定是因为他们喜欢其汉堡包，而更多的是喜欢麦当劳系统。麦当劳的成功，在于它提供了被称之为QSCV（质量、服务、清洁、价值）的高标准，并出色地协调了整个系统，使它不仅有效地与其特许经销商、供应商成功合作，而且与它们共同传递卓越的顾客价值。对战略环节的垄断有多种形式，既可以垄断关键性原材料、关键性人才，也可以垄断关键销售渠道、关键市场等。如在依靠特殊技能竞争的行业（广告业、表演业、体育专业，等），需要垄断若干关键人才；在依靠产品特色竞争的行业，其垄断优势来自关键技术或原料配方（如可口可乐的原浆配方，麦当劳“巨无霸”汉堡包的专用配料配方）；在高科，技行业，垄断优势通常来自对若干关键性生产技术的垄断。市场细分战略的产生与发展市场细分是1956年由美国营销学者温德尔，斯密于《产品差异和市场细分——可供选择的两种市场营销战略》一文中，在总结西方企业营销实践经验的基础上提出的。市场细分不单纯是一个抽象理论，而且具有很强的实践性，顺应了第二次世界大战以后美国众多产品市场转化为买方市场这一新的形势，是现代企业营销观念的一大进步。从总体上看，不同的市场条件和环境，从根本上决定企业的营销战略。市场细分理论和实践的发展经历了以下几个阶段。（一）大量营销阶段早在19世纪末20世纪初，即资本主义工业革命阶段，整个社会经济发展的中心和特点是强调速度和规模，市场以卖方为主导。在卖方市场条件下，企业市场营销的基本方式是大量营销，即大批量生产品种、规格单一的产品，并且通过广泛、普遍的分销渠道销售产品。在这样的市场环境下，大量营销的方式降低了产品的成本和价格，获得了较丰厚的利润。企业没有必要研究市场需求，市场细分战略也不可能产生。（二）产品差异化营销阶段20世纪30年代，发生了震撼世界的资本主义经济危机，西方企业面临产品严重过剩，市场迫使企业转变经营观念。营销方式从大量营销向产品差异化营销转变，即向市场推出许多与竞争者在质量、外观、性能和品种等方面不同的产品。产品差异化营销较大量营销是一种进步，但是由于企业仅仅考虑自己现有的设计、技术能力，忽视对顾客需求的研究，缺乏明确的目标市场，因此产品营销的成功率依然很低。由此可见，在产品差异化营销阶段，企业仍然没有重视对市场需求的研究，市场细分仍然缺乏产生的基础和条件。（三）目标营销阶段20世纪50年代以后，在科学技术革命的推动下，生产力水平大幅度提高，产品日新月异，生产与消费的矛盾日益尖锐，以产品差异化为中心的推销体制远远不能解决西方企业所面临的市场问题。于是，市场迫使企业再次转变经营观念和经营方式，由产品差异化营销转向以市场需求为导向的目标营销，即企业在研究市场和细分市场的基础上，结合自身的资源与优势，选择其中最有吸引力和最能有效为之提供产品和服务的细分市场作为目标市场，设计与目标市场需求特点相互匹配的营销组合。市场细分战略应运而生。市场细分理论的产生，使传统营销观念发生根本性的变革，在理论和实践中都产生了极大影响，被西方理论家称之为“市场营销革命”。市场细分理论产生后经历了不断完善的过程。最初，随着“以消费者为中心”的营销理念日渐深入人心以及个性化消费时代的到来，企业把市场不断细分，从而出现超市场细分理论（即一对一营销理论）。人们认为把市场划分得越细越能适应顾客需求，只要通过增强企业产品的竞争力便可提高利润率。但是20世纪70年代以来，能源危机和整个资本主义市场不景气，使不同阶层消费者的可支配收入出现不同程度的下降，人们在购买时更多地注重价值、价格和效用的比较。过度细分市场导致企业营销成本上升而减少总收益，于是反市场细分理论应运而生。营销学者和企业家认为，应该从成本和收益的比较出发对市场进行适度的细分，这是对过度细分的反思和矫正。它赋予了市场细分理论新的内涵，使其不断地发展和完善，对指导企业市场营销活动具有更强的可操作性。20世纪90年代，在全球营销环境下，适度细分理论又被赋予了更新的内涵，适应了全球营销趋势的发展。全球营销力图尽可能地识别和满足世界各国消费者的共同需求，并希望以此获得更广阔的市场和更低的成本。而且，全球营销对于“需求”的理解更为深刻，它不是简单、一味地识别和满足消费者的现有需求，而是更为关注挖掘潜在需求，或在异国市场上引入并推行新的消费文化。与此同时，全球营销同样注意到各个国家和地区消费者需求之间的差异。因为分布于世界200多个国家和地区的全球消费者，拥有不同的语言和肤色，不同的风俗习惯，不同的宗教信仰，不同的行为方式。事实上，没有一家企业已经或者试图把触角伸向世界的每一个角落。它们都根据自身的优势和劣势，寻求全球市场上的机会，选择那些能够比对手更好地提供产品或服务的细分市场作为目标市场，并与之建立互惠互利的交换关系，在满足其需求的同时求得自身发展壮大。市场的细分标准（一）消费者市场细分的标准消费者市场细分标准可归纳为四大类，其因素有些相对稳定，多数则处于动态变化中。1、地理因素地理因素标准即按照消费者所处的地理位置、自然环境细分市场，具体变量包括国家、地区、城市规模、不同地区的气候及人口密度等。处于不同地理位置和环境下的消费者，对同一类产品往往会呈现出差别较大的需求特征，对企业营销组合的反应也存在较大的差别。例如希尔顿酒店会根据所处的地理位置设计个性化的房间：美国东北部酒店更雅致和全球化，而西南部的酒店更乡村化；零售巨头如沃尔玛、凯马特都允许他们的区域经理储存货物以适应当地需求。地理细分对不同区域的识别和划分也有意义，企业可以根据产品在该区域上市的时间，将市场分为引人期或发育期市场（1～5年），成长期市场（6～11年），成熟期市场（11年以上）。显然，这样的划分有利于识别不同阶段市场的特征，制定具有针对性的营销策略。就总体而言，地理环境中的大多数因素是一种相对静态的变量，企业营销必须研究处于同一地理位置的消费者和用户对某一类产品的需求或偏好所存在的差异，而且必须同时依据其他因素进行市场细分。2、人口因素人口因素指各种人口统计变量，包括年龄、婚姻、职业、性别、收入、教育程度、家庭生命周期、国籍、民族、宗教、社会阶层等。比如，不同年龄、受教育程度不同的消费者在价值观念、生活情趣、审美观念和消费方式等方面会有很大的差异。以年龄、家庭人口和收入为例，看其对某产品需求的制约。某家具公司在市场调查中发现与家具销售关联最密切的人口变量有以下三项：户主年龄、家庭规模和收入状况。企业在选择目标市场时，可以根据本企业的营销目标及其预期利润，分别考虑各个细分市场的家庭数目、平均购买率、产品的竞争程度等因素。经过分析研究和预测，即可比较准确地评估出每个细分市场的潜在价值。对于全球企业来说，这些人口统计变量的相关信息从各国政府或国际组织公布的统计资料中可以查到。各个国家人口的预期寿命、年龄结构等因素对食品、化妆品、服装、人寿保险等行业中的全球企业细分全球市场有特别重要的意义。需要注意的是，在用人口因素来进行市场细分时，用单一标准细分市场很容易得出偏颇的结论，需要企业界和其他细分标准对细分市场做出进一步的细化研究，从而发现显著的顾客需求特征差异，以分别制定针对性的营销战略及策略。3、心理因素心理因素标准即按照消费者的心理特征细分市场。按照上述几种标准划分的处于同，一群体中的消费者对同类产品的需求仍会显示出差异性，可能原因之一是心理因素发挥作用。心理因素包括个性、购买动机、价值观念、生活格调、追求的利益等变量。比如，生，活格调是指人们对消费、娱乐等特定习惯和方式的倾向性，追求不同生活格调的消费者对商品的爱好和需求有很大差异。越来越多的企业，尤其是服装、化妆品、家具、餐饮、旅游等行业的企业越来越重视按照人们的生活格调来细分市场。消费者的个性、价值观念等心理因素对需求也有一定的影响，企业可以把具有类同的个性、爱好、兴趣和价值取向相近似的消费者集合成群，有针对性地制定营销策略。在有关心理因素的作用下，人们的生活方式可以分为“传统型”“新潮型”“奢靡型”“活泼型”“社交型”等不同类型。追求的利益是指消费者在购买过程中对产品不同效用的重视程度。一项对亚洲女士服装市场的调查表明，亚洲女士喜爱紧身服装有以下原因：视觉上更娇柔、形体更美丽、更加自信等，但不同国家的女士的追求在心理上仍有差异。在不同国家也可能存在同处一个社会阶层或具备共同价值观、共同生活方式的消费群。4、行为因素行为因素标准即按照消费者的购买行为细分市场，包括消费者进入市场的程度、使用频率、偏好程度等变量。按消费者进入市场程度，通常可以划分为常规消费者、初次消费者和潜在消费者。一般而言，资力雄厚、市场占有率较高的企业，特别注重吸引潜在购买者，企业通过营销战略，特别是广告促销策略及优惠的价格手段，把潜在消费者变为企业产品的初次消费者，进而再变为常规消费者。而一些中、小企业，特别是无力开展大规模促销活动的企业，主要注重吸引常规消费者。在常规消费者中，不同消费者对产品的使用频率也悬殊，可以进一步细分为“大量使用户”和“少量使用户”。例如，根据二八定律，商业银行80%的利润都来自于占顾客数量20%的高端客户，剩余20%的利润由普通储户提供，因此抓住“少量使用户”，就能实现利润的最大化。因此，许多企业自然把大量使用者作为自己的销售对象。消费者对产品的偏好程度，是指消费者对某品牌的喜爱程度，据此可以把消费者市场划分为四个群体：绝对品牌忠诚者、多种品牌忠诚者、变换型忠诚者和非忠诚者。在“绝对品牌忠诚者”占很高比重的市场上，其他品牌难以进入；在“变换型忠诚者”占比重较大的市场上，企业应努力分析消费者品牌忠诚转移的原因，以调整营销组合，加强品牌忠诚程度；而对于那些“非品牌忠诚者”占较大比重的市场企业来说，则应审查原来的品牌定位和目标市场的确立等是否准确，并且随市场环境和竞争环境变化重新对定位加以调整。（二）生产者市场细分的依据细分消费者市场的标准，有些同样适用于生产者市场。如地理因素、追求的利益、使用者状况等因素，但还需要考虑一些其他的变量。生产者市场常用的细分变量是用户变量，主要包括行业、公司规模、地理位置等。1、行业细分生产者市场的用户购买产品通常是为了生产用于出售的产品或服务，用户所处行业不同，其生产者需求会有很大差异。例如，电脑制造商采购产品时最重视的是产品质量、性能和服务，价格并不是最主要因素；飞机制造商所需要的轮胎必须达到的安全标准比农用拖拉机制造商所需轮胎的安全标准高得多。2、规模细分用户规模也是细分产业市场的一个重要变量。用户规模不同，其购买数量存在着很大差异。大用户虽少，购买量大；小用户虽多，其购买量小。在现代市场营销实践中，许多公司建立适当的制度来分别同大客户和小客户打交道。例如，一家办公室用具制造商按照规模将用户细