大数据行业企业市场现状及竞争格局分析

大数据行业企业市场现状及竞争格局分析顾客感知价值（一）顾客感知价值的含义为顾客提供更大的顾客感知价值，是企业建立良好顾客关系的基石。所谓顾客感知价值(CPV)，是指企业传递给顾客，且能让顾客感受得到的实际价值。它一般表现为顾客购买总价值与顾客购买总成本之间的差额。这里的顾客购买总价值是指顾客购买某一产品与服务所期望获得的一系列利益；顾客购买总成本是指顾客为购买某一产品所耗费的时间、精力以及所支付的金钱等成本之和。顾客在购买产品时，总是希望有较高的顾客购买总价值和较低的顾客购买总成本，以便获得更多的顾客感知价值，使自己的需要得到最大限度的满足。因此，顾客在做购买决策时，往往从价值与成本两个方面进行比较分析，从中选择出那些期望价值最高、购买成本最低，即“顾客感知价值”最大的产品作为优先选购的对象。企业为在竞争中战胜对手、吸引更多的潜在顾客，就必须向顾客提供比竞争对手具有更高顾客感知价值的产品，获得更高的顾客满意度。为此，企业可从两个方面改进自己的工作：一是通过改进产品和服务，塑造企业形象，提高人员素质，提高顾客购买总价值；二是通过改善服务与促销网络系统，减少顾客购买产品的时间、精神与体力的耗费，降低顾客购买总成本。（二）顾客购买总价值获得更大顾客感知价值的途径之一，是增加顾客购买总价值。顾客购买总价值由产品价值、服务价值、人员价值和形象价值构成，其中每一项价值的变化均对总价值产生影响。1、产品价值产品价值是由产品的功能、特性、品质、品种与式样等所产生的价值。它是顾客需要的中心内容和选购产品的首要因素。一般情况下，产品价值是决定顾客购买总价值大小的关键和主要因素。产品价值是由顾客需要来决定的，在分析产品价值时应注意：（1）在经济发展的不同时期，顾客对产品的需要有不同的要求，构成产品价值的要素以及各种要素的相对重要程度也会有所不同。（2）在经济发展的同一时期，不同类型的顾客对产品价值，也会有不同的要求，在购买行为上显示出极强的个性特点和明显的需求差异性。因此，企业必须认真分析不同发展时期顾客需求的共同特点以及同一时期不同类型顾客需求的个性，特征，并据此进行产品的开发与设计，增强产品的适应性。2、服务价值服务价值是指伴随产品实体的出售，企业向顾客提供的各种附加服务，包括产品介绍、送货、安装、调试、维修、技术培训、产品保证等所产生的价值。服务价值是构成顾客购买总价值的重要因素。在现代市场营销实践中，随着消费者收入水平的提高和消费观念的变化，消费者在选购产品时，不仅注意产品本身价值的高低，而且更加重视产品附加价值的大小。特别是在同类产品质量与性能大体相同的情况下，企业向顾客提供的服务越完备，产品的附加价值越大，顾客从中获得的实际利益就越大，从而购买的总价值也就越大。因此，在提供优质产品的同时，向消费者提供完善的服务，已成为现代企业市场竞争的新焦点。3、人员价值人员价值是指企业员工的经营思想、知识水平、业务能力、工作效益与质量、经营作风、应变能力等所产生的价值。企业员工直接决定着企业为顾客提供的产品与服务的质量，决定着顾客购买总价值的大小。综合素质较高又具有顾客导向经营思想的工作人员，会比知识水平低、业务能力差、经营思想不端正的工作人员为顾客创造更高的价值，培养更多满意的顾客。人员价值对企业、对顾客的影响作用是巨大的，并且这种作用往往是潜移默化、不易度量的。因此，高度重视企业内部营销，确保管理层、员工都有正确的营销理念，加强对员工日常工作的激励、监督与管理，使整个团队始终保持较高的工作质量与水平就显得至关重要。4、形象价值形象价值是指企业及其产品在社会公众中形成的总体形象所产生的价值。包括企业的产品、技术、质量、包装、商标、工作场所等所构成的有形形象所产生的价值，公司及其员工的职业道德行为、经营行为、服务态度、作风等行为形象所产生的价值，以及企业的价值观念、管理哲学等理念形象所产生的价值等。形象价值与产品价值、服务价值、人员价值密切相关，在很大程度上是上述三个方面价值的综合反映。良好的形象价值会对企业的产品产生巨大的支持作用，带给顾客精神上和心理上的满足感、信任感，使顾客需要获得更高层次和更大限度的满足，从而增加顾客购买总价值。因此，企业应高度重视自身形象塑造，为企业进而为顾客带来更大的价值。（三）顾客购买总成本使顾客获得更大顾客感知价值的另一途径，是降低顾客购买的总成本。顾客购买总成本不仅包括货币成本，而且还包括时间成本、精神成本、体力成本等非货币成本。一般情况下，顾客购买产品时首先要考虑主要表现为价格的货币成本的大小，这是构成顾客购买总成本大小的主要和基本因素。在货币成本相同的情况下，顾客还要考虑其购买所花费的时间、精力等，这些支出也是构成顾客购买总成本的重要因素。这里我们主要考察后面几种成本。1、时间成本在顾客购买总价值与其他成本一定的情况下，时间成本越低，顾客购买的总成本越小，从而顾客感知价值越大。以服务企业为例，顾客为购买餐馆、旅馆、银行等服务行业，所提供的服务时，常常需要等候一段时间才能进入到正式购买或消费阶段，特别是在营业高峰期更是如此。在服务质量相同的情况下，顾客等候购买该项服务的时间越长，所花费的时间成本越大，购买的总成本就会越大。同时，等候时间越长，越容易引起顾客对企业的不满，中途放弃购买的可能性亦会增大。因此，努力提高工作效率，在保证产品与服务质量的前提下，尽可能减少顾客的时间支出，是创造更大的顾客感知价值、增强企业产品市场竞争能力的重要途径。2、精力成本精力成本（精神与体力成本）是指顾客购买产品时，在精神、体力方面的耗费与支出。在顾客购买总价值与其他成本一定的情况下，精神与体力成本越小，顾客为购买产品所支出的总成本就越低，从而顾客感知价值越大。因为消费者购买过程是一个从产生需求、寻找信息、判断选择、决定购买、实施购买，以及买后感觉的全过程。在购买过程的各个阶段，均需付出一定的精神与体力。特别是在复杂购买行为中，消费者需要广泛搜集产品信息，反复比较评估，付出较多的精力成本。对于这类产品，如果企业能够通过多种渠道向潜在顾客提供全面详尽的信息和相关服务，就可以减少顾客所花费的精神与体力，从而降低顾客购买总成本。（四）运用顾客感知价值概念应注意的几个问题（1）顾客感知价值的大小受顾客购买总价值与顾客购买总成本两方面及其构成因素的影响。其中，顾客购买总价值是产品价值、服务价值、人员价值和形象价值等因素的函数。各个构成因素的变化对其总量的影响作用不是各自独立的。这些构成因素之间也是相互作用、相互影响的。其中某一项价值构成因素的变化往往会影响其他相关价值因素量的增减，从而综合影响顾客购买总价值或总成本的增减，最终影响顾客感知价值。企业在制定市场营销方案时，应综合考虑构成顾客购买总价值与总成本的各项因素之间的这种相互关系，突出重点，优化营销资源配置，尽可能用较低的生产与市场营销费用为顾客提供更多的顾客感知价值。（2）不同的顾客群对产品价值的期望和购买成本的重视程度是不同的。企业应根据不同顾客的需求特点，有针对性地设计和增加顾客购买总价值，降低顾客购买总成本，以提高产品的实用价值。例如，对于工作繁忙的消费者而言，时间成本是最为重要的，企业应尽量缩短消费者寻求产品信息和购买的时间，提供方便使用和便捷的维修服务，最大限度地满足和适应其求速求便的心理要求。总之，企业应根据不同细分市场顾客的不同需要，努力提供对顾客实用价值最强的产品和服务，使之获得最大限度地满足。（3）顾客感知价值的大小，应以能够实现企业的经营目标为主要原则。有的企业为了争取顾客、战胜竞争对手、巩固或提高企业产品的市场占有率，往往采取顾客感知价值最大化策略。但长期不适当追求顾客感知价值最大化的结果可能会使企业成本增加过多，导致利润减少甚至亏损。因此，在市场营销实践中，企业应掌握一个合理的度，以确保实行顾客感知价值最大化所带来的利益超过因此而增加的成本费用。大数据行业面临的机遇（一）产业政策集中出台，多层次政策体系日益健全十八届五中全会提出实施国家大数据战略以来，《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。2021年3月，在我国十四五规划和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。加快数字化发展，打造数字经济新优势，协同推进数字产业化和产业数字化转型，加快数字社会建设步伐，营造良好数字生态，建设数字中国。2020年4月，国家发改委明确了新基建是以技术创新为驱动，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。其中，在新一代信息技术关键领域锻长板的重要举措包括：推动新一代信息技术与制造业融合发展，加速工业企业数字化、智能化转型，提高制造业数字化、网络化、智能化发展水平，推进制造模式、生产方式以及企业形态变革，带动产业转型升级。未来新兴产业及数字经济的发展将更依赖于数据资源，数据基础设施建设也是支撑5G、数据中心、工业互联网等新一代信息技术基础设施的基础，因此大数据是新基建的重要组成部分，也将推进大数据底层软件等核心国产软件的快速发展。（二）数据管理软件国产化趋势明显，国产大数据产品有望实现换道超车国内数据管理软件基本被Oracle、IBM和微软为代表的国外关系型数据库厂商主导，国产软件产品渗透率低。随着国内客户越来越重视数据与信息安全，国产软件产品在关键领域实现替代成为其中重要环节，越来越多的客户已经开始或计划相关软硬件的采购计划。大数据时代下，数据管理软件正在逐步由集中式架构软件向分布式架构软件演进，国产大数据产品有望实现换道超车，对国外数据管理软件进行替代。从功能来看，基于新兴分布式架构的国产大数据产品已经能满足市面上绝大多数数据应用场景基础需求。但国产大数据产品能否在市场竞争中胜出、占据更多的市场份额，仍然取决于国产大数据产品能否构建自主研发的生态以及产品的全球竞争力。目前，为保障国家信息安全，自主研发的国产大数据生态体系正在形成，此前国产软硬件发展面临的格局分散、生态基础不完善、规模用户群体缺乏等障碍正被逐步攻克。随着国产大数据生态体系进入快速协同发展阶段，国产大数据产品与服务迎来较好的发展机遇。（三）数据成为新生产要素，各行业的大数据应用需求巨大2020年4月，《关于构建更加完善的要素市场化配置体制机制的意见》指出，数据已成为继土地、劳动力、资本、技术之后的新一代生产要素，是数字经济发展的基础性、关键性、决定性的生产要素，对经济发展、社会治理、人民生活产生着重大而深刻的影响。激活数据要素潜能，加快数字经济、数字社会，以数字化驱动生产方式、生活方式和治理方式变革成为我国当下发展的重点。企业建设数字化能力，高效解决企业运营中的问题，优化企业业务流程、提高效率，成为企业发展的核心竞争力之一，在金融、交通、能源、制造等国民经济重要领域实际提升数字化能力需求巨大。此外，在企业数字化程度提高后，数据走向资源化是大势所趋，在数据资源化的过程中，建立行业间高效的数据交换机制，实现数据的互联互通、信息共享、业务协同，以成为整合信息资源，深度利用分散数据的有效途径。加快数字化转型，构建数据共享服务体系，促进数据与业务应用快速融合，将助力中国经济从高速增长转向高质量发展，推动数字中国建设。（四）大数据应用的快速发展，推动大数据管理平台需求的快速增长近年来，大数据增长集中于物联网设备、多媒体、日志、社交信息等，这些数据具有数据类型多、数据量大、流转速度快、价值密度低的特点。传统关系型数据库无法满足处理半结构化及非结构化数据需要，具有综合能力的大数据管理平台有易于扩展、无序存储、分布式架构的特性，相比传统关系型数据库，更能满足对这些数据的存储需求。大数据管理平台不仅具有存储管理海量数据能力、数据处理性能高和易于扩展的特性，还可以保持传统关系数据库支持ACID和SQL查询等特性，支持关系数据模型。在大数据市场发展下，大数据管理平台需求快速增长。（五）数据价值的深度挖掘需求将带动智能分析工具的快速发展智能分析工具主要专注于为数据预处理、特征工程、数据建模、预测分析等数据分析挖掘关键过程提供工具和相关解决方案，是企业实现对海量数据的深度挖掘的重要工具。随着大数据环境下，数据分析复杂程度的加深，数据科学平台需要持续优化其平台流程、协作及模型治理特性，以保持与软件开发中最佳实践一致。同时，数据科学平台厂商也将通过整合针对算法筛选、分布式模型训练、模型管理、知识图谱和高性能推理等任务的创新解决方案来实现差异化竞争。为了在大数据环境下快速帮助客户实现人工智能赋能的商业决策，智能分析工具将迎来快速发展机遇，在云原生、AI工程化、低代码、隐私安全、云边一体等方面发挥更大的作用。国内大数据市场发展情况中国大数据市场在过去五年间经历快速增长，整体市场规模增长速度快于全球整体市场。2019年，中国大数据市场规模达到627亿元，2015-2019年复合增长率达到31．9%。其中，大数据硬件为市场主要的收入来源，2019年大数据市场硬件收入达到247亿元。中国大数据软件市场由2015年的52亿元增长至2019年的146亿元，年复合增长率为29．5%。伴随着中国对数据运用重视程度日益提高，用户对于大数据软件采购预算增加趋势明确，中国大数据软件市场将在未来五年继续保持高速增长，整体软件市场规模将在2024年达到492亿元，2019-2024年复合增长率为27．5%。虽然现阶段大数据软件收入占比较小，但得益于较高的细分市场规模增速，未来大数据软件将占据更多的市场份额。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。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。目标市场战略目标市场是企业打算进入的细分市场，或打算满足的、具有某种需求的顾客群体，对市场进行细分之后，企业面对许多不同的子市场，就要进行恰当的评价，结合自身的资源和目标选择合适的目标市场战略（一）目标市场战略的类型1、无差异性营销战略指企业把整体市场看作一个大目标市场，不进行细分，用一种产品、统一的市场营销组合对待整体市场实行此战略的企业基于两种不同的指导思想。一种是从传统的产品观念出发，强调需求的共性，漠视需求的差异，因此企业为整体市场生产标准化产品，并实行无差异的市场营销战略。从20世纪初开始，美国福特公司仅靠着T型车款车型和一种颜色（黑色）占领了美国市场，至1914年时，福特汽车已经占有了美国一半的市场份额和较大的海外市场在大量生产，大量销售的产品导向时代，企业多数采用无差异性营销战略经营，实行无差异战略的另一种思想是企业经过市场调查，认为某些特定产品的需求大致相同或较少差异，比如食盐，因此可以采用大致相同的市场营销策略，从这个意义上讲，它符合现代市场营销理念。采用无差异性营销战略的最大优点是成本的经济性。大批量的生产、销售，必然降低产品单位成本；无差异的广告宣传可以减少促销费用；不进行市场细分，相应减少了市场调研、产品研制与开发以及制定多种市场营销战略、战术方案等带来的成本开支。但是，无差异性营销战略对市场上绝大多数产品是不适宜的，因为消费者的需求偏好具有极其复杂的层次，某种产品或品牌受到市场普遍欢迎的情况很少，即便一时能赢得某—市场，如果竞争企业都如此仿照，就会造成市场上某个局部竞争非常激烈，而其他部分的需求却未得到满足，例如20世纪70年代以前，美国一大汽车公司都坚信美国人喜欢大型豪华的轿车，共同追求这一大的目标市场，采用无差异性市场营销战略70年代能源危机发生之后，需求发生了变化，消费者越来越喜欢小型、轻便、省油的小型轿车，而美国三大汽车公司都没有意识到这种变化，更没有适当地调整营销战略，致使大轿车市场竞争“白热化”，而小型轿车市场却被忽略，日本汽车公司在这种情况下乘虚而入。2、差异性营销战略差异性市场营销战略把整体市场划分为若干需求与愿望大致相同的细分市场，然后根据企业的资源及营销实力，分别为各个细分市场制定不同的市场营销组合。或者说，企业多个营销组合共同发展，不同的营销组合服务于不同的细分市场。采用差异性市场营销战略的最大优点，是有针对性地满足具有不同特征的顾客群，提高产品的竞争能力。以保洁公司为例，作为世界最大的消费品公司之一，其在中国市场根据不同目标市场及诉求推出了相应品牌。但是，这种战略也会由于产品品种、销售渠道、广告宣传的扩大化与多样化，致使市场营销费用大幅度增加。所以无差异性营销战略的优势，基本上也是差异性市场战略的劣势，只有能在总量上扩大销售才有意义。因此，企业在市场营销中有时需要“反细分”或“扩大顾客的基数”，作为对差异性营销战略的补充和完善。3、集中性市场战略集中性市场战略是将整体市场分割为若干细分市场后，只选择其中一个或少数细分市场为目标市场，开发相应的市场营销组合，实行集中营销。其指导思想是把人、财、物集中于某一个细分市场，或几个性质相似的小型市场归并的细分市场。不求在较多的细分市场组成的目标市场上占有较小的份额，而要在少数或较小的目标市场上得到较大的市场份额。集中性市场战略也称“弥隙”战略，即弥补市场空隙的意思。它适合资源较少的小企业。这些小企业与大企业硬性抗衡，往往弊多于利，因而必须寻找对自己有利的微观生存环境。借用“生态学”的理论解释，生物的发展必须找到一个其他生物不会占领、不会与之竞争，而自己却有适应本能的微观生存环境。也就是说，如果小企业能避开大企业竞争激烈的市场，选择一两个能够发挥自己技术、资源优势的小市场，往往容易成功。由于目标集中，可以大大节省营销费用和增加盈利；又由于生产、销售渠道和促销的专业化，也能更好地满足这部分特定消费者的需求，企业易于取得优越的市场地位。这一战略的不足是经营者承担风险较大。如果目标市场的需求突然发生变化，目标消费者的兴趣突然转移（这种情况多发生于时髦商品），或是市场上出现了强有力的竞争对手，企业就可能陷入困境。（二）选择目标市场营销战略的条件1、企业能力企业能力是指企业在生产、技术、销售、管理和资金等方面力量的总和。如果企业力量雄厚，且市场营销管理能力较强，即可选择差异性营销战略或无差异性营销战略。如果企业能力有限，则宜选择集中性营销战略。2、产品同质性同质性产品主要表现在一些未经加工的初级产品上，如水力、电力、石油等，虽然产品在品质上或多或少存在差异，但用户一般不加区分或难以区分。因此，同质性产品竞争主要表现在价格和提供的服务水平上。该类产品适于采用无差异战略。而对服装、家用电器、食品等异质性需求产品，可根据企业资源力量，采用差异性营销战略或集中性营销战略。3、产品生命周期阶段新产品上市往往以较单一的产品探测市场需求，产品价格和销售渠道基本上单一化，因此新产品在引入阶段可采用无差异性营销战略。产品进入成长或成熟阶段，竞争加剧，同类产品增加，再用无差异经营就难以奏效，所以改为差异性或集中性营销战略效果更好。4、市场的类同性如果顾客的需求、偏好较为接近，对市场营销刺激的反应差异不大，可采用无差异性营销战略；否则，应采用差异性或集中性营销战略。5、竞争者战略如果竞争对手采用无差异性营销战略，企业选择差异性或集中性营销战略有利于开拓市场，提高竞争能力。如果竞争者已采用差异性战略，则不应采取无差异战略与其竞争，可以选择对等的或更深层次的市场细分战略或集中化营销战略。（三）选择目标市场营销战略应注意的问题1、细分市场之间的联合与归并当企业实施差异性市场战略，选择若干数目的细分市场作为目标市场时，应密切关注各细分市场之间的关联性。根据某些单一的细分市场之间在原材料采购、制造设备以及销售渠道方面有较多的共同性，可重新设计组合归并为新的细分市场，其销售场所的装饰、仓储等成本会随着产品品种或数量的增多而降低。2、有计划有步骤地进入各细分市场当某个企业已确定将若干个细分市场作为目标市场时，应有计划、有步骤地逐个进入每一个细分市场，进入的时间顺序企业应该做到严格保密，特别是不能让竞争者了解到企业进入各细分市场的计划方案。当然，逐个进入的步骤和顺序并不是一成不变的，很大程度上应视竞争对手的策略而定。这对企业有两点好处：一是可以减少竞争，发挥企业的优势，集中力量进入竞争者尚未进入或本企业具有优势的细分市场，大大增强获胜的可能性，获得对单一细分市场进行集中营销的好处。二是可以减少风险。企业在第一个细分市场取得经验的基础上，可以灵活地采取产品专业化、市场专业化或选择专业化的战略进入第二个细分市场，如此逐步推进，使企业获得稳步成长。例如中国的中成药在进行国际化时，就是采取逐步推进的进入战略，首先从最容易的东南亚市场进入，推行中成药、中药材出口并举的策略，接着通过产品注册的方式进入日韩市场，最后通过保健食品、非处方药的方式进入美国市场。如果企业面临的是一个封闭型市场，显然，其市场进入计划会遇到许多有形和无形的障碍。在此情况下，企业要运用大市场营销中权力与公共关系这两个特殊手段，开展“大市场营销”，找出进入该市场的有效途径，在此基础上再开展常规的市场营销。3、目标市场的社会责任目标市场的选择有时会引起公众责任，营销者经常容易从弱势群体（如儿童及贫困人群）处获得不公平的利益，或促销有潜在危害的产品。例如，麦当劳也被指责向低收入的城市居民推出高脂肪、多盐的食品。在目标市场上，不仅要考虑公司的利益，还要考虑目标顾客的利益，采用恰当的方式和内容推销，往往可以在获得利润的同时，更多地得到来自社会的认可。例如，高露洁公司的儿童高露洁牙膏的广告使得孩子们刷牙的时间更长和更经常，这在获得家长认可和青昧的同时也达到了稳定客户群体的作用。年度计划控制主要用于检查营销效果是否达到年度计划预期，对销售额、市场占有率、费用等指标进行控制，确保年度计划所规定的销售、利润和其他目标能够实现。（一）销售分析销售分析衡量并评估实际销售额与计划销售额的差距。具体有两种方法：1、销售差距分析主要用来衡量造成销售差距的不同因素的影响程度。当中既有售价下降的原因，也有销量减少的原因。没有完成计划销售量是造成差距的主要原因。企业还要进一步分析销售量减少的原因。2、地区销售量分析用来衡量导致销售差距的具体产品和地区。有必要进一步查明原因，加强该地区的营销管理。（二）市场占有率分析销售分析一般不反映企业在竞争中的地位。因此还要分析市场占有率或市场份额，揭示企业与竞争者之间的相对关系。比如一家企业销售额的增长，可能是它的绩效较竞争者有所提高，也可能是整个宏观环境得到改善，市场上所有的企业都从中受益，而这家企业和对手之间的相对关系并无实质变化。企业和营销人员应当密切关注市场占有率的变化情况。造成市场占有率波动的原因很多，需要具体的问题具体分析：（1）市场占有率的下降，有可能出于企业战略的考虑。有时候企业调整其经营战略、营销战略，主动减少一些不能盈利的产品，导致总销售额下降，影响了市场占有率。如果利润反而有所增长，这种市场占有率的下降就是可接受的。（2）市场占有率的下降，也可能是新竞争者的进入所致。通常新竞争者的加入，会引发其他企业的市场占有率一定程度下降。（3）外界环境因素对参与竞争的各个企业，影响方式和程度往往不同，产生的影响也不一样。如原材料价格上涨，会对同一行业各个企业都发生影响，但不一定所有企业及同类产品都受到同样程度的影响。有些企业推出创新的产品设计，在市场上争取到较多的客户，市场占有率反而可能上升。（4）分析市场占有率，要结合营销机会。机会好的企业，市场占有率一般应高于机会程度低的竞争者，否则其效率就有问题。正常情况下，市场占有率上升表示绩效提高，在竞争中处于优势；反之，说明在竞争中不利。（三）营销费用率分析年度计划控制还要确保企业在完成计划指标时，费用没有超支。因此要分析各项费用率，并控制在一定的限度。如果费用率变化不大，在安全范围内，可暂不采取任何的措施；如果变化幅度太大，上升速度过快，接近或超出上限，就必须采取相应的措施。年度计划控制的过程一般分为四个步骤：确定年度计划中的月份目标或季度目标；监督营销计划的实施；如果营销计划执行中出现不可接受的偏差，一定要找出原因；采取补救或调整措施，以缩小计划与实际之间的差距。具体措施包括调整计划指标，使之更切合实际；或调整营销战略，以利于计划指标实现。如果指标和战略、措施等没有问题，那就要从营销计划的实施查找原因。顾客忠诚高度满意是达到顾客忠诚的重要条件。不过，在不同行业和不同的竞争环境下，顾客满意和顾客忠诚之间的关系会有差异。所有市场的共同点是，随着满意度的提高，忠诚度也在提高。但是，在高度竞争市场（如汽车和个人电脑市场），满意的顾客和完全满意的顾客之间的忠诚度有巨大差异；而在非竞争市场（如管制下的垄断市场——本地电话市场），无论顾客满意与否都保持高度忠诚。尽管在某些场合，顾客不满意并不妨碍顾客忠诚，但企业最终仍会为顾客的不满付出高昂代价。企业如果没有赢得高水平的顾客满意度，是难以留住顾客和得到顾客忠诚的。除了简单地吸引和保留住顾客，许多公司还希望不断提高其顾客占有率。他们的目标不再是赢得大量顾客的部分业务，而是争取现有顾客的全部业务。例如，通过成为顾客购买产品的独家供应商，或说服顾客购买更多的本公司产品，或向现有产品和服务的顾客交叉销售别的产品和服务，以获得所属产品类别中更大的顾客购买量。客户发展计划与客户发现途径1、客户发展计划客户发展计划是企业通过对一定时期、一定市场区域内客户资源的分析而制定的新客户开发与老客户价值提升计划。其中，老客户价值提升计划指目标市场计划期内增加老客户对本公司产品购买量的计划。客户发展计划涉及客户