大数据行业投资潜力及发展前景分析

大数据行业投资潜力及发展前景分析营销调研的类型及内容（一）营销调研的类型市场营销调研可根据不同的标准，划分为不同的类型。如按调研时间可分为一次性调研、定期性调研、经常性调研、临时性调研；按调研目的可分为探测性调研、描述性调研和因果关系调研。1、探测性调研企业在情况不明时，为找出问题的症结、明确进一步调研的内容和重点，需进行非正式的初步调研，收集一些有关资料进行分析。探测性调研研究的问题和范围比较大，在研究方法上比较灵活，在调研过程中可根据情况随时进行调整。有些比较简单的问题，如果探测性调研已能弄清其来龙去脉，可不再做进一步调研。2、描述性调研在已明确所要研究问题的内容与重点后，通过详细的调查和分析，对市场营销活动的某个方面进行客观的描述，对已经找出的问题作如实地反映和具体的回答。市场营销调研一般要进行实地调查，收集第一手资料，摸清问题的过去和现状，进行分析研究，寻求解决问题的办法。描述性调研是市场营销调研采用的一种类型。如某企业产品销量下降，通过调研，查清主要原因是产品质量差、售后服务不周到等，可将调研结果进行描述，如实反映情况和问题，以利寻求对策。3、因果关系调研企业营销活动存在许多引发性的关系，大多可以归纳为由变量表示的一些函数。这些，变量包括企业自身可以控制的产品产量、价格、促销费用等，也包括企业无法完全控制的产品销售量、市场竞争格局与供求关系等。描述性调研可以说明这些现象或变量之间存在相互关系，而因果关系调研则要在描述性调研的基础上进一步分析问题发生的因果关系，说明某个变量是否影响或决定着其他变量的变化，解释和鉴别某种变量的变化受哪些因素的影响，以及各种影响因素的变化对变量产生影响的程度。（二）营销调研的内容营销调研涉及营销活动的各个方面，主要有产品、顾客、销售和促销调研等。1、产品调研产品调研包括对新产品设计、开发和试销，对现有产品进行改良，以及对目标顾客在产品款式、性能、质量、包装等方面的偏好趋势进行预测。定价是产品销售的必要因素，因此也需要对供求形势及影响价格的其他因素的变化趋势进行调研。2、顾客调研顾客调研包括对消费心理、消费行为的特征进行调查分析，研究社会、经济、文化等因素对购买决策的影响，确定这些因素的影响作用到底是发生在消费环节、分配环节或是生产领域。此外，还要了解潜在顾客的需求情况（包括需要什么、需要多少、何时需要等）、影响需求的各因素变化的情况、消费者的品牌偏好及对本企业产品的满意3、销售调研销售调研包括对购买行为的调查，即研究社会、经济、文化、心理等因素对购买决策的影响，也包括对企业销售活动进行全面审查，如对销售量、销售范围、分销渠道等方面的调研，还有产品的市场潜量与销售潜量以及市场占有率的变化情况，也都是销售调研的内容。销售调研还应该就本企业相对于主要竞争对手的优劣势进行评价。4、促销调研促销调研主要是对企业在产品或服务的促销活动中所采用的各种促销方法的有效性进行测试和评价。如广告目标、媒体影响力、广告设计及其效果，公共关系的主要动作及效果，企业形象的设计和塑造等，都需要有目的地进行调研。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。营销信息系统的构成营销决策所需的信息一般来源于企业内部报告系统、营销情报系统和营销调研系统，再经过营销分析系统。它们共同构成营销信息系统。（一）内部报告系统内部报告系统的主要功能是向市场营销管理者及时提供有关交易的信息，包括订货数量、销售额、价格、成本、库存状况、现金流程等各种反映企业营销状况的信息。内部报告系统的核心是从订单到收款整个周期，同时辅之以销售报告系统。订单一收款周期涉及企业的销售、财务等不同的部门和环节的业务流程。订货部门接到销售代理、经销商和顾客发来的订货单后，根据订单内容开具多联发票并送交有关部门。储运部门首先查询该种货物的库存，存货不足则回复销售部缺货，如果仓库有货，则向仓库和运输单位发出发货和入账指令。财务部门得到付款通知后，做出收款账务，定期向主管部门递交报告。在激烈的竞争中，所有企业都希望能迅速而准确地完成这一周期的各个环节。销售报告系统应向企业决策制定者提供及时、全面、准确的生产经营信息，以利于掌握时机，更好地处理进、销、存、运等环节的问题。新型的销售报告系统的设计，应符合使用者的需要，力求及时、准确，做到简单化、格式化，实用性、目的性很强，真正有助于营销决策。（二）营销情报系统内部报告系统的信息是企业内部已经发生的交易信息，主要用于向管理人员提供企业运营的“结果资料”，市场营销情报系统所要承担的任务则是及时捕捉、反馈、加工、分析市场上正在发生和将要发生的信息，用于提供外部环境的“变化资料”，帮助营销主管人员了解市场动态并指明未来的新机会及问题。市场营销情报信息不仅来源于市场与销售人员，也可能来自于企业中所有与外部有接触的其他员工。收集外部信息的方式主要有下面四种。（1）无目的的观察。无既定目标，在和外界接触时留心收集有关信息。（2）有条件的观察。并非主动探寻，但有一定目的性，对既定范围的信息做任意性接触。（3）非正式的探索。为取得特定信息进行有限的和无组织的探索。（4）有计划的收集。按预定的计划、程序或方法，采取审慎严密的行动来获取某一特定信息。营销情报的质量和数量决定着企业营销决策的灵活性和科学性，进而影响企业的竞争力。为扩大信息的来源和提高信息的质量，企业通常采取以下措施改进信息收集工作。（1）提高营销人员的信息观念并加强其信息收集、传递职能。（2）鼓励与企业有业务关系的经销商、零售商和中间商收集和提供营销信息。（3）积极购买特定的市场营销信息。（4）多渠道、多形式地了解竞争对手的营销活动情况，包括参加有关展销会、协会、学会，阅读竞争者的宣传品和广告，购买竞争品，雇用竞争者的前职工。（5）建立内部营销信息中心，改进信息处理、传递工作。（三）营销调研系统市场营销调研系统也可称为专题调查系统，它的任务是系统地、客观地收集和传递有关市场营销活动的信息，提出与企业所面临的特定的营销问题有关的调研报告，以帮助管理者制定有效的营销决策。市场营销调研系统和市场营销信息系统在目标和定义上大同小异，研究程序和方法具有共性。（四）营销分析系统营销分析系统是企业用一些先进技术分析市场营销数据和问题的营销信息子系统。完善的营销分析系统，通常由资料库、统计库和模型库三部分组成。1、资料库有组织地收集企业内部和外部资料，营销管理人员可随时取得所需资料进行研究分析。内部资料包括销售、订货、存货、推销访问和财务信用资料等；外部资料包括政府资料、行业资料、市场研究资料等。2、统计库统计库指一组随时可用于汇总分析的特定资料统计程序。其必要性在于：实施一个规模庞大的营销研究方案，不仅需要大量原始资料，而且需要统计库提供的平均数和标准差的测量，以便进行交叉分析。营销管理人员为测量各变数之间的关系，需要运用各种多变数分析技术，如回归、相关、判别、变异分析以及时间序列分析等。统计库分析结果将作为模型的重要投入资料。3、模型库模型库是由高级营销管理人员运用科学方法，针对特定营销决策问题建立的，包括描述性模型和决策模型的一组数学模型。描述性模型主要用于分析实体分配、品牌转换、排队等候等营销问题；决策模型主要用于解决产品设计、厂址选择、产品定价、广告预算、营销组合决策等问题。营销调研的方法（一）确定调查对象调查对象的代表性直接影响调查资料的准确性。根据调研的目的及人力、财力、时间情况，要适当地确定调查样本的多少和确定调查对象。1、普查和典型调查普查是对调查对象进行逐个调查，以取得全面、精确的资料，信息准确度高，但耗时长，人力、物力、财力花费大。典型调查是选择有代表性的样本进行调查，据以推论总，体。只要样本代表性强，调查方法得当，典型调查可以收到事半功倍的效果。2、抽样调查当调查对象多、区域广而人力、财力、时间又不允许进行普查时，依照同等可能性原则，在所调研对象的全部单位中抽取一部分作为样本，根据调查分析结果来推论全体。常用的抽样方法有：（1）纯随机抽样。完全不区别样本是从总体的哪一部分抽出，总体中的每个单位都有同等机会被抽取出来。如采用抽签法或乱数表法。（2）机械抽样。遵照随机原则，将全部调查单位按照与研究标志无关的一个中立标志加以排列，严格按照一定的间隔机械地抽取调查样本。由于样本在总体中分配较均匀，样本代表性也较大。（3）类型抽样。实行科学分组与抽样原理相结合，先用与所研究现象有关的标志，把被研究总体划分为性质相近的各组，以减低各组内的标志变异度，然后在各组内用纯随机抽样或机械抽样的方法，按各组在总体中所占比重成比例地抽出样本。这种方法也叫类型比例抽样，样本代表性更大，可得到较纯随机抽样或机械抽样更精确的结果。（4）整群抽样。上述方法都是从总体中抽取个别单位，整群抽样则是整群地抽取样本，对这一群单位进行全面观察。其优点是比较容易组织，缺点是样本分布不均匀，代表性较差。（5）判断抽样。由专家判断而决定所选的样本，也称立意抽样。（二）收集资料调查收集第一手资料的方法，主要有以下几种。1、固定样本连续调查用抽样方法，从母体中抽出若干样本组成固定的样本小组，在一段时期内对其进行反复调查以取得资料。调查技巧可采用个别面谈、问卷调查、消费者日记或观察记录调查。固定样本连续调查能掌握事项的变化动态，分析发展趋势。但如持续时间长，被调查者会感到厌烦。所以，对一般问题的调查，往往采用一次性调查，其方法包括观察法、实验法和询问法。2、观察调查由调查人员到现场对调查对象的情况有目的、有针对性地观察记录，据以研究被调查者的行为和心理。这种调查多是在被调查者不知不觉中进行的，除人员观察外，也可利用机械记录处理。如广告效果数据，国外多利用机械记录器来收集。直接观察所得的资料比较客观，实用性也较大。其局限性在于只能看到事态的现象，往往不能说明原因，更不能说明购买动机和意向。3、实验法在给定的条件下，通过实验对比，对营销环境与营销活动过程中某些变量之间的因果关系及其发展变化进行观察分析。如通过一项推销方法在特定地区及时间的小规模实验，并用市场营销原理分析其是否值得大规模推行，即销售实验。4、询问调查按预先准备好的调查提纲或调查表，通过口头、电话或书面方式，向被调查者了解情况、收集资料。口头询问不仅能当面听取被调查者的意见，还可观察其反应，发现新问题，能在较短时间内获得可靠的资料；缺点是花费时间和人力较多，调查结果还会受调查人员的询问技巧及主观因素影响。电话调查取得信息最快，回答率也较高，而且同城电话费用也较低；不足之处是被调查对象限于通电话者，对问题只能得到简单的回答，有时不易得到被调查者合作。通信调查一般是将所要收集的资料设计成问卷，其调查面宽，能深入城乡各地，被调查者也有充分时间考虑；主要缺点是回收率低、周期长，有时因误解问卷或不愿认真回答造成误差较大。以企业为中心的观念以企业为中心的市场营销管理观念，就是以企业利益为根本取向和最高目标来处理营销问题的观念。它包括以下几种。1、生产观念生产观念是一种最古老的营销管理观念。生产观念认为，消费者总是接受任何他能买到的价格低廉的产品。因此，企业应当致力于提高生产效率，实现低成本和大众分销。持生产观念的企业的典型口号是：“我们生产什么，就卖什么。”生产观念在西方盛行于19世纪末20世纪初。当时，资本主义国家处于工业化初期，市场需求旺盛，整个社会产品供应能力则相对不足。企业只要扩大生产价廉物美的产品，就能盈利，而不必过多关注市场需求差异。在这种情况下，生产观念为众多企业所接受。除了物资短缺、产品供不应求的情况之外，还有一种情况也会导致企业奉行生产观念。这就是某种具有良好市场前景的产品，技术含量和生产成本很高，必须通过提高生产率、降低成本来扩大市场。生产观念是一种重生产、轻市场的观念。在物资紧缺的年代也许能“创造辉煌”，但随着生产的发展、供求形势的变化，这种观念必然使企业陷入困境。2、产品观念产品观念认为，消费者最喜欢高质量、高性能和具有某些特色的产品。因此，企业管理的核心是致力于生产优质产品，并不断精益求精。持产品观念的公司假设购买者欣赏精心制作的产品，相信他们能鉴别产品的质量和功能，并愿意出较高价格购买质量上乘的产品。这些公司的经理人员常迷恋自己生产的产品，而不太关注市场是否欢迎。他们在设计产品时只依赖工程技术人员而极少让消费者介人。产品观念和生产观念几乎在同一时期流行。与生产观念一样，产品观念也是典型的“以产定销”观念。由于过分重视产品而忽视顾客需求，这两种观念最终将导致“营销近视症”。如铁路行业以为顾客需要火车而非运输，忽略了航空、公共汽车、卡车以及管道运输的日益增长的竞争；计算尺制造商以为工程人员需要计算尺而非计算能力，忽视了袖珍计算器的挑战，其最终结果是产品被市场冷落，经营者陷入困境甚至破产。3、推销观念推销观念（或销售观念）认为，消费者通常有一种购买情性或抗衡心理，若听其自然，消费者就不会大量购买本企业的产品，因而营销管理的中心是积极销售和大力推广。执行推销观念的企业，称为推销导向企业。其口号是：“我们卖什么，就让人们买什么。”推销观念盛行于20世纪三四十年代。在这一时期，由于西方各国科学管理和大规模生产盛行，因此商品产量迅速增加，整个市场供过于求，卖主之间的市场竞争日益激烈。1929年爆发的严重经济危机，前后历时5年，堆积如山的货物卖不出去，市场极度萧条。这种现实使许多企业家认识到，企业不能只顾生产，即使有物美价廉的产品，也要努力推销才能保证被人购买。在推销观念指导下，企业相信产品是“卖出去的”，而不是“被买去的”。他们致力于产品的推广和广告活动，进行无孔不入的促销信息“轰炸”，以求说服甚至强制消费者购买。与前两种观念一样，推销观念也是建立在以企业为中心，“以产定销”，而不是满足消费者真正需要的基础上的。整合营销传播执行（一）整合营销传播的操作思路（1）以整合为中心。着重以消费者为中心并把企业所有资源综合利用，实现企业的一体化营销。（2）强调协调、统一，系统化管理。企业营销活动的协调性，不仅强调企业内部各环节、各部门的协调一致，而且强调企业与外部环境协调一致，整体配置所有资源，形成竞争优势，实现整合营销目标。（二）影响整合营销传播执行的技能1、营销贯彻技能为使营销传播计划贯彻执行快捷有效，必须运用分配、监控、组织和配合等技能。分配技能指营销各层面负责人对资源进行合理分配，使其在营销活动中优化配置的能力。监控技能指在各职能、规划和政策层面建立系统的营销计划结果的反馈系统并形成控制机制。组织技能指开发和利用可以依赖的有效的工作组织。配合技能指营销活动中各部门及成员要善于借助其他部门以至企业外部的力量有效实施预期的战略。2、营销诊断技能营销传播