大数据应用与解决方案产业市场前瞻分析

大数据应用与解决方案产业市场前瞻分析一、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一一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个新的形势，是现代企业营销观点的一大进步。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点。营销方式从大量营销向产品差异化营销转变，即向市场推出很多与竞争者在质量、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，但是因为企业仅仅考虑自己现有的设计、技术水平，忽视对顾客需求的研究，缺乏明确的目标市场，所以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升，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点和经营方式，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，使传统营销观点发生根本性的变革，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”O市场细分理论产生后经历了持续完善的过程。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，企业把市场持续细分，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合顾客需求，只要通过增强企业产品的竞争力便可提髙利润率。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水准的下降，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实行适度的细分，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，使其持续地发展和完善，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，在世界营销环境下，适度细分理论又被赋予了更新的内涵，适合了世界营销趋势的发展。世界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，世界营销对于“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，而是更为注重挖掘潜在需求，或在异国市场上引入并推行新的消费文化。与此同时，世界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多个国家和地区的世界消费者，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，寻求世界市场上的机会，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。二、世界大数据市场发展情况世界大数据市场规模由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%,世界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,大数据服务仍然是世界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，预计未来世界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，成为世界大数据市场最主要的收入来源。世界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%o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。三、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，《促动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动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，促动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，协同推动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，提升制造业数字化、网络化、智能化发展水平，推动制造模式、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，所以大数据是新基建的重要组成部分，也将推动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主要环节，越来越多的客户已经开始或计划相关软硬件的釆购计划。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实行替代。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绝大部分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世界竞争力。当前，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。企业建设数字化水平，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水平需求巨大。此外，在企业数字化水准提升后，数据走向资源化是大势所趋，在数据资源化的过程中，建立行业间髙效的数据交换机制，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，促动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，具有综合水平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。大数据管理平台不但具有存储管理海量数据水平、数据处理性能高和易于扩展的特性，还能够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，数据分析复杂水准的加深，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协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。四、大数据行业未来发展趋势（一）分布式系统成为行业技术架构主要的发展方向传统数据库以集中式架构为主，集中式架构由一台或多台主计算机组成中心节点，数据存储以及整个系统的业务单元都集中部署于该中心节点中，系统所有的功能均由中心节点集中处理。每个终端或客户端仅仅负责数据的录入和输出，而数据的存储与控制处理完全交由主机完成。分布式架构下，软件组件分布在不同主机上，主机之间通过网络连接实行通信和协调。随着海量及异构数据的数据分析需求增长，需要的计算、存储和10等资源也在极速增加。集中式架构通过改善硬件配置来提升存储和处理水平，但单台主机可配置的资源存有上限，所以传统的集中式架构软件难以满足海量及异构数据的数据集的处理和分析需求。而为了处理TB以及PB级别以上的数据规模，分布式的架构将数据分散在网络上多个通过高速网络互联的节点上联合计算。因为数据分布在不同节点，在实行计算任务时，任务也会被切分成多个子任务，分发到多个节点上同时实行计算，能充分利用整个集群各个节点的计算资源、存储资源和I。资源，可线性提升集群的存储和处理水平。所以，分布式架构能较好的处理该类问题，这也是分布式架构相对于传统单机架构的核心优势。在大数据场景下，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，能够较好的满足大数据分析的需求。此外，近年来，分布式技术持续发展，在提供髙弹性、支持高并发的同时，支持关系型数据库中强事务性的特性，成为大数据技术的重要发展方向。2、数据管理软件趋向于统一多数据模型的平台数据模型是决定数据库系统逻辑的重要因素，并从根本上决定以何种方式存储、组织和操作数据，包括传统的关系模型和NoSQL数据模型（文档模型、键值模型、图模型等）。绝大部分数据库管理系统只能支持一种或少数几种数据模型，所以企业通常只能使用多种数据库产品联合的方案来应对日益增长的异构数据模型处理需求。随着大数据厂商技术实力的提升，逐渐出现了能够提供多数据库模型的大数据平台技术。相比多种数据库产品的集成方案，多种数据库模型统一的大数据平台的优势包括：（1）提升场景效率。同一份数据能够分别釆用多种数据模型存放，解决不同场景的处理效率问题；（2）统一分析管理。关联不同模型的数据，统一分析管理；（3）降低运维成本。无需维护多种数据库，降低运维成本；（4）降低数据持有成本，同一份数据在不同的数据模型当中不需要全量存储，不同模型只需要存储必要的数据内容即可，在查询时能够通过关联的方式获取全量信息。未来多模型数据平台将通过持续提升计算、存储引擎的处理水平,从操作响应速度、数据并发水平、数据管理成本等多个角度优化企业的数据需求，成为多模大数据平台的重要发展趋势。（二）云原生大数据平台架构成为未来的主要发展方向云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API,这些技术能够构建容错性好、易于管理和便于观察的松耦合系统。结合可靠的自动化手段，云原生技术使工程师能够轻松地对系统作出频繁和可预测的重大变更。云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。面对客户日益增长的海量数据、多种数据结构的实时化、智能化处理需求，云原生的大数据平台架构凭借计算存储解耦、资源池化、Serverless等核心技术，提供了高弹性拓展、海量存储、多种数据类型处理及低成本计算分析的水平。相比传统数据库，云原生数据库及数据管理平台天然具备灵活性，能够提供强大的创新水平、丰富多样的产品体系、经济髙效的部署方式和按需付费的支付模式。（三）国家加速数据要素市场建设，推动数据安全流通技术的商业化加速我国将搭建统一开放、竞争有序的数据要素市场体系，政策鼓励产业链各环节的市场主体实行数据流通和交易，促动数据要素流通。当前，丰富的数据要素资源已经涵盖了金融、运营商、房地产、医疗、能源、交通、物流、教育以及制造业、电商平台、社交网站等众多领域。同时，因为数据的流通和利用是数据要素价值创造的前提。而跨域、跨中心的数据融合计算需求，以及数据要素在开放流通环节中的安全需求（包括可用不可见、可用不可得、可用不出域等），都使得数据的安全可信流通成为数据要素的市场化配置的重要一环，也是各行业数字化转型过程中和过程后的必由之路。随着《数据安全法》、《个人信息保护法》的实施，以安全为前提的数据开放利用将迎来新一轮发展机遇。隐私计算是在处理、分析计算数据的过程中保持数据不透明、不泄露、无法被计算方以及其他非授权方获取的一种技术解决方案，能够在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放，应用前景和商业价值巨大。在国家加速数据要素市场建设和重视数据安全和隐私保护的大背景下，数据安全防护技术、隐私计算技术的应用普及和商业化在加速实行。五、大数据行业的挑战（一） 技术创新与支撑水平有待进一步提髙技术创新是推动大数据产业发展的内在动力，但是当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，绝大部分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，因为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有较大差别，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水平有待持续提升。（二） 对开源体系的依赖水准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，当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，能够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。所以市场对待当前开源体系的法律风险意识有待提髙，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使用水平有待提髙近年来，越来越多企业理解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使用及相关认知有待提升，对数据平台、数据技术的资源投入不足。企业往往仅仅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,也需增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,使得更多企业能够容易的使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有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水平、行业动态理解力、解决问题水平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水准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持续加剧。六、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釆集和大数据整合。大数据釆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。因为大数据本身具有分散、海量、高速、异质的特征，采集难度较大，所以保证数据釆集的稳定性、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釆集服务。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，实行清洗、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应用服务器的计算水平普遍不足，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水平来实现数据转换(Transform),不再依赖ETL应用服务器做抽取和转化工作，这样能够解决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水平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。因为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，单纯地提升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。所以，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水平，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，所以需要一套适合企业的方法论来展开工作。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实行描述、展示和总结、刻画、推广，能够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，并对客观规律实行溯源和解释，从而协助决策者做出准确的预测和决策。围绕这个目标，大数据分析和挖掘的手段能够分为模型驱动、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个目标。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，相对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、面向应用能够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，能够提升数据流通的完整性和保密性。七、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实行逐个调查，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实行调查，据以推论总，体。只要样本代表性强，调查方法得当，典型调查能够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、时间又不允许实行普查时,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。因为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，先用与所研究现象相关的标志，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，对这个群单位实行全面观察。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，在一段时期内对其实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实行的，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实行观察分析。如通过一项推销方法在特定地区即时间的小规模实验，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。口头询问不但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。八、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。价值链可分为两绝大部分：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有于所有部门；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水准并不相同。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。在很多情况下，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，关键是要增强核心业务流程管理，使各相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。所以，很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，提升竞争力。随着竞争的加剧和实践经验的积累，企业之间的合作正在持续加强。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，锻造更加髙效的供销价值链，以形成更强的团队竞争水平，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有，则一定存有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。战略环节能够是产品开发、工艺设计，也能够是市场营销、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水平，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，提髙了竞争力和顾客满意水准。增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”战略的精妙使用。例如，人们涌向世界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，使它不但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，既能够垄断关键性原材料、关键性人才，也能够垄断关键销售渠道、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。九、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、费用等指标实行控制，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别。具体有两种方法:1、 销售差别分析主要用来衡量造成销售差别的不同因素的影响水准。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别的具体产品和地区。有必要进一步查明原因，增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。所以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升，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。企业和营销人员理应密切注重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水准下降。（3） 外界环境因素对参与竞争的各个企业，影响方式和水准往往不同，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水准的影响。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水准低的竞争者，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髙，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。所以要分析各项费用率，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，就必须采取相对应的措施。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；釆取补救或调整措施，以缩小计划与实际之间的差别。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。十、新产品釆用与扩散（一）产品特征与市场扩散1、 创新产品的相对优点新产品的相对优点愈多，在诸如功能、可靠性、便利性、新颖性等方面比原有产品的优越性愈大，市场接受得就愈快。2、 创新产品的适合性创新产品必须与目标市场的消费习惯以及人们的产品价值观相吻合。当创新产品与目标市场消费习惯、社会心理、产品价值观相适合或较为接近时，则有利于市场扩散，反之，则不利于市场扩散。3、 创新产品的简易性这是要求新产品设计、整体结构、使用维修、保养方法必须与目标市场的认知水准相适合。一般来说，新产品的结构和使用方法简单易懂，才有利于新产品的推广扩散，消费品尤其如此。4、创新产品的明确性这是指新产品的性质或优点是否容易被人们观察和描述，是否容易被说明和示范。凡信息传播便捷、易于认知的产品，其釆用速度一般比较快。（二）购买行为与市场扩散1、消费者釆用新产品的程序与市场扩散人们对新产品的釆用过程，客观上存有着一定的规律性。美国学者罗吉斯调查了数百人接受新产品的实例，总结归纳出人们接受新产品的程序和一般规律，认为消费者接受新产品一般表现为以下五个重要阶段：（1） 认知。这是个人获得新产品信息的初始阶段。新产品信息情报的主要来源是广告，或者其他间接的渠道如商品说明书、技术资料等。人们在此阶段获得的情报还不够系统，仅仅一般性了解。（2） 兴趣。指消费者不但理解了新产品，并且发生了兴趣。在此阶段，消费者会积极地寻找相关资料，实行对比分析，研究新产品的具体功能、用途、使用等问题。如果满意，将会产生初步的购买动机。（3） 评价。这个阶段消费者主要权衡采用新产品的边际价值。如采用新产品获得的利益和可能承担的风险，从而对新产品的吸引力做出判断。（4） 试用。指顾客开始小规模、少量地试用新产品。通过试用，顾客评价自己对新产品的理解及购买决策的准确性。企业应尽量降低失误率，详细介绍产品的性质、使用和保养方法。（5） 采用。顾客通过试用收到了理想的效果，放弃原有的产品，完全接受新产品，并开始正式购买、重复购买。2、顾客对新产品的反应差异与市场扩散在新产品的市场扩散过程中，因为社会地位、消费心理、产品价值观、个人性格等多种因素的影响制约，不同顾客对新产品的反映具有很大的差异。（1） 创新釆用者。也称为“消费先驱”，通常富有个性，勇于革新冒险，性格活跃，消费行为很少听取他人意见，经济宽裕，社会地位较高，受过高等教育，易受广告等促销手段的影响，是企业投放新产品时的极好目标。（2） 早期采用者。一般是年轻，富于探索，对新事物比较敏感并有较强的适合性，经济状况良好，对早期釆用新产品具有自豪感。这类消费者对广告及其他渠道传播的新产品信息很少有成见，促销媒体对他们有较大的影响力，但与创新采用者比较，持较为谨慎的态度。（3） 早期大众。这部分消费者一般较少保守思想，接受过一定的教育，有较好的工作环境和固定的收入；对社会中有影响的人物，特别是自己所崇拜的“舆论领袖”的消费行为具有较强的模仿心理。他们经常是在征询了早期釆用者的意见之后才采纳新产品。研究他们的心理状态、消费习惯，对提髙产品的市场份额具有很大的意义。（4） 晚期大众。指比较晚地跟上消费潮流的人。他们的工作岗位、受教育水平及收入状况往往比早期大众略差，对新事物、新环境多持怀疑态度或观望态度。往往在产品成熟阶段才加入购买。（5） 落后的购买者。这些人受传统思想束缚很深，思想非常保守,怀疑任何变化，对新事物、新变化多持反对态度，固守传统消费行为方式，在产品进入成熟期后期以至衰退期才能接受。新产品的整个市场扩散过程，从创新釆用者至落后购买者，形成完整的“正态分布曲，线”，这与产品生命周期曲线极为相似，为企业规划产品生命周期各阶段的营销战略提供了有力的依据。十一、客户分类与客户分类管理（一）客户分类客户分类指按照客户对于供应商的重要性分为不同等级。等级划分有三级制，如A类、B类、C类；有五级制，如A