大数据开发工具市场分析

大数据开发工具市场分析

一、品牌设计

品牌要素或元素主要包括品牌名称、品牌标识或标志、品牌形象

代表、品牌口号、广告曲、包装等。在品牌名称和品牌标识设计过程

中，一般应坚持以下几个基本原则：

（一）简洁醒目，易读易记

来自心理学家的一项调查分析结果表明，人们接收到的外界信息

中，83%的印象通过眼睛，11%借助听觉，3.5%依赖触摸，其余的源于

味觉和嗅觉。基于此，为了便于消费者认知、传诵和记忆，品牌设计

的首要原则就是简洁醒目，易读易记。基于这一要求，不宜把过长的

和难以读诵的字符串作为品牌名称，也不宜将呆板、缺乏特色感的符

号、颜色、图案用作品牌标示。

2015年9月，陆金所启动了全新的域名和品牌形象，替代

原有的。陆金所将其网络投融资平台的域名进行更改，由

“”更改为“”；而金融资产交易服务平台则维持

“Ifex”不变。陆金所董事长计葵生解释说，之所以用去替换

lufax.com,是为了让这一域名能够更好地被国内的用户记忆。而且，

这也是陆金所向更“互联网化”方向转变的一个体现，不仅仅是从技

术、服务上更加便捷，即使是细节上也要做到更好。

（二）构思巧妙，暗示属性

一个与众不同、充满感召力的品牌，在设计上还应该充当体现品

牌标示产品的优点和特性，暗示产品的优良属性。奔Benz（汽车发明

人本茨先生的名字），经过100多年的努力赢得了顾客信任。那个构

思巧妙、简洁明快、特点突出的圆形的汽车方向盘似的特殊标志，已

经成了豪华优质高档汽车的象征。这个品名与品标的有机结合，不仅

暗示品牌所标定的商品是汽车，而且是可以“奔驰”的优质汽车。

（三）富蕴内涵，情意浓重

品牌，大多都有其独特的含义和解释或释义。有的就是一个地方

的名称，有的就是一种产品的功能，有的或者就是一个典故。富蕴内

含、情意浓重的品牌，因其能唤起消费者和社会公众美好的联想，而

使其备受厂商青睐。

（四）避免雷同，超越时空

品牌设计的雷同，是实施品牌运营的大忌。因为品牌运营的最终

目标是通过不断提高品牌竞争力而超越竞争对手。若品牌的设计与竞

争对手雷同，一方面容易被起诉，另一方面也可能永远居于人后，达

不到最终超越的目的。

除了注意避免雷同以外，为了延长品牌使用时间、扩大品牌的使

用区域，在品牌的设计上还应注意尽可能超越时空限制。具有时代特

征的名称有强烈的应时性，可能在当时或延续一段时日会“火”，但

随着时间的推移，记住、了解当时那个时代的人越来越少，品牌的感

召力也会越来越小。而超越空间主要是指品牌超越地理文化边界的限

制。可以想象，若将“Sprite”直译成“妖精”，又有多少中国人乐

于去认购呢？而译成了符合中国文化特征的“雪碧”就比较准确地揭

示出品牌标定产品的“凉”“爽”的属性。

二、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%o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%o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%o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。

三、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。

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

过网络连接进行通信和协调。

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

处理能力，但单台主机可配置的资源存在上限，因此传统的集中式架

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，在进行计算任务时，任务也会被切分成多个子任务，分发到多

个节点上同时进行计算，能充分利用整个集群各个节点的计算资源、

存储资源和10资源，可线性提升集群的存储和处理能力。因此，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，分布式技术不断发展，在提供高弹性、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）。大多数数据库管理系统只能支

持一种或少数几种数据模型，因此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

据可以分别采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，在查询时可以通过关联的方式获

取全量信息。

未来多模型数据平台将通过不断提高计算、存储引擎的处理能力,

从操作响应速度、数据并发能力、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能力。

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

够提供强大的创新能力、丰富多样的产品体系、经济高效的部署方式

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进行数据流通和交易，促进数据要素流通。

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，由于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进行。

五、大数据行业发展背景

（-）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虬

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。

六、企业营销对策

用上述矩阵法分析、评价营销环境，可能出现4种不同的结果。

在环境分析与评价的基础上，企业对威胁与机会水平不等的各种

营销业务，应分别采取不同的对策。

对理想业务，应看到机会难得，甚至转瞬即逝，必须抓住机遇，

迅速行动；否则，丧失战机，将后悔莫及。

对风险业务，面对其高利润与高风险，既不宜盲目冒进，也不应

迟疑不决，坐失良机，应全面分析自身的优势与劣势，扬长避短，创

造条件，争取突破性的发展。

对成熟业务，机会与威胁处于较低水平，可作为企业的常规业务,

用以维持企业的正常运转，并为开展理想业务和风险业务准备必要的

条件。

对困难业务，要么是努力改变环境，走出困境或减轻威胁，要么

是立即转移，摆脱无法扭转的困境。

七、市场定位的步骤

市场定位通过识别潜在竞争优势、企业核心竞争优势定位和制定

发挥核心竞争优势的战略三个步骤实现。

（一）识别潜在竞争优势

识别潜在竞争优势是市场定位的基础。通常企业的竞争优势表现

在两方面：成本优势和产品差别化优势。成本优势是企业能够以比竞

争者低廉的价格销售相同质量的产品，或以相同的价格水平销售更高

一级质量水平的产品。产品差别化优势是指产品独具特色的功能和利

益与顾客需求相适应的优势，即企业能向市场提供在质量、功能、品

种、规格、外观等方面比竞争者更好的产品。为实现此目标，首先必

须进行规范的市场研究，切实了解，目标市场需求特点以及这些需求

被满足的程度，这是能否取得竞争优势、实现产品差别化的关键。其

次要研究主要竞争者的优势和劣势。可从三个方面评估竞争者：一是

竞争者的业务经营情况，如近三年的销售额、利润率、市场份额、投

资收益率等；二是竞争者核心营销能力，主要包括产品质量和服务质

量的水平等；三是竞争者的财务能力，包括获利能力、资金周转能力、

偿还债务能力等。

（二）企业核心竞争优势定位

核心竞争优势是与主要竞争对手相比，企业在产品开发、服务质

量、销售渠道、品牌知名度等方面所具有的可获取明显差别利益的优

势。应把企业的全部营销活动加以分类，并将主要环节与竞争者相应

环节进行比较分析，以识别和形成核心竞争优势。

（三）制定发挥核心竞争优势的战略

企业在市场营销方面的核心能力与竞争优势，不会自动地在市场

上得到充分的表现，必须制定明确的市场战略来加以体现。比如通过

广告传导核心优势战略定位，逐渐形成一种鲜明的市场概念，这种市

场概念能否成功，取决于它是否与顾客的需求和追求的利益相吻合。

八、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。

九、市场导向战略规划

全面贯彻现代市场营销观念，要求企业不仅致力于创造近期的顾

客满意，而且要积极适应市场环境的变迁，致力于创造长期、整体顾

客满意，实施有效的市场导向战略规划与管理。

“战略规划的核心一在组织的目标和能力与不断变化的市场机会

之间建立和维持战略适配的过程。”“战略规划的制定过程始于对整

体目标和使命的确定，使命随即被转化为详细的目标以指导整个公司

的发展。”

市场导向战略规划的主要内容有以下几方面。

(1)正确选择和调整企业投资经营方向，并将企业的投资业务作

为一个组合来管理。企业必须根据环境及其变化的要求，综合考虑顾

客、社会和企业利益，决定进入哪些领域生产经营，哪些业务项目

(经营单位)需要建立、保持、发展、收缩或撤销，并据以配置企业

资源。

(2)根据市场增长率、企业定位及其组合，测算每项具体业务单

位的未来利润潜力。企业必须根据发展动态，而不是依据目前的销售

额或利润来决定未来的业务发展方向。

(3)从长期发展的战略高度制定规划。企业要对每一项业务制定

一个“战略方案”，以实现其长期目标。同时，企业还必须根据自己

在行业中的地位及它的目标、机会、能力和资源确定一个最有意义的

战略规划，并使各项业务战略方案体现企业战略规划的基本要求。

在一些较大规模的企业，战略规划通常由四个组织层次构成。包

括企业层次、部门层次、业务层次和产品层次。企业总部负责设计企

业战略规划，指导整个企业进入有利的前景，决定给每个业务单位分

配多少资源以及要开展或取消哪些业务。部门层次的规划，要对企业

给予的资源进行合理配置。各业务单位的战略规划则要保证该业务创

造价值和利润。最后，每个业务单位内的每个产品层次（产品线、品

牌等），为了达到该产品特定市场的预定目标，也要制定营销规划。

以上这些规划要由企业的不同层次机构分别执行，并对执行结果

进行检查、评估，以及采取改正措施。

十、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