近日，愛分析在京舉辦了2018·中國大數據高峰論壇。TalkingData創始人崔曉波、邦盛科技創始人王新宇、九章云極創始人方磊等7位明星CEO分享了未來幾年大數據行業的深度觀察，愛分析在會上發布了《中國大數據行業報告》（以下簡稱報告）。
《報告》稱，2017年大數據行業整體市場規模1000億，其中行業應用細分市場規模為700億，是大數據行業最大細分領域，大數據在金融、政務、互聯網成熟度最高。
《報告》顯示，整個大數據產業分為基礎平臺、通用技術、行業應用等多個細分市場，2017年大數據整體市場規模1000億。
細分市場中，基礎平臺整體市場規模在100億元左右，通用技術整體市場規模在200億元左右。行業應用層，大數據在各個行業應用差異較大，應用相對成熟的金融、政府領域市場規模為200億元。整個行業應用市場規模為700億。
《報告》顯示，大數據在各行各業的成熟度與基礎設施、市場規模和應用范圍關系密切。
根據調研，金融、政務、互聯網這三個行業的IT投入位列各行業前列，隨著“互聯網+政務”的普及、政務云和政務大數據的落地，政府2017年IT投入超過800億元，占中國IT總投入的5-10%。金融一直是重IT投入的行業，以銀行為例，2017年中國銀行業整體IT投資為800億元，整個金融行業的IT投資突破千億元大關。
基礎設施成熟度同樣會對大數據應用落地應用產生很大影響。信息化是大數據的基礎，互聯網行業信息化程度最高，金融、政務行業在20世紀初已開始進行信息化建設，經歷十幾年發展，基礎信息化已建設完畢。相比醫療、工業等領域，金融、政務和互聯網行業結構化數據占比高，數據標準化程度高。
《報告》指出，與國外不同，中國市場云計算、大數據、AI、IoT等技術幾乎是同時間爆發，企業客戶同一時間采購云計算、大數據、AI等產品，企業客戶最終目的是通過新技術來實現開源節流，實現這一目標需要多項技術融合，技術邊界正逐步模糊。
云計算作為大數據的基礎，大幅降低企業的IT硬件成本，將有超過50%的IT預算投入到大數據、AI等應用。AI促使大數據從輔助決策向替代決策進化，使大數據廠商突破工具軟件天花板，發展空間放大10倍。在智能客服領域，AI技術的發展使得技術廠商的市場空間由原先的30-50億提升到300-400億。
IoT技術的發展補全線下數據和機器數據，給大數據應用帶來更加多元的數據，產生更加豐富的應用場景。在營銷領域，通過WIFI、藍牙、攝像頭等途徑，實現線上、線下數據的打通，形成整個營銷閉環，從而實現跟蹤用戶的全生命周期，提升用戶轉化率。
多項技術融合促使客戶的需求更加多元化、復雜化，提供整體解決方案的大數據公司更加符合未來趨勢，在整個產業鏈占據更重要地位，提供更加深度的場景化應用。
以下為愛分析高級分析師李喆在會上發布報告的演講實錄。
李喆：在看待大數據行業未來趨勢時，首先需要關注中美技術路徑發展的差異，不僅僅是大數據，還包括云計算和AI等。
從這張圖，我們可以得出有幾個結論：
第一， 我們看到美國的市場是技術驅動，先從底層基礎平臺成熟，逐步延伸到上層應用。2006年AWS對外進行提供服務，2009-2010年大數據基礎平臺公司Cloudera、Hortonworks成立，2015年Google開源TensorFlow平臺，這些事件促使云計算、大數據、AI進入快速發展階段。
中國市場更多以應用、政策為主導，云計算行業快速發展的原因是2012-2013年游戲等移動互聯網的爆發，2014-2015年，政府出臺一系列利好大數據的政策，促使整個行業快速發展。
因此，中國市場應用型的公司發展速度更快。國外已經上市的大數據公司Splunk、Tableau、Cloudera、MongoDB都是基礎平臺和通用技術層的公司。國內市場發展速度快的TalkingData、同盾科技等公司，都是屬于應用型的公司。
第二， 不同于美國市場每一項技術中間會有一個很大的時間間隔，中國市場云計算、大數據、人工智能這些技術時間間隔很短，幾乎是同時爆發。
因此，數據在各個行業的發展是不均衡的，不同行業的滲透率差異很大。同時，大數據行業不能只看大數據，需要重點關注云計算、AI對大數據行業的影響。
首先，我們看云計算對大數據的影響。
云計算對大數據行業最大的影響是降低了整個基礎設施的成本，未來會有50%以上的IT預算會投入到應用層，也就是大數據和AI。IT預算的結構將由左邊的正三角形，轉變成右邊的倒三角形。
以銀行為例，不考慮上層應用，美國的銀行在IT建設上會領先于中國的銀行。根據我們的調研，中國的銀行IT投入的70%都是在硬件投入，剩下30%投入是軟件和服務。而美國的銀行只有15-20%的IT預算投向硬件，更多預算投入到軟件和服務。
第二個影響是容器技術的成熟，降低了大數據業務的交付成本，從原來幾個月的交付時間縮短到幾周。
第三個影響是，隨著SaaS滲透率不斷提升，更多的數據匯聚到云端，更加便捷的實現數據互通互聯。
其次，我們看AI對于大數據的影響，AI技術可以幫助大數據突破工具軟件的天花板，將市場空間放大10倍，同時還可以降低大數據公司對人力的依賴，提高人均產能。
以智能客服為例，客服軟件市場規模是很小的，大概是30至50億的市場規模，但整個客服市場規模很大。中國的客服人員有300-500萬人，按照平均5-6萬的人力成本計算，整個客服市場規模超過2000億。如果其中有15-20%被智能客服替代，整個市場空間就有300-400億。
但如果廠商只做客服軟件，即使加上數據分析等技術，能夠提升人員效率，但依然很難觸及到人力這部分市場，但通過AI技術，能夠實現替代人力，廠商就能切入到這300-400億的市場。
公安領域，明略數據這樣的公司通過深度服務公安客戶，形成這個行業的知識圖譜，也就是“公安大腦”。形成“公安大腦”后，明略數據在服務其他省市公安局的時候，會大大縮短服務周期，降低公司對人力的依賴，提升業務可復制性。
因為各種技術幾乎同時爆發，所以我們判斷，多項技術融合是未來的趨勢，會大幅提升各個行業的效率。
下面這張圖是大數據的業務鏈條，包含數據源、數據的采集、數據標準化、數據分析和數據應用。可以看出，各項技術其實都會對整個鏈條產生影響。
IoT技術，補全了原本缺失的線下數據和機器數據。比如營銷領域，之前可以拿到大部分是線上數據，用戶點擊的廣告、網頁的瀏覽行為。IoT的發展，通過WIFI、藍牙、攝像頭等方式，可以監測到用戶的線下行為，打通了整個閉環。
用戶在線上看廣告，官網瀏覽商品，再到實體店體驗、購買，實現線上和線下的融合，有更多方式去提升轉化效率。
云計算使數據更容易匯聚，降低數據收集的難度，AI技術增強了數據分析能力。智能財稅領域，針對小微企業的代賬市場，傳統軟件不具備自動化和智能化，代賬SaaS軟件的普及，使越來越多的中小數據匯聚到云端，而依靠機器學習等AI技術，實現自動做賬、自動報稅。
過去每名會計最多服務20到30家企業，但是依靠SaaS、大數據、AI技術等研發的代賬軟件，可以服務100到200家，未來還會進一步提升。這會使得傳統代賬公司的重心會放在獲客和增值服務，而非基礎做賬業務，代賬公司的服務半徑擴大。
多項技術融合后，客戶的需求會更加多樣化、復雜化，因此，我們判斷做整體解決方案的公司機會最大。
從產業鏈的角度看，做整體解決方案的公司更貼近客戶，更容易獲取標桿客戶。
提供單點能力的大數據公司，更多是技術提供方的角色，無法解決客戶全部需求，在客戶預算中只能占到很小的份額，集成商會占據更大的份額。整體解決方案的公司提供的是自下而上的服務，因此有機會從原來的技術提供商，成為過去集成商的角色。
這樣會帶來幾個方面的好處：
首先，大數據公司能夠觸及的預算會更大。
其次，可以延伸到其他需求。
美國有一家做虛擬化的公司叫VMware，最早通過虛擬化產品拿下了很多500強的客戶，但現在支撐他高速增長的是SDS和SDN業務。
SDN業務是VMware收購了一家初創公司Nicira發展起來的。Nicira被收購的時候沒什么收入，但VMware的SDN業務，只花了三年時間就做到10億美金的收入。拋開技術原因，另一個原因是VMware有很強的客戶資源，更有機會把他的新產品推向客戶。
第三，降低獲取其他客戶的門檻。
企業服務市場，獲客具備非常高的門檻，尤其對于初創公司獲取客戶信任的周期很長。金融大數據公司進入銀行市場的時候，可能前期做POC就需要一年的時間。
如果你有一個標桿客戶，再去向同類公司進行推廣的時候，難度會大大降低。標桿客戶具備燈塔效應，不論是服務同體量的客戶，還是下沉到腰部客戶。
從場景的角度，整體解決方案的公司更有機會把場景做深，提高價值。
零售領域，很多公司從營銷做起，但很難切入到庫存管理、供應鏈管理。因為這些公司多數是提供營銷工具，不是一個完整的解決方案。整體解決方案公司會從幫助客戶建立大數據平臺做起，更有機會從前端營銷切入到后端業務，通過數據去打通各個環節。
這也是因為當前中國的客戶能力還相對不足，直接使用工具的成本和難度都很高。大數據公司需要將業務做重，單純一個很輕的產品，價值度較低，很難形成壁壘。
接下來，我們將分享大整個大數據的產業圖譜，包括我們對每個細分領域的判斷。這張圖是我們對整個大數據的劃分，從底層基礎平臺到上層行業應用，分為四大細分領域。
基礎平臺分為交易型數據庫、分析型數據庫和圍繞這兩類數據庫的計算引擎。
基礎平臺往上有兩個方向，一個是數據的方向，一個是技術的方向。數據方向有兩類廠商，按照是否具備數據源分為第一方和第三方。技術方向是指大數據平臺之上，具備通用性的數據處理的技術，包括 BI與可視化、日志分析等。
行業應用更多的是直接面向一個個場景，用大數據技術去解決各個行業的場景去落地的公司。
這是我們總結的大數據市場規模。市場規模最大的是行業應用，基礎平臺是市場規模最小的細分領域。
根據我們的調研，2017年整個中國大數據的市場規模是1000億，我們測算的邏輯主要分成兩類：
一類方法是Top Down。比如，我們測算中國BI領域市場規模，我們首先看全球市場BI的市場規模，全球BI的市場規模大概是180億美金，考慮到BI在IT投入的比例，中國和全球應該大體一致，中國的比例會略低于全球的市場。全球的IT投入大概是3.6萬億美金，中國的IT投入大概是2.3萬億人民幣，因此，我們測算中國的BI市場規模大概是135億人民幣。
再比如，行業應用中的工業大數據，通過我們測算大概是100億人民幣市場規模。我們的方法是通過行業成熟企業的投入比例，去推斷大數據在整個工業產值的比例。國家電網2017年營收在2萬億，每年在大數據的總投入是5億。金風科技2017年營收260億，在大數據的投入在500-1000萬之間，由此可以判斷規模以上的企業投入比例大概為1-2%。
另一類是Bottom Up。重點看頭部公司它的收入和市場份額。基礎平臺這個市場，我們主要看Oracle，因為它是市占率最高的公司。2017年亞太地區的收入是45-50億美金的數據，其中數據庫的比例大概會占到30%左右，所以是十幾億美金規模，中國市場收入會比這個數據要低，Oracle的占有率是在40%至50%之間。因此我們判斷國內的基礎平臺的市場規模在100億左右。
再比如AI平臺，我們判斷AI平臺（數據科學平臺）這個領域是20多億的規模，主要是考慮國內市場，這個領域最大的公司是SAS，每年收入30億美金，在亞太地區的市場份額大概占到10%左右，而他的市占率會在50-60%，因此整個市場規模會在25億上下。
從各個細分領域來看，我們還是會去重點關注大數據的行業應用，大數據的最大價值肯定是體現在行業應用。
從政府的大數據發展規劃來看，2020年整個大數據市場規模將達到1萬億。但從IT投入來看，2017年IT軟件與服務的投入只有1500億。因此，未來大數據廠商切的主要預算不會來自IT，而是業務預算。只有做行業應用的公司才更有機會拿到業務預算。因此，我們判斷，行業應用會是未來最大的細分領域。
我們重點關注的是金融、政務這兩個領域，主要去通過大數據在各行各業的成熟度判斷。根據愛分析大數據成熟度模型，我們主要從市場規模、基礎設施和應用范圍去判斷各行業的成熟度，大數據在各行業的滲透情況。
首先，通過我們的分析，現在最成熟的是互聯網、金融、政務。金融的IT投入肯定是非常大的，銀行每年的IT投入就有800億，加上證券、保險，整個金融IT投入是超過1000億。政務每年的IT投入大概是800億。
這兩個行業在整個中國IT投入占比非常高。中國2.3萬億IT投入中，有大概1萬億左右是運營商資源。去除掉這部分，金融和政務加起來會占到總投入的20%以上，現階段大數據投入主要還是來自IT預算。
其次，互聯網、金融和政務，信息化建設是最完善的，這里的信息化建設不光是基礎業務系統搭建，還包括數據的標準化、結構化程度。醫療的基礎設施相對完善，IT投入也很高，但我們不認為它會優先爆發的原因，就是數據標準化的問題。
數據業務鏈條上，現在能走通的就是金融和互聯網，醫療領域的數據標準化還在建立當中。數據標準化程度高，才更容易產生深度的應用。
第三，金融和政務兩個領域的公司，發展最快、體量最大。根據我們的調研，2017年，像TalkingData、同盾科技、百融金服等公司，他們的確認收入都已經超過了1億人民幣，而1億人民幣收入是企業服務公司一個很大的門檻。
通用技術領域，我們會去關注那些有機會切入到行業應用的公司。BI與可視化、用戶行為分析、AI平臺等領域，直接面向客戶的應用問題，更有機會切入到行業應用。
比如用戶行為分析里面的神策數據、GrowingIO等公司，第一個直接的方向是營銷大數據，這樣以來會從原本工具軟件這個比較小的細分市場，跳入到營銷市場，而我們知道，整個營銷市場是萬億級的市場，占GDP的2-3%。
數據服務市場，我們也會看它和行業應用的結合，我們判斷純粹的數據交易公司機會有限，第一方平臺將逐步崛起，這背后有幾個原因：
第一， 政策方面，2017年安全法的發布，對數據隱私、數據合規性的要求大大提升，這會對第一方數據公司是個利好，但第三方數據公司的業務受到很多限制。行業標桿客戶也更愿意與有品牌、合規的公司合作。
第二， 數據既然要和應用去結合，那么就需要熱數據，能夠持續不斷更新的數據，第一方數據公司更容易實現這一點，因此數據本身就是他們業務不斷產生的。對第三方公司來說，匯聚多方數據，持續更新的成本較高。
基礎平臺市場，我們認為新需求帶來的增量市場更值得關注。基于行業應用、數據分析產生的需求，也就是分析型數據庫的市場。
交易型數據庫市場進入門檻太高，替代銀行等頭部客戶生產環境下的數據庫非常困難，這里面存在著數據丟失等風險，這是大企業很難接受的。而分析型數據庫基本都是搭建在離線場景，不存在這方面的風險。
這個市場目前是100億，我們判斷2020年會到150-200億，主要的增量來自分析型數據庫。全球基礎平臺市場規模是460億美金，這里面50-60%是交易型數據庫，40-50%是分析型數據庫，但國內的分析型數據庫只有10%的份額，未來滲透率還有很大的提升空間。
