*,*,Click to edit Master text styles,Second level,Third level,Slide Title,未来决定于现在 成功源始于思想,*,*,*,*,*,*,*,*,*,*,*,*,*,*,*,大数据行业应用现状与未来应用热点,目录,中国大数据市场分析,1.,2,企业大数据应用需求分析,2.,大数据应用案例分析,3.,大数据行业应用,4.,中国大数据市场分析,3,1,2021年-2021年中国大数据市场规模,2,2021年各行业大数据市场规模,计世资讯预测，2021年政府、互联网、电信、金融的大数据市场规模较大，四个行业将占据一半市场份额。,由于各个行业都存在大数据应用需求，潜在市场空间非常可观。,计世资讯认为，2021年是中国大数据市场元年，一些大数据产品已经推出，局部行业也有大数据应用案例的产生。2021年-2021年，将迎来大数据市场的飞速开展。,计世资讯预测，2021年中国大数据市场规模将到达4.7亿元，2021年大数据市场将迎来增速为138.3%的飞跃，到2021年，整个市场规模逼近百亿。,目录,中国大数据市场分析,1.,4,企业大数据应用需求分析,2.,大数据应用案例分析,3.,大数据行业应用,4.,中国企业大数据现状,5,半结构化数据,结构化数据,非结构化数据,企业非结构化数据越来越多,中国,500,强企业日数据生成量,中国,500,强企业数据中心数据年增长率,中国企业级数据中心数据存储量正在快速增长，非结构化数据呈指数倍增长，如果能有效的处理和分析，非结构数据中也富含了对企业非常有价值的信息。,企业大数据应用需求分析,6,1,3,各行业企业对大数据的关注程度,目前企业的数据系统架构存在问题,2,目前企业数据分析处理面临的问题,目录,中国大数据市场分析,1.,7,企业大数据应用需求分析,2.,大数据应用案例分析,3.,大数据行业应用,4.,大数据应用案例中信银行信用卡中心,8,大数据,挑战,发卡量增长迅速：,2008,年发卡约,500,万张，,2010,年增加了一倍。,业务数据增长迅速：,随着业务的迅猛增长，业务数据规模也线性膨胀。,数据存储、系统维护、数据有效利用都面临巨大压力。,需求,可扩展、高性能的数据仓库解决方案,能够实现业务数据的集中和整合；可以支持多样化和复杂化数据分析提升信用卡中心的业务效率；,通过从数据仓库提取数据，改进和推动有针对性的营销活动。,采用大数据方案后价值体现,实时的商业智能,可以结合实时、历史数据进行全局分析,风险管理部门现在可以每天评估客户的行为，并决定对客户的信用额度在同一天进行调整；原有内部系统、模型整体性能显著提高,秒级营销,Greenplum,数据仓库解决方案提供了统一的客户视图，更有针对的进行营销。,2011,年，中信银行信用卡中心通过其数据库营销平台进行了,1286,个宣传活动，每个营销活动配置平均时间从,2,周缩短到,2-3,天。,EMC Green-plum,大数据应用案例农夫山泉,9,大数据,挑战,农夫山泉数据量变得越来越大，分销表中数据基数大，增速快，,数据展现速度越来越慢；,数据运算速度越来越慢，已经让人无法忍受，影响业务的正常进行；,数据更新慢，,采用传统的,ETL(,数据抽取、转换、装载,),，农夫山泉的分析系统数据基本上一天才能更新一次。,需求,能够应对海量数据的挑战，实现高效的逻辑运算、实时的数据分析以及快速的数据展现的解决方案。,采用大数据方案后价值体现,实现了快速的数据展现,与原有商业智能报表展现方案相比，新方案数据展现速度快,25-30,倍；,形成了强大逻辑计算能力,测试了,120,多张已经上线的报表，基本上速度提升,100,150,倍；,SAP HANA,和,Business Objects 4.0,组合只用了,46,秒就完成原来需要,24,小时才能完成的逻辑计算；,实现了数据的实时、同步,HANA,使得数据从业务系统中转换到,HANA,中时基本上没有任何延迟。,SAP,HANA,大数据应用案例“数字黄河,10,大数据,挑战,数据激增，,IT,系统负担加重,；,地域分隔，信息孤岛拉低效能,；,无法共享，数据同步成为难题；,标准各异，数据规范有待统一。,需求,制定短期和长期技术规划，以适应未来信息系统的发展。,采用大数据方案后价值体现,解决跨平台异构应用系统的数据共享与集成问题,黄河水利委员会各部门随时获取其权限范围内的最新数据，而无须将其存储在本部门系统中；,消除信息孤岛，实现数据统一管理,有效消除了各业务系统和各组织结构之间的信息孤岛，简单获取黄河数据资源的单一视图，并确保了数据的完整性、及时性、准确性和一致性，同时首次实现元数据的可视化统一管理,IBM,Info-Sphere,目录,中国大数据市场分析,1.,11,企业大数据应用需求分析,2.,大数据应用案例分析,3.,大数据行业应用,4.,12,互联网行业拥抱大数据的关键因素,互联网行业对数据实时分析要求较高，例如广告监测、B2C业务，往往要求在数秒内返回上亿行数据的分析，从而到达不影响用户体验和快速准确营销的目的。,目前互联网企业面对大数据，会普遍感觉到实时分析能力差、海量数据处理效率低、缺少分析方法、分析软件能力差等问题。,互联网行业大数据分析面临的主要问题,互联网大数据技术的应用，会首先带动社会化媒体、电子商务的快速开展，其他的互联网分支也会紧追其后，整个行业在大数据的推动下将会蓬勃开展。,互联网拥抱大数据,13,医疗大数据应用场景,医疗行业产生的数据量主要来自于,PACS,影像、,B,超、病理分析等业务所产生的非结构化数据。人体不同部位、不同专科影像的数据文件大小不一，,PACS,网络存储和传输要采取不同策略。面对大数据，医疗行业遇到前所未有的挑战和机遇。,医疗行业大数据应用场景非常多，右图仅以临床操作和研发为例，展示医疗行业大数据应用场景。,对于公共卫生部门，可以通过过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。,比较效果研究,临床操作,临床决策支持系统,医疗数据透明度,远程病人监控,研发,预测建模,提高临床试验设计的统计工具和算法,疾病模式的分析,14,能源遇到大数据,能源行业数据特征,能源勘探开发数据的类型众多，不同类型数据包含的信息各具特点，综合各种数据所包含的信息才能得出地下真实的地质状况。,能源行业面临的大数据问题,能源行业企业对大数据产品和解决方案的需求集中表达在：可扩展存储、高带宽、可处理不同格式数据的分析方案。,大数据行业应用,15,应用可能性,电信,政府公共事业,交通,金融,医疗,教育,能源电力/石油,纵轴契合度：,表示该用户的,IT,应用特点与大数据特性的契合程度；,横轴应用可能性,：,表示该用户出于主客观因素在短期内投资大数据的可能性；,注：,该位置为分析师访谈的综合印象，为定性分析，图中位置不代表具体数值,High,Mid,Low,Low,Mid,High,优先关注行业用户,应用特点与大数据技术有较高的契合度，在主客观条件上也有较高的应用可能性。,值得关注行业用户,应有特点与大数据的契合度及应用可能性综合较高,适当关注行业用户,两个维度暂时都不具备优势，可适当给予关注,互联网电子商务,契合度,流通,零售,制造,16,2,1,互联网行业大数据主要应用在社交和网购方面,结合位置数据、消费数据进行实时营销信息推送是电信行业大数据应用主要场景,3,金融行业大数据应用场景主要集中在投资方面,4,制造行业具有多环节、多地域特色，各个环节的优化是制造行业最关注的大数据应用场景,大数据潜在应用,谢谢！,