《報(bào)告》稱，2017年大數(shù)據(jù)行業(yè)整體市場規(guī)模1000億，其中行業(yè)應(yīng)用細(xì)分市場規(guī)模為700億，是大數(shù)據(jù)行業(yè)最大細(xì)分領(lǐng)域，大數(shù)據(jù)在金融、政務(wù)、互聯(lián)網(wǎng)成熟度最高。
大數(shù)據(jù)整體市場規(guī)模1000億，細(xì)分市場行業(yè)應(yīng)用規(guī)模最大
《報(bào)告》顯示，整個大數(shù)據(jù)產(chǎn)業(yè)分為基礎(chǔ)平臺、通用技術(shù)、行業(yè)應(yīng)用等多個細(xì)分市場，2017年大數(shù)據(jù)整體市場規(guī)模1000億。
細(xì)分市場中，基礎(chǔ)平臺整體市場規(guī)模在100億元左右，通用技術(shù)整體市場規(guī)模在200億元左右。行業(yè)應(yīng)用層，大數(shù)據(jù)在各個行業(yè)應(yīng)用差異較大，應(yīng)用相對成熟的金融、政府領(lǐng)域市場規(guī)模為200億元。整個行業(yè)應(yīng)用市場規(guī)模為700億。
大數(shù)據(jù)在金融、政務(wù)、互聯(lián)網(wǎng)成熟度最高
《報(bào)告》顯示，大數(shù)據(jù)在各行各業(yè)的成熟度與基礎(chǔ)設(shè)施、市場規(guī)模和應(yīng)用范圍關(guān)系密切。
根據(jù)調(diào)研，金融、政務(wù)、互聯(lián)網(wǎng)這三個行業(yè)的IT投入位列各行業(yè)前列，隨著“互聯(lián)網(wǎng)+政務(wù)”的普及、政務(wù)云和政務(wù)大數(shù)據(jù)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(yè)，以銀行為例，2017年中國銀行業(yè)整體IT投資為800億元，整個金融行業(yè)的IT投資突破千億元大關(guān)。
基礎(chǔ)設(shè)施成熟度同樣會對大數(shù)據(jù)應(yīng)用落地應(yīng)用產(chǎn)生很大影響。信息化是大數(shù)據(jù)的基礎(chǔ)，互聯(lián)網(wǎng)行業(yè)信息化程度最高，金融、政務(wù)行業(yè)在20世紀(jì)初已開始進(jìn)行信息化建設(shè)，經(jīng)歷十幾年發(fā)展，基礎(chǔ)信息化已建設(shè)完畢。相比醫(yī)療、工業(yè)等領(lǐng)域，金融、政務(wù)和互聯(lián)網(wǎng)行業(yè)結(jié)構(gòu)化數(shù)據(jù)占比高，數(shù)據(jù)標(biāo)準(zhǔn)化程度高。
云計(jì)算、大數(shù)據(jù)、AI、IoT多項(xiàng)技術(shù)融合是未來趨勢，提供整體解決方案的公司機(jī)會最大
《報(bào)告》指出，與國外不同，中國市場云計(jì)算、大數(shù)據(jù)、AI、IoT等技術(shù)幾乎是同時間爆發(fā)，企業(yè)客戶同一時間采購云計(jì)算、大數(shù)據(jù)、AI等產(chǎn)品，企業(yè)客戶最終目的是通過新技術(shù)來實(shí)現(xiàn)開源節(jié)流，實(shí)現(xiàn)這一目標(biāo)需要多項(xiàng)技術(shù)融合，技術(shù)邊界正逐步模糊。
云計(jì)算作為大數(shù)據(jù)的基礎(chǔ)，大幅降低企業(yè)的IT硬件成本，將有超過50%的IT預(yù)算投入到大數(shù)據(jù)、AI等應(yīng)用。AI促使大數(shù)據(jù)從輔助決策向替代決策進(jìn)化，使大數(shù)據(jù)廠商突破工具軟件天花板，發(fā)展空間放大10倍。在智能客服領(lǐng)域，AI技術(shù)的發(fā)展使得技術(shù)廠商的市場空間由原先的30-50億提升到300-400億。
IoT技術(shù)的發(fā)展補(bǔ)全線下數(shù)據(jù)和機(jī)器數(shù)據(jù)，給大數(shù)據(jù)應(yīng)用帶來更加多元的數(shù)據(jù)，產(chǎn)生更加豐富的應(yīng)用場景。在營銷領(lǐng)域，通過WIFI、藍(lán)牙、攝像頭等途徑，實(shí)現(xiàn)線上、線下數(shù)據(jù)的打通，形成整個營銷閉環(huán)，從而實(shí)現(xiàn)跟蹤用戶的全生命周期，提升用戶轉(zhuǎn)化率。
多項(xiàng)技術(shù)融合促使客戶的需求更加多元化、復(fù)雜化，提供整體解決方案的大數(shù)據(jù)公司更加符合未來趨勢，在整個產(chǎn)業(yè)鏈占據(jù)更重要地位，提供更加深度的場景化應(yīng)用。
以下為愛分析高級分析師李喆在會上發(fā)布報(bào)告的演講實(shí)錄。
演講實(shí)錄
李喆：在看待大數(shù)據(jù)行業(yè)未來趨勢時，首先需要關(guān)注中美技術(shù)路徑發(fā)展的差異，不僅僅是大數(shù)據(jù)，還包括云計(jì)算和AI等。
從這張圖，我們可以得出有幾個結(jié)論：
第一， 我們看到美國的市場是技術(shù)驅(qū)動，先從底層基礎(chǔ)平臺成熟，逐步延伸到上層應(yīng)用。2006年AWS對外進(jìn)行提供服務(wù)，2009-2010年大數(shù)據(jù)基礎(chǔ)平臺公司Cloudera、Hortonworks成立，2015年Google開源TensorFlow平臺，這些事件促使云計(jì)算、大數(shù)據(jù)、AI進(jìn)入快速發(fā)展階段。
中國市場更多以應(yīng)用、政策為主導(dǎo)，云計(jì)算行業(yè)快速發(fā)展的原因是2012-2013年游戲等移動互聯(lián)網(wǎng)的爆發(fā)，2014-2015年，政府出臺一系列利好大數(shù)據(jù)的政策，促使整個行業(yè)快速發(fā)展。
因此，中國市場應(yīng)用型的公司發(fā)展速度更快。國外已經(jīng)上市的大數(shù)據(jù)公司Splunk、Tableau、Cloudera、MongoDB都是基礎(chǔ)平臺和通用技術(shù)層的公司。國內(nèi)市場發(fā)展速度快的TalkingData、同盾科技等公司，都是屬于應(yīng)用型的公司。
第二， 不同于美國市場每一項(xiàng)技術(shù)中間會有一個很大的時間間隔，中國市場云計(jì)算、大數(shù)據(jù)、人工智能這些技術(shù)時間間隔很短，幾乎是同時爆發(fā)。
因此，數(shù)據(jù)在各個行業(yè)的發(fā)展是不均衡的，不同行業(yè)的滲透率差異很大。同時，大數(shù)據(jù)行業(yè)不能只看大數(shù)據(jù)，需要重點(diǎn)關(guān)注云計(jì)算、AI對大數(shù)據(jù)行業(yè)的影響。
首先，我們看云計(jì)算對大數(shù)據(jù)的影響。
云計(jì)算對大數(shù)據(jù)行業(yè)最大的影響是降低了整個基礎(chǔ)設(shè)施的成本，未來會有50%以上的IT預(yù)算會投入到應(yīng)用層，也就是大數(shù)據(jù)和AI。IT預(yù)算的結(jié)構(gòu)將由左邊的正三角形，轉(zhuǎn)變成右邊的倒三角形。
以銀行為例，不考慮上層應(yīng)用，美國的銀行在IT建設(shè)上會領(lǐng)先于中國的銀行。根據(jù)我們的調(diào)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(wù)。而美國的銀行只有15-20%的IT預(yù)算投向硬件，更多預(yù)算投入到軟件和服務(wù)。
第二個影響是容器技術(shù)的成熟，降低了大數(shù)據(jù)業(yè)務(wù)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(shù)據(jù)匯聚到云端，更加便捷的實(shí)現(xiàn)數(shù)據(jù)互通互聯(lián)。
其次，我們看AI對于大數(shù)據(jù)的影響，AI技術(shù)可以幫助大數(shù)據(jù)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(shù)據(jù)公司對人力的依賴，提高人均產(chǎn)能。
以智能客服為例，客服軟件市場規(guī)模是很小的，大概是30至50億的市場規(guī)模，但整個客服市場規(guī)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(jì)算，整個客服市場規(guī)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(shù)據(jù)分析等技術(shù)，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(shù)，能夠?qū)崿F(xiàn)替代人力，廠商就能切入到這300-400億的市場。
公安領(lǐng)域，明略數(shù)據(jù)這樣的公司通過深度服務(wù)公安客戶，形成這個行業(yè)的知識圖譜，也就是“公安大腦”。形成“公安大腦”后，明略數(shù)據(jù)在服務(wù)其他省市公安局的時候，會大大縮短服務(wù)周期，降低公司對人力的依賴，提升業(yè)務(wù)可復(fù)制性。
因?yàn)楦鞣N技術(shù)幾乎同時爆發(fā)，所以我們判斷，多項(xiàng)技術(shù)融合是未來的趨勢，會大幅提升各個行業(yè)的效率。
下面這張圖是大數(shù)據(jù)的業(yè)務(wù)鏈條，包含數(shù)據(jù)源、數(shù)據(jù)的采集、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用。可以看出，各項(xiàng)技術(shù)其實(shí)都會對整個鏈條產(chǎn)生影響。
IoT技術(shù)，補(bǔ)全了原本缺失的線下數(shù)據(jù)和機(jī)器數(shù)據(jù)。比如營銷領(lǐng)域，之前可以拿到大部分是線上數(shù)據(jù)，用戶點(diǎn)擊的廣告、網(wǎng)頁的瀏覽行為。IoT的發(fā)展，通過WIFI、藍(lán)牙、攝像頭等方式，可以監(jiān)測到用戶的線下行為，打通了整個閉環(huán)。
用戶在線上看廣告，官網(wǎng)瀏覽商品，再到實(shí)體店體驗(yàn)、購買，實(shí)現(xiàn)線上和線下的融合，有更多方式去提升轉(zhuǎn)化效率。
云計(jì)算使數(shù)據(jù)更容易匯聚，降低數(shù)據(jù)收集的難度，AI技術(shù)增強(qiáng)了數(shù)據(jù)分析能力。智能財(cái)稅領(lǐng)域，針對小微企業(yè)的代賬市場，傳統(tǒng)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(shù)據(jù)匯聚到云端，而依靠機(jī)器學(xué)習(xí)等AI技術(shù)，實(shí)現(xiàn)自動做賬、自動報(bào)稅。
過去每名會計(jì)最多服務(wù)20到30家企業(yè)，但是依靠SaaS、大數(shù)據(jù)、AI技術(shù)等研發(fā)的代賬軟件，可以服務(wù)100到200家，未來還會進(jìn)一步提升。這會使得傳統(tǒng)代賬公司的重心會放在獲客和增值服務(wù)，而非基礎(chǔ)做賬業(yè)務(wù)，代賬公司的服務(wù)半徑擴(kuò)大。
多項(xiàng)技術(shù)融合后，客戶的需求會更加多樣化、復(fù)雜化，因此，我們判斷做整體解決方案的公司機(jī)會最大。
從產(chǎn)業(yè)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(biāo)桿客戶。
提供單點(diǎn)能力的大數(shù)據(jù)公司，更多是技術(shù)提供方的角色，無法解決客戶全部需求，在客戶預(yù)算中只能占到很小的份額，集成商會占據(jù)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(wù)，因此有機(jī)會從原來的技術(shù)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(shù)據(jù)公司能夠觸及的預(yù)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(chǎn)品拿下了很多500強(qiáng)的客戶，但現(xiàn)在支撐他高速增長的是SDS和SDN業(yè)務(wù)。
SDN業(yè)務(wù)是VMware收購了一家初創(chuàng)公司Nicira發(fā)展起來的。Nicira被收購的時候沒什么收入，但VMware的SDN業(yè)務(wù)，只花了三年時間就做到10億美金的收入。拋開技術(shù)原因，另一個原因是VMware有很強(qiáng)的客戶資源，更有機(jī)會把他的新產(chǎn)品推向客戶。
第三，降低獲取其他客戶的門檻。
企業(yè)服務(wù)市場，獲客具備非常高的門檻，尤其對于初創(chuàng)公司獲取客戶信任的周期很長。金融大數(shù)據(jù)公司進(jìn)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(biāo)桿客戶，再去向同類公司進(jìn)行推廣的時候，難度會大大降低。標(biāo)桿客戶具備燈塔效應(yīng)，不論是服務(wù)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(jī)會把場景做深，提高價值。
零售領(lǐng)域，很多公司從營銷做起，但很難切入到庫存管理、供應(yīng)鏈管理。因?yàn)檫@些公司多數(shù)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(shù)據(jù)平臺做起，更有機(jī)會從前端營銷切入到后端業(yè)務(wù)，通過數(shù)據(jù)去打通各個環(huán)節(jié)。
這也是因?yàn)楫?dāng)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(shù)據(jù)公司需要將業(yè)務(wù)做重，單純一個很輕的產(chǎn)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(shù)據(jù)的產(chǎn)業(yè)圖譜，包括我們對每個細(xì)分領(lǐng)域的判斷。這張圖是我們對整個大數(shù)據(jù)的劃分，從底層基礎(chǔ)平臺到上層行業(yè)應(yīng)用，分為四大細(xì)分領(lǐng)域。
基礎(chǔ)平臺分為交易型數(shù)據(jù)庫、分析型數(shù)據(jù)庫和圍繞這兩類數(shù)據(jù)庫的計(jì)算引擎。
基礎(chǔ)平臺往上有兩個方向，一個是數(shù)據(jù)的方向，一個是技術(shù)的方向。數(shù)據(jù)方向有兩類廠商，按照是否具備數(shù)據(jù)源分為第一方和第三方。技術(shù)方向是指大數(shù)據(jù)平臺之上，具備通用性的數(shù)據(jù)處理的技術(shù)，包括 BI與可視化、日志分析等。
行業(yè)應(yīng)用更多的是直接面向一個個場景，用大數(shù)據(jù)技術(shù)去解決各個行業(yè)的場景去落地的公司。
這是我們總結(jié)的大數(shù)據(jù)市場規(guī)模。市場規(guī)模最大的是行業(yè)應(yīng)用，基礎(chǔ)平臺是市場規(guī)模最小的細(xì)分領(lǐng)域。
根據(jù)我們的調(diào)研，2017年整個中國大數(shù)據(jù)的市場規(guī)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(lǐng)域市場規(guī)模，我們首先看全球市場BI的市場規(guī)模，全球BI的市場規(guī)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(yīng)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(guī)模大概是135億人民幣。
再比如，行業(yè)應(yīng)用中的工業(yè)大數(shù)據(jù)，通過我們測算大概是100億人民幣市場規(guī)模。我們的方法是通過行業(yè)成熟企業(yè)的投入比例，去推斷大數(shù)據(jù)在整個工業(yè)產(chǎn)值的比例。國家電網(wǎng)2017年?duì)I收在2萬億，每年在大數(shù)據(jù)的總投入是5億。金風(fēng)科技2017年?duì)I收260億，在大數(shù)據(jù)的投入在500-1000萬之間，由此可以判斷規(guī)模以上的企業(yè)投入比例大概為1-2%。
另一類是Bottom Up。重點(diǎn)看頭部公司它的收入和市場份額?；A(chǔ)平臺這個市場，我們主要看Oracle，因?yàn)樗鞘姓悸首罡叩墓尽?017年亞太地區(qū)的收入是45-50億美金的數(shù)據(jù)，其中數(shù)據(jù)庫的比例大概會占到30%左右，所以是十幾億美金規(guī)模，中國市場收入會比這個數(shù)據(jù)要低，Oracle的占有率是在40%至50%之間。因此我們判斷國內(nèi)的基礎(chǔ)平臺的市場規(guī)模在100億左右。
再比如AI平臺，我們判斷AI平臺（數(shù)據(jù)科學(xué)平臺）這個領(lǐng)域是20多億的規(guī)模，主要是考慮國內(nèi)市場，這個領(lǐng)域最大的公司是SAS，每年收入30億美金，在亞太地區(qū)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(guī)模會在25億上下。
從各個細(xì)分領(lǐng)域來看，我們還是會去重點(diǎn)關(guān)注大數(shù)據(jù)的行業(yè)應(yīng)用，大數(shù)據(jù)的最大價值肯定是體現(xiàn)在行業(yè)應(yīng)用。
從政府的大數(shù)據(jù)發(fā)展規(guī)劃來看，2020年整個大數(shù)據(jù)市場規(guī)模將達(dá)到1萬億。但從IT投入來看，2017年IT軟件與服務(wù)的投入只有1500億。因此，未來大數(shù)據(jù)廠商切的主要預(yù)算不會來自IT，而是業(yè)務(wù)預(yù)算。只有做行業(yè)應(yīng)用的公司才更有機(jī)會拿到業(yè)務(wù)預(yù)算。因此，我們判斷，行業(yè)應(yīng)用會是未來最大的細(xì)分領(lǐng)域。
我們重點(diǎn)關(guān)注的是金融、政務(wù)這兩個領(lǐng)域，主要去通過大數(shù)據(jù)在各行各業(yè)的成熟度判斷。根據(jù)愛分析大數(shù)據(jù)成熟度模型，我們主要從市場規(guī)模、基礎(chǔ)設(shè)施和應(yīng)用范圍去判斷各行業(yè)的成熟度，大數(shù)據(jù)在各行業(yè)的滲透情況。
首先，通過我們的分析，現(xiàn)在最成熟的是互聯(lián)網(wǎng)、金融、政務(wù)。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(wù)每年的IT投入大概是800億。
這兩個行業(yè)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(yùn)營商資源。去除掉這部分，金融和政務(wù)加起來會占到總投入的20%以上，現(xiàn)階段大數(shù)據(jù)投入主要還是來自IT預(yù)算。
其次，互聯(lián)網(wǎng)、金融和政務(wù)，信息化建設(shè)是最完善的，這里的信息化建設(shè)不光是基礎(chǔ)業(yè)務(wù)系統(tǒng)搭建，還包括數(shù)據(jù)的標(biāo)準(zhǔn)化、結(jié)構(gòu)化程度。醫(yī)療的基礎(chǔ)設(shè)施相對完善，IT投入也很高，但我們不認(rèn)為它會優(yōu)先爆發(fā)的原因，就是數(shù)據(jù)標(biāo)準(zhǔn)化的問題。
數(shù)據(jù)業(yè)務(wù)鏈條上，現(xiàn)在能走通的就是金融和互聯(lián)網(wǎng)，醫(yī)療領(lǐng)域的數(shù)據(jù)標(biāo)準(zhǔn)化還在建立當(dāng)中。數(shù)據(jù)標(biāo)準(zhǔn)化程度高，才更容易產(chǎn)生深度的應(yīng)用。
第三，金融和政務(wù)兩個領(lǐng)域的公司，發(fā)展最快、體量最大。根據(jù)我們的調(diào)研，2017年，像TalkingData、同盾科技、百融金服等公司，他們的確認(rèn)收入都已經(jīng)超過了1億人民幣，而1億人民幣收入是企業(yè)服務(wù)公司一個很大的門檻。
通用技術(shù)領(lǐng)域，我們會去關(guān)注那些有機(jī)會切入到行業(yè)應(yīng)用的公司。BI與可視化、用戶行為分析、AI平臺等領(lǐng)域，直接面向客戶的應(yīng)用問題，更有機(jī)會切入到行業(yè)應(yīng)用。
比如用戶行為分析里面的神策數(shù)據(jù)、GrowingIO等公司，第一個直接的方向是營銷大數(shù)據(jù)，這樣以來會從原本工具軟件這個比較小的細(xì)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(shù)據(jù)服務(wù)市場，我們也會看它和行業(yè)應(yīng)用的結(jié)合，我們判斷純粹的數(shù)據(jù)交易公司機(jī)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(fā)布，對數(shù)據(jù)隱私、數(shù)據(jù)合規(guī)性的要求大大提升，這會對第一方數(shù)據(jù)公司是個利好，但第三方數(shù)據(jù)公司的業(yè)務(wù)受到很多限制。行業(yè)標(biāo)桿客戶也更愿意與有品牌、合規(guī)的公司合作。
第二， 數(shù)據(jù)既然要和應(yīng)用去結(jié)合，那么就需要熱數(shù)據(jù)，能夠持續(xù)不斷更新的數(shù)據(jù)，第一方數(shù)據(jù)公司更容易實(shí)現(xiàn)這一點(diǎn)，因此數(shù)據(jù)本身就是他們業(yè)務(wù)不斷產(chǎn)生的。對第三方公司來說，匯聚多方數(shù)據(jù)，持續(xù)更新的成本較高。
基礎(chǔ)平臺市場，我們認(rèn)為新需求帶來的增量市場更值得關(guān)注?；谛袠I(yè)應(yīng)用、數(shù)據(jù)分析產(chǎn)生的需求，也就是分析型數(shù)據(jù)庫的市場。
交易型數(shù)據(jù)庫市場進(jìn)入門檻太高，替代銀行等頭部客戶生產(chǎn)環(huán)境下的數(shù)據(jù)庫非常困難，這里面存在著數(shù)據(jù)丟失等風(fēng)險，這是大企業(yè)很難接受的。而分析型數(shù)據(jù)庫基本都是搭建在離線場景，不存在這方面的風(fēng)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(shù)據(jù)庫。全球基礎(chǔ)平臺市場規(guī)模是460億美金，這里面50-60%是交易型數(shù)據(jù)庫，40-50%是分析型數(shù)據(jù)庫，但國內(nèi)的分析型數(shù)據(jù)庫只有10%的份額，未來滲透率還有很大的提升空間。
