中国大数据交易白皮书|免费下载.pdf

《中国大数据交易白皮书|免费下载.pdf》由会员分享，可在线阅读，更多相关《中国大数据交易白皮书|免费下载.pdf（314页珍藏版）》请在悟道方案网上搜索。

1、中国大数 据交易 白皮书 (2015 年 ) 中国 贵州贵阳 2015 年 5 月 26日 1 目录  1 全球大数据产业发展现状及交易发展趋势 . 1 1.1 全球大数据发展现状及数据交易 . 1 1.1.1 大数据发展概述 . 1 1.1.2 欧盟大数据发展战略 . 3 1.1.3 亚洲大数据发展现状 . 5 1.2 大数据发展趋势 . 7 2 全球大数据交易现状 . 9 2.1 全球大数据交易现状 . 9 2.2 全球大数据市场规模 . 9 2.3 全球大数据市场结构及应用领域  11 3 全球主要大数据公司介绍  12 3.1 IBM . 12 3.2 H

2、P 13 3.3 Splunk 13 3.4 Dell 14 3.5 Opower 15 3.6 Teradata 15 3.7 Oracle 16 3.8 Microsoft . 16 3.9 Amazon 16 3.10 Google 17 3.11 SAP . 17 3.12 EMC . 18 4 全球大数据产业法律法规及监管政策  19 4.1 大数据推动战略及配套措施  19 4.1.1 战略举措  19 4.1.2 政策支持  20 4.2 监管措施  22 4.3 总结  23 5 全球大数据交易现状  24

3、6 全球大数据及交易所发展历史回顾  26 7 中国贵阳大数据交易所价值及意义  29 7.1 贵阳大数据交易所介绍  29 7.1.1 交易所业务定位  30 7.1.2 交易所交易时间  31 7.1.3 交易的数据类型  31 7.1.4 交易所的产品定价  31 7.2 大数据交易所的意义  32 8 世界主要国家大数据产业政策及发展现状  34 8.1 美国  34 2 8.1.1 产业相关政策及数据交易现状  34 8.1.2 市场规模及需求分析  41 8.1.

4、3 主要公司核心竞争力分析  44 8.2 英国  51 8.2.1 产业相关政策及数据交易现状  52 8.2.2 市场规模及需求分析  55 8.2.3 主要公司核心竞争力分析  57 8.3 日本  59 8.3.1 产业相关政策及数据交易 现状  59 8.3.2 市场规模及需求分析  63 8.3.3 主要公司核心竞争力分析  64 8.4 新加坡  69 8.4.1 产业相关政策及数据交易现状  69 8.4.2 市场规模及需求分析  72 8.4.3 主要公司核

5、心竞争力分析  72 8.5 法国  74 8.5.1 产业相关政策及数据交易现状  74 8.5.2 市场规模及需求分析  77 8.5.3 主要公司核心竞争力分析  81 8.6 德国  83 8.6.1 产业相关政策及数据交易现状  84 8.6.2 市场规模及需求分析  87 8.6.3 主要公司核心竞争力分析  88 8.7 印度  91 8.7.1 产业相关政策及数据交易现状  91 8.7.2 市场规模及需求分析  94 8.7.3 主要公司核心竞争力分析 &n

6、bsp;97 9 中国大数据交易现状 . 101 9.1 中国大数据交易现状分析 . 101 9.1.1 产业政策 . 102 9.1.2 交易现状 . 105 9.1.3 市场规模 . 105 9.1.4 市场供给结构及应用领域 . 109 9.1.5 发展趋势 . 110 9.2 金融大数据交易现状分析 . 111 9.2.1 产业政策及交易现状 . 111 9.2.2 市场规模及需求分析 . 123 9.2.3 竞争格局 . 126 9.2.4 主要公司核心竞争力分析 . 127 9.3 政府大数据交易现状分析 . 132 9.3.1 产业政策及交易现状 . 133 9.3.2 市场规模

7、及需求分析 . 135 9.3.3 竞争格局 . 139 9.3.4 主要公司核心竞争力分析 . 141 3 9.4 医疗大数据交易现状分析 . 143 9.4.1 产业政策及交易现状 . 144 9.4.2 市场规模与需求分析 . 151 9.4.3 竞争格局 . 160 9.4.4 主要公司核心竞争力分析 . 161 9.5 企业大数据交易现状分析 . 166 9.5.1 产业政策及交易现状 . 166 9.5.2 市场需求及市场规模 . 172 9.5.3 竞争格局 . 175 9.5.4 主要公司核心竞争力分析 . 178 9.6 电商大数据交易现状分析 . 183 9.6.1 产业政

8、策及交易现状 . 184 9.6.2 市场规模及需求分析 . 191 9.6.3 竞争格局 . 193 9.6.4 主要公司核心竞争力分析 . 194 9.7 能源大数据交易现状分析 . 197 9.7.1 产业政策及交易现状 . 197 9.7.2 市场规模及需求分析 . 202 9.7.3 竞争格局 . 204 9.7.4 主要公司核心竞争力分析 . 205 9.8 交通大数据交易现状分析 . 207 9.8.1 产业政策及交易现状 . 208 9.8.2 市场规模及需求分析 . 210 9.8.3 竞争格局 . 212 9.8.4 主要公司核心竞争力分析 . 212 9.9 教育大数据交

9、易现状分析 . 213 9.9.1 产业政策及交易现状 . 214 9.9.2 市场规模及需求分析 . 217 9.9.3 竞争格局 . 219 9.10 物流大数据交易现状分析 . 219 9.10.1 产业政策及交易现状 . 219 9.10.2 市场规模及需求分析 . 223 9.10.3 竞争格局 . 225 9.10.4 主要公司核心竞争力分析 . 226 9.11 电信大数据交易现状分析 . 228 9.11.1 产业政 策及交易现状 . 228 9.11.2 市场规模及需求分析 . 233 9.11.3 竞争格局 . 241 9.11.4 主要公司核心竞争力 分析 . 244 9

10、.12 农业大数据交易现状分析 . 247 9.12.1 产业政策及交易现状 . 247 9.12.2 市场规模与需求分 析 . 250 9.12.3 竞争格局 . 253 9.12.4 主要公司核心竞争力分析 . 254 4 9.13 气象大数据交易现状分析 . 257 9.13.1 产业相关政策及交易现状 . 257 9.13.2 市场规模及需求分析 . 259 9.13.3 竞争格局 . 260 9.13.4 主要公司核心竞争力分析 . 261 9.14 地理大数据交易现状分析 . 263 9.14.1 产业政策及交易现状 . 263 9.14.2 市场规模及需求分析 . 267 9.1

11、4.3 竞争格局 . 268 9.14.4 主要公司核心竞争力分析 . 269 9.15 环境大数据交易现状分析 . 271 9.15.1 产业政策及交易现状 . 271 9.15.2 市场规模及需求分析 . 278 9.15.3 竞争格局 . 282 9.15.4 主要公司核心竞争力分析 . 283 9.16 保险大数据交易现状分析 . 284 9.16.1 产业政策及交易现状 . 285 9.16.2 市场规模及需求分析 . 287 9.16.3 竞争格局 . 290 9.16.4 主要公司核心竞争力分析 . 291 9.17 互联网大数据交易现状分析 . 294 9.17.1 产业政策及

12、交易现状 . 294 9.17.2 市场规模及需求分析 . 296 9.17.3 竞争格局 . 299 9.17.4 主要公司核心竞争力分析 . 299 1 图目录  图表 1: 大数据全球重视度分布图 . 1 图表 2：欧盟大数据战略主要内容 . 3 图表 3：亚 洲主要大数据公司介绍 . 5 图表 4：大数据发展趋势 . 7 图表 5： 2012-2020年全球大数据市场规模  10 图表 6：部分国 家主要企业在大数据方面的平均支出  11 图表 7：全球大数据各细分领域市场份额  11 图表 8: 2014年部分企业的大数据收入规模 . 12 图

13、表 9: SPLUNK发展历程 . 14 图表 10：国家大数据战略 . 19 图表 11：主要国家大数据战略对比 . 20 图表 12： 2010年之后主要国家数据共享政策  20 图表 13：大数据发展历程一览表 . 26 图表 14：贵阳大数据交易所十大标准及规范 . 30 图表 15：贵阳大数据交易所产品定价影响因素 . 32 图表 16: 美国大数据领域大事记 . 34 图表 17: 隐私保护法规 . 36 图表 18: 美国大数据主要应用领域 . 38 图表 19: 美国主要创业型公司及业务领域统计 . 40 图表 20： 2013年大数据厂商收入排名 . 41 图表 2

14、1: 15家主要公司大数据收入对比  43 图表 22: IBM2002年以来 6次出售硬件业务 . 45 图表 23: IBM2004年各项业务份额 . 45 图表 24: IBM2013年各项业务份额 . 46 图表 25: 近 6年谷歌广告收入增长率 . 47 图表 26: 近 6年谷歌销售毛利率 . 48 图表 27: 2011-2013年 SPLUNK收入及毛利率  50 图表 28: 3家大数据公司 2013年费用对比  51 图表 29: 英国政府大数据领域投资大事记 . 51 图表 30: 英国数据能力发展要求 . 52 2 图表 31: 英国政府

15、大数据产业委员会一览表 . 53 图表 32: 2015年英国大数据产业市场需求占 比预估  56 图表 33: 2013年全球政府数据开放程度排名  58 图表 34: 日本大数据国家战略 . 59 图表 35: 日本 大数据相关产业政策汇总 . 60 图表 36: 2012-2020年日本大数据市场规模与增长 . 63 图表 37: 新加坡大数据主要政策 . 69 图表 38: 大数据对欧洲 28 国 GDP增长额的影响  77 图表 39: 各行业的大数据对 GDP增速的影响 . 78 图表 40: 安永对法国大数据成熟度调查 . 79 图表 41: 法国公

16、司专门数据处理团队人数 . 80 图表 42: 大数据公司梯队分布 . 81 图表 43: 2013年全球创新型大数据公司占比  82 图表 44: 德国大数据战略大事记 . 83 图表 45：各行业大数据对德国 GDP的影响 . 87 图表 46: 大数据在工业、交通、能源、医疗产业的融合 . 88 图表 47: 印度大数据发展面临的主要挑战 . 94 图表 48: 印度对大数据投资的优先度 . 95 图表 49: 印度市场大数据的使用分布 . 96 图表 50: 大数据技术与方案对企业盈利的认知 . 96 图表 51: 印度与各国使用大数据主动性对比 . 97 图表 52: 大数

17、据公司梯队分布 . 97 图表 53：印度排名前三大数据公司总营业额 . 99 图表 54：大数据产业链划分图表  101 图表 55： 2014年中国部分部委大数据发展支 持情况 . 102 图表 56： 2014年中国部分部委大数据支撑项目 . 103 图表 57： 2014年中国各地政府支持大数据情况 . 104 图表 58 ： 2012-2020 年中国大数据市场规模 . 106 图表 59： 2015年中国大数据细分市场规模占比 . 106 图表 60： 2012-2020年中国大数据基础设施建设市场规模  107 图表 61： 2012-2020年中国大数据软件

18、市场规模  107 图表 62： 2012-2020年中国大数据应用市场规模  108 3 图表 63： 2011-2016年全球大数据和中国的市场规模  109 图表 64： 2014年中国大数据供给结构图 . 109 图表 65： 2014年中国大数据典型行业应用 . 110 图表 66：各 地互联网金融政策出台汇总表  113 图表 67：中国金融行业大数据投资结构图  115 图表 68：银行外部数据需求类型  117 图表 69：银行大数据应用结构图  118 图表 70：证券信息服务市场规模  119

19、图表 71： 2014-2020年中国金融大数据应用市场规模  123 图表 72：中国 IT 应用行业投资结构 . 124 图表 73：中国推动政府大数据产业发展政策一览表  133 图表 74： 2014-2020年政府大数据应用市场规模  136 图表 75： 2009-2016年中国电子政务投资规模及增长率  137 图表 76：政府大数据产业需求排名  138 图表 77：中国主要的移动通讯企业在政府大数据产业 的发展  142 图表 78：中国医疗健康市场长尾需求  143 图表 79; 医疗大数据行业主要政策

20、 144 图表 80: 2014年互联网医疗行业各轮融资占 比 . 146 图表 81: 医疗大数据应用流程  148 图表 82: 医疗大数据的应用  148 图表 83： 2014-2020年中 国医疗大数据应用市场规模  152 图表 84：医疗大数据发展较为领先的互联网医疗细分 市场  152 图表 85：截至 2014年 10月中国医疗机构数量比例  153 图表 86： 2014-2020年中国医疗机构 IT支出 . 153 图表 87： 2014-2020年中国 B2C医药电商交易规模  154 图表 88：

21、2014-2020年中国移动医疗市场规模  155 图表 89： 2014-2020年中国医疗可穿戴设备市场规模  156 图表 90：多元化的医疗健康市场需求  157 图表 91： 截至 2014年中国健康问题人口数 量  157 图表 92： 2014-2020年中国健康保费收入  158 图表 93： 2014年研发超过 2亿元的 16家上市药企  159 图表 94：医疗大数据细分领域领先企业  160 4 图表 95：东软集团在医疗健康市场布局  162 图表 96：阿里健康 APP服务内容  

22、;163 图表 97：春雨医生商业模式  165 图表 98：九安医疗发展模式  166 图表 99：企业大数据发展轨迹  168 图表 100：企业大数据相关政策 . 172 图表 101：截止 2013年中国企业总数及类型分布  173 图表 102： 2014年 3月 -2014年 10月新登记注册企业户数变化情况  173 图表 103： 2014-2020 年中国企业大数据应用市场规模 . 174 图表 104：企业数据结构 . 175 图表 105：企业大数据来源 . 176 图表 106：大数据产业链重要企业名录 . 176 图表

23、 107： 2014 2020年中国电子商务大数据应用市场规模  192 图表 108： 2014年能源局政策领域分布  198 图表 109： 2014年能源局新能源领域政策分布  198 图表 110：与能源大数据相关的政策梳理 . 199 图表 111; 油气田大数 据平台 . 200 图表 112: 油气田勘探开发数据处理平台 . 200 图表 113: 2008-2013 中国能源消耗占比 . 202 图表 114: 2014-2020 年中国能源大数据市场应用规模 . 203 图表 115: 能源大数据领域竞争格局 . 204 图表 116: 能源行业

24、应用的典型案例 . 206 图表 117: 2014年 -2020年中国交通领域大数据市场规模及增长情况 . 211 图表 118: 2014-2020 年中国教育大数据应用市场规模 . 218 图表 119: 物流大数据相关政策汇总 . 220 图表 120: 2014-2020 年中国物流大数据应用市场规模 . 224 图表 121: 2008-2014 年中国快递量统计 . 224 图表 122: 物流行业对大数据的需求方面 . 225 图表 123: 电信大数据分类 . 229 图表 124: 电信核心数据来源 /去向示意  230 图表 125: 电信大数据交易分析 . 2

25、31 图表 126: 电信大数据产业相关政策 . 232 5 图表 127: 电信行业饱和率 . 234 图表 128: 中国宽带接入量 . 234 图表 129: 2014年上半年电信业务量统计表  235 图表 130: 中国电信大数据市场规模预测 . 236 图表 131: 三大运营商大数据投资预测 . 236 图表 132: 中国电信大数据市场需求分析 . 237 图表 133: 中国电信行业竞争格局 . 242 图表 134：中国农业大数据现状 . 247 图表 135：中国农业大数据发展历程 . 248 图表 136：农业大数据类型及数据量 . 251 图表 137： 2

26、014 2020中国农业大数据应用市场规模  252 图表 138: 农业大数据全国竞争格局 . 253 图表 139: 量子数聚（北京）科技有限公司优劣势分析 . 255 图表 140: 农业大数据产业技术创新战略联盟成员 . 255 图表 141: 气象大数据相关产业政策汇总 . 257 图表 142: 2012-2020 年中国气象大数据应用市场规模 . 260 图表 143: 气象大数据公司梯队分布 . 261 图表 144: 地理信息生产大数据主要途径 . 265 图表 145: 环境大数据相关政策分布 . 272 图表 146：数据采集 ETL结构 . 273 图表 14

27、7：环境信息数据仓库系统架构 . 274 图表 148： 2014-2020 年中国环境大数据应用市场规模 . 279 图表 149: 2013 年中国废气中主要污染物排放量  279 图表 150： 2015年十大水系水质类别比列  280 图表 151：中国生活污水排放量与工业污水排放量 . 281 图表 152: 中国环境大数据企业及机构 . 283 图表 153: 2005-2013 互联网保险相关政策一览表 . 285 图表 154： 2006-2014 年中国互联网保费收入 . 288 图表 155: 保险业数据信息服务市场规模预测 . 288 图表 156：

28、2014-2020 年中国保险大数据应用市场规模 . 289 图表 157：保险行业大数据应用 . 290 图表 158: 互联网大数据相关政策 . 294 6 图表 159： 2014-2020 年中国互联网大数据应用市场规模 . 297 图表 160: 企业大数据平台使用情况 . 298 图表 161: 企业大数据研发团队规模 . 298 图表 162: 公有云平台选择分布情况 . 299 图表 163：百度大数据引擎结构图 . 301 图表 164：阿里巴巴数据化运营结构图 . 302 1 1 全球大数据产业发展现状及 交易 发展趋势  1.1 全球大数据发展现状 及数据交易

29、 1.1.1 大数据发展概述  我们正处在一个数据爆发增长的时代。移动互联网、移动终端和数据感应器的出现，使 数据以超出人们想象的速度在快速增长。据国际数据资讯公司 (G lobalPulse)估测，数据数 量一直在快速增加，这个速度不仅是指数据流的增长，而且还包括全新的数据种类的增多。 目前数据容量增长的速度，已经大大超过了硬件技术的发展速度，并正在引发数据存储和处 理的危机。据统计， 2013年全球产生的数据达到 3.5ZB， 到 2020年产生的数量将增至 44ZB， 超出存储空间 6ZB(1ZB 相当于 343.6亿部 32GB智能手机 的存储容量 )。  

30、;“大数据”一词来自于未来学家托夫勒于 1980 年所著的第三次浪潮。最早开始对大 数据进行应用探索的是 2005 年雅虎公司的 Hadoop 项目。 Hadoop 其最初只是用来解决网页 搜索问题的一个项目，后被 Apache Software Foundation公司引入并成为开源应用。 Hadoop 是由多 个软件产品组成的一个生态系统，这些软件产品共同实现全面功能和灵活的大数据分 析。  （说明：颜色越深则该地区越重视大数据软件和服务，反之亦然。）  图表 1: 大数据全球重视度分布图  （来源： The Emerging Big Returns on B

31、ig Data: A TCS 2013 Global Trend Study， pp8）  世界上许多国家都已经认识到了大数据所蕴含的重要战略意义，纷纷开始在国家层面进 2 行战略部署，以迎接大数据技术革命正在带来的新的机遇和挑战。 以美国为代表的发达国 家在推进大数据上已经形成了从发展战略、法律框架到行动计划的完整布局。  美国在大数据研究和发展倡议中，提出将通过收集庞大而复杂的数字资料，从中获 得知识和洞见，以提升能力。并协助加速在科学、工程上发现的步伐，强化美国国土安全， 转变教育和学习模式。根据这一计划，美国希望利用大数据技术实现在多个领域的突破，包 括科研教学、环

32、境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美 国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等 6 个联邦部门和机构。  印 度 拥有世界第二多人口数的印度，近两年也持续运用大数据，期许打造出一个更便利、 更近民的智慧城市。 印度全国软件与服务企业协会 (Nasscom)预计，印度大数据行业规模在 三年内将快速增长，是当前规模的六倍，同时还是全球大数据行业平均增长速度的两倍。对 于印度的整个 IT 行业来说，大数据时代的到来会创造更多更新的机遇。  英国政府 2012年时计划在未来两年内，在大数据和节能计算研究上投资 1

33、.89亿英镑， 以带动企业在该领域的投资。大数据被英国看作是自己的优势所在，且英国认为已在政府层 面为大数据做好了准备。  法国政府在 2013 年投入近 1150万欧元，用于 7个大数据市场研发项目。目的在于 “ 通 过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展。 ” 法国政府在 数字化路线图中列出了五项将大力支持的战略性高新技术，大数据就是其中一项。  日本在 2012新一轮 IT 振兴计划中，将发展大数据作为国家战略层面提出，重点关注大 数据应用技术，如社会化媒体等智能技术的开发、新医疗技术的开发、以及交通拥堵治理等 公共领域的应用。  

34、;新加坡政府在大数据发展过程中充当了关键角色，抓住了大数据发展的五大关键要素： 基础设施、产业链、人才、技术和立法 ，弥补了企业的短板。新加坡政府很早就提出支持新 加坡企业采用大数据技术，利用大数据提升政府服务水平。  此外， 澳大利亚、 加拿大、新西兰、德国和印度等国也在大数据领域进行了研究部署， 还纷纷推出本国的公共数据开放网站，以使更多的人可以使用大数据资源，并从中获得利益。 目前，全球至少拥有大大小小的数据开放网站 50余个。  3 1.1.2 欧盟大数据发展战略  目前， 欧盟 及其成员国已经明确制定大数据发展战略，数据价值链不同阶段产生的价值 将成为未

35、来知识经济的核心，利用好数据可以为运输、健康或制造业等传统行业带来新的机 遇。  欧盟在大数据方面的活 动主要涉及四方面内容：研究数据价值链战略因素；资助 “ 大数 据 ” 和 “ 开放数据 ” 领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成 果和数据的使用及再利用。  图表 2： 欧盟大数据战略主要内容  （来源：贵阳大数据交易所）  （ 1）数据价值链战略计划  欧盟委员会正在研究制定数据价值链战略计划，以实现数据的最大价值，重点是通过一 个以数据为核心的连贯性欧盟生态体系，让数据价值链的不同阶段产生价值。数据价值链的 概念

36、为数据的生命周期，从数据产生、验证以及进一步加工后，以新 的创新产品和服务形式 出现的利用和再利用。  数据价值链战略计划遵循的主要原则是：高质量数据的广泛获得性，包括公共资助数据 4 的免费获得；作为数字化单一市场一部分，欧盟内数据的自由流动；寻求个人潜在隐私问题 与其数据再利用潜力之间的适当平衡，同时赋予公民以其希望形式使用自己数据的权利。  这一计划的重点是培育一个连贯的欧洲数据生态系统，促进围绕数据的研究和创新工 作，采纳数据服务及产品，采取具体行动，改善数据价值提取的框架条件，包括基础能力、 基础设备、标准以及有利的政策和法规环境。目前正在单一战略框架下制定一系列

37、重点行动 ， 解决数据价值链中与价值创造相关的大量交叉问题。  数据价值链战略计划包括开放数据、云计算、高性能计算和科学知识开放获取四大战略。   数据开放战略  欧盟认为，为加强创新潜力，应尽可能的以最好的方式使用资源，这些创新资源就是数 据，开放数据将成为新的就业和经济增长的重要工具。为了应对这一变革， 2010 年 11 月 欧盟通信委员会向欧洲议会提交了 “ 开放数据：创新、增长和透明治理的引擎 ” 的报告， 报告以开放数据为核心，制定了应对大数据挑战的战略。   云计算战略  2012 年 9 月，欧委会通过公布了 “ 释放欧洲云计算

38、服务潜力 ” 战略 ， 战略计划通过两 年时间，把欧盟打造成云计算服务的强势集团，为 2014-2020 年期间的欧盟云起飞（ Cloud Take-off ）夯实基础。欧盟云计算战略及三大关键行动分别为 ： 规范和简化的云计算标准； 云计算安全和公平的合同条款及条件；建设欧盟云计算伙伴关系，驱动创新和增长。其它的 具体行动举措还包括：数据保护、网络安全、信任举措、云计算互操作性、宽带部署、在线 服务、公共行业首先参与云计算和国际对话与合作等。目前欧盟已成立 6个战略实施工作小 组，具体涉及云标准协调、服务标准协议、认证计划、行为守则、专家研究小 组和云伙伴关 系。   高性能计算战

39、略  在欧盟第七框架计划和 “ 地平线 2020 ” 计划下的研究和创新支持可扩展的高性能计 算系统，如 micro-server/form-factor 数据中心的概念。小型 “ 数据中心式开箱 ” 可以单 独部署或集中在嵌入式系统在汽车或电话交换机，或者可以在大规模地聚集成为一个云服务 器 如处理单元（ GPU）或者高性能计算（ HPC）系统。   科学知识开放获取  5 科学知识开放获取的目标是提高欧盟层面和成员国层面政府资助的科学研究的影响力，  2012-2013 年，欧盟委员会投入 4500 万欧元建设支 持开放共享和科学信息长期保存的基础

40、设施，并与各个相关利益团体就开放共享和数字信息保存工作进行对话，同时建议各成员国： 制定本国的公共资助科研论文开放共享政策，探索科学数据开放共享和科学信息长期保存， 支持相应的基础设施建设。 2012 年 7 月 17 日，欧盟委员会发布开放共享政策，宣布欧盟  Horizon 2020 计划所资助科研论文全部实行开放共享。 2013年 12月 25 日，欧盟委员会宣 布启动试点，开放公共资助研究数据， 2014-2015年，参与开放研究数据试点的关键领域的 项目将获得约 30 亿欧元的经费。  （ 2）资助 “ 大 数据 ” 和 “ 开放数据 ” 领域的研究和创新活动 &

41、nbsp;欧盟委员会在资助 “ 大数据 ” 和 “ 开放数据 ” 领域的研究和创新活动外，还启动 “ 连接 欧洲设施 ” （ Connecting Europe Facility ， CEF）计划，采取权益和债务证券及补助相结 合的形式促进数字基础设施的建设。在 2014年 1 月的信息和网络日上，欧盟委员会确定了 “ 地平线 2020 ” 连接欧洲设施计划的 2014-2015 年工作内容。  （ 3）实施开放数据政策  开放数据政策一方面制定公共信息再利用的法规和国家执行规则以及欧盟委员会自身 数据再利用规则；另一方面支 持公共部门信息开放活动，此外还搭建开放数据平台。

42、  （ 4）促进公共资助科研实验成果和数据的使用及再利用  促进公共资助科研试验成果和数据的使用和再使用也称科学知识开放获取。  1.1.3 亚洲大数据发展现状  整体来说，相比欧洲，亚洲大数据发展相对落后，在大数据发展过程中，更多的还是探 索及学习阶段。目前，亚洲的很多大数据公司都在海外市场进行了相关市场探索。未来，亚 洲市场将有望成为大数据业务的主战场，因为世界总人口的 60%都居住在亚洲，且亚洲上网 人数在不断上升。  图表 3： 亚洲主要大数据 公司介绍  公司名称 公司简介  6 Aureus Analytics

43、总部位于新加坡的大数据分析公司 Aureus Analytics 为企业提供集成的大 数据分析平台，使企业不用再为理解客户需求、分析业务风险和找出运营低 效之处而网罗多种分析工具。  Mu Sigma 位于印度班加罗尔的 Mu Sigma 公司成立于 2004 年，帮助企业利用大数据建 立数据驱动的决策制度。  Fractal Analytics Fractal Analytics 组建于 2000 年，为企业 (消费品公司、零售商和金融机 构 )提供理解、预测和培养消费 者行为，及改善市场营销、定价、供应链、 风险管控和索赔管理的工具。  Manthan Sof

44、tware Services 位于班加罗尔的 Manthan软件服务公司为企业提供商务智能和大数据分析解 决方案。  Crayon Data Crayon Data 成立于 2012 年，总部分别在印度钦奈和新加坡。与常规的以人 为本的分析模式不同， Crayon 通过融合企业、公众、外部网络和社交数据打 造能产生真正的业务解决方案的工具。  Heckyl Technologies 成立于 2010 年，为经纪公司、短线交易员、投资者和基金 经理提供实时新 闻与数据分析平台。  Spire Technologies 总部位于班加罗尔的 Spire Technolo

45、gies 为企业管理他们的人才需求提供 上下文搜索引擎。  Altizon Systems Altizon 是基于大数据的物联网初创企业，其主要关注点在工业互联网上。  TookiTaki TookiTaki 是一家专注于受众发掘与预测的市场营销情报初创企业。  Corporate360 成立于 2012 年，为企业提供 IT 销售数据分析服务。  （来源：贵阳大数据交易所）  7 1.2 大数据发展趋势  图表 4： 大数据发展趋势  （来源：贵阳大数据交易所）   成为重要战略资源  在未来一段时间内

46、，大数据将成为企业、社会和国家层面重要的战略资源。大数据将不 断成为各类机构，尤其是企业的重要资产，成为提升机构和公司竞争力的有力武器。企业将 更加钟情于用户数据，充分利用客户与其在线产品或服务交互产生的数据，并从中获取价值。 此外，在市场影响方面，大数据也将扮演重要角色 影响着广告、产品推销和消费者行为。   数据隐私标准将出台  大数据将面临隐私保护的重大挑战，现有的隐私保护法规和技术 手段难以适应大数据环 境，个人隐私越来越难以保护，有可能会出现有偿隐私服务，数据 “ 面罩 ” 将会流行。预计 各国都将会有一系列关于数据隐私的标准和条例出台。   与云计算深

47、度融合  大数据处理离不开云计算技术，云计算为大数据提供弹性可扩展的基础设施支撑环境以 8 及数据服务的高效模式，大数据则为云计算提供了新的商业价值。总体而言，云计算、物联 网、移动互联网等新兴计算形态，既是产生大数据的地方，也是需要大数据分析方法的领域。   分析方法发生变革  大数据分析将出现一系列重大变革。就像计算机和互联网一样，大数据可能是新一波的 技 术革命。基于大数据的数据挖掘、机器学习和人工智能可能会改变小数据里的很多算法和 基础理论，这方面很可能会产生理论级别的突破。   网络安全问题凸显  大数据的安全令人担忧，大数据的保护越

48、来越重要。大数据的不断增加，对数据存储的 物理安全性要求会越来越高，从而对数据的多副本与容灾机制提出更高的要求。网络和数字 化生活使得犯罪分子更容易获得关于人的信息，也有了更多不易被追踪和防范的犯罪手段， 可能会出现更高明的骗局。   以数据为中心的解决方案与应用的兴起  世界已经不再将应用作为独有的优势，相反，数据则能够带来在 B2B和 B2C 领 域内确立 独特优势的关键点。在数据管理中，以数据为中心的模式将会取代传统以应用为中心的模式。  9 2 全球大数据交易现状  2.1 全球大数据交易现状  从 2008 年开始，全球大数据交易市场

49、已经初见端倪，“数据市场”、“数据银行”，甚至 “数据公约”，交易市场在国外已经开始出现。 尽管大数据交易在国外快速发展 ，但大数据 交易在国外各国的环境不一样，需要花很多精力去做这个行业的规范，包括与政府的相关主 管部门去沟通等，这将是一个不断完善的过程。  对于海量并且瞬息万变的大数据来说，存储已然不是最终目标，如何从数据中获得包括 商业价值在内的红 利，才是其真正的意义所在。全球各个行业的数据存储量，每年都在以 50%多的速度暴增。由于缺乏规范的数据共享和交易渠道，不同行业间很难形成数据互利共 享，数据交易平台乃至交易所也就成为了迫切需求。  美国 Factual 公

50、司成立于 2008 年，不仅向大公司提供数据，同时也面向规模较小的软 件开发商，每一条信息都有 17到 40条的相关描述。按浮动价格向公司和独立软件开发商出 售数据，小规模的数据提供是免费的，大型客户需要支付的费用则会达到成百上千万美元。 包括 Facebook、 CitySearch、 AT 信息上 ,券商的海量客户信息将成为新 的生产要素。  121 9.2.1.2.3保险业金融大数据发展 及交易 现状  随着互联网、移动互联网以及大数据的发展，网络营销、移动营销和个性化的电话销售 的作用将会日趋显现，越来越多的保险公司注意到大数据在保险行业中的作用，同时传统保 险公司

51、积极同互联网巨头合作，打造大数据平台，提高自身服务及运用水平，如 马云、马化 腾和马明哲投资的众安在线正在尝试将通过与互联网公司的数据合作，创造互联网保险的新 型模式 。  保险金融大数据应用及交易  （ 1）客户细分和精细化营销  以淘宝运费退货险为例。据统计，淘宝用户运费险索赔率在 50%以上，该产 品对保险公 司带来的利润只有 5%左右，但是有很多保险公司都有意愿去提供这种保险。因为客户购买 运费险后保险公司就可以获得该客户的个人基本信息，包括手机号和银行账户信息等，并能 够了解该客户购买的产品信息，从而实现精准推送。假设该客户购买并退货的是婴儿奶粉， 保险

52、公司就可以估计该客户家里有小孩，可以向其推荐关于儿童疾病险、教育险等利润率更 高的产品。  （ 2）风险控制应用  通过大数据的分析可以解决现有的风险控制问题。比如，通过智能监控装置可以搜集驾 驶者的行车数据，甚至可以在社交媒体上搜集有关驾驶者的行为数据。如果一个人不 经常开 车，并且开车时十分谨慎的话，那么他可以比大部分人节省 30%40%的保费。这将大大的提 高保险的竞争力。例如来自普华永道的保险业首席分析师，杰米约德（ Jamie Yoder）在 他最近的一份分析报告中指出，寿险承保员可以通过安装在人身上的传感装置监测人们的健 身情况，评估人们的身体健康水平。 &nb

53、sp;9.2.1.2.4 信托业金融大数据发展 及交易 现状   信托依赖大数据将让业务变得更加深入  大数据在信托领域有着广泛的应用前景，它既是一种工具的创新，同时也是人类历史上 认识世界的方法论的一次创新。信托在业务最核心的流程中引 入了大数据的方法，对借款人 的净值调查采用了大数据，用大数据的方法，发现很多借款人在原来的净调过程中发现不了 的问题，取得了很好的效果，未来还将使用大数据的方法做信托项目运行过程中的风险监控。 大数据是一种工具，也是一种理念。  122 专注信托领域的数据服务商  聚信托作为平台，主要指通过信托研究、信托产品供销和信托人脉渠道管理等在线功能 管理平台，为客户提供信托资讯、产品批发与推介