大數據整體市場規模達1000億,金融、政務等行業應用佔據七成份額

..

獵雲註:愛分析在北京舉辦的中國大數據高峰論壇上,發佈了《中國大數據行業報告》。《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。文章來源:愛分析ifenxi(ID:ifenxicom)

大數據整體市場規模1000億,細分市場行業應用規模最大

《報告》顯示,整個大數據產業分為基礎平台、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,基礎平台整體市場規模在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。

大數據在金融、政務、互聯網成熟度最高

《報告》顯示,大數據在各行各業的成熟度與基礎設施、市場規模和應用範圍關係密切。

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,隨着「互聯網+政務」的普及、政務雲和政務大數據的落地,政府2017年IT投入超過800億元,佔中國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佔比高,數據標準化程度高。

雲計算、大數據、AI、IoT多項技術融合是未來趨勢,提供整體解決方案的公司機會最大

《報告》指出,與國外不同,中國市場雲計算、大數據、AI、IoT等技術幾乎是同時間爆發,企業客戶同一時間採購雲計算、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。

雲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、複雜化,提供整體解決方案的大數據公司更加符合未來趨勢,在整個產業鏈佔據更重要地位,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佈報告的演講實錄。

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,還包括雲計算和AI等。

1

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,先從底層基礎平台成熟,逐步延伸到上層應用。2006年AWS對外進行提供服務,2009-2010年大數據基礎平台公司Cloudera、Hortonworks成立,2015年Google開源TensorFlow平台,這些事件促使雲計算、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,雲計算行業快速發展的原因是2012-2013年遊戲等移動互聯網的爆發,2014-2015年,政府出台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都是基礎平台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,都是屬於應用型的公司。

第二,  不同於美國市場每一項技術中間會有一個很大的時間間隔,中國市場雲計算、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。

2

首先,我們看雲計算對大數據的影響。

雲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建設上會領先於中國的銀行。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,隨着SaaS滲透率不斷提升,更多的數據匯聚到雲端,更加便捷的實現數據互通互聯。

4

其次,我們看AI對於大數據的影響,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,提升業務可複製性。

6

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、數據的採集、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。

雲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雲端,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。

10

多項技術融合后,客戶的需求會更加多樣化、複雜化,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,更容易獲取標杆客戶。

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,在客戶預算中只能佔到很小的份額,集成商會佔據更大的份額。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被收購的時候沒什麼收入,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,尤其對於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。

如果你有一個標杆客戶,再去向同類公司進行推廣的時候,難度會大大降低。標杆客戶具備燈塔效應,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台做起,更有機會從前端營銷切入到後端業務,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。

9

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,從底層基礎平台到上層行業應用,分為四大細分領域。

基礎平台分為交易型數據庫、分析型數據庫和圍繞這兩類數據庫的計算引擎。

基礎平台往上有兩個方向,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台之上,具備通用性的數據處理的技術,包括 BI與可視化、日誌分析等。

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。

9

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,基礎平台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,中國的比例會略低於全球的市場。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。基礎平台這個市場,我們主要看Oracle,因為它是市佔率最高的公司。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佔到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的佔有率是在40%至50%之間。因此我們判斷國內的基礎平台的市場規模在100億左右。

再比如AI平台,我們判斷AI平台(數據科學平台)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佔到10%左右,而他的市佔率會在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、基礎設施和應用範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投入佔比非常高。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佔到總投入的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,這裡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平台等領域,直接面向客戶的應用問題,更有機會切入到行業應用。

比如用戶行為分析裡面的神策數據、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,佔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,第一方平台將逐步崛起,這背後有幾個原因:

第一,  政策方面,2017年安全法的發佈,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。行業標杆客戶也更願意與有品牌、合規的公司合作。

第二,  數據既然要和應用去結合,那麼就需要熱數據,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。

基礎平台市場,我們認為新需求帶來的增量市場更值得關注。基於行業應用、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,這裡面存在着數據丟失等風險,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。全球基礎平台市場規模是460億美金,這裡面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。

 

 

 


想在手機閱讀更多電腦與科技資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems