大數據應用與解決方案行業現狀分析一、市場需求預測方法科學的營銷決策，不但要以市場營銷調研為出發點，而且要以市場需求預測為依據。市場需求預測是在營銷調研的基礎上，使用科學的理論和方法，對未來一定時期的市場需求量及影響需求的諸多因素實行分析研究，尋找市場需求發展變化的規律，為營銷管理人員提供關于未來市場需求的預測性信息，并以此作為營銷決策的依據。市場需求預測的方法，常用的主要有以下幾種。（一） 購買者意向調查法購買者意向調查法即通過直接詢問購買者的購買意向和意見，據以判斷銷售量。如果購買者的購買意向是明確清晰的，這種意向會轉化為購買行為，并且愿意向調查者透露，這種預測法特別有效。但是,潛在購買者數量很多，難以逐個調查，故此法多用于工業用品和耐用消費品。同時，購買者意向會隨著時間轉移，故此法適宜作短期預測。調查購買者意向的具體方法比較多，如直接訪問、電話調查、郵寄調查、組織消費者座談會等。例如，釆用概率調查表向消費者調查耐用消費品購買意向，可能會收到較好效果。（二） 綜合銷售人員意見法綜合銷售人員意見法即通過聽取銷售人員的意見來預測市場需求。銷售人員包括基層的營業員、推銷員及相關業務人員。銷售人員最接近市場，比較了解顧客和競爭者的動向，熟悉所管轄地區的情況，能考慮到各種非定量因素的作用，較快地做出反應。因為銷售人員中沒有受過預測技術教育的居多，往往因所處地位的局限性，對經濟形勢和企業營銷總體規劃不夠了解，可能存有過于樂觀或過于悲觀的估計。但在銷售人員較多時，過髙或過低的期望值可互相抵消，從而使預測結果趨向合理。這個方法的主要優點是比較簡捷，無須復雜的計算；缺點是容易受個人理解水平等主觀因素影響。（三）專家意見法專家意見法是指根據專家的經驗和判斷以求得預測值。其具體形式有三種：一是小組討論法。召集專家集體討論，互相交換意見，取長補短，發揮集體智慧，做出預測。二是單獨預測集中法。由每位專家單獨提出預測意見，再由項目負責人員綜合專家意見得出結論。三是德爾菲法。該方法用系統的程序，釆取不署名和反復實行的方式，先組成專家組，將調查提綱及背景資料提交專家，輪番征詢專家意見后再匯總預測結果。該方法的特點是專家互不見面，可避免相互影響,且反復征詢、歸納、修改，有時要經過四五輪，意見才能趨于一致，其結論比較切合實際。（四） 市場試驗法市場試驗法是指在新產品投放市場或老產品開辟新市場、啟用新分銷渠道時，選擇較小范圍的市場推出產品，觀察消費者反應，預測銷售量。該方法因為時間長、費用大，因而多用于投資大、風險髙和有新奇特色產品的預測。（五） 時間序列分析法時間序列分析法是指將某種經濟統計指標的數值，按時間先后順序排列形成序列，再將此序列數值的變化加以延伸，實行推算，用以預測未來發展趨勢。其主要特點是以時間的推移來研究和預測市場需求趨勢，排除外界因素影響。釆用此法首先要找出影響變化趨勢的因素，再使用其因果關系實行預測。產品銷售的時間序列（Y）,其變化趨勢主要是以下四種因素發展變化的結果：（1） 趨勢（T）o系人口、資本積累、技術發展等因素共同作用的結果。利用過去的銷售資料，描繪出銷售曲線，可看出某種趨勢。（2） 周期（C）o很多商品銷售受經濟周期影響，銷售額往往呈波浪形運動。理解循環周期，對中期預測相當重要。（3） 季節（S）o指一年內銷售額變化的規律性周期波動。此種變化通常與氣候、假日、交易習慣相關，如果具體到周、日，也可能與上下班時間相關。（4） 不確定因素（E）o包括自然災害、戰亂以及其他變故，這些偶發事件，一般無法預測，應從歷史資料中剔除這些因素的影響，考察較為正常的銷售活動。（六） 直線趨勢法直線趨勢法是指使用最小平方法，以直線斜率表示增長趨勢的外推預測方法。（七） 統計需求分析法任何產品的銷售都要受多種因素的影響。統計需求分析是使用一整套統計學方法，發現影響企業銷售的最重要的實際因素及其影響力大小的方法。該方法經常分析的因素是價格、收入、人口和促銷等。理應指出，這些變量同銷售量（因變量）之間的關系，不能用嚴格的數學公式表示，只能用統計分析來揭示和說明。使用多元回歸技術在尋找最佳預測因素和方程的過程中，能夠找到多個方程。用上述方程預測需求量，首先要預測平均溫度和人均收入，并注意可能影響預測值的因素，如觀察值過少、變量之間髙度相關、變量與銷售之間關系不明朗和未考慮新變量的出現等。二、選擇目標市場企業在市場細分的基礎上，確定了目標市場戰略之后，就要決定如何選擇目標市場。選擇目標市場的首要步驟，是分析評價各個細分市場，在綜合比較、分析的基礎上，選擇最優的目標市場。（一）評價細分市場評價細分市場，即對各細分市場在市場規模增長率、市場結構吸引力和企業目標與資源等方面的情況實行詳細評估。1、 細分市場規模和增長率這項評估主要研究潛在細分市場是否具有適當的規模和增長率。“適當的規模”是一個相對概念，大公司可能偏好銷售量很大的細分市場，對小的細分市場不感興趣；小公司則因為實力較弱，會有意避開較大規模的細分市場。細分市場的增長率也是一個重要因素。所有的企業都希望目標市場的銷售量和利潤具有良好的上升趨勢，但競爭者也會迅速進入快速增長的市場，從而使利潤率下降。2、 細分市場的結構吸引力一個具有適當規模和成長率的細分市場，也有可能缺乏盈利潛力。如果很多勢均力敵的競爭者同時進入一個細分市場，或者說，在某個細分市場中存有很多頗具實力的競爭企業時，尤其是該細分市場已趨于飽和或萎縮時，則該細分市場的吸引力就會下降。潛在進入者既包括在其他細分市場的同行，也包括那些當前不在該行業經營的企業。如果該細分市場的進入障礙較低，該細分市場的吸引力也會下降。替代品從某種意義上限制了該細分市場的潛在收益。替代品的價格越有吸引力，該細分市場增加盈利的可能性就被限制得越緊，從而使該細分市場吸引力下降。購買者和供應者對細分市場的影響，表現在它們的議價水平上。購買者的壓價水平強，或者供應者有水平提髙價格或降低所供產品的質量、服務，那么該細分市場的吸引力就下降。一個細分市場的結構吸引力是上述五種變量的函數。分析每個細分市場的吸引力，是企業選擇目標市場時不能忽略的重要步驟。3、企業目標和資源選擇目標市場除了滿足上述兩個條件，企業還要考慮自身的目標和擁有的資源。某些有吸引力的細分市場，如果不適合企業的長期目標，也只能放棄。對一些適合企業目標的細分市場，必須考慮是否具有在該市場獲得成功所需的各種營銷技能和資源等條件。（二）目標市場的選擇企業有五種可供參考的市場覆蓋模式。1、市場集中化這是一種最簡單的目標市場模式。企業選擇一個細分市場，生產一種產品，供應單一的顧客群，實行集中營銷。例如，大眾公司集中于小型車市場，保時捷公司集中于運動車市場。選擇市場集中化模式一般基于以下考慮：企業具備在該細分市場從事專業化經營或取得目標利益的優勢條件；限于資金、水平，只能經營一個細分市場；該細分市場中沒有競爭對手；準備以此為出發點，取得成功后向更多的細分市場擴展。公司通過市場集中化，更加能夠了解細分市場的需要，在該細分市場建立鞏固的市場地位，也能夠獲得更高，的經濟效益。但是市場集中化的風險比一般情況更大，容易出現個別市場不景氣的情況。2、 產品專業化產品專業化是指企業集中生產一種產品，并向各類顧客銷售這種產品。如顯微鏡生產商向大學實驗室、政府實驗室和工商企業實驗室銷售顯微鏡。產品專業化模式的優點是企業專注于某一種或一類產品的生產，有利于形成和發展生產和技術上的優勢，在該領域樹立形象。其局限性是當該領域被一種全新的技術與產品所代替時，產品銷售量可能會所以而大幅度地下降。3、 市場專業化市場專業化是指企業專門經營滿足某一顧客群體需要的各種產品。比如某工程機械公司專門向建筑業用戶供應推土機、打樁機、起重機、水泥攪拌機等建筑工程中所需要的機械設備。市場專業化經營的產品類型眾多，能有效地分散經營風險，同時基于專門性的服務，公司容易獲得良好的聲譽，并成為為顧客群體所需新產品的渠道。但因為集中于某一類顧客，當這類顧客的需求下降時，企業也會遇到收益下降的風險。4、 選擇專業化選擇專業化是指企業選擇若干個具有良好的盈利潛力和結構吸引力，且符合企業目標和資源的細分市場作為目標市場，其中每個細分市場與其他細分市場之間較少聯系。寶潔公司推出佳潔士深層潔白牙貼時，最初細分市場所預訂的目標是新訂婚或是即將做新娘的女性和男性同性戀者。優點是能夠有效地分散經營風險，即使某個細分市場營利情況不佳，仍可在其他細分市場取得盈利。釆用選擇專業化模式的企業應具有較強資源和營銷實力。5、 市場全面化三、市場全面化是指企業生產多種產品去滿足各種顧客群體的需要。一般來說，實力雄厚的大型企業在一定階段，會選用這種模式,以求收到良好效果。例如，當今可口可樂公司在世界飲料市場,寶潔在世界消費日用品市場等都釆取市場全面化的戰略。大數據行業的挑戰（一）技術創新與支撐水平有待進一步提升技術創新是推動大數據產業發展的內在動力，但是當前我國技術創新對于大數據產業的引領作用仍然不強。一方面，國內企業對大數據核心技術、開源技術和相關生態系統影響力總體較弱。另一方面，絕大部分大數據企業的創新仍以模仿性、漸進性創新為主，突破性、顛覆性創新偏少，自主研發具有國際影響力的先進技術較少，同質化競爭日益加劇。此外，因為我國基礎科學技術水平研發投入相對不足，大數據底層技術投入與國外存有較大差別，雖然具有大數據應用的需求，但較少通過扎實的底層技術手段來推動創新，我國大數據技術創新水平有待持續提升。（二）對開源體系的依賴水準相對較高基于開源的數據庫技術，或部分開源的功能方案，已經成為當前眾多企業的軟件技術建設重要模式，當前數據庫開源體系由國外主導。眾多軟件開發者對于開源軟件的認知較有限，甚至誤以為開源軟件等同于免費軟件，能夠不受限制地隨意使用。事實上，開源軟件的著作權既沒有被放棄也沒有過期，開源軟件知識產權風險分為版權侵權風險，專利侵權風險、商標侵權風險三大類。所以市場對待當前開源體系的法律風險意識有待提升，自主研發的國產數據庫軟件市場占有率有待進一步提升，降低對國外開源體系的依賴。（三）企業對于數據價值的認知及使用水平有待提升近年來，越來越多企業理解到數字化轉型的必要性，但是對于數據管理的認知水平較多停留在收集數據、存儲管理數據的層面，對于如何把數據有效使用及相關認知有待提升，對數據平臺、數據技術的資源投入不足。企業往往僅僅在部分業務實現數字智能化，各個板塊的協同不足，各個部門的信息孤島現象明顯，整個企業的數智化缺乏完整規劃，企業對數字化轉型的目標和路徑不夠清晰。在此環境下，中國數據管理軟件服務廠商在聚焦于內部產品研發和技術迭代的同時,也需增強對下游實際的業務場景和大數據使用需求的逐步理解、適配,使得更多企業能夠容易的使用大數據解決發展面臨的數字化轉型需求。（四）專業人才短缺問題成發展瓶頸我國仍存有嚴峻的大數據人才短缺問題，尤其緊缺基礎技術研發、專業咨詢、數據分析挖掘等方面的專業人才以及兼具專業運營水平、行業動態理解力、解決問題水平的多學科復合型人才，難以滿足大數據產業的高速發展需求。一方面，我國高科技人才儲備不足，髙科技人才儲備難以應對與日俱增的大數據人才市場需求。另一方面，我國大數據人才培養體系不完善，大數據人才培養體系起步晚，規模小，層次和模式相對單一，技能知識和理念落后，難以有效匹配產業發展速率。雖然近幾年隨著我國產業數字化轉型的發展，數字科技行業的從業人員逐步增多，但從事基礎軟件領域研究的專業人員仍然稀缺，尚不能滿足大數據行業對于高端專業人才的需求。大數據人才的不足一定水準上影響到大數據產業的發展，業內為爭取優秀人才，造成行業內人才競爭持續加劇。四、大數據全生命周期管理大數據生命周期進一步細分為大數據集成、存儲和處理、治理、建模、挖掘和流通等階段。（一）大數據集成大數據集成包括大數據釆集和大數據整合。大數據釆集主要是通過各種技術手段將分散的海量內容數據（文本、音頻、視頻等）、行為數據（訪問、查詢、搜索、會話、表單等）、工業生產數據（傳感器數據、監控數據）等從業務系統中收集出來。因為大數據本身具有分散、海量、高速、異質的特征，釆集難度較大，所以保證數據采集的穩定性、可靠性、高效性、可用性和可擴展性等是主要的技術目標,越來越多的企業開始選用專業的數據釆集服務。大數據整合的目標是將各種分布的、異構的數據源中的數據抽取后，實行清洗、轉換，最后加載到數據倉庫或數據集市中，作為數據分析處理和挖掘的基礎；這個過程常常也被稱為ETL（Extract/抽取，Transform/轉換，Load/加載），通常ETL占到整個數據倉庫開發時間的60%?80%。大數據時代,數據整合軟件的市場也開始了整體的技術升級，主要解決兩個主要技術問題，一是獨立的ETL應用服務器的計算水平普遍不足，二是無法處理半結構化和非結構化數據。經過幾年的技術發展，ETL過程逐步演進為ELT,即數據抽取后直接加載（Load）到大數據平臺中，再基于大數據平臺的計算水平來實現數據轉換（Transform）,不再依賴ETL應用服務器做抽取和轉化工作，這樣能夠解決ETL應用服務器的處理能力不足問題，充分利用大數據平臺的分布式計算水平提升數據集成的效率和穩定性。（二）大數據存儲和處理大數據存儲與處理要用用服務器及相關設備把釆集到的數據存儲起來，使得數據能夠被高效地訪問和運算。因為數據量的爆發式增長,尤其是非結構化數據的大量涌現，傳統的單機系統性能出現瓶頸，單純地提升硬件配置已經難以跟上業務的需求，產生的海量數據沒有合適的存儲場所，企業被迫放棄大量有價值的數據；數據處理的速度和性能出現瓶頸，業務的深度和廣度受到限制。所以，過去十年間，計算機系統逐步從集中式向分布式架構發展。分布式架構及相關技術通過增加服務器的數量來提升系統的處理水平，毎個節點都是一個可獨立運行的單元，單個節點失效時不會影響應用整體的可用性。分布式系統在擴展性、容錯性、經濟性、靈活性、可用性和可維護性方面具有明顯優勢。

（三）數據治理根據國際數據管理協會的定義，數據治理是對數據資產管理形式權利和控制的活動集合。數據治理是一個管理體系，包括組織、制度、流程和工具，隨著集成和存儲的數據量增加，數據治理的難度也逐漸增加，牽扯的關聯方也越來越多，所以需要一套適合企業的方法論來展開工作。業界逐漸形成了DAMA、DCMM等較完整的數據治理體系框架,一般包括制定數據治理戰略、定義數據治理工作機制、通過各個業務專題來落實相關數據治理工作內容，并最終落實到數據治理工具上來實現高效持續的數據治理的執行流程。具體到數據治理的內容，一般包括元數據管理（包括元數據采集、血緣分析、影響分析等）、數據標準管理（包括標準定義、查詢與發布等）、數據質量管理（包括質量規則定義、質量檢查、質量報告等）、數據資產管理（包括數據資產編目、數據資產服務、資產審批等）、數據安全管理（包括數據權限管理、數據脫敏、數據加密等）、數據生命周期管理（包括數據歸檔、數據銷毀等）以及主數據管理（包括主數據申請、發布、分發等）量規則定義、質量檢查、質量報告等）、數據資產管理（包括數據資產編目、數據資產服務、資產審批等）、數據安全管理（包括數據權限管理、數據脫敏、數據加密等）、數據生命周期管理（包括數據歸檔、數據銷毀等）以及主數據管理（包括主數據申請、發布、分發等）這幾個主要的部分。（四）數據建模數據建模是構建企業數據倉庫、數據湖和數據集市的重要過程數據建模是構建企業數據倉庫、數據湖和數據集市的重要過程,其通過一個業務級別的數據模型設計，將分散在不同數據源中的數據集成在一起，并通過一種面向業務主題的方式將數據分門別類來做重新組織和標準化，形成有明確業務意義的數據形式，統一為數據分析、數據挖掘等提供可用的數據。面向業務主題（如客戶主題、賬戶主題等）的數據組織管理方式便于業務人員對數據的理解和綜合使用。具體到技術層面，數據建模一般包括業務調研、架構設計、數據模型設計、數據庫SQL開發與測試、業務集成上線等幾個階段，架構設計是整個工作的核心，一般會面向不同的行業來設計相關行業的邏輯數據模型。在數據建模過程中使用的工具主要包括：數據模型設計與管理工具、SQL開發工具、任務調度工具等。（五）數據分析和挖掘大數據分析和數據挖掘的核心目標是對客觀事實規律實行描述、展示和總結、刻畫、推廣，能夠從大量的數據中通過算法來揭示出隱含的、未知的并有潛在價值信息，并對客觀規律實行溯源和解釋，從而協助決策者做出準確的預測和決策。圍繞這個目標，大數據分析和挖掘的手段能夠分為模型驅動、數據驅動等，一般通過統計、在線分析、情報檢索、機器學習和專家系統等在內的多種方法來實現這個目標。現階段在面對大數據4V問題時，大數據分析和數據挖掘工具對傳統數據分析和挖掘工具做進一步自動化和智能化；與此同時，近年來深度學習的興起又為大數據分析提供了新的手段，其做為當前計算機行業的熱點研究方向之一，其本質的目標是從大量數據中提取模式和知識，其要處理的對象包括結構化數據、半結構化數據和非結構化數據在內的所有類型數據，例如近年來在視頻、語音等非結構化數據的分析需求快速增加，相對應的深度學習技術也取得了飛速發展。（六）數據流通數據流通是按照一定規則，將存儲的數據或者數據分析、挖掘得到的信息作為流通對象，從供應方傳遞到需求方的過程。數據流通的具體內容包括可視化的分析報告、面向運營人員的數據標簽、面向應用能夠直接調用的數據指標API、面向數據分析人員的數據集、面向數據挖掘人員的數據特征、和面向業務建模人員的單方或多方的建模模型等。基于數據水印、數據加密和脫敏、隱私計算、聯邦學習的數據流通安全技術，能夠提升數據流通的完整性和保密性。五、大數據行業未來發展趨勢（一）分布式系統成為行業技術架構主要的發展方向傳統數據庫以集中式架構為主，集中式架構由一臺或多臺主計算機組成中心節點，數據存儲以及整個系統的業務單元都集中部署于該中心節點中，系統所有的功能均由中心節點集中處理。每個終端或客戶端僅僅負責數據的錄入和輸出，而數據的存儲與控制處理完全交由主機完成。分布式架構下，軟件組件分布在不同主機上，主機之間通過網絡連接實行通信和協調。隨著海量及異構數據的數據分析需求增長，需要的計算、存儲和10等資源也在極速增加。集中式架構通過改善硬件配置來提升存儲和處理水平，但單臺主機可配置的資源存有上限，所以傳統的集中式架構軟件難以滿足海量及異構數據的數據集的處理和分析需求。而為了處理TB以及PB級別以上的數據規模，分布式的架構將數據分散在網絡上多個通過高速網絡互聯的節點上聯合計算。因為數據分布在不同節點，在實行計算任務時，任務也會被切分成多個子任務，分發到多個節點上同時實行計算，能充分利用整個集群各個節點的計算資源、存儲資源和10資源，可線性提升集群的存儲和處理水平。所以，分布式架構能較好的處理該類問題，這也是分布式架構相對于傳統單機架構的核心優勢。在大數據場景下，分布式系統在擴展性、容錯性、經濟性、靈活性、可用性和可維護性方面具有明顯優勢，能夠較好的滿足大數據分析的需求。此外，近年來，分布式技術持續發展，在提供高彈性、支持高并發的同時，支持關系型數據庫中強事務性的特性，成為大數據技術的重要發展方向。2、數據管理軟件趨向于統一多數據模型的平臺數據模型是決定數據庫系統邏輯的重要因素，并從根本上決定以何種方式存儲、組織和操作數據，包括傳統的關系模型和NoSQL數據模型（文檔模型、鍵值模型、圖模型等）。絕大部分數據庫管理系統只能支持一種或少數幾種數據模型，所以企業通常只能使用多種數據庫產品聯合的方案來應對日益增長的異構數據模型處理需求。隨著大數據廠商技術實力的提升，逐漸出現了能夠提供多數據庫模型的大數據平臺技術。相比多種數據庫產品的集成方案，多種數據庫模型統一的大數據平臺的優勢包括：（1）提升場景效率。同一份數據能夠分別釆用多種數據模型存放，解決不同場景的處理效率問題；（2）統一分析管理。關聯不同模型的數據，統一分析管理；（3）降低運維成本。無需維護多種數據庫，降低運維成本；（4）降低數據持有成本，同一份數據在不同的數據模型當中不需要全量存儲，不同模型只需要存儲必要的數據內容即可，在查詢時能夠通過關聯的方式獲取全量信息。未來多模型數據平臺將通過持續提升計算、存儲引擎的處理水平,從操作響應速度、數據并發水平、數據管理成本等多個角度優化企業的數據需求，成為多模大數據平臺的重要發展趨勢。（二）云原生大數據平臺架構成為未來的主要發展方向云原生的代表技術包括容器、服務網格、微服務、不可變基礎設施和聲明式API,這些技術能夠構建容錯性好、易于管理和便于觀察的松耦合系統。結合可靠的自動化手段，云原生技術使工程師能夠輕松地對系統作出頻繁和可預測的重大變更。云原生技術有利于各組織在公有云、私有云和混合云等新型動態環境中，構建和運行可彈性擴展的應用。面對客戶日益增長的海量數據、多種數據結構的實時化、智能化處理需求，云原生的大數據平臺架構憑借計算存儲解耦、資源池化、Servcrlcss等核心技術，提供了高彈性拓展、海量存儲、多種數據類型處理及低成本計算分析的水平。相比傳統數據庫，云原生數據庫及數據管理平臺天然具備靈活性，能夠提供強大的創新水平、豐富多樣的產品體系、經濟髙效的部署方式和按需付費的支付模式。（三）國家加速數據要素市場建設，推動數據安全流通技術的商業化加速我國將搭建統一開放、競爭有序的數據要素市場體系，政策鼓勵產業鏈各環節的市場主體實行數據流通和交易，促動數據要素流通。當前，豐富的數據要素資源已經涵蓋了金融、運營商、房地產、醫療、能源、交通、物流、教育以及制造業、電商平臺、社交網站等眾多領域。同時，因為數據的流通和利用是數據要素價值創造的前提。而跨域、跨中心的數據融合計算需求，以及數據要素在開放流通環節中的安全需求（包括可用不可見、可用不可得、可用不出域等），都使得數據的安全可信流通成為數據要素的市場化配置的重要一環，也是各行業數字化轉型過程中和過程后的必由之路。隨著《數據安全法》、《個人信息保護法》的實施，以安全為前提的數據開放利用將迎來新一輪發展機遇。隱私計算是在處理、分析計算數據的過程中保持數據不透明、不泄露、無法被計算方以及其他非授權方獲取的一種技術解決方案，能夠在充分保護數據和隱私安全的前提下，實現數據價值的轉化和釋放，應用前景和商業價值巨大。在國家加速數據要素市場建設和重視數據安全和隱私保護的大背景下，數據安全防護技術、隱私計算技術的應用普及和商業化在加速實行。六、世界大數據市場發展情況世界大數據市場規模由2015年231億美元增長至2019年的496億美元，年復合增長率約為21.1%,世界整體市場規模有望在2024年超過800億美元，2019至2024年復合增長率約為11.8%。在2015年,大數據服務仍然是世界大數據市場最大的收入來源，約為91億美元，而硬件和軟件收入分別達到73億美元和67億美元。隨著硬件成本的下降以及軟件附加值的提升，預計未來世界大數據市場中硬件及服務收入貢獻占比將逐漸減少，軟件將超過服務和硬件，成為世界大數據市場最主要的收入來源。世界大數據軟件市場規模由2015年的67億美元增長至2019年的170億美元，年復合增長率為26.2%,超過硬件和服務收入增速，并且預計軟件市場規模將在2024年達到377億美元，年復合增長率約為17.3%o在大數據軟件中，隨著大數據管理平臺和數據應用中間件產品的成熟，未來將貢獻更多的收入占比。七、大數據行業面臨的機遇（一）產業政策集中出臺，多層次政策體系日益健全十八屆五中全會提出實施國家大數據戰略以來，《促動大數據發展行動綱要》指出，建立安全可信的大數據技術體系是推動大數據產業基礎研究和核心技術攻關的重要目標。2021年3月，在我國十四五規劃和2035年遠景目標綱要提出，培育壯大人工智能、大數據等新興數字產業，充分發揮海量數據和豐富應用場景優勢，促動數字技術與實體經濟深度融合，賦能傳統行業轉型升級，打造數字經濟新優勢。加快數字化發展，打造數字經濟新優勢，協同推動數字產業化和產業數字化轉型，加快數字社會建設步伐，營造良好數字生態，建設數字中國。2020年4月，國家發改委明確了新基建是以技術創新為驅動，以信息網絡為基礎，面向高質量發展需要，提供數字轉型、智能升級、融合創新等服務的基礎設施體系。其中，在新一代信息技術關鍵領域鍛長板的重要舉措包括：推動新一代信息技術與制造業融合發展，加速工業企業數字化、智能化轉型，提升制造業數字化、網絡化、智能化發展水平，推動制造模式、生產方式以及企業形態變革，帶動產業轉型升級。未來新興產業及數字經濟的發展將更依賴于數據資源，數據基礎設施建設也是支撐5G、數據中心、工業互聯網等新一代信息技術基礎設施的基礎，所以大數據是新基建的重要組成部分，也將推動大數據底層軟件等核心國產軟件的快速發展。（二）數據管理軟件國產化趨勢明顯，國產大數據產品有望實現換道超車國內數據管理軟件基本被Oracle.IBM和微軟為代表的國外關系型數據庫廠商主導，國產軟件產品滲透率低。隨著國內客戶越來越重視數據與信息安全，國產軟件產品在關鍵領域實現替代成為其中主要環節，越來越多的客戶已經開始或計劃相關軟硬件的采購計劃。大數據時代下，數據管理軟件正在逐步由集中式架構軟件向分布式架構軟件演進，國產大數據產品有望實現換道超車，對國外數據管理軟件實行替代。從功能來看，基于新興分布式架構的國產大數據產品已經能滿足市面上絕絕大部分數據應用場景基礎需求。但國產大數據產品能否在市場競爭中勝出、占據更多的市場份額,仍然取決于國產大數據產品能否構建自主研發的生態以及產品的世界競爭力。當前，為保障國家信息安全，自主研發的國產大數據生態體系正在形成，此前國產軟硬件發展面臨的格局分散、生態基礎不完善、規模用戶群體缺乏等障礙正被逐步攻克。隨著國產大數據生態體系進入快速協同發展階段，國產大數據產品與服務迎來較好的發展機遇。（三）數據成為新生產要素，各行業的大數據應用需求巨大2020年4月，《關于構建更加完善的要素市場化配置體制機制的意見》指出，數據已成為繼土地、勞動力、資本、技術之后的新一代生產要素，是數字經濟發展的基礎性、關鍵性、決定性的生產要素，對經濟發展、社會治理、人民生活產生著重大而深刻的影響。激活數據要素潛能，加快數字經濟、數字社會，以數字化驅動生產方式、生活方式和治理方式變革成為我國當下發展的重點。企業建設數字化水平，高效解決企業運營中的問題，優化企業業務流程、提高效率，成為企業發展的核心競爭力之一，在金融、交通、能源、制造等國民經濟重要領域實際提升數字化水平需求巨大。此外，在企業數字化水準提升后，數據走向資源化是大勢所趨，在數據資源化的過程中，建立行業間高效的數據交換機制，實現數據的互聯互通、信息共享、業務協同，以成為整合信息資源，深度利用分散數據的有效途徑。加快數字化轉型，構建數據共享服務體系，促動數據與業務應用快速融合，將助力中國經濟從高速增長轉向高質量發展，推動數字中國建設。（四） 大數據應用的快速發展，推動大數據管理平臺需求的快速增長近年來，大數據增長集中于物聯網設備、多媒體、日志、社交信息等，這些數據具有數據類型多、數據量大、流轉速度快、價值密度低的特點。傳統關系型數據庫無法滿足處理半結構化及非結構化數據需要，具有綜合水平的大數據管理平臺有易于擴展、無序存儲、分布式架構的特性，相比傳統關系型數據庫，更能滿足對這些數據的存儲需求。大數據管理平臺不但具有存儲管理海量數據水平、數據處理性能高和易于擴展的特性，還能夠保持傳統關系數據庫支持ACID和SQL查詢等特性，支持關系數據模型。在大數據市場發展下，大數據管理平臺需求快速增長。（五） 數據價值的深度挖掘需求將帶動智能分析工具的快速發展智能分析工具主要專注于為數據預處理、特征工程、數據建模、預測分析等數據分析挖掘關鍵過程提供工具和相關解決方案，是企業實現對海量數據的深度挖掘的重要工具。隨著大數據環境下，數據分析復雜水準的加深，數據科學平臺需要持續優化其平臺流程、協作及模型治理特性，以保持與軟件開發中最佳實踐一致。同時，數據科學平臺廠商也將通過整合針對算法篩選、分布式模型訓練、模型管理、知識圖譜和高性能推理等任務的創新解決方案來實現差異化競爭。為了在大數據環境下快速協助客戶實現人工智能賦能的商業決策，智能分析工具將迎來快速發展機遇，在云原生、AI工程化、低代碼、隱私安全、云邊一體等方面發揮更大的作用。八、客戶關系管理內涵與目標1、 客戶關系管理內涵客戶關系管理指企業在既定的資源和環境條件下為發現客戶、獲得客戶、維系客戶和提升客戶價值而展開的所有活動。2、 客戶關系管理目標客戶關系管理目標是在產品、管理與營銷同質化的背景下使用客戶關系管理實現客戶關系差異，通過滿足客戶需求和協助客戶獲利來留住客戶，提升客戶價值，使客戶關系管理成為企業的核心競爭力。因為科學技術高度發達且快速普及，同類企業之間產品同質化日趨嚴重；因為企業間在營銷策略上相互模仿，同類產品的不同品牌之間在營銷策略上也難以形成顯著差異，造成客戶轉換成本低，轉換行為就會經常發生。企業僅僅憑借良好的產品與服務以及同質化的營銷策略并不能達到留住客戶的目的。客戶關系管理就是通過提髙服務水準和質量信譽來提升客戶的滿意度與忠誠度，實現相互信任和愉快合作，在諸多無形之處建立差異以構筑競爭者難以逾越的屏障。客戶關系管理理論的提出是市場營銷與企業管理理論的重大變革。傳統的市場營銷理論將客戶看作是銷售的對象而非管理的對象，是企業外部的組織而非內部的成員；傳統的企業管理僅僅局限于企業內部人、財、物的管理，并不包括對企業外部客戶的管理。而客戶關系管理理論將外部的客戶視同企業內部的成員，將“管理”對象從企業內部的人、財、物擴大到了外部的客戶，要求客戶關系管理人員要像了解企業內部的人、財、物資源一樣了解客戶資源，像管理企業內部的人、財、物資源一樣管理客戶資源。九、營銷計劃的實施（一）有效實施計劃的注意事項（1） 有明確的行動方案。戰略和計劃的有效實施，要有詳細、具體的行動方案，以協助理解和清晰營銷計劃的關鍵性環境、項目和措施，準確地把任務、責任落實到個人、團隊或部門。（2） 可能需要調整組織結構。必須注意組織結構與任務、責任相一致，與自身的特點、環境相適合，根據戰略和計劃適時調整、優化組織結構。（3） 要有完善的規章制度。必須明確與計劃相關的環節、崗位和人員的責權利，明確具體要求和獎懲措施，建章立制實行約束和管理。（4） 注意協調關鍵流程。為了有效實施戰略和計劃，做到行動方案、組織結構、規章制度等因素，尤其是相關機構、人員在大目標下協調一致，需要界定相互之間的工作關系，構建作業流程，保障操作層面相互配合。（二）影響計劃實施的常見問題和原因（1） 計劃脫離實際。計劃通常由專業計劃人員負責制訂，基層人員具體操作和執行。專業計劃人員可能更多考慮的是總體方向和原則,疏于注重過程和實施細節，使得計劃較為籠統和形式化；計劃人員可能了解現實中的具體問題不夠，營銷計劃偏離實際；計劃人員和基層操作人員交流情況不足，后者不能很好理解需要執行的計劃，遇到困難……最終導致計劃人員和基層人員對立，互不信任。所以，制訂計劃不能只靠專業計劃人員，也可由他們聯系基層人員一起討論、制訂。基層人員或比計劃人員了解實際情況，將他們納入計劃管理過程，有助于營銷計劃的制訂和實施。（2） 長期目標和短期目標的矛盾。計劃常常涉及長期目標，企業對具體執行計劃的人員又可能是依據短期的績效，如銷量、市場份額或利潤等評估和獎勵，他們常常不得不選擇目光短淺的行為。要注意解決這個矛盾，設法求得兩者之間的平衡。（3） 因循守舊的情性。一般來說，新戰略、新計劃如果不符合傳統和思維習慣，就容易遭到抵制。新舊戰略和計劃之間差異越大，實施中阻力也越大。要推動與原來思路截然不同的計劃，常常需要打破傳統組織結構和流程，“不換腦袋就換人”,甚至重建管理體制。（4） 缺乏具體、明確的行動方案。有些計劃之所以失敗，是因為沒有切實可行的具體方案，缺乏促使各部門、各環節協調一致、共同出力的依據。十、營銷調研的步驟營銷調研的過程，通常包括五個步驟：確定問題與調研目標、擬定調研計劃、收集信息、分析信息、提交報告。（一） 確定問題與調研目標為保證營銷調研的成功和有效，首先要明確所要調研的問題，既不可過于寬泛，也不宜過于狹窄，要有明確的界定并充分考慮調研成果的實效性。其次，在確定問題的基礎上，提出特定調研目標。（二） 擬定調研計劃設計能夠有效地收集所需要的信息的計劃，包括概述資料來源、調研方法和工具等。因為收集第一手資料花費較大，調研通常從收集第二手資料開始,必要時再釆用各種調研方法收集第一手資料，也能夠從企業外部的商業公司購買相關資料。調查表和儀器是收集第一手資料釆用的主要工具。抽樣計劃決定三方面的問題：抽樣單位指確定調查的對象，抽樣范圍指確定樣本的多少，抽樣程序則是指如何確定受訪者的過程。接觸方法是指如何與調查對象接觸的問題。（三） 收集信息在擬定調研計劃后，可由本企業調研人員承擔收集信息的工作，也可委托調研公司收集。面談訪問必須爭取被訪問者的友好和真誠合作，才能收集到有價值的第一手資料。實行實驗調查時，調研人員必須注意使實驗組和控制組匹配協調，在調查對象匯集時避免其相互影響，并釆用統一的方法對實驗實行處理和對外來因素實行控制。（四） 分析信息從已獲取的相關信息中提煉出適合調研目標的調查結果。在分析過程中，首先要明確這些信息數據是依據何種尺度實行測定、加工的,然后借助多變量統計技術將數據中潛在的各種關系揭示出來，還可將數據資料列成表格，制定一維和二維的頻率分布，對主要變量計算其平均數和衡量離中趨勢。（五） 提交報告調研人員向營銷主管提出與實行決策相關的主要調查結果。調研報告應力求簡明、準確、完整、客觀，為科學決策提供依據。如能使管理決策減少不確定因素，則此項營銷研究就是富有成效的。十一、估計當前市場需求（一） 總市場潛量總市場潛量是指一定時期內，在一定環境條件和一定行業營銷努力水平下，一個行業中所有企業可能達到的最大銷售量。（二） 區域市場潛量企業在測量市場潛量后，為選擇擬進入的最佳區域，合理分配營銷資源，還應測量各地區的市場潛量。較為普遍的有兩種方法：市場累加法和購買力指數法。前者多為工業品生產企業釆用，后者多為消費品生產企業釆用。1、市場累加法先識別某一地區市場的所有潛在顧客并估計每個潛在顧客的購買量，然后計算得出地區市場潛量。如果公司能列出潛在買主，并能準確估計每個買主將要購買的數量，則此法無疑是簡單而又準確的。問題是獲得所需要的資料難度很大，花費也較高。當前我們能夠利用的資料，主要有全國或地方的各類統計資料、行業年鑒、工商企業名錄等。2、多因素指數法借助與區域購買力相關的各種指數以估算其市場潛量。例如，藥品制造商假定藥品市場與人口直接相關，某地區人口占全國人口的2%,則該地區的藥品市場潛量也占全國市場的2%。這是因為消費品市場上顧客很多，不可能釆用市場累加法。但這個例子僅包含人口因素，而現實中影響需求的因素很多，且各因素影響水準不同，所以，通常釆用多因素指數法。美國《銷售與市場營銷管理》雜志每年都公布全美各地和大城市的購買力指數。（三）行業銷售額和市場占有率企業為識別競爭對手并估計它們的銷售額，同時準確估量自己的市場地位，以利在競爭中知己知彼，準確制定營銷戰