报告

2022年中国大数据分析平台行业研究报告

来源:贝塔咨询 2022/12/29 13:01:17
  • 所属行业:企业服务
  • 报告类型:免费报告
  • 页数:50
  • 图表:54
  • ¥0

报告简介

大数据分析平台逐渐由产品态转向集成态,行业边界模糊。在技术架构上,主要包含数据采集与存储、计算、分析与决策三个层级。在 OLAP 之上融合了深度学习等 AI 领先技术,在提升数据分析深度和广度的同时,也极大增加了数据服务在业务侧的低门槛和友好性,满足用户运用数据分析驱动业务发展的需求。搭建平台前用户首先需要明确自身的数据体量和业务场景需求。在明确大数据分析平台需要具备的基本功能后,再决定平台搭建过程中大数据处理框架和工具选型和搭建。

目录

系列报告简介
报告摘要
1 大数据分析平台行业概述
1.1 行业界定
1.2 技术沿革(一)
1.3 技术沿革(二)
1.4 核心应用
1.5 核心产品(一)
1.6 核心产品(二)
1.7 核心价值
1.8 评估体系
2 大数据分析平台市场分析
2.1 发展历程
2.2 驱动因素
2.2.1 政策面
2.2.2 宏观面
2.2.3 微观面
2.3 产业图谱
2.4 商业模式
2.5 市场格局
2.6 海外对比
2.7 应用痛点
2.8 趋势
2.8.1 AI融合
2.8.2 架构演进
2.8.3 场景多元
3 大数据分析平台构建建议
3.1 整体思路
3.2 能力建设
3.3 部署方式
3.4 架构选择
3.5 组件选择
3.6 技术趋势
4 行业应用与典型案例实践
4.1 行业聚焦-总览
4.2 行业聚焦-政务
4.3 行业聚焦-金融
4.4 行业聚焦-零售
4.5 行业聚焦-医疗
4.6 行业聚焦-交通
4.7 行业聚焦-教育
4.8 案例植入-北极九章
5 大数据分析行业投资分析
5.1 市场整体分析
5.2 投资轮次分析
5.3 投资周期分析
5.4 投资风险分析

图表目录

图1-1 大数据分析平台技术框架及核心组件
图1-2-1 基于Hadoop的分析架构
图1-2-2 数据库结合AP分析引擎架构(以ClickHouse为例)
图1-3-1 基于云上数据湖的分析架构
图1-3-2 基于云原生结构化存储引擎的分析架构
图1-4-1 流批一体的技术趋势及行业应用
图1-4-2 流批一体的技术框架及典型企业
图1-5-1 BI 的技术发展趋势
图1-5-2 BI 的行业应用及典型企业
图1-6-1 数据孪生的技术趋势及产品应用
图1-6-2 增强分析的技术趋势及产品应用
图1-7 大数据分析平台核心价值
图1-8-1 产品功能
图1-8-2 产品性能
图2-1 中国大数据分平台行业发展历程
图2-2 2021-2022年中国大数据重点法律法规和产业政策脉络
图2-3 2011-2025年全球数据消费量及增长率
图2-4 2005-2021年中国数据经济规模及全国占比
图2-5 大数据分析平台主要解决的问题
图2-6 产业图谱
图2-7-1 商业模式
图2-7-2 市场发展趋势
图2-8 大数据分析平台行业的市场格局
图2-9 国内外大数据分析平台产品对比
图2-10 大数据分析平台的应用痛点反馈
图2-11 大数据分析与 AI 技术的协同创新
图2-12 湖仓融合技术理念
图2-13 大数据分析场景的多元化发展
图3-1 搭建大数据分析平台的整体思路
图3-2 大数据分析能力建设
图3-3 本地化部署 VS 云上部署
图3-4 Lambda 架构 VS Kappa 架构
图3-5 大数据分析平台的组件选择
图3-6 架构演进方向及业务价值
图4-1 中国大数据分析平台各赛道政策方向
图4-2 全国一体化政务大数据体系构建
图4-3 金融行业的大数据分析需求和场景应用
图4-4 新零售模式下的算法模型和个性化推荐
图4-5 医疗行业大数据分析的作用和难点
图4-6 智慧交通大数据分析的特点和应用
图4-7 教育大数据分析的数据采集和应用
图4-8-1 北极九章增强分析引擎技术架构
图4-8-2 北极九章产品服务领域与应用案例
图5-1-1 2019-2022年5月中国大数据分析行业融资金额及增长率
图5-1-2 2019-2022年5月中国大数据分析行业各轮次融资事件
图5-2-1 项目融资次数占比
图5-2-2 项目起投年份占比
图5-2-3 项目当年投资轮次占比
图5-3-1 2019-2022年5月项目融资次数占比趋势
图5-3-1 2019-2022年5月融资后项目估值
图5-4 投资风险分析

  • 合作伙伴

  • 官方微信
    官方微信

    新浪微博
    邮件订阅
    第一时间获取最新行业数据、研究成果、产业报告、活动峰会等信息。

扫一扫,或长按识别二维码

关注贝塔网官方微信公众号