商业智能+大数据分析报告.docx
《商业智能+大数据分析报告.docx》由会员分享，可在线阅读，更多相关《商业智能+大数据分析报告.docx（46页珍藏版）》请在冰点文库上搜索。
商业智能+大数据分析报告
正文目录
图表目录
1、BI行业增长强劲，下游需求突出，竞争壁垒有抬升趋势
1.1、商业智能（BI）认可度持续提高，市场规模不断扩大
现代企业竞争环境多变、组织结构也日益复杂，在这种环境下生存和发展，就必须高效、准确的响应各种状况，从而需要一种手段来帮助企业对经营过程中产生的数据进行收集、整理、分析以及评估，并做出正确的预测，从而实现从数据到信息、从信息到知识、从知识到利润的转化，这种手段就是商业智能（BI）。
通过商业智能，企业能够把先进的信息技术应用到整个企业、不仅为其提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势。
随着终端服务提供商继续把商务智能等以信息挖掘为中心的项目摆在优先地位，并投入更多资金以改善决策与分析，商务智能与分析软件已经成为第四大应用软件市场。
随着商务智能的发展，传统商业模式遭遇变革，大量的数据产出为大数据发展提供了基础与机遇，后期处理的分析应用将成为下一个周期的关键推动力。
国内用户对BI软件的认知度逐步提高，目前已经接近60%，在大型企业中认知度高达95%，特别是企业的中高级管理人员尤为看重。
2010年我国BI软件市场规模为36.61亿元，比2009年增长17.79%，2011年市场规模为43.34亿元，同比增长18.38%。
2012年我国BI软件市场规模约为51亿元，后续年均复合增长率保持在20%左右。
根据Gartner研究报告，2013年全球商务智能软件的销售收入达138亿美元，较2012年同比增长7%。
与2011年全球商务智能市场的增长率（16%）相比，2013年及之后的全球BI软件市场的年复合增长率有所减缓。
Gartner预计，到2016年，该市场的销售收入将达到171亿美元。
图表1：
2006~2012年中国商业智能软件经营规模（单位：
亿元）
图表2：
全球BI软件销售收入（单位：
亿美元）
1.2、BI产业链结构分析
1.2.1、BI上游
硬件平台、工具平台软件产品同质化程度高、竞争充分
国内商业智能应用软件的上游企业主要为硬件平台供应商和商业智能工具平台软件提供商，以国外厂商为主。
硬件平台和工具平台软件是商业智能应用软件实施的基础。
一般而言，商业智能应用软件通常借助商业智能工具平台软件和定制化开发相结合的模式进行。
目前，上游行业中的软件、硬件设备更新较快，其技术水平的升级直接推动本行业产品的更新换代，上述各细分领域内市场竞争较为充分，行业格局比较稳定。
国外硬件平台、工具平台软件供应商的发展时间较长，产品同质化倾向明显，呈现价格稳中趋降、性价比逐年提高的趋势。
图表3：
BI上游产业链厂家分类
1.2.2、BI下游
电信、金融需求突出、待开拓领域多，未来向大数据演进
由于商业智能的建设成本较大、对企业的经营、管理水平要求较高，因此商业智能领域的企业用户主要集中在电信、金融、保险、制造等领域，电信、金融（银行/证券/信托等）、保险作为前三大行业分别占比37%、31%、12%，而制造、零售比重仅为10%和7%。
电信业以“巩固实力，提升服务”为主要BI需求；银行、证券、保险等金融企业以“筛选客户、防范风险”为主要BI需求；电力、石油石化、煤炭等能源企业以“整合资源、完善保障”为主要BI需求；特别是制造业，以“优化配置、高效生产”为主要BI需求，在钢铁、消费电子、电器、汽车、食品、烟草、医药等企业得到广泛应用。
BI提升绩效的价值凸显，使得用户接受度大幅提升。
图表4：
国内商业智能软件市场分行业占比
图表5：
中国商业智能区域投资潜力分析
但是，随着互联网技术的发展、数据价值的挖掘、企业经营理念的重构，越来越多的行业逐渐认识到商业智能对企业的巨大价值，尤其近两年大数据的兴起更是促进了对商业智能领域的持续关注。
我们相信，在互联网+的催化下，在新生技术应用的普及中，商业智能的市场渗透领域和市场规模会不断扩大。
（1）、电信行业：
大数据潜在金矿、亟待规模开发
电信行业信息化程度很高，对信息化依赖很强，积累了大量的数据，具有实施商业智能项目的基础条件和资金实力。
电信行业对于BI深入应用是最渴望的，在话费套餐设置、客户潜力分析等都需要数据挖掘技术来提供决策依据。
电信行业商业智能应用软件市场规模2011-2013年复合增长率达到20%。
除三大运营商将商业智能应用融入企业管理和经营的各层面的深层次需求外，我们认为未来电信市场BI业务的增量投资因素仍包括商业智能系统，根据功能不同可细分为工具平台软件和应用软件两部分。
商业智能的工具平台软件市场，基本被国外主流供应商占据；在商业智能应用软件市场，国内供应商优势明显，东方国信、亚信联创、华为、天源迪科等企业占市场主流。
从中国电信行业2007～2013年BI投资趋势分析中能够看出，中国电信行业在BI应用软件的投资较工具平台软件增长显著。
其中，BI应用软件的投资方面在2013年达到14亿元，2011-2013年间复合增长率达到20%，而BI工具平台软件增长相对缓慢，复合增长率为6.4%。
图表6：
2007~2013年我国电信行业BI投资额分析
（2）、金融行业：
效率与安全双轮驱动大数据应用深化
商业智能系统应用最早的领域就是金融行业，金融行业也是国内所有行业中智能分析系统应用最好的领域之一。
以银行业为例，根据IDC的数据统计，2013年银行业IT投资额占金融行业IT总投资的近80%。
得益于银行利润的增长和信息技术的飞速发展，我国银行业IT投资额保持稳定增长的态势，从2008年的500亿元增长到2013年857亿元，年复合增长率达到11%。
在“十二五”期间，我国银行业电子化工程的进程进一步加快，以提升银行技术效率，为业务的发展创新提供了强有力的支撑，银行信息化也为产业链上下游的公司带来发展契机。
十三五期间，伴随互联网金融的大发展，未来金融行业对包括商业智能在内的IT投资将受益于三个方面：
1）随着金融行业在国家经济转型战略中地位不断提高，金融行业、尤其证券投资领域将迎来爆发式的增长；2）包括银行负债端业务在内的多种传统金融业务遭遇互联网金融的挑战，未来竞争压力凸显，金融行业存在更多的动力实施内部优化，提升效率；3）金融安全挑战日益严峻，未来包括银行在内的金融行业在IT领域的核心软件和硬件国产化是大趋势。
（3）、电子政务：
政务信息化政策利好大数据整体解决方案商用
政务信息化建设是国家信息化建设的重要组成部分，多年来，我国的政务信息化一直在快速推进，以金盾、金农、金审、金税、金财、金关为代表的近百个重大信息化工程项目陆续建成，信息化水平不断提高，但我国的电子政务水平较发达国家相比还有很大差距，全球排名仅70名。
此前《“十二五”国家政务信息化工程建设规划》的出台，是“十二五”期间安排国家投资建设重大政务信息化工程的重要依据，电子政务也经历了一轮投资景气周期；根据IDC的预测，到2017年，我国政府行业IT支出投资规模将达到1189亿元。
剖析《“十二五”国家政务信息化工程建设规划》及其他政策，未来电子政务建设将存在以下趋势：
1、互联互通，建设和整合统一的电子政务网络；2、资源共享、开放数据，利用大数据技术帮助政府转型为服务型政府；3、电子政务云平台+自主安全可控；4、政府购买服务、电子政务外包，投资引入PPP模式，让企业参与运营。
在此趋势和需求下，一方面，电子政务行业进入门槛被抬高，对厂商在顶层设计、交叉技术、自主可控、项目管理、系统运营等方面的能力都提出了更高的要求，有利提高市场比例、提升市场集中度。
另一方面，我们认为，十三五期间，政务信息化预期将从重视“建”向重视“用”转变、以配合服务型政府的转变，将有利于大数据整体解决方案在电子政务领域的应用推广。
（4）、电力行业：
生产信息决策与节能减排双重利好于大数据
制造企业具有庞大的IT架构体系，并不缺乏信息资源，而所缺的是将封存在各个独立业务系统中的信息资源激活，让其具备可用性的技术。
为此，电力企业都需要营销辅助分析决策系统，帮助各级业务人员以最便利的方式获取所有关于其所辖区域的业务数据，并通过数据挖掘工具、数据展现工具等来提高业务人员应用信息的效率，以达到支持业务决策的目的。
系统可以将商业智能工具用于调度生产统计数据的可视化分析、展示，基于发、用、受电模型建立的多维模型，将调度生产统计的主要指标，如发电、用电、送受电的电力、电量、装机容量等数据有机融合在一起，并组织成各种维度，可以进行灵活的数据分析。
商业智能系统的建成可为网调、计划等相关专业有效利用调度生产信息、提高数据分析的广度和深度提供便捷的工具和手段，为电网的安全、优质和经济运行提供有力的支撑。
1.3、BI与大数据的联系与区别
BI直译就是商务智能，也是以数据作为基础，通过数据的分析得出数据报表，之后对企业的经营决策提供参考。
这样看来好像也和大数据的作用差不多，BI是一个系统的商业智能解决方案，大数据的应用也是基于平台，但主要是对非结构化的数据进行处理。
大数据应用的数据来源，不仅仅包括非结构化的数据，还有各种系统数据，数据库数据。
其中非结构化数据主要是集中在互联网以及一些社交网站上的数据以及一些机器设备的数据，这些都构成了大数据应用的数据来源。
对于大数据的分析工具来说，现阶段也是对于非结构化的数据分析的比较多。
BI系统则是在数据集成方面的技术越来越成熟，对于数据的提取，一个各种数据挖掘的要求来说，数据集成平台会帮助企业实现数据的流通和交互使用，在企业内部实施BI应用就是为了可以更好的对数据进行分享和使用。
BI的发展要从传统的商务智能模式开始转换，对于企业来说，BI不仅仅是一个IT项目，更是一种管理和思维的方式，从技术的部署到业务的流程规划，BI迎来新的发展。
对于大数据来说，现阶段更多的大数据关注在非结构化数据，不同的数据分析工具的出现和行内的应用范围不断的加大，对于大数据应用来说，怎么与应用的行业进行一个深层次的结合才是最重要的。
伴随BI的发展，BI的应用范围越来越广，对于大数据来说，一些传统的BI工具实现不了的数据结果分析，往往也会给大数据带来意想不到的发展空间。
图表7：
大数据与BI的区别总结
2、大数据：
逐步走向成熟，市场进入爆发成长期
过去几年，大数据基本停留在概念阶段，市场多为概念性的炒作，经过几年业界、资本市场的不断认知，随着大数据相关技术的不断发展进步，业界普遍认为2014年是大数据各个方面成熟的一年，这不仅包括行业认知、技术认可、还包括大数据的商业化运作和应用。
从2014年开始大数据技术正式进入商业实践阶段，行业面临全面爆发的历史时刻。
如今，大数据业务的应用已经渗透到电信、金融、医疗、学校、民生、公安政府等各行各业。
首先，手中握有数据的公司站在金矿上，基于数据交易即可产生很好的效益；其次，基于数据挖掘会有很多商业模式诞生，定位角度不同，或侧重数据分析。
比如帮企业做内部数据挖掘，或侧重优化，帮企业更精准找到用户，降低营销成本，提高企业销售率，增加利润，以及增强企业竞争力等。
“大数据”的应用与服务正在改变着我们习以为常的经营之道，一场关系到企业发展的商业变革和技术革命已经到来。
图表8：
2012年~2015年大数据相关国家政策与政府行动
2、从BI到大数据4.0的演变历程
2.1、大数据核心技术不断演进，年增50%
当今世界每天都有几十亿人使用计算机、平板电脑、手机和其它数字设备。
每一种设备都会产生海量数据。
据Forrester的最新研究显示：
目前在线或移动金融交易、社交媒体、GPS坐标等数据源每天要产生超过2.5艾字节（1艾为2^60次方）的海量数据，过去10年，数据符合增速保持在50%，换句话说，当前世界数据总量的80%来自于最近2年。
据IDC判断今后数年内，全球数据的增长速度预期将维持50%左右的增长，到2020年前人类数据量将超过40ZB。
图表9：
2006-2015年全球数据量变化趋势
图表10：
2009-2016年全球移动流量变化趋势
这些海量数据被誉为新时期的“金矿”。
在信息时代如何利用数据正成为赢
得竞争的关键。
利用大数据将改变企业之间的竞争模式，企业之间竞争的焦点将从资本、技术、商业模式的竞争，转向对大数据的争夺，这将体现为一个企业拥有的数据的规模、数据的多样性以及基于数据构建全新的产品和商业模式的能力。
数据时代，通过数据挖掘得到的隐含信息不仅可以帮助企业优化业务流程、管理客户关系、甚至还能帮助其进行战略决策，存在巨大的商业价值。
麦肯锡调查显示，大数据应用在美国医疗行业每年能提高0.7%的生产力，创造约3000亿美元的价值；在欧洲公共管理部门，每年能提高0.5%的生产力，创造2500亿欧元的价值；在美国零售业，每年能提高0.5%-1.0%的生产力。
各行业都越来越重视数据的商业价值。
图表11：
大数据挖掘的潜在价值
图表12：
大数据挖掘的逻辑流程图
仅考虑我国大数据交易的规模，目前每年就在1500亿元左右，未来5年将进入“加速期”，到2020年将达到8000亿元的规模，复合年均增长率40%。
图表13：
2015-2020年大数据交易行业规模预测
而数据交易市场作为获得数据的一种方式，仅是大数据真正投入应用的第一步。
更具价值的是在大数据时代，对于大数据的后续处理和挖掘所带来的价值。
大数据时代的演进已经及将经历一共5个时代，以东方国信及其子公司为代表的数据服务提供商在其中扮演着重要角色。
图表14：
大数据分析4层次
其中a）商业智能（BI）软件我们定义其为大数据史前时代，而b）实现非结
构化数据收集存储为大数据1.0时代，c）对用户信息整合，标签，画像为大数据2.0时代，d）利用机器学习和人工智能实现知识的发现和智慧的自动判断为大数据的3.0和4.0时代。
目前全球普遍正在往大数据2.0时代演讲。
东方国信已经完整布局了从BI到大数据1.0和大数据2.0，正在渐次布局大数据3.0和4.0。
2.1.1、大数据的史前时代
东方国信以商业智能软件（BusinessIntelligence简称BI）起家，BI是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提
供报表并提出决策依据，帮助企业做出明智的业务经营决策。
伴随着BI的发展，ETL、数据集成平台等概念陆续提出。
ETL（Extraction
TransformationLoading）即数据提取、转换和加载。
数据集成平台主要功能对各种业务数据进行抽取和相关转化，以此来满足BI、数据仓库对数据格式和内容挖掘的要求。
东方国信在上市时业务主要来自电信行业，其已经是联通BI软件的主要供
应商，如今更已经打通3大运营商，并在电信领域的商业智能（BI）做到国内最大，占据了中联通，中电信，中移动大致80%，40%，20%的市场份额。
营商BI商业智能（BI）是大数据的史前时代。
主要利用运营商内部流转所需要的运营数据，即以结构化存储的数据，给企业提供价值和应用。
但由于结构化的大数据来源有限，所以行业规模也有限。
东方国信开始有新意识，引入海量非结构化数据源，支持海量数据分析，从而支撑运营商内部决策。
2.1.2、大数据1.0效率为先（2012-2015）：
非结构化数据处理加速
目前大数据应用更多关注非结构化数据，关注诸如互联网，Twitter、Facebook、博客等非结构化数据，但结构化数据也属于大数据，并且呈现出相同的特点和特征，如数据量大，增长越来越快，对数据处理要求高等。
大数据1.0时代解决的是大数据采集、储存、清洗、处理、分析的效率问题。
结构化数据是广义大数据中含金量或价值密度最高的一部分数据，与之相比，非结构化数据含金量高但价值密度低。
在Hadoop平台出现之前，数据应用主要是结构化数据，如果用传统方法处理价值密度低的非结构化数据，其产出实在是有限。
Hadoop平台的出现，为人们提供了一种开放的、廉价的、基于普通商业硬件的平台，其核心是分布式大规模并行处理，从而为非结构化数据处理创造条件。
图表15：
大数据1.0时代：
效率时代
2.1.3、大数据2.0变现为王（2015-2020）：
用户画像与标签
下一阶段是大数据2.0的时代，数据并不只是仅仅对企业内部有价值，还应该用这些数据向外去提供和创造一些价值。
在大数据2.0时代，移动数据成为基础数据，标签成为大数据价值的基本元素。
标签是描述一类用户或行为属性集合，其具有相关性和大概率特点。
标签可宽可细，完全取决于标签制定者的需求。
标签可以分为用户属性、位置信息、游戏偏好、应用兴趣、消费偏好等类型，大数据标签是用户画像、精准营销、风险监测等大数据应用的基础。
图表16：
大数据2.0时代
在大数据2.0时代，数据能够对内、对外产生价值，同时在保护隐私、保护数据安全的情况下，数据能够在不同组织间自由流动，形成整个社会的数据基础设施，进而形成一个平台，能够聚集大量的开发者，聚集足够的共性需求，形成专业的精深的数据分析，并且最大化发挥价值。
图表17：
大数据时代数据来源的演变
大数据2.0时代一个明显变化，随着用户画像以及标签化的成熟，大数据
变现运营已正在成为现实。
东方国信有望在电信，金融以及数字营销领域都获得突破。
2.1.4、大数据3.0与4.0决策为本（2020-2030）：
机器学习与洞察
随着非结构大数据处理能力的成熟，大数据分析将进入3.0和4.0时代。
人工智能和数据挖掘在后续的技术演进中预料将扮演更重要角色，通过对已经整合好的信息的分解和提炼，从而可以对数据转化为知识，甚至进一步提升为人类的智慧产物。
其核心功能在于可以让分析算法无需人类干预和显式程序即可对最新数据进行学习。
而今年谷歌的AlphaGO战胜围棋世界冠军李世石正是基于其对此前几千万局职业棋谱的大数据机器学习。
IBM的大数据专家JamesKobielus认为在多数情况下，机器学习是大数据
创新中可以获得的最佳投资回报的研究方向。
对机器学习的应用和投资可以深度利用企业获得的大量数据。
这是因为机器学习算法在容量、速度和类型（即大数据的3个V特性）中越来越高效。
正如大数据专家MarkvanRijmenam所说：
“处理的数据越多，这种算法就越能体现出优势。
”他认为，包括语音与面部识别、点击流处理、搜索引擎优化、推荐引擎在内，许多机器学习应用可能被描述为意会分析法（sense-makinganalytics）。
由此也难怪全球975家主流人工智能企业中，有40%的企业聚焦于机器学习，而且所获融资也远超其他人工智能的方向。
东方国信在2015年报中明确表示将在技术创新方面推进已有自主核心技术与能力：
布局机器学习与人工智能，打造图像识别、文本挖掘等非结构化的数据处理技术；打造端到端的平台化产品，构建大数据行业云平台；打造面向能力开放与数据运营的虚拟化技术与组件化技术。
这些都与大数据发展演进3.0和4.0的方向高度一致。
2.2、大数据产业步入快速增长、国内相关企业产业布局呈哑铃型
2.2.1、从概念热炒到实际应用，大数据步入快速成长期
大数据经过前几年的概念热炒之后，逐步走过了探索阶段、市场启动阶段，当前已经在接受度、技术、应用等各个方面趋于成熟，开始步入产业的快速发展阶段。
图表18：
中国大数据市场AMC模型
大数据巨大的应用价值带动了大数据行业的迅速发展，行业规模增长迅速。
根据InfoDesk易观智库预测，到2016年，大数据行业的行业规模将达到130亿元人民币，市场增速也将维持在30%。
图表19：
2011年~2016年中国大数据市场规模及预测
2.2.2、大数据产业链分工明晰，发展侧重数据采集及应用、呈现哑铃型
从产业链角度来讲，大数据从采集、加工、存储、分析、挖掘、应用展现到整体管控是一体化的过程，当前在产业链的各个环节均有相应的公司进行布局。
但是，这些大数据公司也多是只在这条产业链中的某个环节具备了某种能力，比如拥有数据源、掌握了大数据的某种能力等。
数据源市场可以划分为综合性和垂直型两种，分别处于整合阶段和布局阶段，数据积累是其核心。
数据存储和数据挖掘领域为国际巨头所垄断，国内企业短期很难超越。
数据应用市场是国内企业的机会，并且我们已经看到很多成功的案例，比如网络数字营销的普及推广、基于位置的营销等。
图表20：
大数据产业链及产业形态
图表21：
大数据代表公司产业定位及近年并购
2.3、大数据助力产业升级创新
大数据的价值逐渐被各行各业所认识：
大数据不仅为企业创造价值，也帮助客户获得更好的服务体验和性价比更高的产品，从供给者和需求者两个层面实现了双赢。
目前，大数据已经从概念走到了商业实践，各个行业都开始实践大数据的思维和战略，从行业布局来看，俨然已形成了百花齐放之势。
当然，从市场吸引力和应用成熟度两个维度来讲，不同的行业对大数据的接受还是差异化的。
将来大数据的思维和方法将对各行各业产生深刻的影响，进而是各个行业内部的剧烈变革和重构。
图表22：
大数据典型行业应用
3、大数据主要应用分析
3.1、电信行业大数据应用
3.1.1、电信大数据爆发式增长，但运营商进入存量经营时代
近年来电信行业高速发展，经初步核算，2015年我国电信业务总量完成23141.7亿元，同比增长27.5%，比上年提高12个百分点。
但电信业务收入完成11251.4亿元，按可比口径测算同比仅增长0.8%。
增速已经连续多年低于业务总量增速。
图表23：
2010-2015年电信业务总量及收入增长情况
总体来看，电信业务总量虽然持续快速增长，但由于通信渗透率已经到达相当高度，客户总量增长进入平稳期，而ARPU值短期内看不到大幅上升的基础，由此导致其营业收入增长速度逐年放缓，依靠传统业务创收的模式遇到瓶颈，转型创新压力巨大。
而大数据变现是各种创新中成本最低见效最快的。
3.1.2、电信运营商大数据变现具备基础
大数据变现应该成为新的增长点。
以中国联通和中国电信为例，今年分别制定了6亿以及4亿的大数据变现指标，对其具体量化都是历史上首次，其重视程度可见一斑。
而东方国信通过提供后台软件以及落实用户资源，有望获得其相关部分的20-40%。
电信行业作为人们与社会生活紧密联系的触点，其大数据主要来源于多个方面：
图表24：
电信数据源
而电信运营商运用大数据获得变现收入或盈利也有如下多个点：
图表25：
电信运营商大数据应用
3.1.3、利用大数据，聚焦服务、创新、运行支撑
运营商大数据产业链主要分为四层：
即大数据采集、大数据管理、大数据应用及大数据运营。
其中，采集的主要内容为网络层采集和BOSS计费系统采集，管理的具体内容为数据共享平台的管理（存储、数据管理），应用包括基础应用和行业应用，运营的具体内容则是增值服务和精准营销以创造更多附加值。
当前，电信运营商的市场环境发生了很大的变化，传统的增加用户连接的经营模式遭遇瓶颈，运营商已经意识到必须转型大数据等领域寻求市场突破。
电信运营商提供了互联网上所有的数据通道，这一先天优势，决定其将是未来大数据时代最强有力的竞争者。
移动互联的井喷发展，推动电信运营商掌握了所有移动设备接入互联网的最终端口，这使得运营商注定会在消费者未来通过移动终端进行的所有商业行为中
升级会员 