未来5年数据资产化工具市场规模可达千亿中智观察共 4946字,需浏览 10分钟 ·2021-03-23 18:53 作者 | 中国软件网 海比研究院 --- 随着企业数字化转型的深入,企业对于挖掘数据资产价值有了更高的要求,数据资产的变现和增值就是重要方向之一。同时,对于数据资产的开发、部署、管理、监控迫切需要可靠、可用的数据基础设施和工具。基于此,海比研究院作为企业ICT领域专业信息服务第一品牌,联合中国软件行业协会应用软件产品云服务分会、中国软件网重磅发布《2021中国数据资产化工具市场研究报告》,为行业发展提供基于长期观察和独特视角的卓越洞见。 报告对数据资产化工具市场的行业概况、技术水平、市场规模、竞争格局、应用前景做了全景呈现,并对数据资产化工具厂商做了详实剖析和典型案例研究,绘制出数据资产化工具未来应用前景与发展蓝图,高屋建瓴规划企业数字化演进路径。 01 行业误区——不了解数据资产化所处发展阶段、不了解各环节所匹配的工具,是目前数据资产化的两大误区 从企业到社会,数字化已经深入到每一个细胞,由此产生的巨量数据已经成为一项重要资产要素。对于数据资产的管理和价值挖掘成为企业必须面对的课题。 通过对数据资产化市场参与者的调研访谈,海比研究院发现,整体市场虽然在快速发展,但也存在一些对数据资产化明显的认识误区。 误区之一:数据资产化应该是一个怎样的过程?过程中都有哪些重要环节?很多用户并不了解,或者简单化的认为数据资产化就只有单一的一个环节。 误区之二:很多用户错误的认为,数据资产化只需要一个大数据平台即可,并不了解每一个环节都会涉及到众多工具。 定位本企业在数据资产化过程中所处的阶段,深入理解当前阶段对企业能力的要求、以及选择当前阶段所匹配的大数据工具,是企业资产数据化发展过程中需要迫切需求。只有破除了这些误区,企业的数据资产要素才能真正实现升值、变现。 02 数据资产化发展阶段与价值链条——不同价值链条中的环节对应的工具不同,深耕的厂商也各异 中国企业数据要素的发展演进,大致可以分为4个阶段:起步阶段、成长阶段,变革阶段和融合阶段。起步阶段中主要以数据的存储和查询为主,工具以Oracle,MySQL等关系型数据库为代表;随着数据量的增加以及数据类型的逐渐丰富,数据要素应用进入成长阶段,企业对数据处理分析的需求更加迫切,这一阶段的数据要素工具主要以数据集市\BI为主,Hadoop、NoSQL为代表;之后,大数据的概念逐渐被接受,数据要素的管理进入了变革阶段,这一阶段的主要任务是将企业的业务尽量数据化,分布式处理、列式存储等技术大量使用;目前国内数据要素管理已经进入了融合阶段,人工智能、云计算和大数据共同推动企业经营、管理的转型升级。 总体来看,数据资产化的业务价值链共有五大环节,七小环节。五大环节分别是源数据、数据采集、数据存储、数据处理和数据应用。数据应用又可以分出三个并列的小环节,分别是可视化、决策应用和营销变现。其中,数据采集、数据存储和数据处理环节是核心战略环节。 在源数据环节,比较有代表性的工具包括阿里云、明途科技等厂商;在数据采集环节,有代表性的厂商包括东软、明途、日志易、Growing IO;数据存储环节有代表性的厂家包括阿里云、腾讯云等;数据处理环节中的典型厂家包括百分点、东软、Growing IO等;在可视化领域,有代表性的厂商有东软、观远数据;决策应用领域中,东软、百分点、明途、日志易、微金时代是典型厂商;在营销变现领域中,Growing IO、阿里云、腾讯云是典型厂商。 海比研究院认为,数据资产化的特征是将过去不同来源渠道的数据进行整合,将源数据、数据采集、存储、分析、管理与应用的各个环节捏合成为一个整体,从而形成基于企业/机构自身数据资源的数据资产包。目前国内大量的企业还无法将数据要素进行统一的管理和整合和分析,各种数据源、存储管理以及分析工具还处在分散管理的状况下。 从整体价值链来看,数据资产工具的供需双方的关注焦点基本一致,数据处理和数据采集是双方认定的关键环节。值得注意的是,在用户侧,数据存储更受到关注。因此,像百分点这种注重全流程数据治理的企业会更受最终用户欢迎,同时像日志易、明途科技这种在数据采集方面优势突出的企业也具有较好的发展。 03 市场规模与结构——5年内市场规模达到千亿量级,复合增长率超过40%,前景广阔 可以肯定的是,数据资产化工具市场未来几年依然会高速增长。依据海比研究院数据,中国数据资产化市场规模2020年为280亿元,年复合增长率达到40.7%,预计2024年市场规模将达到千亿规模。旺盛的需求来源于国家新基建等政策推动,以及企业为应对市场竞争而进行的数字化转型需求,都为数据资产化工具企业带来广阔的市场空间。 而国外市场则没有那么乐观,复合增长率逐年下降趋势。预计在2025年可超过300亿美元规模。未来,中国市场将是数据资产化的最重要的增量市场。东软、明途、百分点、等数据公司的崛起,将会为企业数字化转型提供高效的工具。 国内企业对于数据资产化存在庞大的企业需求,依据海比研究院数据,有需求的企业数量高达156万家,其中高需求企业数量达48万家。但实际购买并形成数据资产管理的企业数量只有1.4万家,仅占2.9%,由此可见数据资产化工具的客户开发率或企业购买率偏低。 以核心工具作为细分标准来看,数据应用类的需求占比最高,1.4万家企业中占比达到32%,其次是数据处理类,占比为20%。从销售额来看,数据存储规模最大,达到113亿元,其次是数据应用类,其中可视化市场规模24亿元,交易变现18亿元,内部决策应用54亿元;再次是数据处理、数据采集和源数据领域。 从行业角度看,互联网企业占比最高,达到5800多家,远高于其他行业。互联网的行业特点决定了对数据工具的需求,但在数字化转型逐渐普及的今天,其他类型行业的需求也应获得数据资产工具企业的关注。 从需求层面来看,大中型企业贡献的市场规模比例较高,尤其是政府、金融、医疗、制造和教育等行业的贡献较大。 根据海比研究院的监测数据,2020年,共有6.1万个数据资产工具订单签订。平均每个最终用户购买4个数据资产化工具。与此同时,平均每个厂商供给7个数据资产化工具产品和6个数据资产化解决方案。由此可见,工具的功能分布都比较分散,能为客户提供统一数据资产解决方案的企业还不多。随着市场规模的不断扩大,未来像东软、百分点、明途、日志易等能为需求方提供全流程数据资产化工具解决方案的厂商会有较好的发展空间。 04 竞争格局——市场竞争激烈,企业盈利能力一般,但用户对数据资产化工具忠诚度较高,市场前景看好 海比研究院的研究数据显示,数据资产化工具厂商平均每百家同行业企业就有接近9家是业务重叠的竞争对手,整体竞争激烈程度较高。不同核心工具厂商面临的竞争激烈程度相差不多,只有数据可视化领域竞争激烈程度稍低。 从主流厂商所面临的竞争激烈度来看,京东、阿里、腾讯、百度、网易等企业竞争压力较大,而明途、百分点、日志易、帆软等面临竞争压力较小。 行业的竞争激烈程度还体现在企业盈利能力上,海比研究院数据显示,有35.3%的厂商利润集中在300万到1000万之间,另有18.6%的厂商利润低于300万,整体盈利能力偏低。超过三成厂商营收规模在500万到2000万之间,只有9.8%的厂商营收超过5亿元。 从需求侧角度看,用户对数据资产化工具的行业标准满意度为72.2分,满意度水平略低。细项来看,与期望差异的值最低,为69.4分,说明最终用户对产品的期望较高,但实际产品表现未达满足需求。但从用户忠诚度的角度看,76%的最终用户会继续使用数据资产化工具,并有超过六成的客户明确表示愿意推荐给亲朋好友使用,只有5%的用户表示“只使用”,有57%的最终用户对数据资产化工具满意且忠诚(倡导者),既不满意也不忠诚的用户(破坏者)比例仅有17%。用户对数据资产化工具的前景十分看好。 05 应用需求分析——9成企业有数据资产需求,数据处理类、数据存储类工具需求最高,国产化水平、口碑、应用场景丰富度与深度方面是用户核心关注要素 通过对企业的调研深访,对数据资产化有需求的企业超过9成,其中有较高需求的企业超过3成,市场前景广阔。运营部门和IT部门是企业中生产数据的主要部门,其次是市场和管理部门。目前,对数据资产化工具需求最高的是数据存储类和数据处理类。 50-100万是目前用户数据资产化工具支出规模最集中的区域,有26%的最终用户在数据资产化工具支出规模方面集中在50-100万元,其次是支出规模在100-500万的用户占比为24%,另外还有21%的最终用户支出规模在10-50万。从客单价角度看,5-30万是最集中的区域,整体支出水平不高。 调研结果显示,阿里云等云市场及大数据细分领域峰会是最终用户了解数据资产化工具的首选触媒渠道。其次,IT专业领域峰会、技术类网站、渠道商、代理商等也是最终用户了解的重要路径。而从购买渠道看,最终用户主要通过云市场、咨询等IT服务商、渠道商/代理商、系统集成商来购买相关数据资产化产品。而常见渠道作为获取产品信息的占比偏低,这一点值得厂商关注。 从影响购买因素来看,数据安全、数据产品匹配度、产品功能、个性化需求满足和服务水平是关键要素,其次是客户数量与质量、口碑和价格。从影响最终用户的支出水平来看,产品的国产化水平、口碑、应用场景丰富度与深度方面是核心关键影响要素,决定了最终用户在数据资产化工具方面的支出水平的高低,与购买影响要素存在显著区别。 最后,我们对xx家不同类型平台商与优秀案例研究调研,将各个平台商产品应用场景、核心技术、核心能力等一一展现,致力于为数据资产化工具使用者提供详实的优秀案例,与优秀企业共同探讨未来增量市场创新机会和发展趋势,为行业发展提供基于长期观察和独特视角的卓越洞见。 浏览 30点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 数据治理与数据资产化肉眼品世界0数据资产化前瞻性研究白皮书产品刘0数据资产化实践指南(2024年)来源:广东省政务服务和数据管理局 、广东数字政府研究院、广州数据交易所、粤港数据安全与隐私保护联合实验室、广州芳禾数据有限公司公众号后台回复: 报告 获取源文件欢迎添加本站微信:datajh(可上下滑动或点单个图片放大左右滑动查看)知识星球历史已上传相关资【数据资产化】前瞻性研究白皮书数据D江湖0数据资产纳入国资保值增值考核,上海试点国企数据资产化数据工匠俱乐部0数据要素视角下的数据资产化研究报告(86页)你好,我是王路情博士,一个坚持早上5点起床、阅读1小时书籍和晨跑5公里的创业者。我们提供1)软件设计与实现,2)数据分析与应用 和3)数字化转型的咨询与服务。请问有什么需要我们帮助的吗?感恩遇见,共赢未来。最近两天,我阅读了普华永道和上海数据交易所合作撰写的一份报告《数据要素视角下的数据资产化研究报Blue Gene/L数据虚拟化工具BlueGene®/L超级计算机为科学家提供了一流的计算能力和复杂的数据虚拟化工具,帮助他们深入学科的前沿。了解此项技术如何帮助计算分子生物学家创建蛋白质折叠和错误折叠模拟,以更多好理解这些复杂的分子Blue Gene/L数据虚拟化工具Blue Gene®/L 超级计算机为科学家提供了一流的计算能力和复杂的数据虚拟化工具,帮助他们深入数据资产管理:企业的数据资产怎么盘?大数据DT0揭秘 | 市场规模破千亿,盲盒经济到底有什么魔力?易观数科0点赞 评论 收藏 分享 手机扫一扫分享分享 举报