FABIE观察｜大数据有多大？

1发布 · 2021-09-27 10:15 66

FABIE说

现代社会在生产、生活的各个环节无时无刻不在产生数据，这些数据被汇聚形成大数据海洋，其价值在于提供详尽的信息，构筑事物的全方位图谱。虽然我们通常感受不到它，但它时时刻刻存在我们身边，例如近期被国家点名的“大数据杀熟”，就是一出“把你养肥、摸清底细、再一顿宰”的桥段。

大数据为何物

“大数据”最开始是IT领域的概念，后逐渐延伸到科学、商业等领域，在发展过程中也经历了从产生到衍生、从成长到壮大的过程。权威机构Gartner的定义：大数据（Big Data）是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

这种专业性描述对很多人来说是比较难以理解的，通俗来讲，就是巨量的数据信息，具有规模大、种类多、增速快、价值性、真实性等特点。当然，不同群体出发点不同，定义也不同，在IT人眼里也许是无穷无尽的加工原料，在企业家眼里也许是待挖掘的宝藏，在投资人眼里是也许发光的金子。

所以，你的大数据，很顺手就被平台拿来当成宰你的刀子了，毕竟在技术平台比你自己更了解你。

据IDC发布的数据，中国的数据产生量约占全球数据产生量的23%，形成强大的数据资源库。正是这些潜藏的价值，赋予大数据强大发展空间，形成大数据产业。

大数据产业涵盖数据的采集、加工、存储、分析等方面的产业集群，是建立在大数据价值链上的企业组合。主要包含三大要素：大数据资源、大数据技术和大数据应用，其中资源和技术为大数据产业的形成提供了可能性，而应用需求则为大数据产业发展提供了拉力，三个要素形成了大数据产业的一个完整闭环。基于这个闭环和数字经济的推动，大数据产业已成为这个时代最为活跃的科技和产业领域。

三个要素闭环

给政策带产业飞

正因为大数据价值的日益呈现，近年我国大数据产业快速演进和迭代，自2014年大数据首次写入国家政府工作报告以来，取得飞跃式发展。

我国大数据产业发展历程

同时，国家和各级政府加速出台一系列支持大数据产业发展的政策，下表列举其中部分政策及相关内容：

2021年以来，国家、广东省、东莞市各级政府发布的国民经济和社会发展第十四个五年规划和2035年远景目标纲要中都提及对发展大数据产业的支持和对数据信息的保护。而近期出台的《中华人民共和国个人信息保护法》，也明确加大对“大数据杀熟”现象的监管力度，也将让以大数据运用和数字经济为代表的网络空间健康发展迎来越发清晰的发展边界。

看产业规模几何

在市场和政策的双重助推下，我国大数据产业已颇具规模。赛迪顾问统计显示,2020年中国大数据产业规模达6388亿元,同比增长18.6%,预计未来三年增速保持15%以上,到2023年产业规模将超过10000亿。

大数据产业应用领域丰富，中国信通院对1404家涉及行业大数据应用的企业统计发现，金融、医疗、政务是大数据行业应用的最主要领域，其次是互联网、教育、交通运输、电子商务、供应链与物流等行业。

2020年中国行业大数据应用企业类型分布情况

资料来源：中国信通院

在产业链方面，大体可分为上、中、下游。上游主要涉及基础IT设备，如服务器、网络设备，尤其是数据中心，是大数据和云计算发展的基础；中游主要包括软件、IT服务、数据采集分析，其中云计算为大数据的处理与分析提供了解决方案，是当前发展热点；下游覆盖面较广，主要是技术与传统行业的融合，包括金融、物联网、地图等方面。其中上游占产业总规模的40%左右，中游占约55%，下游仅占5%左右。

中国大数据产业生态联盟以基础设施层、数据服务层、融合应用层作为大数据产业的三大组成部分，梳理形成了2021年中国大数据产业生态地图。

2021年中国大数据产业生态全景图

资料来源：中国大数据产业生态联盟

同时，第六届大数据产业生态大会揭晓了“2021中国大数据企业50强”，其中，华为、腾讯、阿里、中兴、小米分别位列榜单前5名。“50强”作为大数据产业发展的领军企业，覆盖中国大数据产业生态链上的细分领域，将成为中国数字经济国家战略建设的中坚力量。

如华为云FusionInsight包含MRS云原生数据湖、DWS云数据仓库、 DGC数据湖治理中心、 GES图引擎等云服务，支撑政企客户全量数据的实时分析、离线分析、交互查询、实时检索、多模分析、数仓集市、数据接入治理、图计算等海量数据分析场景，加速释放数据价值，具有云生数据湖、一架构三湖、持续演进的企业级数据湖等优势；还有阿里飞天大数据平台，每天有数万名数据和算法工程师使用，承载了阿里巴巴99%的数据业务构建，并广泛应用于城市大脑、数字政府、电力、金融、新零售、智能制造、智慧农业等各个领域的大数据建设。

此外，东莞市在数字化过程中也产生了一些实力较强的大数据企业，如广东唯一网络科技有限公司，是南兴股份（股票代码：002757）的全资子公司，总部位于东莞天安数码城，是数据中心、云网服务及数字化解决方案提供商，尤其在数据中心领域，已形成在粤港澳大湾区核心区域的优质自建数据中心产业格局，并持续推进京津冀、长三角区域的战略资源布局。

2021年众多大数据企业50强

资料来源：中国大数据产业生态联盟

路漫漫还需跨栏

应当看到，我国大数据产业发展虽有一定成效，但在国家“数字中国”“智慧社会”的漫漫战略长路上，还有一些绊脚石，它们制约着大数据产业的发展，需要关注并加以解决。

1. 数据安全问题突出

数据的强流动性和不唯一性使得其安全边界无限扩大，而软件或系统漏洞也为数据的泄露或者违规收集提供了便利，给数据安全极大挑战。安全问题仍然是高悬在大数据应用之上的达摩克利斯之剑，保障数据安全，才能推动大数据产业更好发展。

2. 数据资源整合能力不足

整体上，数据主要掌握在政府、企业、社团等单位，数据分散难以集中处理形成有效的数据要素。而很多机构平台，也可能因大数据带来的竞争优势，不愿或不敢开放数据，形成数据孤岛，难以形成系统性大数据全景。

3. 技术进步较缓慢

国内大数据处理和应用能力不强，认知也还不到位，多数企业在发展大数据的时优先采用已确认并实际应用的技术，而不敢尝试新技术，导致发展缓滞，难以拓展应用深度。

4. 高端技术人才缺失

据了解，中国的大数据产业至少需要 180万以上的人才，而人才需求随产业发展而变化，且培养周期长，导致当前人才尤其是高端人才缺乏，不利于大数据产业的长期发展。

5. 行业应用不深

前文提到，大数据在现代各行业基本都有应用，尤其在金融、医疗、政务等领域应用较多。但在其他行业应用上，则还存在一定差距，行业应用占比较小，仍有待开发应用空间。

6.产业能耗高

云计算为大数据的处理与分析提供了解决方案，而这必须依靠数据中心来实现。2020年我国数据中心的总能耗突破了2千亿千瓦时，相当于6千万吨煤燃烧的发电量，排放了1.6亿吨的CO2，对“双碳”目标提出严峻考验。

敢问路在何方

FABIE认为，大数据产业的驱动因素主要有几个方面：一是发展理念的转变：传统产业谋求数字化转型升级；二是科技发展的趋势：当今世界处于消费互联网向工业互联网发展的交汇期；三是生活方式的转变：人们越来越依赖网络、智能手机及定位系统所形成的生活圈层；四是大型黑天鹅的出现：黑天鹅的突发性和巨大影响，引起市场连锁反应，甚至颠覆整个产业的发展路径。

因此，从上述几点驱动因素分析，我国大数据产业近期发展可能呈现如下趋势：

1.数据由资源转为资产，要素属性渐显

数据资源经过加工分析，不仅能创造价值，还能改变劳动和分配方式，推动产业的转型升级，已成为数字经济时代基础性、战略性生产要素。2020年出台的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》也正式将数据列为生产要素。数据资源的多寡成为衡量各主体软实力和竞争力的重要标志，政府、企业、社会组织将纷纷参与数据要素市场建设，积极探索数据资产有效运营和价值转化的途径。

2.数据从应用向技术创新升级

新冠肺炎黑天鹅事件，倒逼我国大数据产业从应用期突破底层自研、步入创新突围期，大数据技术、产品和解决方案被广泛应用于联防联控、产业监测、资源调配、行程跟踪等新兴领域。我国企业将在创新数据应用场景同时，不断在基础平台、存储、分析等数据技术层加大自研力度，推进自主能力建设。

3.工业大数据应用愈加深入

当前工业数字化主要停留在工业设备设施层面，在制造流程上的系统性应用较少，产业链上的应用则更是凤毛麟角。在政策和市场的共同作用下,制造业日益注重大数据在制造全过程、全产业链、产品全生命周期的应用创新，推动我国大数据在工业领域的应用从产品、设备的微观层面向制造体系的中观层面和产业链的宏观层面延伸深入。而大数据生产、管理、应用等基础的完善，也将逐步推动工业大脑成型。

4.大数据产业与区域经济协同发展趋势更明显

我国大数据产业发展正迎来新一轮增长周期，大数据综合试验区建设引领下，京津冀、长三角、珠三角、中西部等地区大数据产业与区域经济协同发展日益深化,大数据集聚发展示范效应将进一步凸显。大数据集聚区的数据要素价值将更快释放，在新基建、数字政府、智慧城市、实体经济数字化、数字货币等方面持续引领全国大数据产业发展。

5.大数据技术主体多元化

一直以来，大数据技术主要掌握在电商、即时通信、搜索、地图等互联网企业中，如阿里云、百度地图在大数据布局和应用创新方面持续创新，形成龙头之势。在数字经济时代，各行各业的产品和技术供应商也在海量数据供给、活跃创新生态和市场需求刺激下茁壮成长，以差异化的优势成为各方独角兽，使得中国市场大数据产业竞争格局更加明晰激烈。

结束语

当前，数据经济在全球范围内愈演愈烈，各个产业之间越来越相融，不断催生具有行业特色的大数据。大数据市场需求能够开辟新的产业市场空间，从而迫使各产业打破原有的平衡状态，促进大数据产业系统的发展实现突破性创新。在这种浪潮之下，如何更安全、更有效、更经济地使用作为新时代生产要素的大数据资源，是每个数据关联体都应该思考的问题。