《《2019中国大数据产业发展白皮书》深度解读之三》

  • 来源专题:北京市经济和信息化委员会监测服务平台
  • 编译者: zhangmin
  • 发布时间:2019-09-16
  • 近日,由大数据产业生态联盟联合赛迪顾问共同完成的《2019中国大数据产业发展白皮书》(以下简称《白皮书》)在2019世界计算机大会——“计算机未来:算力驱动万物互联”主题论坛上重磅发布。

    以下是对白皮书中健康医疗大数据的深度解读。

    相较于其他行业,医疗行业的信息化水平走在前列。2009-2017年我国医疗信息化市场规模逐年递增,且增速保持在20%以上的较高水平。从数据角度来看,中国医疗数据的类型和规模近年来一直在快速增长,数据爆炸推动健康医疗进入大数据时代。如何在打破数据孤岛、提高数据分析技术的同时,结合健康医疗场景,夯实数据质量,拓展应用空间,成为该细分行业的发展关键。

    一、健康医疗大数据行业大事

    (1)健康医疗大数据相关政策频出

    《国家健康医疗大数据标准、安全和服务管理办法(试行)》发布。该办法旨在强化对健康医疗大数据的政策指引,充分发挥健康医疗大数据作为国家重要基础性战略资源的作用;

    《关于印发电子病历系统应用水平分级评价管理办法(试行)及评价标准(试行)的通知》发布。该通知将电子病历划分为10级,并要求到2020年实现辖区内所有三级医院电子病历要达到分级评价4级以上,二级医院要达到分级评价3级以上,此外对医疗数据的互联互通和标准化成熟度测评也做出硬性要求;

    《健康中国行动(2019-2030年)》和《健康中国行动组织实施和考核方案》相继发布,为《“健康中国2030"规划纲要》提供了更落地的可行性实施方案,为医疗健康行业发展注入强心剂;

    2018年11月,国家医疗保障局局长办公会审议通过《国家医疗保障局医疗保障信息平台建设工程实施方案》。该方案预计将推动医疗云市场的快速增长,加快落地一批省市级医疗云平台,促进跨省的数据互联互通和医保异地结算,推动医保与商保结算系统的对接。

    (2)健康医疗大数据未受资本寒冬影响

    2018年4月,思派网络完成由IDG资本领投的数千万美元C轮融资。

    2018年7月,零氪科技宣布完成10亿元D轮融资,成为健康医疗大数据领域第一个独角兽企业。

    2018年7月全域医疗获7亿元B轮融资,探索肿瘤诊疗业务及服务生态。

    2018年11月和2019年7月,森亿智能相继完成B+轮和C轮融资。

    二、健康医疗大数据领域的痛难点

    由于医疗行业自身的特殊性,健康医疗大数据产业的“话题热度”始终高于“发展进度”。健康医疗大数据立足于医疗信息化基础,探索布局相关数据的采集、分析和应用。当前行业发展的主要制约因素包括:

    (1)行业壁垒高。医疗行业的专业性强、受政府高度监管、行业内利益关系复杂、从业资源要求较高,因此很多大数据企业难以进入该领域。

    (2)数据精准度差。求数无源,需采集的数据标的不明确,采集工具的标准化和规范化有待提升,无法获得所需数据;有量无质,所采集数据无法满足既定用途所需的数量和质量;有病无数,临床救治与数据应用需求脱轨,大数据和AI等技术的临床应用不足,临床一线数据的收集和汇聚不足;有数无据,在数据深加工方面的工作不足,尚未形成数据驱动的临床科研、医药研发、器械生产、分级诊疗、健康养老、医养结合等产品和服务。

    (3)传统观念与模式打破难度大。新技术给传统的医疗行业带来了模式上的冲击,同时医疗作为传统行业,用户数据隐私涉及到伦理和法规双重保护,无论是病患还是医护人员由于对新技术的不了解,都会对新技术产生不信任。

    (4)数据安全与隐私保护要求高。由于目前法制上对数据的隐私保护滞后,仅有零星规定,尚未出台系统的隐私保护法律法规,造成数据的归属权和使用权不明确、数据共享开放缺乏管理、数据应用缺少准入和退出机制等问题。

    (5)复合型人才培养难度大。一方面,由于医疗行业专业性过强,对行业理解透彻的IT技术型人才数量少,培养周期长;另一方面,医护人员的数字素养亟需提高,数字化工具(IT软件等)的应用培训亟待加强。

    赛迪顾问判断,在政策的持续推动下,未来各地医疗卫生管理部门、医疗机构将持续加大对医院信息化、区域医疗信息化、公共卫生信息化的投入,加快搭建基于医联体模式的分级诊疗服务体系,健康医疗大数据行业将在未来2-3年迎来市场爆发。一方面,新政策出台将加快健康医疗数据的互联互通,更多基于数据的场景化深度应用将提高医疗服务的效率;另一方面,多场景的数据分析和应用将带动大健康领域相关产业的发展,为医药研发、医疗器械研发等创新产品和服务提供坚实支撑。

    三、健康医疗大数据未来机会点

    (1)布局智能化健康管理服务。健康医疗大数据目前的主要推动力是政府、医疗机构和大企业,对于中小企业和初创企业,利用技术优势和资本助力也可以寻觅到市场机遇,尤其是针对用户端提供个性化、定制化、智能化的健康管理服务的潜在市场空间巨大,但是在找到市场机遇点时要明确自身的商业模式和变现途径。对此,市场上应多多关注这类创业公司,对能紧抓细分领域市场的创业企业给予资本支持。

    (2)拓展云端健康医疗SaaS服务。传统的医疗信息化软件功能创新不足,非医院必须功能几乎被市场忽略,不仅造成了市场产品和服务的差异小、竞争大,同时更造成即使国内医疗市场有大量的医疗数据,但由于种类单一导致无法支撑更高深层次的研究与应用。医疗云成为未来医疗机构数字化转型的重点,而云端的各类健康医疗SaaS服务成为产品发展新趋势,其创新性和应用性更强,它有利于多元数据集聚,降低医疗机构的信息化和数据安全的成本。当前,云HIS已成为备受中小医疗机构青睐的热门产品。

    (3)落地数据安全治理。医疗数据安全与隐私保护的合规性要求要比其他行业更高,在医疗数字化转型的推动下,数据开放共享将成为健康医疗大数据发展的核心,因此数据开放共享与隐私风险之间的平衡是当下亟需解决的问题,而以数据安全、隐私保护为核心的医疗数据安全治理市场具有较好的市场前景。基于数据安全的治理不仅可以有效实现数据的安全防护,更有利于通过治理最大化的挖掘医疗数据的潜在价值。

    (4)推进产学研合作,开展重大专科疾病的课题研究助力产品创新。大数据企业在拓展健康医疗领域业务的时候,面对的最大的问题就是没有数据可用,健康医疗数据的保密性和隐私性都很强,也无法通过市场交易获得。对此,大数据企业应依托自身较强的技术优势,通过与医疗机构、高校和政府联合开展产学研合作,实现对健康医疗大数据价值的深度挖掘,以合作的模式开展重大专科疾病课题的研究,也更有利于健康医疗大数据企业进行产品和服务的创新。

    (5)紧跟医学前沿领域研究。健康医疗大数据的核心虽然是数据,但立足点要站在医疗行业,因此对于医疗领域的前沿技术和研究是大数据企业需要补足和布局的。真实世界证据(RWE)、生命大数据、肿瘤领域电子健康档案(EHR)软件等医学前沿领域在国内仍处于前期探索阶段,健康医疗大数据企业应积极布局这些前沿领域,把握医疗数字化发展趋势。

    四、赛迪建议

    (一)对供应商

    (1)加强数据合规建设。目前很多健康医疗大数据供应商为了可以提供更好的产品和服务,会主动收集各类健康医疗数据,其中不少医疗数据都涉及个人隐私,在此过程中会面临很多数据安全、数据治理和数据合规的问题。目前国家已在这方面出台了一批监管制度,因此供应商应多关注数据安全与合规性问题,甚至在关键模块寻求与信息安全厂商合作,以保障数据的安全性与合规性。

    (2)传统医疗信息化企业应积极布局转型。传统的医疗信息化已经无法满足数字经济时代的需求,更多的信息化需要向数字化转型,因此传统医疗信息化企业需要适时进行业务重组与新业务拓展,在此过程中,健康医疗大数据成为其首选的重点方向。由于传统医疗信息化企业深耕医疗行业多年,积累大量数据、医疗机构和政府资源,进入健康医疗大数据领域的门槛较低,因此更应抢位发展,为未来业务的可持续发展提前布局。

    (3)加速健康医疗大数据应用商业化水平。健康医疗大数据除了在健康管理和辅助诊疗方面已经有很多较为成熟的商业模式,但是在更多的应用领域仍处于探索阶段。很多行业龙头企业在与医疗机构合作共同承担国家级课题的过程中,会有很多可商业化的机遇,在此过程中,供应商应适时寻求更好的应用模式进行商业化落地,为市场提供更多的应用解决方案,丰富健康医疗大数据的应用场景、产品和服务。

    (4)供应商应加强与医疗机构合作。健康医疗大数据企业多为新技术领域企业,拥有较强的大数据、机器学习、人工智能等技术能力,但是医疗领域由于进入门槛较高,企业在此领域内提供产品和服务时会存在一定的行业壁垒。因此,一方面供应商应多寻求具有医疗和技术复合型的人才融入团队;另一方面,供应商也应多与医疗机构合作,更多的了解行业环境和需求,才能更精准的提供产品和服务。

    (二)对行业用户

    (1)针对政府用户。制度保障才可以更好打通数据壁垒。在产业演进过程中,数据居于核心地位,一切的发展都是以数据的获得为前提的。健康医疗数据涉及医院、医药机构、健康管理机构、医疗信息化机构等多方主体,主管单位多,管理关系复杂,为实现健康医疗大数据的集聚,并使其促进产业发展,需要政府下定决心,明确专职领导负责机制,率先推动数据集聚,保证“高附加值”的应用环节的发展。

    (2)针对医疗机构。保障数据安全势在必行。医疗机构拥有各类医疗数据,是健康医疗大数据产业链中的重要一环。现在很多医疗机构都在寻求与IT供应商合作,挖掘多年积累的医疗数据价值。但在这个过程中,我们也要看到,这类数据大多涉及患者隐私,数据合规是合作的前提,医疗机构在合作过程中不应该仅依靠供应商自己的技术保障数据安全,在合作前期应建立自己的包括数据脱敏、合作制度规范等方面在内的体系,在合作前把好数据安全的第一关。

    (3)针对个人用户。接受新模式,寻求主动健康管理。针对个人用户而言,健康医疗大数据其实离我们很近,很多辅助诊疗、数字化健康管理的手段在技术上已经较为成熟。在对自身健康管理方面,个人用户应摒弃讳疾忌医、被动看病的方式,通过数字化手段,主动监测自身健康数据,主动寻求健康管理,更好的避免身体出现重大疾病,通过主动健康管理的模式,也可以有效降低大病发病率和减少健康问题带来的费用成本。

相关报告
  • 《《2019中国大数据产业发展白皮书》深度解读之一》

    • 来源专题:北京市经济和信息化委员会监测服务平台
    • 编译者:zhangmin
    • 发布时间:2019-09-16
    • 近日,由大数据产业生态联盟联合赛迪顾问共同完成的《2019中国大数据产业发展白皮书》(以下简称《白皮书》)在2019世界计算机大会——“计算机未来:算力驱动万物互联”主题论坛上重磅发布,并揭晓“2019中国大数据企业50强”和“中国大数据企业投资价值百强”。《白皮书》从政策、产业、区域、人才和资本五个维度展示了2018年中国大数据产业生态的最新进展,并围绕互联网、金融、电信、政府、健康医疗和工业六个细分产业,详细洞察其历史演进、特点、痛点和未来机会点。 赛迪顾问有限公司总裁孙会峰,就2018年以来大数据产业生态的最新态势进行了深入分析,并总结了未来中国大数据产业发展的八大趋势。 一、大数据与经济社会发展紧密相关 当今时代,数据与人们的日常生活密切相关,衣、食、住、行等相关领域的海量数据持续迸发。2017年滴滴用户数达4.5亿,提供了超过74.3亿次移动出行服务;2018年微信每日发送信息450亿次,新浪微博日活跃用户2亿,微博视频/直播日均发布量为150万+;2018年天猫双11订单量突破10亿,2019年京东“6?18”开场1小时下单金额50亿元;中国3万家综合性医院,每年新增数据量可达20Zbit。上述海量数据的产生为大数据应用提供了丰富的基础资源和场景。希捷科技的一项最新研究表明,到2025年全球数据量将会从2018年的33ZB上升至175ZB。 基于生产生活中的海量数据资源,整个经济社会的数字化水平将遵循“数据化-信息化-数字化-智能化”的演进路线持续升级。“数据化”是关键基础,它确定了数据的采集边界和标准;“信息化”是关键流程,它规范了数据采集、存储、分析的具体方法;“数字化”是关键手段,它明确了应用大数据、人工智能等新一代信息技术开展分析和应用的新思路新模式;“智能化”是关键效果,它反映了数字化转型的成效,覆盖社会治理、公共服务和产业发展等多领域。 数字化转型的四阶段演进示意图 1.jpg 大数据作为数字化转型中的核心支撑能力,相关技术和应用助力了数字中国战略的加速落地。数字中国战略包含数字经济、数字政府和数字社会三个部分。中国数字经济规模持续壮大,提升经济发展质量。国家网信办的数据显示,2018年中国数字经济规模达31.3万亿元,同比增长15.1%,占GDP的比重达34.8%。据上海社科院测算,2016年到2018年,中国数字经济对GDP增长的贡献率分别达到了74.1%、57.5%和60.0%。与此同时,数字政府和数字社会建设也同步推进,持续提升政府的服务能力,优化社会的运行效率。 数字中国战略与大数据产业的关系 2.jpg 二、大数据产业生态的五维度解析 1、政策维度 2016-2018年国家和地方各级政府相继出台了一大批大数据相关政策。截至2018年底,国家累计发布了43条相关政策,全国有31个省(市、区)累计发布政策347条,其中贵州、福建、广东和浙江领先。 2016-2018年31个省(市、区)大数据政策数量 3.jpg 从省级大数据管理机构的成立来看,广东省在2014年最先成立了大数据管理局,2015年浙江省和贵州省跟进,2017年陕西省、重庆市和内蒙古自治区也完成了布局。2018年则是大数据管理机构最密集成立的年份,吉林省、北京市、天津市、山东省、河南省、安徽省和福建省等纷纷成立主管部门,数字经济和大数据产业已得到地方各级政府的高度重视。 2、产业维度 受宏观政策、技术升级和应用场景拓展等利好因素的影响,2018年中国大数据产业规模为4384.5亿元,预计2021年将达8070.6亿元。从2016-2021年,大数据产业规模增长5230亿元,5年复合增长率达23.2%。赛迪顾问分析发现,2016-2018年的增长主要由产业政策和资本协力推动。2019年以来,随着大数据技术和应用的持续爆发,以及5G和物联网等相关技术的成熟,市场需求和相关技术进步将成为大数据产业持续高速增长的最主要动力。 3、人才维度 大数据人才是指从事大数据相关工作的人才,主要包括从事研发、分析工作的核心人才,以及兼具行业背景和大数据技能的复合型人才。据赛迪顾问估算,截至2018年底,中国大数据核心人才数量为200万人,缺口为60万人。为了应对大数据人才的紧缺态势,国家加快设立数据科学与大数据技术等一批相关专业。教育部的统计数据显示,2017-2019年高校数据科学与大数据技术专业新增备案数量依次为32所、250所和196所。 4、创新维度 据赛迪顾问统计[1],中国大数据相关专利新增数量从2015年开始快速升高。2018年单年的新增专利数量达7887个,其中发明专利占比达77.0%,实用新型专利占比达21.7%,授权发明占1.3%。进一步分析发现,企业和科研院所是大数据创新的主力军,数据显示2018年,两者合计贡献了7273项专利,占到了全年新增数量的92.2%。 5、区域维度 赛迪顾问从创新能力、政府服务能力、典型园区数量和产业规模四个维度评价了全国六大区域的大数据产业综合发展能力[2]。研究显示,华东地区在创新能力、政府服务能力和典型园区数量方面优势明显,典型代表地区包括上海市和浙江省;华北地区虽然综合评价仅次于华东,但其产业规模在六个区域中处于领跑地位;中南地区近年来发展迅速,代表省份河南和广东相继落地了大量产业园载体,其政府服务能力和区域创新能力均得到了快速提升;西南地区主要由四川省和贵州省领衔,已经打造形成区域发展新高地;东北和西北地区的整体发展能力相对滞后,各项指标均有待提升。 2019年全国各区域大数据产业综合发展能力评价 1.jpg 数据来源:《省级政府和重点城市网上政务服务能力调查评估报告(2019)》,赛迪顾问,2019 三、大数据产业的八大趋势 1、政府大数据从“数据资产管理”走向“大监管大服务” 随着数字政府和新型智慧城市建设的持续推进,与社会治理、民生服务、政务应用密切相关的政府大数据应用成为热点。中国政府掌握着80%的高价值公共数据,如何盘活这些海量数据资源,是未来政府大数据发展的关键。 中国政府大数据的发展历经三个阶段:2010年以前是以三金工程为代表的信息化建设;2011-2016年步入大数据平台建设和数据整合,各级政府主导搭建了大量平台;2017年至今,数据资产管理和应用成为新主题。从趋势上看,未来政府的大数据应用将逐步向“大监管大服务”方向迈进,用以实现更精准高效的监管和更便捷深入的服务。未来,通过结合5G、人工智能、大数据、云计算和物联网等诸种信息技术,顺应数字经济和数字政府建设浪潮,落地城市大脑、平安城市、社会信用、交通感知与管理、社会舆情管理等应用,切实提升政府服务能力,将成为政府大数据发展的机会点所在。 2、电信大数据:从“小圈子”走向“大生态” 电信行业的信息化和数字化水平走在全行业前列,2010-2015年,各电信运营商落地了一批大数据平台和应用类项目,开展了大量PoC测试,内部大数据技术和应用能力显著提高。2016年以后,运营商内部业务加速集中化,开源节流成为运营商关心的核心问题。 电信大数据细分产业正在从“小圈子”走向“大生态”。“小圈子”的焦点是运营商自身业务能力和效率的持续提升,比如顺应业务集中化的趋势,运用大数据技术提升企业运营能力,实现集团-地方两级大数据架构的融合优化,加速B-O-M三域数据融合,应用SDN/NFV技术柔性改造网络,加速布局5G和AI的等新应用场景。“大生态”意指运营商既有能力的外部拓展和迁移,通过对外提供领先的网络服务能力,深厚的数据平台架构和数据融合应用能力,高效可靠的云计算基础设施和云服务能力,打造新的、以运营商为核心的数字生态体系,加速非电信业务的变现能力。 3、健康医疗大数据从“大”数据走向“精准”数据 中国的医疗信息化建设持续推进,年增速保持在20%以上的较高水平。从面向医院管理信息化(HIS),到以患者和医疗过程为核心的医院临床管理医疗信息化(如PACS、LIS、RIS、EMR等),再到区域医疗服务信息化(GMIS),广覆盖的医疗信息化建设项目累积了海量数据,为健康医疗大数据业务的开展奠定了坚实基础。 健康医疗大数据将从当前简单的“大”走向“精准”,通过获取更高质量、更精准的数据,助力健康医疗服务的提升。当前,我国健康医疗大数据行业面临四方面挑战:(1)求数无源,需采集的数据标的不明确,采集工具的标准化和规范化有待提升,无法获得所需数据;(2)有量无质,所采集数据无法满足既定用途所需的数量和质量;(3)有病无数,临床救治与数据应用需求脱轨,大数据和AI等技术的临床应用不足,临床一线数据的收集和汇聚不足;(4)有数无据,在数据深加工方面的工作不足,尚未形成数据驱动的临床科研、医药研发、器械生产、分级诊疗、健康养老、医养结合等产品和服务。以动态血压计为例,我国动态血压计市场完全被欧美企业占据,其根源在于我国医疗机构不能提供临床上的“中心动脉血压数据”。中心动脉血压需要在开创性手术过程中采集,我国医疗机构在手术过程中通常把注意力集中于救治患者,既疏于采集手术过程中数据,也缺少开创性手术过程中的感染可控的数据采集科学手段。这个案例集中体现了健康医疗大数据应用的两点问题——没有可用数据、不知如何采集。未来,健康医疗大数据破局的关键在于汇集整合更精准的数据,为临床决策和药品器械研发提供数据分析支撑。 4、工业大数据围绕“小场景”从“项目”走向“产品” 工业大数据立足工业企业的降本增效,当前主流应用场景以电网和离散型制造业为主,设备故障预测与健康管理、综合能耗管理、智能排产、库存管理和供应链协同成为应用热点。然而,工业大数据解决方案的高成本、工业企业的数据意识不强,以及工业互联网盈利模式的模糊,制约了工业大数据应用的快速拓展。 未来,工业大数据将围绕“小场景”从“项目”走向“产品”。小场景由于投入相对少,需求更精准,有助于在短期内取得成效,培育企业的数字化认知,也便于供应商积累行业数据和经验,降低实施成本,推动从项目到标准产品的转变。通过以龙头企业和行业特色企业为引领,加速布局一批小场景,持续推进工业设备数据化和应用产品化,工业大数据有望加速落地。 5、营销大数据从“流量营销”走向“精细运营” 营销大数据是大数据商业化应用效果最好的细分领域,它通过应用数字技术沟通了广告主和目标用户,实现了产品和服务的精准推广。伴随着移动互联网流量见顶,以及经济下行压力下广告主营销预算的下降,如何利用大数据技术,以更低的成本,帮助企业更高效地触达目标用户成为破局关键。 未来,营销大数据将从“流量营销”走向“精细运营”。在流量营销阶段,广告主通过采买高流量平台的流量即可实现业绩和投入的同步提升,这一时期的营销大数据被用于提升展示广告、搜索广告、社交网络广告和电商广告的运行效率,更好地实现广告主与目标用户的对接,丰富广告投放的场景和渠道。而在精细运营阶段,更精准的用户触达、更明智的预算分配成为广告主的关注核心。营销大数据在这里被用于整合多维多源数据,提供能力支撑。在更精准的用户触达方面,线下场景的需求更为精准(如机场航站楼、4S店等),通过整合线下和线上数据,定向推送广告,有助于提升营销效率;此外,基于Panel库的人群访谈所得的“小数据”便于洞察因果关系,配合大数据分析挖掘能力,同样可以实现更精准的投放,提升营销效率。在更明智的预算分配方面,当前的中小广告主更青睐于全渠道的整合营销平台(SEM+EDM+社交+内容营销+独立DSP+DMP+舆情监测)建设,来平衡ROI,同时广告主高度重视内容和社交媒体的深度运营,通过精细化的运营来实现可持续的商业化变现。 6、金融大数据:从“强管控”走向“创新服务” 金融大数据是隶属于金融科技的关键技术,它服务于金融机构的核心业务环节,解答诸如贷不贷款、贷款多少、风险如何等关键问题。2017年以来,随着金融监管日趋严格,基于数据规范行业秩序,降低金融风险,成为金融大数据的主流应用场景。 未来,随着技术的成熟,金融大数据将逐步由“强管控”走向“创新服务”,通过汇集多源多维的数据,提供创新服务支撑。比如,与社会信用体系建设相融合,提供基于金融数据的个人信用报告、企业财务信用报告、授信评估、贷中预警、中小微企业信用评估等新服务,以及与此间接相关的、高效便捷的清算支付和出行服务。与此同时,积极创新金融反欺诈、供应链金融等新兴金融服务,切实助力实体经济的资金融通,确保资金安全高效使用。 7、大数据学科教育从“通用人才培育”走向“专用人才培育” 如前所述,2018年中国大数据人才缺口为60万人。赛迪顾问研究发现,2016-2017年多数大数据人才毕业于“计算机类、统计类和数学类学科”,然而从2018年开始,国家一方面加大“数据科学与大数据技术”专业的投入力度,另一方面加快设立交叉性的新学科(如智能医学工程、智能建造、计算金融、智能车辆工程等),培育既有专业知识又懂大数据技术的复合型人才成为未来大数据人才培养的发展趋势。 8、大数据安全从“技术安全”走向“综合治理” 大数据时代,数据的获取方式、存储规模、访问特点、分析方法和技术架构都有了很大不同,与此同时,企业的组织架构和业务流程也相应发生了转变,这些新特征对于数据安全提出了全新挑战——数据安全更难防护、认证系统不完善、系统更易被入侵、安全策略更难实行等。传统数据安全已经无法满足大数据场景下的安全防护要求。 大数据安全不同于传统数据安全,它包含大数据平台安全和大数据环境下的数据安全两部分内容。当前,中国大数据安全市场规模小,企业在采用相关产品和服务过程中高度重视ROI,不能接受数据安全防护成本高于数据自身的价值。此外,受制于组织、制度和规范,由人为因素导致的大数据泄露和安全问题同样严峻,有研究指出80%的数据泄露是企业“内鬼”所为。赛迪顾问认为,未来大数据安全将逐步从重安全技术转变为重治理,其重点落在核心数据资产的梳理和防护,以及围绕大数据治理所开展的体制机制建设。 四、赛迪建议 对于政府部门,要切实以政府大数据应用为先导,分层次推进大数据建设。在政府大数据领域,顺应数字政府和新型智慧城市建设浪潮,加快数据资源整合,建立健全政务数据应用场景,全面提升政府服务能力;在市场化程度高的互联网、金融、电信等领域,鼓励行业标准的制定,完善必要的行业监管;在市场化程度低的工业和健康医疗等领域,针对制约发展的核心问题(如有数无源、有量无质、实施成本高等),加大政策扶持力度,助力产业稳步发展;与此同时,顺应数字经济浪潮,夯实大数据产业集聚区建设,支持多层次大数据人才培养,强化大数据标准体系建设。 对于用户企业,一方面要夯实数据基础,强化数据资源的汇集整合,兼顾数据的量和质;另一方面要稳步拓展大数据应用,重业务实效,以小场景带动数据整合与分析应用,扎实推进数字化转型。在具体的创新方面,用户企业可尝试下放创新压力,在相对成熟的业务领域,借鉴电信运营商的创新发展经验,同供应商开展框架协议式的创新合作,依最终的创新成果交付情况付费。 对于大型供应商,应注重平台和生态打造,在基础技术平台、数据中台、业务中台等建设方面加大投入,同时在细分领域兼顾自身优势与合作伙伴网络建设;对于中小型供应商,则要持续提升技术实力,加快搭建内生的数据资源池,在细分领域加快塑造差异化的竞争优势。 对投资机构,建议关注行业性和功能性的大数据解决方案。具体而言,营销大数据、政府大数据、电信大数据、金融大数据的市场认可程度高,发展前景好,技术相对成熟,具备较高的投资价值;健康医疗大数据和工业大数据未来3-5年内将进入爆发期;云计算平台和服务、数据分析挖掘、数据采集和预处理,以及数据可视化等技术的发展值得投资机构持续关注;大数据安全市场规模小,体制机制有待健全,远期值得关注;大数据交易由于商业模式不清晰,权属模糊,目前多流于口号式的宣传,短期不建议介入。 [1] 数据来源:智慧芽(PatSnap)全球专利检索数据库。 [2] 各个指标的数据来源: 创新能力——截至2019.09.05各区域专利保有量合计值,含发明和实用新型专利,不包含外观设计。 政府服务能力——国家行政学院电子政务研究中心发布的《省级政府和重点城市网上政务服务能力调查评估报告(2019)》,赛迪顾问整理。 典型园区数(不完全统计)—— 官方发声较多,建设思路清晰的大数据产业园区,赛迪顾问整理。 产业规模——数据来源:赛迪顾问,2019
  • 《《2019中国大数据产业发展白皮书》深度解读之二》

    • 来源专题:北京市经济和信息化委员会监测服务平台
    • 编译者:zhangmin
    • 发布时间:2019-09-16
    • 近日,由大数据产业生态联盟联合赛迪顾问共同完成的《2019中国大数据产业发展白皮书》(以下简称《白皮书》)在2019世界计算机大会——“计算机未来:算力驱动万物互联”主题论坛上重磅发布。 白皮书对工业大数据做了深度解读,从政策,新兴技术,工业大数据企业与行业用户合作等方面分析了我国目前的工业大数据态势,并做出了对工业大数据企业的未来研判与发展建议。 2018年,全球工业大数据市场规模保持快速增长。随着社会老龄化趋势日益明显,劳动力不足及劳动成本提高等问题愈发严重,全球各制造业大国在工业制造领域纷纷提出转型升级战略,有效地促进了各国工业升级,有力地推动了工业向智能化、数字化转型。随着物联网、云计算、人工智能等新兴技术不断向工业领域渗透,工业大数据对制造业转型升级的引领作用不断加强,一大批新产品、新服务、新业态落地,并保持了良好发展势头。通过应用大数据技术,工业企业内部实现了工业资源的中心化、统一化管理,企业的运营效率持续提升。与此同时,工业企业的数据计算能力和数据资源总量也得到大幅提升,场景化应用快速发展。 1.jpg 一、利好政策促进我国工业大数据发展 (一)工业企业上云行动计划使得工业大数据受到持续关注 为了深入贯彻《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》,工信部发布的《工业互联网发展行动计划(2018-2020年)》,对于推动工业企业利用云计算加快数字化、网络化智能转型,推进大数据、互联网等与实体经济深度融合具有重大指导意义。《工业互联网发展行动计划(2018-2020年)》明确提出“到2020年底,初步建成工业互联网基础设施和产业体系”的行动总目标,包括初步建成适用于工业互联网高可靠、广覆盖、大带宽、可定制的企业外网络基础设施并具备互联网协议第六版(IPv6)支持能力;形成重点行业企业内网络改造的典型模式,以及初步构建工业互联网平台体系、标识解析体系、安全保障体系等。 (二)国家政策推动工业大数据的应用发展 为推动工业大数据的发展,我国正在深化工业云、大数据等技术在工业领域的集成应用,探索建立工业大数据实验中心,建设工业大数据应用示范工程。国家在工业大数据的需求端和供给端均出台了相应的政策、规划,加快了信息化技术和工业的深度融合,创新实现新技术、新产品和新模式。 2.jpg 二、新兴技术为工业大数据市场注入活力 随着大数据、云计算等新兴技术不断向工业领域渗透,以数字化驱动的工业大数据推进了制造业发展向智能化新模式转变。在现有大数据、移动互联技术之上,人工智能、超性能计算、区块链、物联网等前沿技术注入工业大数据,提升数据库的分布式存储计算能力及计算平台整体资源使用率等,让企业内部实现工业资源的中心化、统一化的智能管理,提升工业生产要素利用效果和运营效率,切实实现工业企业智能化转型。总体上,云计算、人工智能等新型技术进一步拓宽了工业大数据在整个产业链中的高速发展。在信息技术高速发展的今天,工业信息化过程中从研发制造到服务环节产生大量数据,工业数据模态多样、结构关联复杂,工业大数据融合了传统大数据、自动化数据、产业链上下游及跨界数据,工业大数据相较于其他领域的大数据应用更需要和其他新一代信息技术进行融合创新。随着大数据、云计算、物联网、边缘计算、人工智能等领域的技术突破与发展,工业大数据与这些新技术领域的联系更加紧密,物联网、边缘计算技术的发展将极大提高数据的获取能力,提升数据平台层数据质量;云计算与人工智能技术深入地融入数据分析体系,提升数据平台层多维度数据价值。新兴技术的融合创新不断地涌现并持续深入,使工业大数据的数据获取量更大,存储管理更便捷,分析产出更智能,实现最大化的商业价值。 三、工业大数据龙头企业与行业用户强强合作形成创新协同新格局 在国家大力推动大数据产业发展的今天,工业大数据领域的龙头企业积极探索外延合作,加强与联盟企业和行业用户的联系沟通。东方国信与IBM签署合作升级大数据基础建设开拓TOB领域,新华信用与美林数据开展战略合作,共同推进大数据及人工智能技术在信用科技领域的应用,工业大数据产业应用联盟成立促进产业领域相关主体之间的交流合作和工业企业转型升级。工业大数据龙头企业与行业用户间的强强合作促进了产业链协同创新发展,为工业大数据产业应用夯实基础,合作整合了双方的优势资源,抢占工业大数据发展的行业制高点,也进一步推动了工业大数据的商业化进程。 四、工业经济稳步提升,企业转型升级拉动工业大数据需求上涨 中国工业新旧动能加速转换,中高端工业制造业快速增长,企业效益持续改善,工业发展质量提高,工业经济稳步增长。在这样的大环境背景下,新兴产业快速发展,传统工业企业改造提升的需求持续增长。工业大数据依托于大数据与互联网等手段,在数据基础层进行海量数据采集,平台层完成数据挖掘处理等功能,广泛应用于工业制造型企业的多个场景模式中,企业生产效率大幅提升,运营成本大幅降低。工业企业用户正从传统运营生产管理模式的形式向智能制造模式转变,一方面满足智能化生产与管理需求,另一方面深度探索数据价值。 五、工业大数据未来研判 (一)工业大数据将成为智能制造与工业互联网发展的核心 未来工业数据将呈现从消费数据、工业大数据到精准数据流的转变,构建从采集、分析、转化、反馈等环节的精准数据流闭环将成为智能制造和工业互联网发展的核心。以“大数据+工业互联网”为基础,结合云计算、大数据、物联网、人工智能等技术应用于产品设计研发、供应链优化、设备故障诊断等多个场景,引领工业生产方式的变革,拉动工业经济的创新发展。 (二)工业APP将成为工业大数据企业发展的重要载体 工业 APP 是面向工业产品全生命周期的场景,把工业产品及相关技术过程中的知识、最佳实践及技术诀窍封装成应用软件,能够有效促进知识的显性化、公有化、组织化、系统化,极大地便利了知识的应用和复用。作为工业互联网体系的应用层,工业APP是工业企业应用数据的最简单方式,受工业企业青睐。同时,国家出台多项政策引领工业APP发展,也将助推工业APP成为工业大数据企业的重要业务发展方向。 (三)故障预测与健康管理(PHM)将成为提升设备利用率的破局点 故障预测与健康管理(PHM)即从对设备的故障和失效的被动维护,到定期检修、主动预防,再到事先预测和综合规划管理。其核心是利用先进传感器的集成,借助各种算法和智能模型来预测、监控和管理系统的健康状态。利用PHM可以洞察被检测产品实时状态,自动化协同直接推送给所有需要知道信息的特定用户,最大化实现信息的对称性;根据设备表象信息,深挖深层原因,评估和预测被监测产品未来的健康状态;将预测信息传递给客户来做决策,并对运维任务的优先级进行排序。 (四)构建数据闭环将成为制造企业创新业务模式的重要驱动力 精准营销在精准定位的基础上,依托大数据等手段, 建立个性化的顾客沟通服务体系,提升企业产品渗透率。精准营销不同于大众营销,通过技术手段寻找精确的目标客户群实现高效营销服务,可以节约大量的人力成本,节省推广成本。同样,精准营销的相关数据可以作用于个性化定制场景中,目标直击服务受众,按照目标客户的特殊要求进行个性化产品开发,从产品设计开始到完整营销环节的精准化,增强数据流动和实用性,形成数据闭环,实现基于数据驱动的工业个性化定制新模式。 (五)内生培养数据思维工程师将成为工业企业数字化人才团队建设的主要手段 在数字化大环境下,工业大数据的使用者既需要掌握大数据相关知识,又需要深刻理解各种典型工业应用场景,更高层次的应用还涉及产品、用户需求、企业管理决策、商业模式等方面,工业大数据产业对跨界复合型人才的能力需求不断增强。鉴于工业领域市场的进入壁垒较高,工业大数据复合型人才的培养更倾向于工业企业内部培养的模式。目前,工业企业也都意识到数据思维的复合型人才的重要性,越来越多的工业大数据企业也参与到工业企业数据知识培训中,帮助工业企业培育一批对数据理解有深度的人,让工业企业从数据角度考虑问题,为工业大数据在企业中的铺开奠定一定基础,便于工业大数据应用发展。 六、赛迪建议 (一)对厂商 1、注重工业大数据核心技术自主研发设计 工业大数据相关技术作为供应商核心竞争力之一,为各厂商的产品提供强力支撑。新一代信息技术与工业行业发展趋势相结合,可使得工业大数据供应商推出既满足市场需求,又有一定领先性的产品和服务,支撑推动工业大数据加快自主研发,打破工业软件对国外的高度依赖,驱动企业主营业务盈利能力的提升。因此,建议国内厂商密切关注全球前沿技术,进一步加深大数据、边缘计算、人工智能等技术的研究,集中资源支持自主产品和解决方案的研发管理能力,推动关键采集传感、数据分析产品的创新研发,提高产品性能和稳定性,力争高效研发投产,提升服务效率。 2、通过联盟合作打造工业大数据体系 工业大数据生态体系的建立依托产业链基础层、平台层、应用层三层的紧密结合,在工业大数据市场中,只有加强产业链深度和广度,才有机会在未来市场占据关键地位。因此,工业大数据供应商应通过投资、产学研合作等方式推动联盟发展,构筑开放的工业大数据生态体系,形成工业大数据产业的立体布局,推动数据赋能工业,促进行业效益高速发展。 (二)对用户 1、打造工业大数据公共平台共享资源和服务 在政府端建设各地方联动、全国与区域协同的国家级工业数据资源池,促进工业大数据资源的共享、开放、流动,推动工业资源优化集成与高效配置,助力大数据技术与工业制造类企业应用端深度融合。另外,研究制定完备、系统、权威的总体评价指标模型,标准化指导工业制造类企业在智能化转型中的实施方案,强化提升工业数据管理方面的能力。 2、明确企业自身发展目标选择场景化应用平台 目前,由于国内工业大数据自主产品服务还不能实现全产业链覆盖,提供工业互联网平台服务的国内外厂商数量较多,工业企业信息化水平差距较大,因此建议工业企业用户在选择产业升级转型路径上,首先,要掌握企业自身情况并准确了解企业需求和目标;其次,了解工业大数据供应商的优势市场及所提供的产品的特点;最终选择更加落地并具有实践意义的场景化产品和服务。企业应加深对工业大数据产业的了解,再适时地完成企业信息化、数字化、智能化等阶段的转型,在数字化或智能化转型阶段,建议企业选择场景化较强的工业大数据产品或服务。