西安交大数子电子技术实验报告 本文关键词：电子技术，西安交大，实验，报告
西安交大数子电子技术实验报告 本文简介：西安交通大学数字电子技术实验报告姓名：高加西班级：电气１２学号：２１１０４０１０３９ISE基础实验一、设计要求1）通过使用ISE软件和FPGA实现带有置位和清零端的边沿D触发器的逻辑图。2）练习verilog语法编写，掌握用HDL实现基本逻辑功能。二、HDL综合实验任务边沿D触发器的设计1.实验方法
西安交大数子电子技术实验报告 本文内容：
西安交通大学
数字电子技术
实验报告
姓名：高加西
班级：电气１２
学号：２１１０４０１０３９
ISE基础实验
一、
设计要求
1）
通过使用ISE软件和FPGA实现带有置位和清零端的边沿D触发器的逻辑图。
2）
练习verilog语法编写，掌握用HDL实现基本逻辑功能。
二、
HDL综合实验任务
边沿D触发器的设计
1.
实验方法和步骤
(1)
建立工程文件，输入HDL程序如下：
module
D_Flip_Flop(
input
clk,input
set,input
D,input
clr,output
reg
q//注意：always模块中的输出必须是寄存器型变量
);
always
@(posedge
clk
or
posedge
clr
or
posedge
set)
begin
if(clr)
q<=0;
else
if(set)
q<=1;
else
q<=D;
end
endmodule
(2)
编写约束文件：
NET
“clk“LOC
=“B8“;
//时钟
NET
“D“LOC
=“N3“;
//SW7
NET
“set“LOC
=“L3“;
//SW1
NET
“clr“LOC
=“P11“;
//SW0
NET
“q“LOC
=“G1“;
//LD7
(3)
综合、实现及生成编程文件；仿真，设计下载：
仿真测试文件如下：
module
test_D_Flip_Flop;
//
Inputs
reg
clk;
reg
set;
reg
D;
reg
clr;
//
Outputs
wire
q;
//
Instantiate
the
Unit
Under
Test
(UUT)
D_Flip_Flop
uut
(
.clk(clk),.set(set),.D(D),.clr(clr),.q(q)
);
initial
begin
//
Initialize
Inputs
clk=0;
set=1;
D=0;
clr=0;
//
Wait
100
ns
for
global
reset
to
finish
#100;
//
Add
stimulus
here
End
always#10clk=~clk;
always#12D=~D;
always#33clk=~clk;
always#42set=~set;
endmodule
仿真结果：
三、分析与讨论
由仿真结果可以看出该电路完成了想要实现的逻辑功能（即边沿D触发器），通过这次实验我大体了解了ISE软件和Verilog程序语言.
组合逻辑电路实验
一、
实验目的及其设计要求
1）学习使用ISE软件生成一个新工程文件
2）学习使用HDL进行电路设计
3）学会编辑顶层文件和用户约束文件
4）熟悉仿真及综合及实现还有FPGA配置等
5）
熟悉在BASYS2开发板上的简单外围设备的控制
6）使用HDL设计一个新的逻辑功能并验证，本实验设计的逻辑功能函数表达式为：。
7）
设计一个4选1多路选择器，并在开发板上验证。
8）
完成4位数码管动态显示设计，实现将8个SW输入的两位十六进制对应的8421BCD码，显示在数码管上。
二、
组合逻辑电路实验任务
任务1：逻辑功能函数表达式设计
实验方法和步骤
(1)
建立工程文件,输入HDL程序如下:
(2)
module
gate2(
(3)
input
a,(4)
input
b,(5)
input
c,(6)
input
d,(7)
output
z
(8)
);
(9)
assign
z=~((a
(10)
endmodule
(11)
编写约束文件:
NET
“a“LOC=P11;
NET
“b“LOC=L3;
NET
“c“LOC=K3;
NET
“d“LOC=B4;
NET
“z“LOC=M5;
(12)
综合、实现及生成编程文件；仿真,设计下载:
仿真测试文件如下:
module
gates2test;
//
Inputs
reg
a;
reg
b;
reg
c;
reg
d;
//
Outputs
wire
y;
//
Instantiate
the
Unit
Under
Test
(UUT)
gates4uut
(
.a(a),.b(b),.c(c),.d(d),.y(y)
);
initial
begin
//
Initialize
Inputs
a
=
0;b
=
0;c
=
0;d
=
0;
//
Wait
100
ns
for
global
reset
to
finish
#100;
//
Add
stimulus
here
#100;a<=0;b<=0;c<=0;d<=1;
#200;a<=0;b<=0;c<=1;d<=0;
#200;a<=0;b<=0;c<=1;d<=1;
#200;a<=0;b<=1;c<=0;d<=0;
#200;a<=0;b<=1;c<=0;d<=1;
#200;a<=0;b<=1;c<=1;d<=0;
#200;a<=0;b<=1;c<=1;d<=1;
#200;a<=1;b<=0;c<=0;d<=0;
#200;a<=1;b<=0;c<=0;d<=1;
#200;a<=1;b<=0;c<=1;d<=0;
#200;a<=1;b<=0;c<=1;d<=1;
#200;a<=1;b<=1;c<=0;d<=0;
#200;a<=1;b<=1;c<=0;d<=1;
#200;a<=1;b<=1;c<=1;d<=0;
#200;a<=1;b<=1;c<=1;d<=1;
#200;
end
endmodule
仿真结果:
任务2：4选1多路选择器的设计与验证
实验方法和步骤
（1）建立工程文件,输入HDL程序如下:
module
MUX(
input
wire
a,input
wire
b,input
wire
c,input
wire
d,input
wire
s1,input
wire
s2,output
wire
y
);
assign
y=(a
(2)
编写约束文件:
NET“s1“LOC=P11;
NET“s2“LOC=L3;
NET“a“LOC=K3;
NET“b“LOC=B4;
NET“c“LOC=G3;
NET“d“LOC=F3;
NET“y“LOC=M5;
(3)综合、实现及生成编程文件；仿真，设计下载：
仿真测试文件如下：
#100
a<=1;
b<=0;
c<=0;
d<=0;
s1<=0;
s2<=0;
#400
a<=0;
b<=1;
c<=0;
d<=0;
s1<=0;
s2<=1;
#400
a<=0;
b<=0;
c<=1;
d<=0;
s1<=1;
s2<=0;
#400
a<=0;
b<=0;
c<=0;
d<=1;
s1<=1;
s2<=1;
end
仿真结果：
任务3：4位数码管动态显示设计
实验方法和步骤
建立工程文件，输入HDL程序如下：
module
x7seg(
input
wire[7:0]x,input
wire
clk,input
wire
clr,output
reg[6:0]a_to_g,output
reg[3:0]an
);
wire
[1:0]s;
reg
[3:0]digit;
reg[19:0]clkdiv;
assign
s=clkdiv[19:18];
[email protected](*)
case(s)
0:digit=x[7:4];
1:digit=x[3:0];
2:digit=0;
3:digit=0;
default:digit=x[7:4];
endcase
[email protected](*)
case(digit)
0:a_to_g=7
b0000001;
1:a_to_g=7
b1001111;
2:a_to_g=7
b0010010;
3:a_to_g=7
b0000110;
4:a_to_g=7
b1001100;
5:a_to_g=7
b0100100;
6:a_to_g=7
b0100000;
7:a_to_g=7
b0001111;
8:a_to_g=7
b0000000;
9:a_to_g=7
b0000100;
hA:a_to_g=7
b0001000;
hB:a_to_g=7
b1100000;
hC:a_to_g=7
b0110001;
hD:a_to_g=7
b1000010;
hE:a_to_g=7
b0110000;
hF:a_to_g=7
b0111000;
default:a_to_g=7
b0000001;
endcase
[email protected](*)
begin
an=4
b1111;
an[s]=0;
end
[email protected](posedge
clk
or
posedge
clr)
begin
if(clr==1)
clkdiv<=0;
else
clkdiv<=clkdiv+1;
end
endmodule
(2)
编写约束文件：
NET“a_to_g[0]“LOC=M12;
NET“a_to_g[1]“LOC=L13;
NET“a_to_g[2]“LOC=P12;
NET“a_to_g[3]“LOC=N11;
NET“a_to_g[4]“LOC=N14;
NET“a_to_g[5]“LOC=H12;
NET“a_to_g[6]“LOC=L14;
NET“an[3]“LOC=K14;
NET“an[2]“LOC=M13;
NET“an[1]“LOC=J12;
NET“an[0]“LOC=F12;
NET“clk“LOC=B8;
NET“clr“LOC=G12;
NET“x[0]“LOC=P11;
NET“x[1]“LOC=L3;
NET“x[2]“LOC=K3;
NET“x[3]“LOC=B4;
NET“x[4]“LOC=G3;
NET“x[5]“LOC=F3;
NET“x[6]“LOC=E2;
NET“x[7]“LOC=N3;
(3)综合、实现及生成编程文件，设计下载。
三、讨论与分析
由任务一仿真结果可以看出该设计完成了想要实现的逻辑功能（即），仿真图中a=1、b=1、c=0、d=1时，
y=1，与理论结果相同；
由任务二仿真结果可以看出该设计完成了想要实现的逻辑功能（即4选1多路选择器），与理论结果相同。
将任务三的程序下载到BASYS2板子上后，通过改变选择八个开关的0-1状态，我们发现每两个数码管将分别显示一位16进制数（按10进制显示），实现了4位数码管动态显示的功能。
通过这次实验我对组合逻辑电路有了进一步的认识，并对ｖｅｒｉｌｏｇ语言有了初步的了解，为下一步实验打好了基础。
时序逻辑电路实验
一、
设计要求
1）
设计一个秒脉冲发生器，用LED指示秒脉冲的发放。（检查秒脉冲发生器的精度，能将1秒的脉冲周期改为2秒或3秒等）。
2）
试设计一个带有异步清零和同步置数信号的4位寄存器，并在开发板上验证。实验前编写好HDL源文件、用户约束文件和仿真文件，并给出仿真波形。
二、
时序逻辑电路实验任务
任务1：秒脉冲发生器的设计
实验方法和步骤
(1)
建立工程文件，输入HDL程序如下：
module
miaomaichong(
input
clk,clr,output
reg[6:0]
a_to_g,output
wire[3:0]
an,output
reg[3:0]q
);
assign
an=4
b1110;
reg
[26:0]
counter;
always
@(posedge
clk)
if(counter==25000000)
counter
<=
0;
else
counter
<=
counter+1;
reg
clk_div;
always
@(posedge
clk)
if(counter==25000000)
clk_div
<=
~clk_div;
[email protected](posedge
clk_div
or
posedge
clr)
begin
if(clr==1)
q<=0;
else
if(q==9)
q<=0;
else
q<=q+1;
end
[email protected](*)
case(q)
0:a_to_g=7
b0000001;
1:a_to_g=7
b1001111;
2:a_to_g=7
b0010010;
3:a_to_g=7
b0000110;
4:a_to_g=7
b1001100;
5:a_to_g=7
b0100100;
6:a_to_g=7
b0100000;
7:a_to_g=7
b0001111;
8:a_to_g=7
b0000000;
9:a_to_g=7
b0000100;
default:a_to_g=7
b0000001;
endcase
endmodule
(2)
编写约束文件：
NET“a_to_g[0]“LOC=M12;
NET“a_to_g[1]“LOC=L13;
NET“a_to_g[2]“LOC=P12;
NET“a_to_g[3]“LOC=N11;
NET“a_to_g[4]“LOC=N14;
NET“a_to_g[5]“LOC=H12;
NET“a_to_g[6]“LOC=L14;
NET“an[0]“LOC=F12;
NET“an[1]“LOC=J12;
NET“an[2]“LOC=M13;
NET“an[3]“LOC=K14;
NET“clk“LOC=B8;
NET“clr“LOC=P11;
NET“q[3]“LOC=G1;
//LED7
NET“q[2]“LOC=P4;
//LED6
NET“q[1]“LOC=N4;
//LED5
NET“q[0]“LOC=N5;
//LED4
(3)
综合、实现及生成编程文件，设计下载。
任务2：带有异步清零和同步置数信号的4位寄存器设计
实验方法和步骤
（1）建立工程文件，输入HDL程序如下：
module
register(
input
load,inputclk,inputclr,input
wire[3:0]d,outputreg[3:0]q
);
//定义足够大的计数器，使时钟脉冲的周期可分辨
reg
[27:0]q1;
[email protected](posedgeclk
or
posedgeclr)
begin
if(clr==1)
q1<=0;
else
q1<=q1+1;
end
assignmclk=q1[27];
//实现异步清零，同步置数功能
[email protected](posedgemclk
or
posedgeclr)
if(clr==1)
q<=0;
else
if(load==1)
q<=d;
endmodule
(2)
编写约束文件：
Project→New
Source→选Implantation
Constraints
File→输入文件名：register→点击Next按钮→点击Finish按钮→输入ucf文件如下：
NET“clk“LOC=“B8“;
NET“clr“LOC=“P11“;
NET“load“LOC=“L3“;
NET“d[0]“LOC=“K3“;
NET“d[1]“LOC=“B4“;
NET“d[2]“LOC=“G3“;
NET“d[3]“LOC=“F3“;
NET“q[0]“LOC=“M5“;
NET“q[1]“LOC=“M11“;
NET“q[2]“LOC=“P7“;
NET“q[3]“LOC=“P6“;
（3）
综合、实现及生成编程文件；仿真，设计下载：
仿真测试文件如下：
moduleregistertest;
//
Inputs
reg
load;
regclk;
regclr;
reg
[3:0]
d;
//
Outputs
wire
[3:0]
q;
//
Instantiate
the
Unit
Under
Test
(UUT)
registeruut
(
.load(load),.clk(clk),.clr(clr),.d(d),.q(q)
);
initial
begin
//
Initialize
Inputs
load
=
0;
clk
=
0;
clr
=
0;
d
=
4
b0101;
//
Wait
100
ns
for
global
reset
to
finish
#100;
end
always
#24
load=~load;
always
#10
clk=~clk;
always
#42
clr=~clr;
endmodule
仿真结果：
寄存器清零信号有效时的仿真结果
寄存器置数信号有效时的仿真结果
三、讨论与分析
将任务一的程序下载到BASYS2板子上后，可实现秒脉冲发生器的功能。
由任务二的仿真结果可以看出，当清零信号有效时（clr=1），无论输入数据为何值（此时为0101），寄存器的数据都被清零（即q=0000）；当置数信号有效且清零信号无效时（load=1且clr=0），输入数据（此时为0101）被寄存到寄存器中（即q=0101）；
通过这次实验我学习使用HDL进行时序电路设计，并且学习编辑顶层文件和用户约束文件，并且熟悉了同步与异步的概念及实现方法，熟悉在Basys2开发板简单外围设备的控制，了解了时钟的分频方法及占空比的调节。
HDL综合实验
一、
设计要求
数字钟：设置一个完整的数字钟，小时和分钟用数码管显示，秒用发光二极管闪烁显示，每秒闪烁一次。如有可能，请增加校时功能。
二、
HDL综合实验任务
数字钟的设计
实验方法和步骤
(1)
建立工程文件，输入HDL程序如下：
moduleclocktjjs(
inputclk,inputclr,input
[1:0]FLAG,input
[5:0]Stime,inputSetH,inputSetM,outputSflash,outputreg[6:0]a_to_g,outputreg[3:0]an
);
reg
[3:0]cent60L;
reg
[3:0]cent60H;
reg
[3:0]cent24L;
reg
[3:0]cent24H;
reg
[3:0]LED1,LED2,LED3,LED4;
reg
[1:0]s;
reg
[3:0]digit;
reg
[16:0]clkdiv;
reg
[26:0]q1;
reg
sec;
integerss;
integeri;
initial
begin
cent60L=9;
cent60H=5;
cent24L=3;
cent24H=2;
ss=0;
LED4=cent60L;
LED3=cent60H;
LED2=cent24L;
LED1=cent24H;
end
[email protected](*)
begin
an=4
b1111;
s<=clkdiv[16:15];
an[s]=0;
case(s)
0:digit<=LED1;
1:digit<=LED2;
2:digit<=LED3;
3:digit<=LED4;
default:digit<=LED4;
endcase
case(digit)
0:a_to_g=7
b0000001;
1:a_to_g=7
b1001111;
2:a_to_g=7
b0010010;
3:a_to_g=7
b0000110;
4:a_to_g=7
b1001100;
5:a_to_g=7
b0100100;
6:a_to_g=7
b0100000;
7:a_to_g=7
b0001111;
8:a_to_g=7
b0000000;
9:a_to_g=7
b0001100;
hA:a_to_g=7
b0001000;
hB:a_to_g=7
b1100000;
hC:a_to_g=7
b0110001;
hD:a_to_g=7
b1000010;
hE:a_to_g=7
b0110000;
hF:a_to_g=7
b0111000;
default:a_to_g=7
b0000001;
endcase
end
[email protected](posedgeclk)
begin
clkdiv<=clkdiv+1;
end
//时钟程序，计时加校时
[email protected](posedgeclk
or
posedgeclr)
begin
if(clr==1)
begin
q1<=0;
LED1=0;
LED2=0;
LED3=0;
LED4=0;
cent60L<=0;
cent60H<=0;
cent24L<=0;
cent24H<=0;
ss<=0;
end
else
if(FLAG==2
b10)//调分状态
begin
if(SetM)
begin
if(Stime<=59)
begin
for(i=0;i<6;i=i+1)
begin
if(Stime[5:0]-i*10<10)
begin
cent60L<=Stime[5:0]-i*10;
cent60H<=i;
i=6;
end
end
end
else
begin
cent60H<=0;
cent60L<=0;
end
ss<=0;
LED4[3:0]=cent60L[3:0];
LED3[3:0]=cent60H[3:0];
end
end
else
if(FLAG==2
b11)//调时状态
begin
if(SetH)
begin
if(Stime<=23)
begin
for(i=0;i<=3;i=i+1)
begin
if(Stime[5:0]-i*10<10)
begin
cent24L<=Stime[5:0]-i*10;
cent24H<=i;
i=6;
end
end
end
else
begin
cent24L<=0;
cent24H<=0;
end
ss<=0;
LED2[3:0]=cent24L[3:0];
LED1[3:0]=cent24H[3:0];
end
end
else
if(FLAG==2
b00)
begin
if(q1==50000000)
begin
q1<=0;
sec=~sec;
LED4[3:0]=cent60L[3:0];
LED3[3:0]=cent60H[3:0];
LED2[3:0]=cent24L[3:0];
LED1[3:0]=cent24H[3:0];
ss<=ss+1;
if(ss==59)
begin
ss<=0;
cent60L<=cent60L+1;
if(cent60L==9)
begin
cent60L<=0;
cent60H<=cent60H+1;
end
if(cent60H==5
cent60H<=0;
cent24L<=cent24L+1;
if(cent24L==9)
begin
cent24L<=0;
cent24H<=cent24H+1;
end
if(cent24H==2
cent24H<=0;
end
end
end
end
else
q1<=q1+1;
end
end
assignSflash=sec;
endmodule
(2)
编写约束文件：
NET“a_to_g[6]“LOC=L14;
NET“a_to_g[5]“LOC=H12;
NET“a_to_g[4]“LOC=N14;
NET“a_to_g[3]“LOC=N11;
NET“a_to_g[2]“LOC=P12;
NET“a_to_g[1]“LOC=L13;
NET“a_to_g[0]“LOC=M12;
NET“an[3]“LOC=F12;
NET“an[2]“LOC=J12;
NET“an[1]“LOC=M13;
NET“an[0]“LOC=K14;
NET“clk“LOC=“B8“;
NET“clr“LOC=“G12“;
NET“Sflash“LOC=“M5“;
NET“FLAG[0]“LOC=“P11“;
NET“FLAG[1]“LOC=“L3“;
NET“Stime[5]“LOC=“N3“;
NET“Stime[4]“LOC=“E2“;
NET“Stime[3]“LOC=“F3“;
NET“Stime[2]“LOC=“G3“;
NET“Stime[1]“LOC=“B4“;
NET“Stime[0]“LOC=“K3“;
NET“SetH“LOC=“M4“;
NET“SetM“LOC=“C11“;
(3)
综合、实现及生成编程文件，设计下载。
三、分析与讨论
将程序下载到BASYS2板子上后，能够实现简易数字钟的功能，可以看到LED灯１ｓ闪一下，4个数码管实现了数字钟小时和分钟的显示，而且通过开关控制可以将六位二进制数赋值给小时或分钟位，实现校表的功能。
在这次实验中，我熟悉了Verilog语言中的模块化设计方法，对于设计一个简单的数字系统有了初步的了解。通过这次试验，我认识到一个数字系统是很复杂的，为未来更深层次的学习打好了良好的基础。
结语：数字电子技术是一门以实验为基础的科学,数字概念、数字规律是人们对客观事实、客观现象的概括总结,是理性认识。数字电子技术实验是数字电子技术知识结构的基础，不仅可以有效地帮助我们建立概念,掌握规律,突破难点,而且对引导我们发展特长、拓展思维、培养创新能力有着独特的作用。我认为:第一,运用数字电子技术开放实验可以激发我们的学习数字电子技术的兴趣,使我们更自觉、更愉快地学习数字电子技术知识；第二,运用数字电子技术开放实验培养我们的创新能力,如观察能力、思维能力、实际操作能力等；第三,运用数字电子技术开放实验培养我们求实进取、刻苦创新、合作奉献的科学精神和细致周到,实事求是、服从真理的科学态度；第四,运用数字电子技术开放实验培养我们深入钻研,勇于思考,勇于探索,勇于创新的良好品质,能以科学家为榜样,面对困难力排干扰,持之以恒,脚踏实地,以顽强的意志争取成功。
数字电子技术开放实验为我们提供了一个可以在知识的天空里自由翱翔的空间；提供了一个可以在知识的海洋里扬帆远行的空间。他为我们的学习生活增添了一道亮丽的风景线，为我们的理想之塔增砖添瓦，为我们的知识小帆鼓风助力。我们必将坐着智慧小船乘千里风破万里浪，开拓进取，勇往直前，朝着我们的理想彼岸前进。在此感谢辛辛苦苦培养我们的宋竞梅老师和金印斌老师，你们让学生受益匪浅，谢谢您。
37
篇2：大数据市场年度综合报告
大数据市场年度综合报告 本文关键词：年度，报告，数据，综合，市场
大数据市场年度综合报告 本文简介：中国大数据市场年度综合报告2016中国大数据市场年度综合报告20162016年8月研究背景本报告主要针对国内大数据产业进行研究。包括市场的市场规模、竞争情况、商业模式等；以及医疗、金融、零售、电信、政府、旅游等典型行业；企业方面，主要研究企业对于大数据的需求以及主要应用反向；大数据交易方面，总结分析
大数据市场年度综合报告 本文内容：
中国
大数据
市场
年
度
综
合
报告
2016
中国大数据市场年度综合报告
2016
2016
年
8
月
研究背景
本报告主要针对国内大数据产业进行研究。包括市场的市场规模、竞争情况、商业模式等；以及
医疗、金融、零售、电信、政府、旅游等典型行业；企业方面，主要研究企业对于大数据的需求以及
主要应用反向；大数据交易方面，总结分析了
2015
年急剧爆发的大数据交易市场的主要参与者；此外，
比较分析了中国大数据市场的典型参与厂商；最终，对于大数据的发展趋势提供了方向预测，并对市
场中的投资情况进行了机遇与风险分析。
本报告涉及的关键字主要包括大数据生态系统、产业链竞争、商业模式、行业应用、企业应用、
大数据交易、实力矩阵、发展趋势、产业投资。
本报告涉及的厂商包括科大讯飞、普强信息、云知声、思必驰、捷通华声、出门问问、海云数据、
永洪科技、数字冰雹、国云数据、海致、Everstring、App
Annie、人大金仓等。
本报告研究的国家和区域主要包括：中国大陆，不包括港澳台地区。
研究方法
本报告主要通过运用定性和定量方法，研究市场的一手和二手信息得到相关结论。
报告中的一手数据和信息主要有三个来源：
第一个来源，易观企业级大数据市场历史数据库。
第二个来源，易观采用深度访谈的方式与业内资深人士进行了深入的交流，相关信息如下：
大数据厂商资深人士
13
位
第三个来源，通过易观在线调研大数据交易市场。
8
易观发现
l国家大数据发展相关政策密集出台
《促进大数据发展行动纲要》中指出，我国现代信息化进程中产生的和可被利用的海量数据集合，
是当代信息社会的数据资源总和，是信息时代的全数据，既包括互联网数据，也包括政府数据和行业
数据。经过多年发展，传统信息化对经济社会发展的支撑和引领作为无法充分发挥，迫切需要打破部
门割据和行业壁垒，促进互联互通、数据开放、信息共享和业务协同，切实以数据流引领技术流、物
质流、资金流、人才流，强化统筹衔接和条块结合，实现跨部门、跨区域、跨层级、跨系统的数据交
换与共享，构建全流程、全覆盖、全模式、全响应的信息化管理与服务体系。此外，2016
年国家发改
委还密集出台了《关于组织实施促进大数据发展重大工程的通知》、《促进大数据发展三年工作方案
（2016-2018）》等配套政策，以保证国务院政策的真正落实。
l2015
年中国大数据市场规模达到
105.5
亿元
2015
年中国大数据市场规模达到
105.5
亿元，同比增长
39.4%，预计未来
3-4
年，市场规模增长率
将保持在
30%以上。
l金融、通信、零售为大数据市场前三大行业
2015
年中国大数据市场行业投资结构中，金融、通信、零售为前三大行业，投资占比分别为
16.7%、
15.9%和
14.0%。政府、医疗、旅游投资比例分别为
13.5%、10.3%和
3.8%。六大行业累计占比
74.2%。
其他行业包括教育、制造、能源、媒体、互联网等，累计占比
25.8%。
l人工智能伴随大数据应用的普及开始发挥出潜能
在分析层面，厂商越来越关注利用人工智能（AI）来帮助分析大规模的数据，从而获得预测性的
洞察。虽然深度学习背后的算法几十年前就已诞生，但直到最近才能够在足够便宜、足够快速地应用
到大规模数据之后发挥它的最大潜能。可以预见，数据科学家的部分工作将会越来越自动化，从而可
以极大提高生产力。
l多类诉求促进大数据营销的发展
易观研究认为，企业精准营销的核心目标是通过大数据的商品化服务，从数据技术角度解决市场
营销问题，优化业务的运营效果。其需求背景可能来自多个方面的诉求，包括：消费决策周期长，考
虑因素多样；资源被充分竞争，导致媒体价格不断升高；需要提高用户的转化与变现效果；线下业态
受线上业态冲击明显；用户易流失，亟待唤回流失用户；更加重视搜索引擎营销效果等。
l移动
Web
与
App
监测开始广泛创造价值
在
App
方面，2015
年从中国移动互联网用户
APP
分类月均活跃用户规模
TOP20
的统计中可以看
出，即时通讯、社交网络、游戏三类应用拥有最多的活跃用户。目前中国移动互联网用户主要需求还
是在于社交和娱乐。除此之外，搜索、输入法、地图等工具类应用也是用户使用率较高的应用类型，
而人们在移动端购物需求的逐步释放，使得电商、移动支付类应用的活跃用户也得到了较快的增长。
l大数据交易产业带动了对大数据人才的需求
随着大数据交易业务的兴起，交易机构对大数据人才的需求即将爆发。大数据交易产业主要人才
需求主要集中在数据采集与处理、底层技术架构、数据分析、解决方案、垂直行业等主要几个方向；
数据采集与处理主要涉及到的具体岗位是爬虫工程师、自然语言处理、语音识别、图像处理等。
l大数据方案将向更多垂直化领域的拓展
随着国内不同行业对大数据应用意识的不断提高，以垂直行业和垂直应用领域为代表的大数据创
新方案将获得不断拓展。在行业方面，包括金融、电信、零售、汽车等领域将是拓展的重点方向，提
供商会将产品打包以解决方案模式提供给垂直行业。而在垂直应用领域方面，人脸识别、声音识别、
多重身份匹配等将是拓展的主要方向。同时，垂直化厂商的融资门槛将会进一步提高，除了行业的深
耕经验及技术积累，线上与线下数据源整合能力的重要性将会比
2015-2016
年更加重要。
正
文
目
录
1
大数据市场相关概念及研究范畴
9
1.1
相关概念
9
1.2
研究范畴
10
2
中国大数据整体市场
11
2.1
发展背景
11
2.2
总体规模
12
2.3
市场演进方向
13
2.4
融资情况
14
2.5
商业模式
15
2.5.1模式一：数据存储租用.15
2.5.2模式二：租售信息业务.15
2.5.3模式三：数据增值服务.16
2.5.4模式四：数据技术服务.16
2.5.5模式五：数据交易服务.17
3
中国大数据市场应用分析
18
3.1
行业应用
18
3.1.1零售.19
3.1.2旅游.21
3.1.3医疗.22
3.1.4通信.24
3.1.5金融.25
3.1.6政府.26
3.2
企业应用需求
27
3.2.1数据可视化分析.27
3.2.2语音识别与语音分析.28
3.2.3地理位置应用.28
3.2.4精准营销.29
3.2.5网站和移动端数据分析.30
3.3
结构化与非结构化大数据应用
32
3.3.1结构化大数据应用.32
3.3.2非结构化大数据应用.33
3.4
大数据交易
33
3.4.1大数据交易市场环境.33
3.4.2大数据交易产业链.34
3.4.1大数据交易人力资源需求.35
4
大数据厂商发展分析
36
4.1
竞争格局分析
36
4.1.1语音识别分析.36
4.1.2数据可视化分析.37
4.2
典型厂商分析
38
4.2.1普强信息.38
4.2.2海云数据.40
4.2.3
Everstring41
4.2.4
App
Annie42
4.2.5人大金仓.44
5
大数据产业发展趋势
46
5.1
大数据产业的发展方向
46
5.2
大数据行业投资分析
47
5.2.1投资机遇因素.47
5.2.2投资风险因素.47
易观国际版权声明
2016
.48
关于易观
49
图
目
录
图
2-1
中国大数据市场
AMC
模型11
图
2-2
2016-2018
年中国大数据市场营收规模预测
12
图
2-3
2016
年大数据各层技术演进方向.13
图
3-1
2015
年中国大数据市场行业营收结构
.18
图
3-2
线下零售大数据产业链
19
图
3-3
线上零售大数据产业链
19
图
3-4
线下旅游大数据产业链
21
图
3-5
线上旅游大数据产业链
21
图
3-6
医疗业大数据产业链22
图
3-7
通信大数据产业链
.24
图
3-8
金融大数据产业链
.25
图
3-9
政府大数据产业链
.26
图
3-10
精准营销在企业大数据体系中的位置
29
图
4-1
2016
上半年中国智能语音识别厂商竞争力雷达图
.36
图
4-2
2016
上半年中国可视化分析厂商竞争力雷达图.37
图
4-3
普强大数据系统介绍39
图
4-4
海云产品生态体系结构
40
图
4-5
EVERSTRING
服务体系结构41
图
4-6
APP
ANNIE
服务体系结构43
图
4-7
人大金仓数据库产品体系
44
表
目
录
表
2-1
2016
年
1-7
月部分大数据创业厂商融资情况
14
表
6-1
大数据交易产业主要人才需求
35
1大数据市场相关概念及研究范畴
1.1
相关概念
（1）
大数据：大数据是一个伴随社会信息化而诞生,以海量数据(主要特征包括数量大、种类多、处
理速度要求快、以前没有或无法获取且现在正不断生成)积累为基础，囊括无数条“数据产生-
数据处理-信息提取-数据消费-新数据生产”的环状链，以降低信息不对称、提高决策有效性、
推进智慧和知识演进为目标，可广泛作用于几乎所有实体的跨界生态系统和发展趋势。
（2）
企业大数据分类：结构化数据、半结构化数据、非结构化数据。
（3）
结构化数据：能够用数据或同一的结构加以表示，如数字、符号；
（4）
半结构化数据：介于结构化数据与非结构化数据之间。和普通纯文本相比，半结构化数据具有
一定的结构性，但和具有严格理论模型的关系数据库的数据相比，半结构化的数据结构变化很
大。
（5）
非结构化数据：无法用数字或统一结构表示的信息，如文本、图像、声音、网页等。
（6）
数据可用性：数据简明简要呈现的程度，以及数据易操作和易处理，保持多种数据来源中数据
的一致性。
（7）
数据质量：准确性（数据中没有错误的程度），范围（数据覆盖的深度和广度），合时性（及时
获取数据以采取行动和决策的程度），有效性（相关数据及时更新程度）。
（8）
终端设备提供商：指提供智能手机、平板电脑、超极本、电子阅读器、智能电视等数据总段的
企业。
（9）
网络服务提供商：为数据生态系统提供网络技术设施及相关服务。
（10）
数据服务提供商：为终端用户提供和传送应用程序。数据服务范围非常广泛，包括文本、通信、
医疗、应用、即时消息传递、游戏和社交网络服务等。
（11）
数据使能者：即数据服务支撑企业运用自身拥有的专业知识和技巧调动服务对象自身的能力和
资源，发挥服务对象的潜力，促使服务对象优化。例如固定电话、移动通信、通信设备、广播
设备、电子商务零售商、软件、计算机硬件和半导体等。
（12）
综合类用户数据源：泛指网络上的综合网站以及工具类应用，例如搜索引擎、社交类等应用内
的数据。
欢迎登陆
Anslysys
易观：http://www.analysys.cn
E-mail：[email protected]
Tel：4006-515-715
21
（13）
垂直类行业数据源：泛指行业垂直网站或行业类应用所聚集的某一行业的大数据，例如各类
B2B
平台；金融、医药、电子商务、教育类等应用内的数据。
1.2
研究范畴
本报告所涉及的领域主要包括：数据生成、数据存储、数据挖掘、数据应用；同时包括医疗、金
融、电子商务、零售、电信、政府公共服务等行业大数据领域。
本报告涉及的地区和内容为：我国大数据市场宏观环境、商业模式、行业应用、企业应用、典型
厂商以及产业发展趋势。
2中国大数据整体市场
2.1
发展背景
中国大数据市场AMC模型
探索期
市（2004-2008）
场
认
可I:随着数据库等
度技
术
的
进
步
，
越
来
越
多
企
业
市场启动期
（2009-2011）
II:
数据处理技术
高速发展期
（2012-2020）
V:企业深度利用
数据价值的意识
迅速提高，数据
资产管理成为热
应用成熟期
（2021-）
VII
H
G
VIII
将
信
息
管
理
作
为
单
独
的
领
域
进行关注
，
初
步
形
成
数
据
挖
掘的意识萌芽
。
不断完善
，
但由
于企业采集数据
的能力及积累的
历史数据有限
，
领先方案并不容
易获得认可。
门概念。
F
V
VI:细分领
域多种
商业
模
式
得
到
市
场
印
证
，
新
产
品
和
服
务
具
有
稳
定
的
刚
性
需
求
，
细分
VI
市
场
走
向
差
异
化
竞
争
。
C
IIIII
IVE
IBD
A
IV:由于企业信息化及互联网应用的
不断完善，企业积累的历史数据日
益丰富，包括营销、风险管控、预
测、客户挖掘、数据实时处理、可
视化展现、数据仓库等方面的多样
化需求迅速扩张，同时技术进入高
?
Analysys
易观
III:
基
于市
场
竞争
需
要
，商业
智能及商业分析成为市场热点，
企业对决策支持、预测、优化
等领域的需求开始广泛出现。
速创新期。
时间
www.analysys.cn
图
2-1
中国大数据市场
AMC
模型
1、探索期
大约从
2004
年前后，随着数据库等技术的进步，数据挖掘概念开始普及，越来越多的企业将信息
管理作为单独的业务部门。但由于当时企业数据采集能力的限制，以及企业信息化时间较短，本身管
理软件中积累的历史数据有限，一些厂商推出的领先数据管理方案并不容易获得企业认可，业务尚不
足以推动技术的快速进步。
2、市场启动期
2008
年金融危机后，国内企业为了尽快从业务低迷的状态中恢复，获得市场竞争优势，对商业智
能（BI）以及商业分析（BA）的需求出现快速提升，主要应用在决策支持、业务优化、销售机会挖掘
预测等领域。但在随后的
2010-2011
年，领先企业拥有优势后并不甘愿放弃，而落后企业更急于寻求
方案快速赶上，使得共同作用下，企业级市场对商业智能及商业分析的需求并未减退，反而成为一种
常态。
3、高速发展期
到了
2012
年以后，由于企业信息化及互联网应用的日益完善，对消费者及企业内外部所积累的数
据日益丰富，大数据的概念迅速为各类人群所接受。而在企业领域，包括营销、风险管控、预测、客
户挖掘、海量数据实时处理、可视化展现、数据仓库建设等方面的多样化需求迅速扩张，业务推动技
术进入高速创新期。而进入
2015
年后，企业深度利用数据价值的意识迅速提高，数据资产管理成为热
门概念，企业开始愿意通过数据交易进行变现，各种与大数据有关的政策及法律法规不断完善。
4、应用成熟期
Analysys
易观预计，中国大数据市场将在
2020
年前后进入成熟期。一方面业务需求的变化将推动
细分领域出现丰富的商业模式，并使得新产品和服务具有稳定的刚性需求，另一方面随着产业链的完
善，专注于细分行业及细分应用领域厂商竞争逐渐稳固。而不善于充分利用数据的企业将被快速淘汰
出局。
2.2
总体规模
2016-2018年中国大数据市场规模预测
营收规模（亿元
人民币）环比增长率
300
250
200
150
100
26.7%
24.7%
28.4%
59.0
34.7%
75.7
39.4%
105.5
41.1%
148.9
39.3%
207.4
283.7
36.8%
45%
40%
35%
30%
25%
20%
15%
50
37.447.3
10%
5%
00%
201120122013201420152016F2017F2018F
?
Analysys
易观www.analysys.cn
图
2-2
2016-2018
年中国大数据市场营收规模预测
2015
年中国大数据市场规模达到
105.5
亿元，同比增长
39.4%，预计未来
3-4
年，市场规模增长
率将保持在
30%以上，主要的市场驱动因素包括：
l来自于线下大数据市场（
IT
企业的大数据应用及大数据平台业务市场）中
IT
巨头和单一大数
据业务的厂商开始行动，优化产品和服务路线图。
l来自于线上大数据市场（互联网用户数据市场，以及以互联网金融为主的线上金融市场）的成
熟度逐渐提高，以金融和零售为核心的线上大数据应用走向成熟，市场体量进一步扩大。
l企业着力培育数据资产，积极探讨数据变现，行业大数据多集聚、少融合。
l大数据产业集群逐渐形成，即针对企业而言，以云端大数据集聚为前提条件，以行业云服务为
平台，共享企业间核心竞争力。
2.3
市场演进方向
在基本趋势方面，大数据厂商和产品的创新开始从基础设施层（服务于开发者/工程师）转移到分
析层（服务于数据科学家和分析师）乃至应用层（服务于商业用户和消费者），“大数据原生应用”已经
在迅速冒头。
应用层
垂直行业应用场景不断细化，企业与个人用户画
像技术优化，使用者开始无需关注底层大数据部
署技术。
企业用户和消费者
分析层
数据积累的丰富重新挖掘了人工智能的潜力，后
者对预测性分析带来了强大推动力，数据分析师
职业开始繁荣。
数据科学家和分析师
开源社区带动Spark、Hive等创新活跃，企业希望
在开源社区的变革之后做最小代价的升级。
基础设施层开发者/工程师
?
Analysys
易观
www.analysys.cn
图
2-3
2016
年大数据各层技术演进方向
得益于可观的开源活动规模，基础设施领域的创新非常富有活力，例如
Spark
受到了从
IBM
到
Cloudera
的各式玩家的拥护，它解决了一些导致
Hadoop
采用放缓的关键问题：例如更容易编程，并且
跟机器学习能够很好地搭配。
而在分析层面，越来越关注利用人工智能（AI）来帮助分析大规模的数据，从而获得预测性的洞
察。虽然深度学习背后的算法几十年前就已诞生，但直到最近才能够在足够便宜、足够快速地应用到
大规模数据之后发挥它的最大潜能。而市场对
AI
的关注也符合大数据下一步演进的趋势：在有了丰富
数据之后，如何从中得到洞察。因而可以预见，数据科学家的部分工作将会越来越自动化，从而可以
极大提高生产力。同时，应用于营销、应用监测等方向的
BI
平台日趋多样，也带动了分析层的不断完
善。
在应用层面，随着一些核心基础设施的挑战得到解决，大数据应用层正在快速构建。一方面，专
门的大数据应用几乎在任何一个垂直行业都有出现。另一方面，在企业内部，已经出现了各种工具来
帮助横跨多个核心职能的企业用户。比方说，销售和营销的大数据应用通过处理大规模的内外部数据
来帮助找出哪位客户可能会购买、续约或者流失，且速度越来越实时化；客服应用帮助个性化服务；
人力应用帮助找出如何吸引和挽留最好的员工等。越来越多的大数据使用者已经无需了解大数据底层
部署技术而直接使用。
2.4
融资情况
表
2-1
2016
年
1-7
月部分大数据创业厂商融资情况
时间
厂商
轮次
金额
投资方
2016.7.23
永洪科技
C
2
亿人民币
腾讯、元生资本、东方富海、经纬中国、
艾瑞资本(艾瑞)
2016.7.19
天机智讯
Pre-A
数千万人民币
天机智讯
2016.7.14
SequoiaDB
巨杉数据库
B
1000
万美元
DCM
中国、启明创投
2016.7.2
罗格数据
天使轮
数百万人民币
未透露
2016.7.1
优游科技
Pre-A
数百万人民币
七友投资、起点国际创新工场、天宏数动
2016.6.28
GrowingIO
A
2000
万美元
经纬中国、NEA
恩颐投资、Greylock
Partners
2016.6.27
ASO114
种子轮
200
万人民币
未透露
2016.6.5
费马科技
天使轮
数百万人民币
英诺天使基金、臻云创投(臻云智能)
2016.6.2
烯牛数据
天使轮
数百万人民币
戈壁投资
2016.5.30
中奥科技
A
中奥科技
达晨创投
2016.5.27
玻森数据
BosonNLP
A
数千万人民币
常春藤资本
Ivy
Capital、信诺资本
2016.5.16
华清科盛
Pre-A
100
万人民币
达晨创投
2016.5.3
蚁坊软件
天使轮
未透露
达晨创投
2016.4.19
新媒体指数(清博大数据)
Pre-A
2100
万人民币
飞图创投
2016.4.11
璞华大数据
A
数千万人民币
VANGOO
盘古创富
2016.4.6
朝亚控股
Chayora
战略投资
未透露
渣打银行
2016.3.31
合享新创
A
数千万人民币
未透露
2016.3.16
Data
Pipeline
天使轮
数百万人民币
FreesFund
峰瑞资本
2016.3.11
Kyligence
跬智科技
种子轮
数百万美元
红点投资
Redpoint
Ventures
2016.3.3
数人云(数人科技)
A
3000
万人民币
云启资本、联创策源、唯猎资本
2016.3.3
风暴
ASO
天使轮
数百万人民币
山行资本
2016.3.2
Taste
Analytics
Pre-A
340
万美元
真格基金、华创资本
2016.3.2
海智
BDP(海智网聚)
C
3000
万美元
君联资本、IDG
资本、晨兴资本、Wind
万得
2016.3.1
星环科技
TransWarp
B
1.55
亿人民币
瑞力投资、深创投、基石资本
2016.3.1
海云数据
HYDATA
A
1
亿人民币
华创盛景、东方富海
2016.2.15
数聚变科技
天使轮
250
万人民币
星河互联
2016.2.1
所问数据
天使轮
数百万人民币
九合创投
2016.1.29
普林科技
A
数千万人民币
颐成投资
2016.1.25
TalkingData
腾云天下
C
1
亿美元
未透露
2016.1.20
吆喝科技
A
数百万美元
未透露
2016.1.17
商询科技
DataMesh
A
数千万人民币
IDG
资本
2016.1.15
App
Annie
E
6300
万美元
Greenspring
Associates、e.ventures、
Greycroft
Partners、Institutional
Venture
Partners、Sequoia
Capital(红杉海外)
2016.1.12
美林数据
新三板
5978
万人民币
达晨创投、上投摩根、璞琢资产、锦融投
资
2016.1.12
ASO100-七麦科技
B
数千万人民币
汇智明资产管理、天鹰资本
2016.1.9
芥末金融
A
数千万人民币
信天创投
2016.1.8
达观数据
天使轮
1000
万人民币
真格基金、众米资本、上海掌门科技
来源：易观
2016
大数据从数据采集、存储、处理、分析挖掘、展现各个环节在不同行业都有相关应用，所以大数
据创业公司也有着多种不同的方向。从
2016
年
1-7
月的融资情况来看，中国的大数据创业企业发展很
不平衡，相较于美国已经有成熟的大数据产业链，国内大数据企业在硬技术方面比较欠缺，更多的是
大数据的行业应用。
2.5
商业模式
大数据正在影响企业商业模式的转变，对数据进行分析、优化成为提升核心竞争力的有效方式。
同时，围绕如何应用、挖掘以及消费数据，已经催生出新兴的商业模式；2015，各地纷纷建立大数据
交易所，建立企业数据资产管理体系并“卖数据”开始成为不少企业的直接盈利手段，这充分凸显了数
据的战略资产特性；对数据的洞察力进一步体现到公司的战略和行动，形成正反馈，有助于企业积累
竞争优势，使得行业龙头强者恒强。
2.5.1模式一：数据存储租用
数据存储租用涉及到大数据产业链的数据采集与整理环节。数据存储租用模式只提供数据“原材
料”。Amazon
的
S3
服务是典型的数据存储租用模式，利用存储能力进行运营，满足企业和个人面临
海量信息存储的需求。具体而言，主要分为个人数据存储和企业信息存储两大类。主要是通过易于使
用的
API，用户方便地将各种数据对象放在云端，然后再像使用水电一般按用量收费。目前已有多个
公司推出相应服务，如阿里巴巴、腾讯云、金山云、百度云等。运营商也推出了相应的服务，例如中
国移动彩云业务。
2.5.2模式二：租售信息业务
租售信息业务模式涉及到大数据产业链的数据整理与分析环节。提供加工后的数据“半成品”。
例如
把它的数据都通过两个独立的公司授权给别人使用；VISA
和
MasterCard
收集和分析
来自
210
个国家的
15
亿信用卡用户的
650
亿条交易记录，用来预测商业发展和客户的消费趋势。然后，
它把这些分析结果卖给其他公司。租售信息业务同样包括面向个人以及面向企业两种方式：
面向个人，提供基于数据分析结果的服务。例如一个免费的智能手机应用程序，一方面它可以为
用户提供免费的交通信息，同时企业也得到了同步的数据。
面向企业或者公共政府部门，提供数据分析结果的服务。
第一种，直接进行信息租售，例如在交通信息领域，面向
GPS
生产商、和交通规划部门、UPS
等
物流公司等，出售完整的当前甚至未来交通状况的模式图或者数据库。以四维图新、广联达为代表的
公司，通过出售广泛收集、精心过滤、时效性强的数据，成为各自行业的翘楚。庞大的“数据库”成为
它们的“护城河”，是竞争对手难以逾越的门槛。这类模式直接而经典的诠释了“数据就是资产”的概念。
以彭博为代表的金融信息服务商，聚焦行业，广泛收集相关数据、深度整合萃取信息，以庞大的数据
中心加上专用的数据终端，形成数据采集、信息萃取、价值传递的完整链条，成为行业巨擘。
第二种，提供信息租售平台，租售数据信息或是搭建数据分享和交易平台，可以将数据信息作为
资产直接进行销售。2015
年，包括贵阳大数据交易所、长江大数据交易所、东湖大数据交易所、华中
大数据交易所、徐州大数据交易所、河北京津冀数据交易中心等多家交易所陆续挂牌成立，标志着大
数据交易成为当前市场中最大的亮点。
2.5.3
模式三：数据增值服务
数据增值服务主要是指基于数据分析的基础之上，定位在某一具体行业，通过大量数据支持，对
数据进行挖掘分析后预测相关主体的行为，以开展业务。有时企业收入来自于客户增值部分的分成。
其主要涉及到两种类型：
第一种，数据提升企业价值链。例如新型的数字媒体公司充分发挥大数据技术的优势，广泛搜集
数据开展精准营销业务。在电视、纸媒衰落的大背景下，网络媒体的崛起将是技术更替的必然结果，
大数据能够帮助企业实现精准营销，提升市场竞争力。新型的数字媒体公司充分发挥大数据技术的优
势，广泛搜集数据开展精准营销业务，具备成长为千亿市值平台级公司的基因和土壤。传统的
IT
服务
公司，难以望其项背。
第二种，数据衍生新型业务。例如阿里金融为代表的小额信贷公司，利用电子商务平台积累的交
易信用数据，提供小额信贷，提高信贷效率，创生阿里平台的新业务。又例如德国咨询公司
GFK
帮助
Telefonica
面向零售商、政府部门、公共机构提供基于地点的人员流动数据，以时间为维度(小时/天/
月/年)，统计特定区域的人口统计数据(性别、年龄)和行动等数据；这类企业成长非常快，一般擅长数
据挖掘分析技术，帮助一些数据大户如银行、运营商等开展新的业务。
2.5.4
模式四：数据技术服务
数据技术服务主要针对企业提供服务。
第一种，针对企业需求，为运营某一环节或某一业务问题提供解决方案，实施单点技术，例如向
零售商提供大数据分析技术，获得营销点子。
第二种，针对企业系统需求，提供整体解决方案，例如
IBM
提供软硬一体的大数据解决方案；华
为基于
IT
基础设施领域在存储和计算的优势，提供整体大数据解决方案等
第三种，IT
服务提供商提供大数据空间出租模式。大数据计算基础设施上(与云结合)，通过出租
一个虚拟空间，从简单的文件存储，逐步扩展到数据聚合平台，例如腾讯开放云战略为大数据创业者
提供了廉价的数据基础设施，使中小企业也有机会在大数据领域创新业务。
第四种，BDaaS
(Big
data
as
a
service)数据应用即服务的模式，通过云服务提供在线大数据技术或
者解决方案。例如
RJ
Metrics
为电商提供快捷的商业智能在线服务，软件定价为
500
美元/月，客户只
需在软件端输入特定数据，RJ
Metrics
便会将这些信息备份到安全的服务器上，并承诺在
7
日内优化数
据用以分析，之后以清晰简洁的界面将数据分析结果反馈给客户。再例如
Good
Data
主要面向商业用
户和
IT
企业高管，提供数据存储、性能报告、数据分析等工具，将所有商业智能分析所需的数据和任
务都搬到云上。
篇3：大数据信息资源库学习笔记
大数据信息资源库学习笔记 本文关键词：资源库，学习笔记，数据，信息
大数据信息资源库学习笔记 本文简介：1大数据信息资源库1.1建设任务分析1、加强统筹规划，优化大数据形成机制。高度重视大数据发展，制定大数据发展规划。强化对大数据建设工作的组织协调和监督管理，打破地区和部门数据壁垒，实现数据资源联合共建、广泛共享。建立政府和社会联动的大数据形成机制，以政府数据公开共享，推动公共数据资源的开发利用，带动
大数据信息资源库学习笔记 本文内容：
1
大数据信息资源库
1.1
建设任务分析
1、加强统筹规划，优化大数据形成机制。高度重视大数据发展，制定大数据发展规划。强化对大数据建设工作的组织协调和监督管理，打破地区和部门数据壁垒，实现数据资源联合共建、广泛共享。建立政府和社会联动的大数据形成机制，以政府数据公开共享，推动公共数据资源的开发利用，带动社会大数据资源的收集和开发利用。加强粤港澳、国际之间的数据交流合作。
2、搭建大数据技术平台，支撑城市级应用。综合利用云计算、大数据、数据仓库、数据交换等技术，搭建大数据技术平台，使其能够适应整个城市的数据规模、共享规模以及各行各业的应用需求。
3、全面整合政务信息及相关社会资源，实现数据集中与共享。城市大数据信息资源库需要整合广州市城市管理与运行相关的全部信息，包括各级政府部门、党政机关所产生的政务信息、社会重要单位的关键信息、以及网络舆情信息等，总之应涵盖政府开展电子政务建设的一切内容，从而实现全面的信息共享、业务协同、决策支持等功能，作为建设智慧城市的重要基础。
4、建立一套完善的数据采集体系，能够处理不同数据类型、不同数据来源、不同数据量大小的数据，从管理协调机制、接口规范制定到技术处理等方面形成一整套的大数据采集方案。
5、继承和发展电子政务信息资源整合理论中的信息共享与业务协同的基本目标，形成更加全面、合理的信息资源共享目录，以及高性能的数据交换平台，并通过主数据业务建模的方式提高业务协同类应用的效果。
6、建立一批重点示范工程，推进大数据应用，提高经济社会智慧化水平。推进政务信息公开；推行政府网上办事；收集分析挖掘社会政务服务需求，推进公共服务个性化和政府决策智能化。支持公共服务机构和商业机构开放与社会民生密切相关的公共数据。推进国民经济各行业和企业数据开发，发展商业智能。鼓励开展服务大众的大数据应用，提升智慧生活品质。
7、通过大数据的建设加强政府的政务公开力度，将政务大数据中对公众有用的信息，通过建立渠道对外公开，并提供方便的检索、查询和分析工具。一方面体现出政府的阳光与透明，另一方面充分发动社会资源，形成全社会开展大数据应用的良好生态环境。
1.2
大数据的定义
定义：
信息资产//
3+1V
//新处理方式
3+1V
Volume
数据海量
Velocity
增长迅速
Variety
格式多样
Value
价值（稀疏）（IDC）//
Veracity
真实性（IBM）
//
variability
变化（MS）
与结构化数据的数据仓库等处理方式的不同：
l
数据处理的实时性：在线（实时）、离线（非实时）、准在线（近实时）
l
索引的设计
l
先验知识的缺乏：分析的时候难有合适的模型
连续数据保护技术---CDP
1.3
四大基础数据库
l
宏观经济数据库
l
人口数据库
l
法人数据库
l
地理空间数据库
2
NOSQL
HIVE
类SQL的方式代替map、reduce函数来进行批量数据处理操作
YCSB
(Yahoo!
Cloud
Services
Benchmark)
NOSQL性能比较工具
负载生成器
样例负载
