京公网安备 11010802034615号
经营许可证编号:京B2-20210330
全球IT细分产业大数据分析行业战略结论
市值TOP20分布
TOP20里面有14家美国公司,占70%,TOP5全部是美国公司,如果算上已经退市的Dell(预计市值超过800亿),美国依然在IT领域独领风骚,占据绝对的统治力。这才是美国称霸全球的软实力。美国在军事、货币、以及代表未来的IT产业上占据了绝对的领先性,中国赶上美国还需要很长一段时间。
TOP20里有5家亚洲公司(中国3,韩国1,新加坡1),1家欧洲公司。在IT领域欧洲和日本公司已经渐行渐远。未来必然走向中美争霸的局面,这跟中美两国市场规模、人口基数有关。
TOP20里面,8家互联网公司,8家半导体公司,占据了主要位置。传统大的IT公司占据了另外4席。
快速成长的公司
在快速增长(超过20%)的公司里面,互联网8家,占42%,半导体公司占了7家,接近37%,美国公司占58%。
网易的市值悄无声息的得到快速增长,游戏业务是主要贡献者,在线游戏占了营收的75%。同时,网易重兵投资的直播平台,跟VR的结合,也给未来带来更多的想象空间。Sony经过痛苦转型,总算走出了连续大幅度亏损的命运,再度被市场看好。
微软今年以262亿美金的现金收购了Linkedin,未来将会有7亿用户,给微软的未来带来新的想象空间。同时,云产品Azure的强劲表现,推动微软市值大幅度回升,但距离顶峰的1999年的6137亿美金市值还存在一定距离。不过,已经有分析师给出微软1万亿美元市值的可能性。
Juniper市值的快速增长,我还没有想到其中的逻辑,上次在欧洲,提起爱立信跟思科可能的合并,有一个老外不认为他们间的合并会成立,他认为爱立信收购Juniper更有可能,不清楚他的理由,可能只是简单的业务互补。但Juniper在未来两年被某公司收购是大概率事件。
云计算转型公司
清一色的美国公司,美国再次完成了布局,占领了未来的机会。在这种生态下,中国公司如何快速赶上,华为如何快速赶上? 相信中国本土会出现1-2家大的云计算公司,道理跟互联网公司一样,现在是阿里云领先,华为还有机会,如何在中国市场占据第一是关键。战略之争,中国公司很难赢得北美的云计算市场,但北美厂家也很难进入中国。欧洲和东南亚是两个势力角逐的焦点。
亚马逊AWS的营收超过了100亿美金,取得了巨大突破,预计明年的业绩将会进一步提升。AWS推动亚马逊 的市值快速提升,站上了3500亿美金,增长接近150%。阿里云的估值也达到了390亿美金,而且按这个势头,未来又会是一个巨无霸的产业。
HP实际上已经分割成两个独立的公司上市,HPE(惠普企业)和HPQ(惠普)。主打企业市值的HPE,利用云计算转型的契机,使得市值获得较大的提升,让HP整体状况不会太糟。
同时,云计算转身也不是无往不利的法宝,除了微软Azure和亚马逊AWS外,其他公司并没有获利太多。VWware受Dell并购EMC影响,市值还有所下降。未来的云计算市场,又将会是一个赢者通吃的市场。
半导体公司
没有中国大陆公司入榜,这就可以理解为什么中国政府会那么捉急。为了避免脖子卡在别人的手里,中国政府这两年在半导体领域投资了几千亿人民币,同时还砸锅卖铁的在全球并购半导体企业,而美国对中国严防死守,一毛不拔。这是两个大国围绕着未来的战略之争,没有道理可言。
受反垄断、手机市场饱和、中国红色供应链多方因素影响,高通的盈利出现下降,市值下滑。Intel还是没有找到新的突破,台积电将继续高歌猛进,ASML仍然是设备厂商的领头羊。
人工智能转型公司
又是清一色的美国公司,百度勉强挤在里面。英伟达的市值2年增加了5倍,可以想象现在的人工智能有多火。AI这个产业是从2015年被点燃的,各大IT公司纷纷布局,现在也很难用数据来佐证这个趋势。这两年, IBM猛炒Watson,Google大推AlphaGo围棋。但微软Azure和亚马逊AWS,不可能在大数据红火时袖手旁观。微软目前拥有适用数据分析的大规模存储库Data Lake等近10个数据存储和分析服务,Amazon AWS目前拥有Hadoop框架EMR等七款产品。
百度说移动互联网已经过去了(意思是阿里巴巴、腾讯已经过去时了),下一个是人工智能的时代,他们将会在人工智能的时代重新站起来,近期百度选择陆奇来运作面向未来的战略,陆奇能否带领百度走出迷茫期,让我们拭目以待。 对于未来的IT产业,实际上是美亚争夺领导力的时代。欧洲实际上已经沦落为旁观者,日本的衰弱也是无法遏止。
对于代表未来趋势几大方向:人工智能、云计算、互联网、半导体(万物互联可以归入半导体和云计算领域),美国具有绝对优势,中国拥有迎头赶上的势头。传统的硬件厂商(设备、终端、云基础设施)已经进入了市场底谷,感觉不可能再坏了。未来几年可能通过兼并形成比较稳定的格局,当然,还会有几家消失掉。$中国联通(SH600050)$$烽火通信(SH600498)$网宿科技(SZ300017)掌趣科技大华股份
华为公司2016年的销售额750亿美金,利润50亿美金左右,近30%增长。这样来看,如果在美国上市,市值预计在1500亿美金左右(PE 30,主要对照思科做的估算。华为的销售额750亿美金,思科预计500亿。华为的利润50亿美金,思科100亿,华为增长30%,思科0增长。
对比来看,华为主要是利润偏低,但华为有做低利润之嫌(迎合产业环境,不能超过运营商),关键是成长性很重要,所以综合来看华为的估值应该不低于思科),当然,如果华为要追求高股价,应该可以将利润做到更高,短期市值突破2000亿不是难事。但考虑到华为主营业务CBG,CNBG,EBG,行业基本都到天花板了,所以快速成长存在风险。正常的路径,很可能就像思科,在CNBG领域占据老大地位,获得较好的利润。
同时在CBG、EBG两块领域发挥乌龟精神,慢慢爬升,稳健发展。但未来具有不确定因素,尤其来自云计算和人工智能的变革,可能会在全球范围内发起新一轮的洗牌,华为如果没有赶上这趟车,也可能会逐渐消亡在历史的长河里面,或者落为平庸。而在这两块要赢得未来,一个良好的生态是很关键的,目前的主要玩家都在美国,对华为的将来是很大的挑战。
未来的全球化进程会进一步受到挑战,全球会裂变成以美国市场、中国市场为代表的两股势力,波及云计算、人工智能、半导体、互联网。华为如何充分利用中国市场的优势,首先在中国市场占据绝对领导力,迅速站稳脚跟是关键。同时,如何打赢欧洲和东南亚市场,将会是未来谁能够占据领导地位的风向标。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18