京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解读2017中国大数据企业排行榜V3.0
首席数据官联盟发起人刘冬冬先生解读:2017年《中国大数据企业排行榜》V3.0已经是《中国大数据企业排行榜》的第三次更新了,第一版是2015年底发布的,一经发布就在中国大数据业界引起了很大的反响,众多知名企业高管、政府领导都强烈致电要求我们持续推出,帮助政府和企业快速的筛选大数据供应商以及帮助政府招商引资;
因此在业界专家们的支持下我们去年发布了第二版,未来我们将每半年发布一次中国大数据企业的排名更新,更好的服务于使用大数据的政府和企业。从去年第二版开始,我们发布排行榜的同时也推出了一系列相关报告,包括《中国大数据企业排行榜》、《中国大数据产业地图》、《中国大数据业产业分析》、《大数据企业评价指标》等。其目的在于使更多政府和传统企业能够更全面、更快速的了解中国大数据行业的发展。
每次的排行榜都凝结了首席数据官联盟专家组上百位专家们共同智慧,从产业发展分析到产业地图,再通过严格的评价指标体系(采用国家创新型企业的三级标准26个维度),最终得出本次排行榜。此次排行榜同时也得到了我们的同行,例如:中关村大数据产业联盟、中国大数据产业应用协同创新联盟、中国西部互联网大数据与产业联盟、西南大数据联盟、重庆大数据产业联盟、西北大数据产业联盟、南京大数据产业联盟、中国数据共享公约组织、深圳市大数据研究与应用协会等领导的认可,还得到:央企CIO联盟、华南CIO联盟、西南CIO联盟、西北CIO联盟、七邦CIO联盟、深圳CIO联盟、数据架构师联盟、Pentaho中国、China Hadoop Summit、海数据社区、Spago86社区等众多个知名组织专家们的支持。
本次出席发布会的大数据产、学、研、用代表:北京大学电子政务研究院副院长杨明刚、中科院计算机研究所博士生导师罗平、中国钢铁集团信息管理部总经理李红、中国黄金珠宝公司信息管理部总经理周韩林、三一重工流程信息化总部战略总监文博武、中华网创新业务总监熊锦华、中关村大数据产业联盟秘书长赵国栋等领导;往届代表:北京理工大学大数据搜索挖掘实验室主任张华平、中铝公司信息管理部副总文欣荣、达晨创创投大数据负责人窦勇、北京信息化协会副理事长马小东、China Hadoop Summit创始人何建军、宏碁电脑营销总经理黄峻涛、阳光信保数据开发部总经理安光勇等。
从覆盖面上讲,本次排名对近1100家大数据公司进行了考察。排行从41个应用领域、10个行业领域、13个智慧城市领域和8个大数据周边服务领域,总共64个细分+8个服务领域全面对国内大数据企业进行相对全方位的细分与展示。本次我们新增8个垂直行业和领域,并更新、调整了2个行业和领域分类。本次上榜企业共252家,其中同时在3个以上细分领域上榜的企业有13家,同时在两个细分领域上榜的企业有31家。
与2016年7月份发布的《中国大数据企业排行榜 V2.0》相比,本次新上榜大数据企业84家(占本次排名企业的33.3%),149家企业连续两次(去年和今年)上榜(占本次排名企业的59.1%)。只有107家企业排名与去年排名相同(占本次排名企业的42.5%)。共有9家企业因并购、股东变化、公司扩张、改制等原因,其公司注册名称发生了变化。还有64家企业出榜单上退了下来(占本次排名企业的25.4%),但这并不意味企业本身出了问题,而是其业务发生了变化,以及排行的细分领域也进行了优化等原因。另外,大数据行业的蓬勃发展,也吸引了大量的资本方和各行业的龙头企业(BAT等),因此原先以技术为主的大数据行业的游戏规则也发生了不少变化。背靠互联网龙头企业、资本方的所谓“新型”企业,以及各家上市公司依靠强大的资本实力和人力资源迅速代替了原先的企业。
通过本次行业排名,我们再次体会到了大数据行业迅猛的发展速度,而这些迅猛的变化大大提高了我们排名的难度。但同时经过近两个月的努力,我们也获得了许多非常宝贵的行业第一手资料。
从考评方法上讲,我们在国标体系的基础上完善了我们的评价指标。指标分成4个一级指标,包括评价企业的技术能力、健康度、创新驱动能力和它的知识产权能力。4个一级指标分成9个二级指标和26个三级指标组成。而在三级指标的设计上,我们全部采用了相对指标体系,以更真实反映企业活动的效率。因为大部分企业还是中小微企业,成立时间短,且体系不够完善等特点,但却具备了大企业所没有具备的创新能力和灵活性。而这些能力很难在财务指标中迅速体现出来,也不能准确地评价这些大数据企业的真实、客观的能力。
数据源:全部来源于政府部门和第三方权威机构的公开数据。而首席数据官联盟本身就有一大批大数据专家,包括舆情领域的专家。我们通过对社交等互联网数据的分析,侧面地获得了支持主观变量的数据。
另外,因资本方和具备资金实力的龙头企业的加入大大影响了整个排行榜,我们专门对资本市场进行了深度分析。通过分析我们发现:
1. 投融资主要集中在A、B、C轮;
2. 对于大数据行业,投资方更看重技术领域,把主要的资金投入到技术领域;
3. 同时投资也逐步往垂直行业延伸,如:金融、医疗、汽车等领域;
4. 一直处于大数据应用前沿的电商大数据应用并没有得到资本的青睐
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27