
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
χ² 检验与 t 检验:数据差异分析的两大核心工具 在统计学的方法论体系中,假设检验是验证数据规律、判断差异显著性的核心手段 ...
2025-07-29解析 LSTM 训练后输出不确定:成因与破解之道 在深度学习处理序列数据的领域,长短期记忆网络(LSTM)凭借其捕捉长距离依赖关系 ...
2025-07-29CDA LEVELⅠ考试大纲解读:洞察数据世界的入门指南 (一)PART 1 数据分析思维(占比 2%) 领会:考生需要领会数据分析思维的内 ...
2025-07-29本次活动市场价2000元,现面向会员免费开放,会员朋友更可以邀请一位非会员免费参加。 【活动目标】 本课程 ...
2025-07-28CDA 数据分析师必备技能全解析 在数据驱动决策的时代,CDA 数据分析师作为连接数据与业务价值的桥梁,需要具备多元化的技能体系 ...
2025-07-28PowerBI 添加索引列全攻略 在使用 PowerBI 进行数据处理与分析时,添加索引列是一项极为实用的操作技巧。索引列能为数据表中的每 ...
2025-07-28t 检验与 Wilcoxon 检验:数据差异分析的两大核心方法 在数据分析的广阔领域中,判断两组或多组数据之间是否存在显著差异是一项 ...
2025-07-28PyTorch 核心机制:损失函数与反向传播如何驱动模型进化 在深度学习的世界里,模型从 “一无所知” 到 “精准预测” 的蜕变,离 ...
2025-07-252025 年 CDA 数据分析师考纲焕新,引领行业人才新标准 在数字化浪潮奔涌向前的当下,数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-25从数据到决策:CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天,数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-25用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-24解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-24CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-24从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-23用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-23鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-23解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-22解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-22CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-22左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-22