第一章 大數據產業相關概述

1.1 大數據介紹

1.1.1 大數據的產生

1.1.2 大數據的定義

1.1.3 大數據的特點

1.1.4 大數據的類型

1.1.5 大數據典型分類

1.1.6 大數據的各個環節

1.2 大數據的價值及影響

1.2.1 大數據的價值

1.2.2 大數據研究意義

1.2.3 大數據的應用價值

1.2.4 對信息時代的影響

1.3 大數據產業鏈構成分析

1.3.1 大數據產業鏈結構

1.3.2 大數據產業鏈領域

1.3.3 產業鏈價值流動方向

1.4 大數據技術層結構分析

1.4.1 大數據關鍵技術構成

1.4.2 大數據采集與預處理技術

1.4.3 大數據存儲管理技術

1.4.4 大數據處理的核心技術

1.4.5 大數據分析挖掘技術

1.4.6 大數據可視化技術

1.4.7 大數據安全技術

第二章 2015-2017年國際大數據產業發展分析

2.1 2015-2017年全球大數據產業總體發展分析

2.1.1 產業發展變革

2.1.2 市場規模分析

2.1.3 市場競爭格局

2.1.4 應用狀況調查

2.1.5 產業布局分析

2.2 歐盟大數據產業發展布局

2.2.1 歐盟推進大數據產業發展

2.2.2 歐盟大數據產業發展戰略

2.2.3 歐盟大數據產業戰略特點

2.2.4 產業戰略建設的相關啟示

2.2.5 歐盟布局大數據產業應用

2.2.6 歐盟大數據產業發展規劃

2.3 美國大數據產業發展分析

2.3.1 大數據產業發展戰略

2.3.2 大數據產業發展狀況

2.3.3 大數據應用案例分析

2.3.4 大數據技術發展措施

2.3.5 針對安全問題的政策

2.3.6 產業發展的經驗借鑒

2.3.7 布局大數據預測市場

2.4 日本大數據產業發展分析

2.4.1 大數據產業地位

2.4.2 大數據發展規模

2.4.3 制造業大數據應用

2.4.4 運行大數據預防災害

2.4.5 產業重點企業分析

2.4.6 大數據產業發展展望

2.5 2015-2017年其他國家大數據產業發展狀況

2.5.1 英國

2.5.2 法國

2.5.3 澳大利亞

2.5.4 韓國

第三章 2015-2017年中國大數據產業發展分析

3.1 大數據產業簡介

3.1.1 大數據產業的概念

3.1.2 大數據產業的戰略地位

3.1.3 大數據產業發展的必然性

3.2 2015-2017年中國大數據產業發展綜述

3.2.1 市場發展階段

3.2.2 產業驅動主體

3.2.3 行業發展水平

3.2.4 行業發展規模

3.2.5 產業發展提速

3.3 2015-2017年大數據產業競爭格局

3.3.1 大數據產業競爭主體分析

3.3.2 產業鏈環節競爭格局分析

3.3.3 大數據競爭企業資本層次

3.3.4 互聯網企業布局大數據產業

3.3.5 it產業競相布局大數據產業

3.3.6 大數據熱點應用領域的競爭

3.3.7 網絡保險市場大數據競爭狀況

3.3.8 大數據產業競爭趨勢展望

3.4 2015-2017年中國大數據市場供需分析

3.4.1 大數據市場供給結構

3.4.2 主要行業大數據需求狀況

3.4.3 企業大數據的應用及需求

3.4.4 大數據細分領域需求分析

3.4.5 大數據存儲領域需求分析

3.4.6 數據小型機市場需求分析

3.5 中國大數據產業存在的問題

3.5.1 數據相關問題

3.5.2 顧問服務不足

3.5.3 技術發展問題

3.5.4 數據安全問題

3.5.5 人才供需問題

3.6 中國大數據產業的發展策略

3.6.1 相關政策建議

3.6.2 推進研發與應用

3.6.3 避免過度建設

3.6.4 提高數據安全

3.6.5 打破數據信息孤島

第四章 大數據產業上游——數據源存儲層

4.1 數據來源層分析

4.1.1 大數據的來源渠道

4.1.2 數據資源swot分析

4.1.3 數據資源獲取難度

4.1.4 數據源市場規模分析

4.2 數據存儲層分析

4.2.1 大數據存儲方式

4.2.2 大數據儲量規模分析

4.2.3 大數據存儲架構分析

4.2.4 數據倉庫建設的重要性

4.2.5 數據處理技術的核心

4.2.6 新型mpp數據庫的價值

4.3 數據存儲中心建設狀況

4.3.1 數據中心的投資建設加快

4.3.2 大數據中心布局趨勢分析

4.3.3 數據中心面臨的挑戰及機遇

4.3.4 數據中心發展的技術影響因素

4.4 數據資源型企業——電信運營商

4.4.1 中國移動

4.4.1.1 企業發展概況

4.4.1.2 大數據發展優勢

4.4.1.3 移動大數據應用

4.4.2 中國電信

4.4.2.1 企業發展概況

4.4.2.2 大數據產業布局

4.4.2.3 加快數據中心建設

4.4.3 中國聯通

4.4.3.1 企業發展概況

4.4.3.2 大數據業務分析

4.4.3.3 逐步實現數據共享

4.4.3.4 未來前景展望

4.5 數據資源型企業——bat企業

4.5.1 阿里巴巴

4.5.1.1 企業發展概況

4.5.1.2 數據化精準營銷

4.5.1.3 建設大數據平臺

4.5.1.4 企業數據庫方案

4.5.2 百度公司

4.5.2.1 企業發展概況

4.5.2.2 大數據解決方案

4.5.2.3 大數據應用合作

4.5.2.4 產業園建設規劃

4.5.3 騰訊公司

4.5.3.1 企業發展概況

4.5.3.2 騰訊大數據平臺

4.5.3.3 構建大數據生態

4.5.3.4 大數據布局動態

第五章 大數據產業中游——數據分析處理層

5.1 大數據處理及分析技術綜況

5.1.1 大數據采集與預處理

5.1.2 數據處理框架分析

5.1.3 數據計算模式分析

5.1.4 數據分析細分領域

5.1.5 大數據分析的優劣勢

5.2 大數據分析處理產業發展進程

5.2.1 技術生態分析

5.2.2 技術研發熱點

5.2.3 技術應用領域

5.2.4 企業布局加快

5.2.5 技術發展趨勢

5.3 大數據可視化分析技術分析

5.3.1 數據可視化的基本概述

5.3.2 數據可視化的研究進展

5.3.3 數據可視化的應用工具

5.3.4 數據可視化面臨的挑戰

5.3.5 數據可視化技術發展趨勢

5.4 大數據安全處理技術分析

5.4.1 大數據安全問題分析

5.4.2 大數據安全涉及的模塊

5.4.3 數據安全防護技術分析

5.4.4 數據脫敏安全控制技術

5.4.5 大數據安全防護體系分析

5.5 大數據技術擁有型企業分析

5.5.1 拓爾思

5.5.1.1 企業發展概況

5.5.1.2 大數據產品發布

5.5.2 同有科技

5.5.2.1 企業發展概況

5.5.2.2 大數據應用產品

5.5.3 浪潮集團

5.5.3.1 企業發展概況

5.5.3.2 數據基礎模型

5.5.3.3 加快推進地區合作

5.5.3.4 建立智慧城市平臺

5.5.3.5 推進數據社會化發展

5.5.4 華為公司

5.5.4.1 企業發展概況

5.5.4.2 大數據解決方案

5.5.4.3 助力地方大數據發展

5.5.4.4 大數據產業布局

第六章 大數據產業下游——數據交易層

6.1 大數據交易層分析

6.1.1 大數據交易層分析

6.1.2 數據交易品種及類型

6.1.3 數據交易的影響因素

6.1.4 大數據交易標準體系

6.2 大數據交易市場運行狀況

6.2.1 大數據交易市場環境

6.2.2 大數據交易市場構成

6.2.3 大數據交易市場規模

6.2.4 大數據市場定價方式

6.2.5 細分大數據交易狀況

6.2.6 全國首個交易中心成立

6.2.7 大數據交易平臺發展分析

6.2.8 大數據交易市場人才需求

6.3 國際重點大數據交易平臺分析

6.3.1 factual

6.3.2 infochimps

6.3.3 microsoft azure

6.3.4 fujitsu

6.4 中國大數據交易平臺發展綜況

6.4.1 交易平臺經營范圍

6.4.2 交易平臺發展背景

6.4.3 各地大數據交易平臺

6.4.4 地區性平臺建設動態

6.4.5 平臺未來發展策略

6.5 中國典型大數據交易平臺分析

6.5.1 貴陽大數據交易所

6.5.2 數據堂交易平臺

6.5.3 中關村大數據交易平臺

第七章 大數據產業下游——數據應用層

7.1 大數據應用層分析

7.1.1 大數據應用層結構

7.1.2 大數據衍生應用層

7.2 大數據應用服務型企業介紹

7.2.1 百分點集團

7.2.1.1 企業發展概況

7.2.1.2 大數據產業布局

7.2.2 明略數據

7.2.2.1 企業發展概況

7.2.2.2 大數據分析產品

7.2.3 talkingdata

7.2.3.1 企業發展概況

7.2.3.2 未來發展態勢分析

7.3 工業大數據

7.3.1 工業大數據基本概況

7.3.2 工業大數據發展階段

7.3.3 工業大數據市場規模

7.3.4 工業大數據應用案例

7.3.5 政府推動工業大數據發展

7.3.6 工業大數據發展問題及對策

7.3.7 工業大數據應用趨勢分析

7.4 醫療大數據

7.4.1 醫療大數據體系分析

7.4.2 醫療大數據市場規模

7.4.3 醫療大數據應用價值

7.4.4 醫療大數據應用場景

7.4.5 醫療大數據應用案例

7.4.6 醫療大數據發展問題及對策

7.4.7 醫療大數據發展方向分析

7.5 金融大數據

7.5.1 金融大數據體系分析

7.5.2 金融大數據典型應用領域

7.5.3 金融大數據創新應用領域

7.5.4 金融大數據市場競爭格局

7.5.5 金融行業大數據發展特征

7.5.6 金融大數據應用市場規模

7.5.7 金融大數據應用案例分析

7.5.8 金融大數據發展挑戰及對策

7.6 交通大數據

7.6.1 交通大數據應用概況

7.6.2 交通大數據應用狀況分析

7.6.3 交通大數據應用市場規模

7.6.4 交通行業大數據應用需求

7.6.5 國家級交通大數據實驗室成立

7.6.6 交通大數據應用案例分析

7.6.7 交通大數據應用問題及對策

7.6.8 交通大數據應用未來發展展望

7.7 電信大數據

7.7.1 概況

7.7.2 電信大數據源供給規模

7.7.3 電信大數據應用需求分析

7.7.4 電信大數據應用市場規模

7.7.5 電信行業大數據應用情況

7.7.6 運營商數據中心建設分布

7.7.7 電信行業大數據應用案例

7.7.8 電信大數據發展的挑戰及對策

7.8 零售大數據

7.8.1 零售大數據發展概況

7.8.2 零售行業數據采集方式

7.8.3 零售行業大數據應用需求

7.8.4 零售行業大數據應用現狀

7.8.5 零售行業大數據應用案例

7.8.6 零售大數據發展問題及對策

7.8.7 企業應用零售大數據的方向

7.9 電商大數據

7.9.1 電商大數據的主要來源

7.9.2 大數據處理對電子商務的影響

7.9.3 電子商務大數據的應用需求

7.9.4 電子商務大數據的具體應用

7.9.5 數據分析提高電商企業績效

7.9.6 全球首個電商大數據指數發布

7.9.7 電商大數據應用的挑戰及對策

7.10 政府大數據

7.10.1 政府大數據的基本內涵

7.10.2 政府大數據的頂層設計

7.10.3 政府大數據的經濟價值

7.10.4 政府大數據應用市場規模

7.10.5 政府大數據信息公開需求

7.10.6 政府大數據發展對策分析

7.10.7 政務大數據應用趨勢分析

第八章 2015-2017年大數據應用軟件及設備分析

8.1 大數據應用軟件分析

8.1.1 大數據典型軟件分析

8.1.2 智能軟件的應用價值

8.1.3 大數據軟件市場規模

8.1.4 大數據軟件發展方向

8.2 大數據硬件設備分析

8.2.1 大數據硬件構成框架

8.2.2 大數據主要硬件設備

8.2.3 大數據硬件市場規模

8.3 大數據一體機設備分析

8.3.1 大數據一體機簡介

8.3.2 大數據一體機的優劣分析

8.3.3 大數據一體機的用戶類型

8.3.4 國外競爭格局與品牌分布

8.3.5 國內市場競爭格局分析

8.3.6 國內企業競爭優劣勢分析

8.3.7 國內主流品牌及其特點

第九章 2015-2017年大數據產業發展模式探究

9.1 大數據交易模式分析

9.1.1 以數據運營方式為分類標準

9.1.2 以大數據結構化程度為分類標準

9.1.3 以數據產權轉讓形式為分類標準

9.2 大數據行業盈利模式分析

9.2.2 解決方案

9.2.3 基礎設施

9.2.4 數據產品

9.2.5 行業應用

9.3 大數據行業商業模式分析

9.3.1 b2b大數據應用模式

9.3.2 技術提供及軟件開發

9.3.3 大數據咨詢分析服務

9.3.4 自有平臺大數據分析

9.3.5 信息訂制與采購模式

9.3.6 信息數據租售模式

9.4 企業大數據商業化應用模式

9.4.1 企業大數據的基本構成

9.4.2 企業大數據商業化應用背景

9.4.3 企業大數據商業化應用層面

9.4.4 企業大數據商業化應用關鍵

9.4.5 企業大數據商業化應用途徑

第十章 2015-2017年重點區域大數據行業發展分析

10.1 中國大數據產業集群分布

10.2 京津冀大數據產業集群

10.2.1 京津冀地區經濟運行情況

10.2.2 京津冀大數據產業發展綜況

10.2.3 北京市大數據產業發展狀況

10.2.4 天津市大數據產業發展綜況

10.3 珠三角大數據產業集群

10.3.1 珠三角地區基本發展狀況

10.3.2 珠三角大數據產業發展綜況

10.3.3 大數據試驗區建設方案出臺

10.3.4 廣州市大數據產業發展狀況

10.3.5 深圳市大數據產業發展狀況

10.4 長三角大數據產業集群

10.4.1 長三角地區基本發展狀況

10.4.2 長三角大數據產業發展綜況

10.4.3 上海市大數據產業發展狀況

10.4.4 浙江省大數據產業發展狀況

10.5 西南大數據產業集群

10.5.1 西南地區基本發展狀況

10.5.2 西南大數據產業發展綜況

10.5.3 重慶市大數據產業發展狀況

10.6 大數據產業園區發展分析

10.6.1 大數據產業園格局

10.6.2 大數據產業園分布

10.6.3 大數據產業園典型模式

10.6.4 國家級新區布局大數據

10.7 典型發展案例——貴州大數據產業發展經驗

10.7.1 貴州大數據發展機遇及優勢

10.7.2 貴州大數據產業優惠政策

10.7.3 貴州大數據產業運行狀況

10.7.4 貴州大數據產業發展特點

10.7.5 貴陽大數據交易規模分析

10.7.6 貴州大數據應用狀況分析

10.7.7 貴州省大數據產業發展目標

第十一章 中國大數據產業投資情況分析

11.1 中國大數據產業投資環境分析

11.1.1 經濟環境分析

11.1.2 社會環境分析

11.1.3 技術環境分析

11.2 大數據產業創新創業情況分析

11.2.1 創業指數分析

11.2.2 專利申請狀況

11.2.3 創業主體上升

11.3 大數據行業投融資結構分析

11.3.1 產業投資象項

11.3.2 主要融資模式

11.3.3 融資規模分布

11.3.4 融資輪次分析

11.3.5 融資行業分布

11.4 中國大數據產業融資動態分析

11.4.1 天弘基金注資數據米鋪

11.4.2 海量集團a+輪融資動態

11.4.3 商圈雷達完成新一輪融資

11.4.4 九次方大數據完成c輪融資

11.4.5 貴陽市引進大數據投資項目

11.5 大數據市場并購狀況分析

11.5.1 大數據并購背景分析

11.5.2 并購成為產業布局途徑

11.5.3 大數據產業并購動態

11.5.4 大數據產業并購特征

11.5.5 大數據產業并購趨勢

11.6 中國大數據產業鏈投資機會分析

11.6.1 硬件層面投資機會分析

11.6.2 軟件層面投資機會分析

11.6.3 信息服務層面投資機會

11.7 大數據產業投資風險及防范

11.7.1 大數據行業投資風險綜述

11.7.2 數據的流動性和可獲取性風險

11.7.3 大數據安全風險及防范機制

11.7.4 大數據項目投資風險急劇增加

11.7.5 評估大數據產業投資回報的措施

第十二章 大數據產業發展前景及趨勢

12.1 全球大數據產業發展前景及趨勢預測

12.1.1 全球大數據收入規模預測

12.1.2 全球大數據產業發展趨勢

12.1.3 全球大數據市場發展熱點展望

12.2 中國大數據產業發展前景預測

12.2.1 大數據市場熱點猜想

12.2.2 大數據市場發展機會

12.2.3 大數據市場重點內容

12.2.4 大數據人才需求預測

12.3 中國大數據產業發展趨勢預測

12.3.1 區域特色化發展趨勢

12.3.2 產業融合發展趨勢加深

12.3.3 大數據技術發展方向分析

12.3.4 數據安全和數據流動成為焦點

12.3.5 “十三五”大數據產業發展趨勢

12.4 2018-2023年中國大數據產業預測分析

12.4.1 中國大數據產業發展因素分析

12.4.2 2018-2023年全球大數據市場規模預測

12.4.3 2018-2023年中國大數據市場規模預測

12.4.4 2018-2023年中國移動互聯網市場規模預測

第十三章 大數據產業發展政策分析

13.1 大數據產業政策體系分析

13.1.1 發達國家大數據政策對比

13.1.2 中國大數據產業發展綱要

13.1.3 中國大數據產業促進方案

13.1.4 數據中心建設指導意見

13.1.5 大數據產業管理機制分析

13.2 大數據產業應用類政策分析

13.2.1 醫療大數據應用發展政策

13.2.2 交通大數據應用政策分析

13.2.3 林業大數據發展指導意見

13.2.4 生態環境大數據建設方案

13.2.5 國土資源大數據應用政策

13.2.6 農業農村大數據試點方案

13.3 “十三五”大數據產業發展規劃

13.3.1 發展目標

13.3.2 重點任務

13.3.3 保障措施

13.4 大數據產業區域性政策規劃

13.4.2 首部大數據地方法規發布

13.4.3 北京市大數據產業發展規劃

13.4.4 貴州省大數據產業發展規劃

13.4.5 廣東省大數據產業發展規劃

13.4.6 福建省大數據產業發展規劃

13.4.7 浙江省大數據發展實施計劃

13.4.8 湖北省大數據產業發展規劃

13.4.9 河南省大數據產業發展規劃

圖表目錄

圖表：大數據的4v特征

圖表：大數據的類型

圖表：大數據技術框架

圖表：大數據的價值

圖表：大數據產業架構圖

圖表：大數據細分領域涉及的產品和服務

圖表：大數據產業主要數據資產類企業

圖表：大數據產業鏈產值分布及發展方向

圖表：大數據關鍵技術

圖表：中國大數據產業鏈技術層細分

圖表：未來大數據處理的核心技術

圖表：數據可視化軟件平臺

圖表：2016-2027年全球大數據產業結構及預測

圖表：2014-2020年全球大數據競爭格局及預測

圖表：2014-2020年美國大數據產業市場規模及增長率

圖表：2014年-2020年日本大數據市場規模走勢

圖表：中國大數據市場發展階段

圖表：各省（區市）大數據發展指數排名（1-16名）

圖表：2014-2016年中國大數據產業市場規模增長情況

圖表：中國大數據細分市場規模占比

圖表：大數據產業鏈不同環節競爭格局

圖表：大數據企業資本層次

圖表：中國大數據應用領域企業

圖表：互聯網行業大數據應用場景

圖表：電信行業大數據應用場景

圖表：金融行業大數據應用場景

圖表：制造行業大數據應用場景

圖表：企業現有的數據規模

圖表：企業數據類型的構成

圖表：大數據時代企業所能感覺到的數據變化

圖表：目前企業處理大數據所面臨的問題

圖表：企業對大數據的態度和認知

圖表：企業在線則大數據平臺時所考慮的因素

圖表：精準營銷在企業大數據體系中的位置

圖表：2015年中國移動互聯網用戶app分類月均活躍用戶規模top20

圖表：企業小型機的當前使用情況及未來計劃

圖表：市場上大數據技術類人才招聘數量占比及求職人數占比

圖表：主要城市大數據就業市場活躍度

圖表：大數據行業求職者學歷與招聘需求占比

圖表：大數據產業招聘及求職期望薪水分布

圖表：中國大數據產業鏈數據源細分

圖表：中國大數據資源swot分析

圖表：中國數據源市場規模及增長率

圖表：mpp架構圖

圖表：2011-2015年全球大數據儲量規模走勢

圖表：大數據的云存儲平臺

圖表：未來大數據處理的核心技術

圖表：mpp與hadoop技術融合的產品架構圖

圖表：大數據資源及應用

圖表：idb產品核心功能架構圖

圖表：百度大數據+平臺

圖表：九寨溝景區客流量預測系統

圖表：峨眉山景區游客七日去向展示

圖表：利用大數據進行在線精準營銷的效果

圖表：騰訊大數據平臺的核心模塊

圖表：gaia主要結構

圖表：tdbank的處理系統

圖表：tdbank運行流程

圖表：騰訊分布式數據倉庫

圖表：spark vs mapreduce

圖表：trc運作流程

圖表：大數據處理的關鍵層次架構

圖表：典型大數據計算模式與系統

圖表：數據分析細分領域和具體技術

圖表：palantir旗下兩大產品涉及領域

圖表：hadoop和spark生態系統

圖表：大數據技術關注度

圖表：參數服務器工作原理

圖表：大數據安全涉及模塊

圖表：從運營商大數據到最終行業應用的加工產業鏈

圖表：運營商建設大數據的核心需求：水平化的大數據平臺

圖表：華為“1+n”運營商大數據解決方案

圖表：中國大數據產業鏈交易層細分

圖表：可交易的數據品種及類型

圖表：影響數據交易的四大因素

圖表：大數據交易標準體系

圖表：2015年各地加速建立大數據交易平臺

圖表：大數據交易產業主要人才需求

圖表：各地的大數據交易平臺

圖表：中國大數據產業鏈大數據衍生層細分

圖表：國內工業大數據發展史

圖表：工業大數據市場規模

圖表：醫療業大數據產業鏈

圖表：醫療數據來源

圖表：醫療數據的特性

圖表：醫療大數據的用途

圖表：醫療大數據企業

圖表：醫療大數據應用市場規模

圖表：ibm智慧醫療“沃森醫生”

圖表：金融大數據產業鏈

圖表：大數據金融的場景應用

圖表：大數據智能洞察金融業

圖表：金融行業客戶的重要性

圖表：大數據洞察推動民生銀行的轉型與創新

圖表：大數據預測金融欺詐

圖表：證券業大數據應用

圖表：保險業大數據應用

圖表：中國金融行業大數據投資結構

圖表：中國金融大數據市場規模預測

圖表：中信銀行大數據應用技術架構圖

圖表：客戶綜合分析管理系統功能架構圖

圖表：客戶生命周期服務管理

圖表：智能交通的數據處理體系

圖表：交通大數據應用領域示意圖

圖表：交通大數據應用市場規模及增長趨勢

圖表：大數據在滴滴出行中的應用

圖表：廣東省高速公路省監控大數據綜合展示

圖表：電信運營商大數據應用

圖表：2015年電信業務量統計表

圖表：電信大數據應用市場規模及增長趨勢

圖表：大數據與客戶生命周期管理

圖表：我國主流數據中心區域分布

圖表：三大運營商及第三方idc運營商數據中心數量占比

圖表：廣東移動使用的apache hadoop軟件的英特爾分發版

圖表：電信運營商大數據處理需求

圖表：線下零售大數據產業鏈

圖表：線上零售大數據產業鏈

圖表：零售行業大數據分析應用階段

圖表：中國零售企業主要實施的大數據項目

圖表：零售企業對大數據分析整體表現自我評價

圖表：政府大數據應用十大工程

圖表：2014-2020年中國政府大數據應用市場規模及增長率

圖表：大數據軟件和服務發展方向

圖表：中國大數據產業鏈硬件支撐層細分

圖表：大數據行業目前的四大盈利模式

圖表：企業大數據的構成

圖表：大數據產業區域分布圖

圖表：2017上半年京津冀三產gdp占比情況

圖表：京津冀主導行業大數據市場發展占比

圖表：各地大數據產業園數量占比與關注度分布

圖表：各省市產業園區關注度排名

圖表：國家級新區布局大數據產業

圖表：大數據雙創熱情指數走勢

圖表：大數據領域專利申請數量

圖表：成功融資的創業企業數量

圖表：大數據產業投資象項

圖表：2017年大數據領域投融資概覽

圖表：大數據領域融資案例（部分）

圖表：大數據領域最新融資過億企業名單

圖表：大數據領域融資輪次分布

圖表：大數據領域行業應用分布情況

圖表：大數據各層技術演進方向

圖表：2018-2023年全球大數據市場規模預測

圖表：2018-2023年中國大數據市場規模預測

圖表：2018-2023年中國移動互聯網市場規模預測

圖表：大數據政策比較框架

圖表：各國大數據戰略規劃比較

圖表：各國技術能力儲備政策比較

圖表：國外政府數據開放與共享主要政策

圖表：國外政府數據開放與共享主要政策（續）

圖表：地方管理機制分析

圖表：交通信息資源目錄體系

圖表：生態環境大數據管理工作機制

圖表：各地大數據相關政策舉措互聯網關注和評價情況