扬州关于成立大数据应用技术公司可行性报告

《扬州关于成立大数据应用技术公司可行性报告》由会员分享，可在线阅读，更多相关《扬州关于成立大数据应用技术公司可行性报告（203页珍藏版）》请在装配图网上搜索。

1、泓域咨询/扬州关于成立大数据应用技术公司可行性报告扬州关于成立大数据应用技术公司可行性报告xxx（集团）有限公司目录第一章 总论7一、 项目概述7二、 项目提出的理由7三、 项目总投资及资金构成9四、 资金筹措方案10五、 项目预期经济效益规划目标10六、 项目建设进度规划10七、 研究结论10八、 主要经济指标一览表11主要经济指标一览表11第二章 发展规划分析13一、 公司发展规划13二、 保障措施14第三章 市场营销16一、 大数据行业市场规模16二、 行业未来面临的机遇与挑战17三、 以企业为中心的观念24四、 大数据全生命周期管理阶段27五、 大数据市场构成31六、 组织市场的特点3

2、2七、 大数据行业发展背景36八、 营销信息系统的构成41九、 行业未来发展趋势45十、 企业营销对策49十一、 市场细分的作用50十二、 关系营销及其本质特征53十三、 关系营销的主要目标55十四、 全面质量管理56第四章 运营管理60一、 公司经营宗旨60二、 公司的目标、主要职责60三、 各部门职责及权限61四、 财务会计制度64第五章 人力资源72一、 绩效考评主体的特点72二、 企业人员招募的方式73三、 招聘成本及其相关概念78四、 绩效指标体系的设计要求80五、 企业人员配置的基本方法82六、 劳动定员的基本概念83七、 员工福利管理85第六章 企业文化方案87一、 造就企业楷模

3、87二、 塑造鲜亮的企业形象90三、 企业文化投入与产出的特点95四、 企业文化理念的定格设计96五、 建设新型的企业伦理道德102六、 企业文化的完善与创新105第七章 SWOT分析107一、 优势分析（S）107二、 劣势分析（W）109三、 机会分析（O）109四、 威胁分析（T）111第八章 经营战略114一、 营销组合战略的选择114二、 企业技术创新战略的地位及作用116三、 融合战略的构成要件118四、 总成本领先战略的优点、缺点与适用条件122五、 差异化战略的实施124六、 集中化战略的实施方法126七、 总成本领先战略的风险127第九章 公司治理方案130一、 信息披露机制

4、130二、 公司治理原则的概念136三、 股东大会的召集及议事程序137四、 董事会模式138五、 内部控制的相关比较143六、 企业风险管理147七、 监事会156八、 内部监督比较159第十章 项目经济效益分析160一、 经济评价财务测算160营业收入、税金及附加和增值税估算表160综合总成本费用估算表161固定资产折旧费估算表162无形资产和其他资产摊销估算表163利润及利润分配表164二、 项目盈利能力分析165项目投资现金流量表167三、 偿债能力分析168借款还本付息计划表169第十一章 财务管理171一、 应收款项的管理政策171二、 影响营运资金管理策略的因素分析175三、 应

5、收款项的日常管理177四、 财务管理的内容180五、 企业财务管理目标183六、 短期融资的分类190七、 存货管理决策191第十二章 项目投资分析194一、 建设投资估算194建设投资估算表195二、 建设期利息195建设期利息估算表196三、 流动资金197流动资金估算表197四、 项目总投资198总投资及构成一览表198五、 资金筹措与投资计划199项目投资计划与资金筹措一览表199第十三章 总结评价说明201第一章 总论一、 项目概述（一）项目基本情况1、项目名称：扬州关于成立大数据应用技术公司2、承办单位名称：xxx（集团）有限公司3、项目性质：技术改造4、项目建设地点：xxx（以最

6、终选址方案为准）5、项目联系人：龙xx（二）项目选址项目选址位于xxx（以最终选址方案为准）。二、 项目提出的理由快速的数据流转指数据增长速度快，处理速度要求快，时效性要求高。例如实时监测场景中，企业需要对物联网设备数据进行实时处理并做出反应；零售电子商务应用类软件将消费者所持的移动设备的地理位置信息和其个人偏好相结合，推送有针对性的促销信息。这是大数据区别于传统数据使用的显著特征。按照二三五年远景目标的阶段性部署安排，“十四五”时期，扬州经济社会发展总体目标是：高水平全面建成小康社会成果得到全方位巩固，高质量发展走在全省前列，高品质生活大幅跃升，高效能治理成效彰显，“强富美高”新扬州建设迈上

7、新的台阶，社会主义现代化建设新征程取得良好开局。经济发展更高质量。经济运行更加稳健，经济结构更加优化，创新能力显著提升。地区生产总值年均增速在6%左右，人均地区生产总值达到17万元。现代产业体系加快构建，“323+1”先进制造业集群竞争力大幅提升，构建具有扬州特色、在全国有影响力的产业集群。服务业增加值占GDP比重达到50%以上。高新技术产业占规模以上工业产值比重达到50%，数字经济成为新的发展增长点。农业现代化走在全省前列。科技进步贡献率达68%，全社会R&D支出占GDP比重提高到2.7%左右。城乡和区域发展更加协调，县域经济支撑作用明显增强。幸福生活更高品质。就业更加充分更有质量。居民收入

8、增长和经济增长基本同步。中等收入群体持续扩大，低收入群体增收长效机制基本建立，城乡居民收入比进一步降低。就业总量更加稳定，城镇调查失业率控制在5%左右。构建优质均衡的公共服务体系。高质量的教育体系、高水平的卫生健康体系基本建成，多层次社会保障体系、多元化养老服务体系更加完善，人民群众“衣食住行康育娱”水平显著提升。美丽扬州更高颜值。美丽扬州建设的空间布局、发展路径、动力机制基本形成。生态产品供给稳步提升，生态环境质量明显改善，资源利用更加节约高效。主要污染物排放削减量达到省下达的控制目标。古城保护、老城更新与新城建设各具特色，城乡宜居品质显著提升。“世界运河之都”“世界美食之都”“东亚文化之都

9、”品牌效应进一步放大，公共文化服务更加健全，文化产业加速发展，文旅品牌和文化标识更加彰显。对外开放更高水平。以“一带一路”沿线和东亚国家为重点的对外合作不断深化，深度融入长三角区域一体化和宁镇扬一体化，全方位参与长江经济带建设，开发园区“二次创业”持续推进、“二次振兴”基本实现，开放型经济质量和水平持续提升，服务全国构建新发展格局取得新成效。深入推进重点领域和关键环节改革，高标准市场体系基本建成，要素市场化配置更加优化，市场主体更加充满活力，市场化法治化国际化营商环境基本形成。三、 项目总投资及资金构成本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资2533.71

10、万元，其中：建设投资1373.59万元，占项目总投资的54.21%；建设期利息36.61万元，占项目总投资的1.44%；流动资金1123.51万元，占项目总投资的44.34%。四、 资金筹措方案（一）项目资本金筹措方案项目总投资2533.71万元，根据资金筹措方案，xxx（集团）有限公司计划自筹资金（资本金）1786.49万元。（二）申请银行借款方案根据谨慎财务测算，本期工程项目申请银行借款总额747.22万元。五、 项目预期经济效益规划目标1、项目达产年预期营业收入（SP）：10500.00万元。2、年综合总成本费用（TC）：8289.70万元。3、项目达产年净利润（NP）：1621.72万

11、元。4、财务内部收益率（FIRR）：49.69%。5、全部投资回收期（Pt）：4.14年（含建设期24个月）。6、达产年盈亏平衡点（BEP）：2835.11万元（产值）。六、 项目建设进度规划项目计划从立项工程竣工验收、投产运营共需24个月的时间。七、 研究结论本项目生产线设备技术先进，即提高了产品质量，又增加了产品附加值，具有良好的社会效益和经济效益。本项目生产所需原料立足于本地资源优势，主要原材料从本地市场采购，保证了项目实施后的正常生产经营。综上所述，项目的实施将对实现节能降耗、环境保护具有重要意义，项目的建设，是十分必要和可行的。八、 主要经济指标一览表主要经济指标一览表序号项目单位指

12、标备注1总投资万元2533.711.1建设投资万元1373.591.1.1工程费用万元901.601.1.2其他费用万元446.511.1.3预备费万元25.481.2建设期利息万元36.611.3流动资金万元1123.512资金筹措万元2533.712.1自筹资金万元1786.492.2银行贷款万元747.223营业收入万元10500.00正常运营年份4总成本费用万元8289.705利润总额万元2162.306净利润万元1621.727所得税万元540.588增值税万元400.009税金及附加万元48.0010纳税总额万元988.5811盈亏平衡点万元2835.11产值12回收期年4.141

13、3内部收益率49.69%所得税后14财务净现值万元3275.68所得税后第二章 发展规划分析一、 公司发展规划（一）战略目标与发展规划公司致力于为多产业的多领域客户提供高质量产品、技术服务与整体解决方案，为成为百亿级产业领军企业而努力奋斗。（二）措施及实施效果公司立足于本行业，以先进的技术和高品质的产品满足产品日益提升的质量标准和技术进步要求，为国内外生产商率先提供多种产品，为提升转换率和品质保证以及成本降低持续做出贡献，同时通过与产业链优质客户紧密合作，为公司带来稳定的业务增长和持续的收益。公司通过产品和商业模式的不断创新以及与产业链企业深度融合，建立创新引领、合作共赢的模式，再造行业新格局

14、。（三）未来规划采取的措施公司始终秉持提供性价比最优的产品和技术服务的理念，充分发挥公司在技术以及膜工艺技术的扎实基础及创新能力，为成为百亿级产业领军企业而努力奋斗。在近期的三至五年，公司聚焦于产业的研发、智能制造和销售，在消费升级带来的产业结构调整所需的领域积极布局。致力于为多产业的多领域客户提供中高端技术服务与整体解决方案。在未来的五至十年，以蓬勃发展的中国市场为核心，利用中国“一带一路”发展机遇，利用独立创新、联合开发、并购和收购等多种方法，掌握国际领先的技术，使得公司真正成为国际领先的创新型企业。二、 保障措施(一)开展宣传培训充分利用媒体，特别是新媒体（微信、微博等）广泛宣传产业政策

15、。新闻媒体要积极宣传与产业相关的法律法规、政策措施、典型案例、先进经验，加强舆论监督，营造良好氛围。(二)发展总部经济积极吸引跨国公司、国内大企业集团总部、区域性总部以及营销、研发、财务等职能总部落户。制定总部经济发展重大政策、战略规划，在总部企业财税、用地、人才等方面完善政策体系。适当放宽总部企业所需人才的户籍管理，在置业、医疗、教育等公共服务领域对专业人才予以便利。(三)激活市场需求选择部分重点领域，统筹实施应用示范工程，带动产业整体提升。完善标准体系，促进产业跨界融合发展。(四)完善组织协调机制完善产业建设领导协调推进机制，强化信息化主管部门职责，建立跨部门、跨区域的协同工作机制，统筹推

16、进区域产业建设。建立产业建设考核评价指标体系，将产业建设成效纳入相关部门绩效考核。建立区域产业专家咨询委员会决策咨询机制，充分发挥智库作用，为产业建设规划、重大项目建设等提供支撑。(五)坚持规划领先围绕规划提出的目标和任务，加强规划与产业政策、年度计划的衔接，加强部门间信息沟通和工作协调。建立规划实施的动态评估机制，对规划实施的阶段成果实行动态监测，及时发现规划实施过程中存在的问题，必要时按程序对规划内容进行调整。(六)深化科技引领深化科技引领，在重大领域加大科技创新。建立、完善一批高水平研究中心。打造一批具有自主创新能力、基础研究和成果转化有机结合的科研团队。推广普及一批技术，为适应最新法规

17、标准等需求、解决产业发展重大问题提供强有力的科技支撑。第三章 市场营销一、 大数据行业市场规模1、全球大数据市场发展情况全球大数据市场规模由2015年231亿美元增长至2019年的496亿美元，年复合增长率约为21.1%，全球整体市场规模有望在2024年超过800亿美元，2019至2024年复合增长率约为11.8%。在2015年，大数据服务仍然是全球大数据市场最大的收入来源，约为91亿美元，而硬件和软件收入分别达到73亿美元和67亿美元。随着硬件成本的下降以及软件附加值的提升，预计未来全球大数据市场中硬件及服务收入贡献占比将逐渐减少，软件将超过服务和硬件，成为全球大数据市场最主要的收入来源。全

18、球大数据软件市场规模由2015年的67亿美元增长至2019年的170亿美元，年复合增长率为26.2%，超过硬件和服务收入增速，并且预计软件市场规模将在2024年达到377亿美元，年复合增长率约为17.3%。在大数据软件中，随着大数据管理平台和数据应用中间件产品的成熟，未来将贡献更多的收入占比。2、国内大数据市场发展情况中国大数据市场在过去五年间经历快速增长，整体市场规模增长速度快于全球整体市场。2019年，中国大数据市场规模达到627亿元，2015-2019年复合增长率达到31.9%。其中，大数据硬件为市场主要的收入来源，2019年大数据市场硬件收入达到247亿元。中国大数据软件市场由2015

19、年的52亿元增长至2019年的146亿元，年复合增长率为29.5%。伴随着中国对数据运用重视程度日益提高，用户对于大数据软件采购预算增加趋势明确，中国大数据软件市场将在未来五年继续保持高速增长，整体软件市场规模将在2024年达到492亿元，2019-2024年复合增长率为27.5%。虽然现阶段大数据软件收入占比较小，但得益于较高的细分市场规模增速，未来大数据软件将占据更多的市场份额。二、 行业未来面临的机遇与挑战1、行业面临的机遇（1）产业政策集中出台，多层次政策体系日益健全十八届五中全会提出“实施国家大数据战略”以来，国务院及发改委、科技部、工信部等部门相继出台一系列大数据鼓励扶持政策，在国

20、务院印发的促进大数据发展行动纲要指出，建立安全可信的大数据技术体系是推进大数据产业基础研究和核心技术攻关的重要目标。2021年3月，在我国“十四五”规划和2035年远景目标纲要提出，培育壮大人工智能、大数据等新兴数字产业，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统行业转型升级，打造数字经济新优势。2021年3月国务院在政府工作报告中提出，加快数字化发展，打造数字经济新优势，协同推进数字产业化和产业数字化转型，加快数字社会建设步伐，提高数字政府建设水平，营造良好数字生态，建设数字中国。同时，自“新基建”在2018年12月中央经济工作会议上被首次提出以来，中央和各

21、地政府已经密集部署了一系列围绕“新基建”建设的方针和政策。2020年4月，国家发改委明确了“新基建”是以技术创新为驱动，以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等服务的基础设施体系。其中，“在新一代信息技术关键领域锻长板的重要举措包括：推动新一代信息技术与制造业融合发展，加速工业企业数字化、智能化转型，提高制造业数字化、网络化、智能化发展水平，推进制造模式、生产方式以及企业形态变革，带动产业转型升级。”未来新兴产业及数字经济的发展将更依赖于数据资源，数据基础设施建设也是支撑5G、数据中心、工业互联网等新一代信息技术基础设施的基础，因此大数据是“新基建”的重要组成部

22、分，也将推进大数据底层软件等核心国产软件的快速发展。国家层面的积极政策为大数据行业的快速发展营造了良好的政策环境，企业和政府大力推动数字化转型，旨在实现企业运营和社会治理的效率提升。政府和企业持续加大在IT产品和服务方面的投入，以满足日益增长的业务数字化需求，大数据行业作为企业及政府数字化转型的关键基础软件，有望受数字化转型趋势的推动而带来重大发展机遇。（2）数据管理软件国产化趋势明显，国产大数据产品有望实现换道超车国内数据管理软件基本被Oracle、IBM和微软为代表的国外关系型数据库厂商主导，国产软件产品渗透率低。随着国内客户越来越重视数据与信息安全，国产软件产品在关键领域实现替代成为其中

23、重要环节，越来越多的客户已经开始或计划相关软硬件的采购计划。大数据时代下，数据管理软件正在逐步由集中式架构软件向分布式架构软件演进，国产大数据产品有望实现换道超车，对国外数据管理软件进行替代。从功能来看，基于新兴分布式架构的国产大数据产品已经能满足市面上绝大多数数据应用场景基础需求。但国产大数据产品能否在市场竞争中胜出、占据更多的市场份额，仍然取决于国产大数据产品能否构建自主研发的生态以及产品的全球竞争力。目前，为保障国家信息安全，自主研发的国产大数据生态体系正在形成，此前国产软硬件发展面临的格局分散、生态基础不完善、规模用户群体缺乏等障碍正被逐步攻克。随着国产大数据生态体系进入快速协同发展阶

24、段，国产大数据产品与服务迎来较好的发展机遇。（3）数据成为新生产要素，各行业的大数据应用需求巨大2020年4月，中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见指出，数据已成为继土地、劳动力、资本、技术之后的新一代生产要素，是数字经济发展的基础性、关键性、决定性的生产要素，对经济发展、社会治理、人民生活产生着重大而深刻的影响。激活数据要素潜能，加快数字经济、数字社会、数字政府建设，以数字化驱动生产方式、生活方式和治理方式变革成为我国当下发展的重点。企业建设数字化能力，高效解决企业运营中的问题，优化企业业务流程、提高效率，成为企业发展的核心竞争力之一，在金融、交通、能源、制造等国民经

25、济重要领域实际提升数字化能力需求巨大。此外，在政府、企业数字化程度提高后，数据走向资源化是大势所趋,在数据资源化的过程中，建立行业间高效的数据交换机制，实现数据的互联互通、信息共享、业务协同,以成为整合信息资源，深度利用分散数据的有效途径。加快数字化转型，构建数据共享服务体系，促进数据与业务应用快速融合，将助力中国经济从高速增长转向高质量发展，推动数字中国建设。（4）大数据应用的快速发展，推动大数据管理平台需求的快速增长近年来，大数据增长集中于物联网设备、多媒体、日志、社交信息等，这些数据具有数据类型多、数据量大、流转速度快、价值密度低的特点。传统关系型数据库无法满足处理半结构化及非结构化数据

26、需要，具有综合能力的大数据管理平台有易于扩展、无序存储、分布式架构的特性，相比传统关系型数据库，更能满足对这些数据的存储需求。大数据管理平台不仅具有存储管理海量数据能力、数据处理性能高和易于扩展的特性，还可以保持传统关系数据库支持ACID和SQL查询等特性，支持关系数据模型。在大数据市场发展下，大数据管理平台需求快速增长。（5）数据价值的深度挖掘需求将带动智能分析工具的快速发展智能分析工具主要专注于为数据预处理、特征工程、数据建模、预测分析等数据分析挖掘关键过程提供工具和相关解决方案，是企业实现对海量数据的深度挖掘的重要工具。随着大数据环境下，数据分析复杂程度的加深，数据科学平台需要持续优化其

27、平台流程、协作及模型治理特性，以保持与软件开发中最佳实践一致。同时，数据科学平台厂商也将通过整合针对算法筛选、分布式模型训练、模型管理、知识图谱和高性能推理等任务的创新解决方案来实现差异化竞争。为了在大数据环境下快速帮助客户实现人工智能赋能的商业决策，智能分析工具将迎来快速发展机遇，在云原生、AI工程化、低代码、隐私安全、云边一体等方面发挥更大的作用。2、大数据行业的挑战（1）技术创新与支撑能力有待进一步提高技术创新是推动大数据产业发展的内在动力，但是目前我国技术创新对于大数据产业的引领作用仍然不强。一方面，国内企业对大数据核心技术、开源技术和相关生态系统影响力总体较弱。另一方面，大多数大数据

28、企业的创新仍以模仿性、渐进性创新为主，突破性、颠覆性创新偏少，自主研发具有国际影响力的先进技术较少，同质化竞争日益加剧。此外，由于我国基础科学技术水平研发投入相对不足，大数据底层技术投入与国外存在较大差距，虽然具有大数据应用的需求，但较少通过扎实的底层技术手段来推动创新，我国大数据技术创新能力有待持续提高。（2）对开源体系的依赖程度相对较高基于开源的数据库技术，或部分开源的功能方案，已经成为当前众多企业的软件技术建设重要模式，目前数据库开源体系由国外主导。众多软件开发者对于开源软件的认知较有限，甚至误以为开源软件等同于免费软件，可以不受限制地随意使用。事实上，开源软件的著作权既没有被放弃也没有

29、过期，其修改和发行等仍然要受到版权法或者开源软件许可证的制约，开源软件知识产权风险分为版权侵权风险，专利侵权风险、商标侵权风险三大类。因此市场对待目前开源体系的法律风险意识有待提高，自主研发的国产数据库软件市场占有率有待进一步提升，降低对国外开源体系的依赖。（3）企业对于数据价值的认知及运用能力有待提高近年来，越来越多企业认识到数字化转型的必要性，但是对于数据管理的认知水平较多停留在收集数据、存储管理数据的层面，对于如何把数据有效运用及相关认知有待提高，对数据平台、数据技术的资源投入不足。企业往往只是在部分业务实现数字智能化，各个板块的协同不足，各个部门的信息孤岛现象明显，整个企业的数智化缺乏

30、完整规划，企业对数字化转型的目标和路径不够清晰。在此环境下，中国数据管理软件服务厂商在聚焦于内部产品研发和技术迭代的同时，也需加强对下游实际的业务场景和大数据使用需求的逐步理解、适配，使得更多企业可以容易的运用大数据解决发展面临的数字化转型需求。（4）专业人才短缺问题成发展瓶颈我国仍存在严峻的大数据人才短缺问题，尤其紧缺基础技术研发、专业咨询、数据分析挖掘等方面的专业人才以及兼具专业运营能力、行业动态理解力、解决问题能力的多学科复合型人才，难以满足大数据产业的高速发展需求。一方面，我国高科技人才储备不足，高科技人才储备难以应对与日俱增的大数据人才市场需求。另一方面，我国大数据人才培养体系不完善

31、，大数据人才培养体系起步晚，规模小，层次和模式相对单一，技能知识和理念落后，难以有效匹配产业发展速率。虽然近几年随着我国产业数字化转型的发展，数字科技行业的从业人员逐步增多，但从事基础软件领域研究的专业人员仍然稀缺，尚不能满足大数据行业对于高端专业人才的需求。大数据人才的不足一定程度上影响到大数据产业的发展，业内公司为争取优秀人才，造成行业内人才竞争不断加剧。三、 以企业为中心的观念以企业为中心的市场营销管理观念，就是以企业利益为根本取向和最高目标来处理营销问题的观念。它包括以下几种。1、生产观念生产观念是一种最古老的营销管理观念。生产观念认为，消费者总是接受任何他能买到的价格低廉的产品。因此

32、，企业应当致力于提高生产效率，实现低成本和大众分销。持生产观念的企业的典型口号是：“我们生产什么，就卖什么。”生产观念在西方盛行于19世纪末20世纪初。当时，资本主义国家处于工业化初期，市场需求旺盛，整个社会产品供应能力则相对不足。企业只要扩大生产价廉物美的产品，就能盈利，而不必过多关注市场需求差异。在这种情况下，生产观念为众多企业所接受。除了物资短缺、产品供不应求的情况之外，还有一种情况也会导致企业奉行生产观念。这就是某种具有良好市场前景的产品，技术含量和生产成本很高，必须通过提高生产率、降低成本来扩大市场。生产观念是一种重生产、轻市场的观念。在物资紧缺的年代也许能“创造辉煌”，但随着生产的

33、发展、供求形势的变化，这种观念必然使企业陷入困境。2、产品观念产品观念认为，消费者最喜欢高质量、高性能和具有某些特色的产品。因此，企业管理的核心是致力于生产优质产品，并不断精益求精。持产品观念的公司假设购买者欣赏精心制作的产品，相信他们能鉴别产品的质量和功能，并愿意出较高价格购买质量上乘的产品。这些公司的经理人员常迷恋自己生产的产品，而不太关注市场是否欢迎。他们在设计产品时只依赖工程技术人员而极少让消费者介人。产品观念和生产观念几乎在同一时期流行。与生产观念一样，产品观念也是典型的“以产定销”观念。由于过分重视产品而忽视顾客需求，这两种观念最终将导致“营销近视症”。如铁路行业以为顾客需要火车而

34、非运输，忽略了航空、公共汽车、卡车以及管道运输的日益增长的竞争；计算尺制造商以为工程人员需要计算尺而非计算能力，忽视了袖珍计算器的挑战，其最终结果是产品被市场冷落，经营者陷入困境甚至破产。3、推销观念推销观念（或销售观念）认为，消费者通常有一种购买情性或抗衡心理，若听其自然，消费者就不会大量购买本企业的产品，因而营销管理的中心是积极销售和大力推广。执行推销观念的企业，称为推销导向企业。其口号是：“我们卖什么，就让人们买什么。”推销观念盛行于20世纪三四十年代。在这一时期，由于西方各国科学管理和大规模生产盛行，因此商品产量迅速增加，整个市场供过于求，卖主之间的市场竞争日益激烈。1929年爆发的严

35、重经济危机，前后历时5年，堆积如山的货物卖不出去，市场极度萧条。这种现实使许多企业家认识到，企业不能只顾生产，即使有物美价廉的产品，也要努力推销才能保证被人购买。在推销观念指导下，企业相信产品是“卖出去的”，而不是“被买去的”。他们致力于产品的推广和广告活动，进行无孔不入的促销信息“轰炸”，以求说服甚至强制消费者购买。与前两种观念一样，推销观念也是建立在以企业为中心，“以产定销”，而不是满足消费者真正需要的基础上的。四、 大数据全生命周期管理阶段1、大数据集成大数据集成包括大数据采集和大数据整合。大数据采集主要是通过各种技术手段将分散的海量内容数据（文本、音频、视频等）、行为数据（访问、查询、

36、搜索、会话、表单等）、工业生产数据（传感器数据、监控数据）等从业务系统中收集出来。由于大数据本身具有分散、海量、高速、异质的特征，采集难度较大，因此保证数据采集的稳定性、可靠性、高效性、可用性和可扩展性等是主要的技术目标，越来越多的企业开始选用专业的数据采集服务。大数据整合的目标是将各种分布的、异构的数据源中的数据抽取后，进行清洗、转换，最后加载到数据仓库或数据集市中，作为数据分析处理和挖掘的基础；这个过程常常也被称为ETL（Extract/抽取，Transform/转换，Load/加载），通常ETL占到整个数据仓库开发时间的60%80%。大数据时代，数据整合软件的市场也开始了整体的技术升级，

37、主要解决两个主要技术问题，一是独立的ETL应用服务器的计算能力普遍不足，二是无法处理半结构化和非结构化数据。经过几年的技术发展，ETL过程逐步演进为ELT，即数据抽取后直接加载（Load）到大数据平台中，再基于大数据平台的计算能力来实现数据转换（Transform），不再依赖ETL应用服务器做抽取和转化工作，这样可以解决ETL应用服务器的处理能力不足问题，充分利用大数据平台的分布式计算能力提升数据集成的效率和稳定性。2、大数据存储和处理大数据存储与处理要用服务器及相关设备把采集到的数据存储起来，使得数据能够被高效地访问和运算。由于数据量的爆发式增长，尤其是非结构化数据的大量涌现，传统的单机系统

38、性能出现瓶颈，单纯地提高硬件配置已经难以跟上业务的需求，产生的海量数据没有合适的存储场所，企业被迫放弃大量有价值的数据；数据处理的速度和性能出现瓶颈，业务的深度和广度受到限制。因此，过去十年间，计算机系统逐步从集中式向分布式架构发展。分布式架构及相关技术通过增加服务器的数量来提升系统的处理能力，每个节点都是一个可独立运行的单元，单个节点失效时不会影响应用整体的可用性。分布式系统在扩展性、容错性、经济性、灵活性、可用性和可维护性方面具有明显优势。3、数据治理根据国际数据管理协会的定义，数据治理是对数据资产管理形式权利和控制的活动集合。数据治理是一个管理体系，包括组织、制度、流程和工具，随着集成和

39、存储的数据量增加，数据治理的难度也逐渐增加，牵扯的关联方也越来越多，因此需要一套适合企业的方法论来开展工作。业界逐渐形成了DAMA、DCMM等较完整的数据治理体系框架，一般包括制定数据治理战略、定义数据治理工作机制、通过各个业务专题来落实相关数据治理工作内容，并最终落实到数据治理工具上来实现高效持续的数据治理的执行流程。具体到数据治理的内容，一般包括元数据管理（包括元数据采集、血缘分析、影响分析等）、数据标准管理（包括标准定义、查询与发布等）、数据质量管理（包括质量规则定义、质量检查、质量报告等）、数据资产管理（包括数据资产编目、数据资产服务、资产审批等）、数据安全管理（包括数据权限管理、数据

40、脱敏、数据加密等）、数据生命周期管理（包括数据归档、数据销毁等）以及主数据管理（包括主数据申请、发布、分发等）这几个主要的部分。4、数据建模数据建模是构建企业数据仓库、数据湖和数据集市的重要过程，其通过一个业务级别的数据模型设计，将分散在不同数据源中的数据集成在一起，并通过一种面向业务主题的方式将数据分门别类来做重新组织和标准化，形成有明确业务意义的数据形式，统一为数据分析、数据挖掘等提供可用的数据。面向业务主题（如客户主题、账户主题等）的数据组织管理方式便于业务人员对数据的理解和综合使用。具体到技术层面，数据建模一般包括业务调研、架构设计、数据模型设计、数据库SQL开发与测试、业务集成上线等

41、几个阶段，架构设计是整个工作的核心，一般会面向不同的行业来设计相关行业的逻辑数据模型。在数据建模过程中使用的工具主要包括：数据模型设计与管理工具、SQL开发工具、任务调度工具等。5、数据分析和挖掘大数据分析和数据挖掘的核心目标是对客观事实规律进行描述、展示和总结、刻画、推广，可以从大量的数据中通过算法来揭示出隐含的、未知的并有潜在价值信息，并对客观规律进行溯源和解释，从而帮助决策者做出正确的预测和决策。围绕这个目标，大数据分析和挖掘的手段可以分为模型驱动、数据驱动等，一般通过统计、在线分析、情报检索、机器学习和专家系统等在内的多种方法来实现这一目标。现阶段在面对大数据“4V”问题时，大数据分析

42、和数据挖掘工具对传统数据分析和挖掘工具做进一步自动化和智能化；与此同时，近年来深度学习的兴起又为大数据分析提供了新的手段，其做为当前计算机行业的热点研究方向之一，其本质的目标是从大量数据中提取模式和知识，其要处理的对象包括结构化数据、半结构化数据和非结构化数据在内的所有类型数据，例如近年来在视频、语音等非结构化数据的分析需求快速增加，相应的深度学习技术也取得了飞速发展。6、数据流通数据流通是按照一定规则，将存储的数据或者数据分析、挖掘得到的信息作为流通对象，从供应方传递到需求方的过程。数据流通的具体内容包括可视化的分析报告、面向运营人员的数据标签、面向应用可以直接调用的数据指标API、面向数据

43、分析人员的数据集、面向数据挖掘人员的数据特征、和面向业务建模人员的单方或多方的建模模型等。基于数据水印、数据加密和脱敏、隐私计算、联邦学习的数据流通安全技术，可以提高数据流通的完整性和保密性。五、 大数据市场构成大数据行业主要解决大数据的存储、处理、分析和价值发现等问题，实现大数据的业务价值。从产品和服务来看，大数据市场产品和服务包括三个主要部分，即大数据硬件、大数据软件、大数据专业服务。包括针对数据仓库、数据湖、数据集市、运营平台、知识图谱、智能决策、情报搜索等方面的数据应用系统，以及基于大数据技术的行业或业务线应用软件，如应用于数字化运营、数字化决策、智能制造、预测分析、数字营销、智能风控

44、、政府行业的一网通办、疫情防控等领域的应用软件六、 组织市场的特点1、购买者比较少发电设备生产者的顾客是各地极其有限的发电厂，大型采煤设备生产者的顾客是少数，大型煤矿，某轮胎厂的命运可能仅仅取决于能否得到某家汽车厂的订单。2、购买数量大组织市场的顾客每次购买数量都比较大，有时一位买主就能买下一个企业较长时期内的全部产量，有时一张订单的金额就能达到数千万元甚至数亿元。3、供需双方关系密切组织市场的购买者需要有源源不断的货源，供应商需要有长期稳定的销路，每一方对另一方都具有重要的意义，因此供需双方互相保持着密切的关系。有些买主常常在产品的花色品种、技术规格、质量、交货期、服务项目等方面提出特殊要求

45、，供应商应经常与买方沟通，详细了解其需求并尽最大努力予以满足。4、购买者的地理位置相对集中组织市场的购买者往往集中在某些区域，以至于这些区域的业务用品购买量占据全国市场的很大比重。例如，我国的北京、上海、天津、广州、沈阳、哈尔滨、武汉、大庆、鞍山等城市和苏南、浙江等地的业务用品购买量就比较集中。5、派生需求派生需求也称为引申需求或衍生需求。组织市场的顾客购买商品或服务是为了给自己的服务对象提供所需的商品或服务，因此，业务用品需求由消费品需求派生出来，并且随着消费品需求的变化而变化。例如，消费者的饮酒需求引起酒厂对粮食、酒瓶和酿酒设备的需求，连锁引起有关企业和部门对化肥、农资、玻璃、钢材等产品的

46、需求。派生需求往往是多层次的，形成一环扣一环的链条，消费者需求是这个链条的起点，是原生需求，是组织市场需求的动力和源泉。6、需求弹性小组织市场对产品和服务的需求总量受价格变动的影响较小。一般规律是：在需求链条上距离消费者越远的产品，价格的波动越大，需求弹性越小。例如，在酒类需求总量不变的情况下，粮食价格下降，酒厂未必就会大量购买，除非粮食是酒成分中的主要部分且酒厂有大量的存放场所；粮食价格上升，酒厂未必会减少购买，除非酒厂找到了其他替代品或发现了节约原料的方法。原材料的价值越低或原材料成本在制成品成本中所占的比重越小，其需求弹性就越小。组织市场的需求在短期内特别无弹性，因为企业不可能临时改变产

47、品的原材料和生产方式。7、需求波动大组织市场需求的波动幅度大于消费者市场需求的波动幅度，一些新企业和新设备尤其如此。如果消费品需求增加某一百分比，为了生产出满足这一追加需求的产品，工厂的设备和原材料会以更大的百分比增长，经济学家把这种现象称为加速原理。当消费需求不变时，企业用原有设备就可生产出所需的产量，仅需支出更新折旧费，原材料购买量也不增加；消费需求增加时，许多企业要增加机器设备，这笔费用远大于单纯的更新折旧费，原材料购买也会大幅度增加。有时消费品需求仅上升10%，下一阶段工业需求就会上升200%；消费品需求下跌10%，就可能导致工业需求全面暴跌。组织市场需求的这种波动性使得许多企业向经营

48、多元化发展，以避免风险。8、专业人员采购组织市场的采购人员大都经过专业训练，具有丰富的专业知识，清楚地了解产品的性能、质量、规格和有关技术要求。供应商应从技术的角度说明本企业产品和服务的优点，并向他们提供详细的技术资料和特殊的服务。9、影响购买的人多与消费者市场相比，影响组织市场购买决策的人多。大多数企业有专门的采购组织，重要的购买决策往往由技术专家和高级管理人员共同做出，其他人员也直接或间接地参与，这些组织和人员形成事实上的“采购中心”。供应商应当派出训练有素的、有专业知识和人际交往能力的销售代表与买方的采购人员和采购决策参与人员打交道。10、销售访问多由于需求方参与购买过程的人较多，供应者

49、也较多，竞争激烈，因此需要更多的销售，访问来获得商业订单，有时销售周期可达数年。调查表明，工业销售平均需要44.5次访问，从报价到产品发送通常以年为单位。11、直接采购组织市场的购买者往往向供应方直接采购，而不经过中间商环节，价格昂贵或技术复杂的项目更是如此。12、互惠购买组织市场的购买者往往这样选择供应商：“你买我的产品，我就买你的产品”，即买卖双方经常互换角色，互为买方和卖方。互惠购买有时表现为三角形或多角形。13、租赁组织市场往往通过租赁方式取得所需产品。对于机器设备、车辆等昂贵产品，许多企业无力购买或需要融资购买，采用租赁的方式可以节约成本。七、 大数据行业发展背景1、大数据时代下传统

50、数据管理软件面临多种挑战近年来随着互联网、移动互联网、物联网、5G等信息通信技术及产业的不断发展，全球数据量呈爆发式增长态势。数据作为和土地、资本、劳动力、技术一样的生产要素，在数字经济不断深入发展的过程中，地位愈发凸显。我国是数据资源大国，IDC研究报告指出，到2020年，中国数据量约12.6ZB，较2015年增长7倍，年复合增长率为124%。2025年中国的数据量预计达到48.6ZB，约占全球数据总量的30%。数据资源总体呈现出“4V”的特点，即海量的数据规模（Volume）、多样的数据类型（Variety）、价值密度低（Value）、快速的数据流转（Velocity）。海量的数据规模指数

51、据量大，包括采集、存储和计算过程中所涉及数据量都非常大。大数据的起始计量单位通常是PB（约1,000TB）、EB（约100万TB）或ZB（约10亿TB）。多样的数据类型指数据种类和来源多样化，包括结构化、半结构化和非结构化数据，具体表现为关系型数据、日志、音频、视频、文本、图片、地理位置信息等类型数据，多类型的数据对数据的处理能力提出了更高的要求。价值密度低指有价值数据所占比例低。随着互联网以及物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，通过结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代需要解决的重要问题之一。快速的数据流转指数据增长速度快，处理速度要求快，时效

52、性要求高。例如实时监测场景中，企业需要对物联网设备数据进行实时处理并做出反应；零售电子商务应用类软件将消费者所持的移动设备的地理位置信息和其个人偏好相结合，推送有针对性的促销信息。这是大数据区别于传统数据使用的显著特征。随着信息技术以及实际业务需求的快速发展，传统数据管理软件在处理大数据场景时不能很好适应数据的“4V”特性，面临较多技术挑战。因此，传统数据管理软件迫切需要技术革新。2、传统集中式软件栈向新兴分布式软件栈演进1970-2000年，数据管理软件主要为集中式架构的关系型数据库，其软件产品具备不可分割性（atomicity）、一致性（consistency）、隔离性（isolation

53、，又称独立性）、持久性（durability）即“ACID”功能特性，占据了数据管理软件的主导地位。关系型数据库技术出现在20世纪70年代，经过二十余年的发展，到90年代已经成熟。市场上具有代表性的集中式架构关系型数据库产品包括Oracle、IBMDB2以及微软SQLServer等。2000年以来，随着互联网和计算机技术的快速发展，需要处理的数据量更大、类型更丰富、速度要求更快，传统集中式计算架构已无法适应数据海量、异构、多源等特点，在部署的扩展性、容错性、经济性、灵活性等方面有一定局限性。谷歌于2003年-2006年间的三篇论文奠定了分布式存储和计算的基础，而后行业从业者基于以上理论建立了H

54、adoop、Spark等大数据分布式系统框架，并交由Apache软件基金会托管；2009年，在JohanOskarsson开源分布式数据库的讨论中，来自Rackspace的EricEvans重提NoSQL概念，用以指代非关系型的分布式数据存储系统。针对于不同的场景，分别产生了图数据库、搜索引擎、文档数据库、键值数据库等NoSQL数据库，代表性NoSQL数据库提供商包括MongoDB、Elastic等。2010年以来，随着数字化转型的逐步深化，快速变化的业务场景呈现了复杂化、多样化的态势。复杂的业务场景往往需要使用多种数据模型，以及数据模型间的融合。这个时期的，行业内大部分数据库都是面向单一数据

55、模型而设计的，用以解决特定业务场景的特定问题。例如，使用传统的关系型数据库解决结构化数据的存储和处理问题、使用图数据库解决图相关的存储和处理问题、使用文档数据库解决文本相关的存储和处理问题。由于结构化数据和非结构化数据通常以不同的格式和模式存储，单模型数据库虽然优化了数据存储和处理，却难以满足日趋增长的、多样的业务场景需求。当同一业务需要用到不同类型数据的时候，受限于单模型数据库的处理能力，客户往往需要部署多个相互独立的单模型数据库，在对不同模型数据进行联合处理的时候，需要对数据进行搬迁或融合，导致架构复杂度高、开发成本高、运维成本高以及数据处理效率低。由此，催生了从单一数据管理系统到融合型、

56、多模型数据管理系统的技术需求。此外，随着云计算技术的大规模应用，传统各类软件产品都开始由独立部署模式向云服务模式转变。其中数据库作为信息系统核心软件，逐渐附加云化能力形成云原生数据库，以服务的形式对外提供技术支撑。云原生数据库按照部署方式可以分为公有云部署和私有云部署。其中，私有云部署模式由企业提供云数据库依赖的底层物理资源，数据库服务商负责部署云原生数据库软件，后期企业和数据库服务商约定运维维护工作的具体职责分工等，特点是“自有资源池化”，“数据不外流”等。相比公有云部署下的云数据库，私有云模式更加关注信息安全，能够实现对数据安全性和服务质量最有效控制，仅限于企业员工和取得授权的合作伙伴使用

57、。多模型、数据库云原生相关技术已经成为信息产业的未来发展方向，促使大数据软件进一步革新，规模呈现快速增长趋势，代表性企业如Snowflake、AWS等。相较于国内外的现状，私有云在面向国计民生的相关行业更受客户欢迎，面向私有云模式的云原生数据库预计在未来将获得快速增长。随着技术不断成熟，分布式架构将逐渐成为主流。自底向上，传统的集中式资源管理调度逐渐向基于云原生技术的分布式统一资源管理平台发展；数据管理软件技术架构也会因为计算模式的转变发生重大变革，传统的集中式数据库逐渐向分布式、多模型数据库发展；传统数据分析软件逐渐向新型的分布式数据开发和智能分析软件发展。3、国产基础软件迎来爆发式增长阶段

58、当前，中国大数据软件领域处于发展的历史机遇期，我国高度重视大数据在经济社会发展中的作用，十八届五中全会提出“实施国家大数据战略”，国务院印发的促进大数据发展行动纲要指出，建立安全可信的大数据技术体系是推进大数据产业基础研究和核心技术攻关的重要目标。“十四五”规划和2035年远景目标纲要提出，培育壮大人工智能、大数据等新兴数字产业，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统行业转型升级，打造数字经济新优势。全球新一代信息产业处于加速变革期，大数据相关底层技术处于创新突破期，国内市场需求处于爆发期，为国内基础软件厂商带来明确的增长机遇。同时，随着国内基础软件人才的

59、不断增加，在应对新一代场景，不断积累技术经验过程中，国内已形成具备自主研发实力且能与国外厂商竞争的基础软件厂商，并开始实现规模产业化落地。八、 营销信息系统的构成营销决策所需的信息一般来源于企业内部报告系统、营销情报系统和营销调研系统，再经过营销分析系统。它们共同构成营销信息系统。（一）内部报告系统内部报告系统的主要功能是向市场营销管理者及时提供有关交易的信息，包括订货数量、销售额、价格、成本、库存状况、现金流程等各种反映企业营销状况的信息。内部报告系统的核心是从订单到收款整个周期，同时辅之以销售报告系统。订单一收款周期涉及企业的销售、财务等不同的部门和环节的业务流程。订货部门接到销售代理、经

60、销商和顾客发来的订货单后，根据订单内容开具多联发票并送交有关部门。储运部门首先查询该种货物的库存，存货不足则回复销售部缺货，如果仓库有货，则向仓库和运输单位发出发货和入账指令。财务部门得到付款通知后，做出收款账务，定期向主管部门递交报告。在激烈的竞争中，所有企业都希望能迅速而准确地完成这一周期的各个环节。销售报告系统应向企业决策制定者提供及时、全面、准确的生产经营信息，以利于掌握时机，更好地处理进、销、存、运等环节的问题。新型的销售报告系统的设计，应符合使用者的需要，力求及时、准确，做到简单化、格式化，实用性、目的性很强，真正有助于营销决策。（二）营销情报系统内部报告系统的信息是企业内部已经发

61、生的交易信息，主要用于向管理人员提供企业运营的“结果资料”，市场营销情报系统所要承担的任务则是及时捕捉、反馈、加工、分析市场上正在发生和将要发生的信息，用于提供外部环境的“变化资料”，帮助营销主管人员了解市场动态并指明未来的新机会及问题。市场营销情报信息不仅来源于市场与销售人员，也可能来自于企业中所有与外部有接触的其他员工。收集外部信息的方式主要有下面四种。（1）无目的的观察。无既定目标，在和外界接触时留心收集有关信息。（2）有条件的观察。并非主动探寻，但有一定目的性，对既定范围的信息做任意性接触。（3）非正式的探索。为取得特定信息进行有限的和无组织的探索。（4）有计划的收集。按预定的计划、程

62、序或方法，采取审慎严密的行动来获取某一特定信息。营销情报的质量和数量决定着企业营销决策的灵活性和科学性，进而影响企业的竞争力。为扩大信息的来源和提高信息的质量，企业通常采取以下措施改进信息收集工作。（1）提高营销人员的信息观念并加强其信息收集、传递职能。（2）鼓励与企业有业务关系的经销商、零售商和中间商收集和提供营销信息。（3）积极购买特定的市场营销信息。（4）多渠道、多形式地了解竞争对手的营销活动情况，包括参加有关展销会、协会、学会，阅读竞争者的宣传品和广告，购买竞争品，雇用竞争者的前职工。（5）建立内部营销信息中心，改进信息处理、传递工作。（三）营销调研系统市场营销调研系统也可称为专题调查

63、系统，它的任务是系统地、客观地收集和传递有关市场营销活动的信息，提出与企业所面临的特定的营销问题有关的调研报告，以帮助管理者制定有效的营销决策。市场营销调研系统和市场营销信息系统在目标和定义上大同小异，研究程序和方法具有共性。（四）营销分析系统营销分析系统是企业用一些先进技术分析市场营销数据和问题的营销信息子系统。完善的营销分析系统，通常由资料库、统计库和模型库三部分组成。1、资料库有组织地收集企业内部和外部资料，营销管理人员可随时取得所需资料进行研究分析。内部资料包括销售、订货、存货、推销访问和财务信用资料等；外部资料包括政府资料、行业资料、市场研究资料等。2、统计库统计库指一组随时可用于汇总分析的特定资料统计程序。其必要性在于：实施一个规模庞大的营销研究方案，不仅需要大量原始资料，而且需要统计库提供的平均数和标准差的测量，以便进行交叉分析。营销管理人员为测量各变数之间的关系，需要运用各种多变数