名称描述内容
输入关键词搜索海量报告...
​智研瞻产业研究院
交通运输
金融服务
物流运输
食品饮料
能源环保
家电IT
零售快消
矿产冶金
医疗健康
五金仪表
其它
化工新材
机械制造
互联网+
文体产业
服务行业
地产建筑
轻工服装
中国工业大数据行业深度调研及投资前景预测报告
❤ 收藏

中国工业大数据行业深度调研及投资前景预测报告

【交付方式】 即时更新(3个工作日内)   Email电子版

【订购电话】 13590156548

【报告格式】 电子版(PDF)      

【QQ 咨询】 1977505100


12800.00
¥12800.00
¥6500.00-6800.00
¥6435.00-6732.00
¥6370.00-6664.00
¥6175.00-6460.00
重量:0.00KG
数量:
(库存899991)
立即购买
加入购物车
商品描述

【交付方式】 即时更新(3个工作日内)   Email电子版

【订购电话】 13590156548

【报告格式】 电子版(PDF)      

【QQ 咨询】 1977505100



正文目录


第一章 工业大数据概述15

1.1 工业大数据相关概念15

1.1.1 工业大数据的定义15

1.1.2 工业大数据的属性16

1.1.3 工业大数据的边界18

1.2 工业大数据与相关概念的关系19

1.2.1 与大数据的关系19

1.2.2 与智能制造的关系21

1.2.3 与工业互联网的关系25

1.3 工业大数据的产生28

1.3.1 数据类型28

1.3.2 产生主体29

1.3.3 发展趋势29

1.4 工业大数据应用价值30

1.4.1 推动工业化进程30

1.4.2 促进信息化发展30

1.4.3 推进新工业革命31

1.4.4 推动制造业升级31

第二章 2017-2022中国工业大数据发展驱动因素分析32

2.1 经济因素32

2.1.1 宏观经济概况32

2.1.2 工业运行情况36

2.1.3 经济转型升级38

2.1.4 宏观经济展望39

2.2 信息化发展41

2.2.1 信息基础设施建设41

2.2.2 信息消费发展现状42

2.2.3 网信产业发展状况43

2.2.4 信息技术研发创新44

2.2.5 区域信息化的水平46

2.3 两化融合50

2.3.1 两化融合发展水平50

2.3.2 两化融合区域分布55

2.3.3 两化融合发展规划56

第三章 2017-2022年中国工业大数据行业政策实施状况分析58

3.1 政策体系58

3.1.1 监管体系58

3.1.2 政策汇总59

3.1.3 行业标准60

3.1.4 政策规划63

3.2 政策解读64

3.2.1 工业数据分类分级指南64

3.2.2 工业大数据发展指导意见66

3.2.3 工业互联网创新行动计划69

3.2.4 推动工业互联网发展通知76

3.3 政策影响79

3.3.1 政策引导下行业的发展方向79

3.3.2 政策为行业带来的发展机遇80

3.3.3 新形势下行业政策建议81

第四章 2017-2022年中国大数据产业发展分析84

4.1 大数据产业链构成分析84

4.1.1 大数据产业链结构84

4.1.2 大数据产业链领域86

4.1.3 产业链价值流动方向87

4.2 2017-2022年中国大数据产业发展综述90

4.2.1 大数据产业概念分析90

4.2.2 大数据发展的必然性90

4.2.3 大数据产业驱动主体91

4.2.4 大数据产业发展阶段92

4.2.5 数字经济的发展水平93

4.2.6 大数据总体市场规模95

4.2.7 地区大数据产业联盟96

4.3 2017-2022年大数据产业竞争格局98

4.3.1 产业竞争主体分类98

4.3.2 竞争企业资本层次99

4.3.3 产业百强企业统计100

4.3.4 创新场景应用服务商102

4.3.5 互联网企业布局状况104

4.3.6 大数据应用领域竞争106

4.3.7 产业竞争趋势展望107

4.4 2017-2022年中国大数据市场供需分析108

4.4.1 大数据市场供给结构介绍108

4.4.2 主要行业大数据需求状况109

4.4.3 企业大数据的应用及需求111

4.4.4 大数据细分领域需求场景113

4.4.5 大数据热点领域需求分析114

4.4.6 数据小型机市场需求分析116

4.5 中国大数据产业发展存在的问题118

4.5.1 面临挑战分析118

4.5.2 核心技术薄弱120

4.5.3 数据相关问题120

4.5.4 数据安全问题121

4.5.5 人才供需问题121

4.6 中国大数据产业发展的策略建议122

4.6.1 推进研发应用122

4.6.2 避免过度建设122

4.6.3 提高数据安全123

4.6.4 地区发展思路124

4.6.5 推动标准建设125

4.6.6 打破信息孤岛126

第五章 2017-2022年中国工业大数据发展分析127

5.1 工业大数据发展综述127

5.1.1 产业链条分析127

5.1.2 产业发展历程128

5.1.3 产业发展周期130

5.1.4 产业发展现状130

5.2 2017-2022年中国工业大数据市场运行分析131

5.2.1 市场发展规模131

5.2.2 用户行业结构132

5.2.3 产品结构分析133

5.2.4 市场用户类型134

5.2.5 市场投资状况135

5.2.6 市场发展形势135

5.3 中国工业大数据发展存在的问题139

5.3.1 工业数据资源不够丰富139

5.3.2 工业数据资产管理滞后139

5.3.3 工业数据孤岛普遍存在140

5.3.4 工业数据应用不够深入140

5.4 中国工业大数据发展对策建议141

5.4.1 提升工业大数据平台能力建设141

5.4.2 加强工业大数据管理体系建设141

5.4.3 持续完善工业大数据标准体系142

5.4.4 探索工业大数据创新应用示范142

第六章 2017-2022年工业大数据架构及技术分析143

6.1 工业大数据参考架构143

6.1.1 数据参考架构143

6.1.2 技术参考架构144

6.1.3 平台参考架构145

6.2 工业大数据管理技术分析146

6.2.1 工业大数据的采集技术146

6.2.2 多源异构数据管理技术150

6.2.3 多模态数据的集成技术166

6.2.4 工业大数据技术的趋势168

6.3 工业大数据分析技术介绍168

6.3.1 时序模式分析技术168

6.3.2 工业知识图谱技术169

6.3.3 多源数据融合分析170

6.4 工业大数据标准体系建设170

6.4.1 工业大数据标准化的基础170

6.4.2 工业大数据标准体系框架171

6.4.3 工业大数据标准明细汇总173

6.4.4 工业大数据重点标准描述175

第七章 2017-2022年工业大数据与工业4.0发展关系176

7.1 全球主要国家工业4.0发展战略176

7.1.1 美国176

7.1.2 德国177

7.1.3 法国177

7.1.4 中国178

7.2 工业4.0发展概况178

7.2.1 工业4.0基本内涵178

7.2.2 工业4.0产生背景180

7.2.3 工业4.0发展历程180

7.2.4 中国工业4.0优势182

7.3 工业4.0落地战略分析183

7.3.1 工业4.0架构183

7.3.2 信息网络系统183

7.3.3 核心系统集成184

7.3.4 大数据利用分析186

7.4 2017-2022年中国工业4.0发展进程187

7.4.1 工业4.0重点发展领域187

7.4.2 工业4.0发展模式分析189

7.4.3 推动工业4.0发展举措189

7.4.4 工业4.0的相关技术190

7.4.5 工业4.0未来发展蓝图191

7.5 中国制造2025解读分析193

7.5.1 中国制造2025重点任务193

7.5.2 中国制造2025重点领域196

7.5.3 工业4.0与中国制造2025198

7.6 工业大数据是中国工业4.0的重要部分199

7.6.1 工业大数据是工业4.0的基础199

7.6.2 工业大数据对工业4.0的作用201

7.6.3 工业4.0对工业大数据的需求202

7.6.4 工业4.0中工业大数据的应用203

第八章 2017-2022年工业大数据的应用场景及应用价值剖析205

8.1 工业大数据的主要应用领域205

8.1.1 在设计领域的应用205

8.1.2 优化生产过程中207

8.1.3 预测产品需求208

8.1.4 优化工业供应链209

8.1.5 强化工业绿色发展209

8.2 工业大数据的典型应用场景210

8.2.1 智能化设计210

8.2.2 智能化生产211

8.2.3 网络化协同制造212

8.2.4 智能化服务213

8.2.5 个性化定制214

8.3 工业大数据企业应用案例分析215

8.3.1 福特公司215

8.3.2 恒逸石化215

8.3.3 海尔集团216

8.3.4 金风科技217

8.4 工业大数据的应用价值分析220

8.4.1 优化企业现有业务220

8.4.2 促进企业升级转型220

8.4.3 促进中小企业创新222

第九章 2017-2022年工业大数据相关行业发展状况223

9.1 智能制造223

9.1.1 智能制造发展阶段223

9.1.2 智能制造发展特征226

9.1.3 智能制造发展规模228

9.1.4 智能制造产业集群229

9.1.5 智能制造试点项目230

9.1.6 智能制造发展态势232

9.2 智能装备233

9.2.1 智能装备运行特征233

9.2.2 智能装备产业布局236

9.2.3 智能装备竞争格局237

9.2.4 智能装备项目动态238

9.2.5 智能装备发展机遇239

9.2.6 存在的问题及对策242

9.3 智能工厂245

9.3.1 智能工厂基本框架245

9.3.2 智能工厂基本特征247

9.3.3 智能工厂建设模式249

9.3.4 智能工厂解决方案250

9.3.5 智能工厂建设现状250

9.3.6 催生新业态新模式251

9.3.7 智能工厂发展趋势252

9.4 工业物联网253

9.4.1 全球工业物联网规模253

9.4.2 国内工业物联网规模254

9.4.3 工业物联网应用领域255

9.4.4 工业物联网应用模式257

9.4.5 工业物联网应用场景258

第十章 2017-2022年中国工业大数据行业投融资分析及风险预警260

10.1 中国工业大数据投融资现状260

10.1.1 龙头企业动向260

10.1.2 融资规模分布261

10.1.3 融资轮次分析262

10.2 中国工业大数据产业投资方向263

10.2.1 工业大数据平台企业263

10.2.2 开发工业APP的企业264

10.2.3 工业机理模型建设企业265

10.2.4 具有制造基因的企业266

10.2.5 产业投资价值企业267

10.3 中国工业大数据行业投资风险268

10.3.1 宏观经济不振风险268

10.3.2 政策不及预期风险268

10.3.3 发展动力不足风险269

10.4 中国工业大数据行业投资建议271

10.4.1 行业投资建议271

10.4.2 企业投资建议272

第十一章 2022-2028年工业大数据行业发展趋势分析及前景预测274

11.1 工业大数据行业发展前景展望274

11.1.1 大数据行业发展趋势274

11.1.2 工业大数据应用前景276

11.1.3 工业大数据发展趋势276

11.2 2022-2028年中国工业大数据行业预测分析277

11.2.1 2022-2028年中国工业大数据行业影响因素分析277

11.2.2 2022-2028年中国大数据产业规模预测278

11.2.3 2022-2028年中国工业大数据市场规模预测279



图表目录


图表1:工业大数据的来源15

图表2:工业大数据的特征17

图表3:热点的交叉领域20

图表4:工业大数据与商务大数据的区别21

图表5:工业大数据标准在智能制造标准化体系中的定位21

图表6:智能制造系统构架23

图表7:智能制造标准体系结构24

图表8:工业互联网平台功能架构图26

图表9:工业互联网标准体系框架27

图表10:中国GDP增长情况分析32

图表11:近年中国工业增长值增长情况37

图表12:2018-2021年网民规模和互联网普及率39

图表13:2017-2022年中国信息消费行业市场规模42

图表14:信息化发展评价指标体系46

图表15:各省(区、市)信息化发展水平排名46

图表16:2016-2020全国企业两化融合发展水平50

图表17:2016、2020年不同规模企业两化融合发展水平51

图表18:2016、2020年不同性质企业两化融合发展水平52

图表19:2020年我国制造企业“横向集成”情况54

图表20:2020年我国制造企业“纵向集成”情况55

图表21:全国各省市两化融合发展水平数据地图55

图表22:近年工业大数据进程分析59

图表23:全国信标委大数据标准工作组标准研制情况60

图表24:大数据行业产业链结构示意图86

图表25:大数据产业产业链全景图87

图表26:图表:大数据产业链价值流动方向88

图表27:推动大数据产业发展的驱动因素91

图表28:中国大数据市场发展阶段92

图表29:2017-2022年中国数字经济市场规模93

图表30:2017-2022年中国大数据市场规模95

图表31:完成入库的全国大数据企业区域占比96

图表32:2021年大数据行业应用企业类型分布98

图表33:大数据企业投资价值百强榜100

图表34:大数据场景应用解决方案提供商TOP50排行102

图表35:中国大数据产业行业应用结构107

图表36:大数据市场供给结构108

图表37:中国政府大数据的主要应用场景111

图表38:中国互联网大数据的主要应用场景112

图表39:中国金融大数据的主要应用场景112

图表40:中国大数据细分市场结构图113

图表41:大数据产业面临挑战分析119

图表42:部分地区大数据发展124

图表43:工业大数据产业链127

图表44:工业大数据产业发展周期130

图表45:2017-2022年中国工业大数据行业市场规模131

图表46:2021年工业大数据用户行业结构132

图表47:2021年工业大数据产品结构133

图表48:2021年工业大数据用户类型134

图表49:工业大数据关注的重点数据类型及应用价值136

图表50:传统生产与智能制造阶段的基本特征、数据价值与应用举例137

图表51:工业大数据IT架构143

图表52:技术参考架构144

图表53:工业大数据平台参考架构145

图表54:工业大数据采集技术难点149

图表55:制造业生产过程中多源异构数据划分151

图表56:多源异构数据处理的一般流程152

图表57:典型数据采集方法及其在制造业生产过程中的应用154

图表58:工业大数据标准体系框架172

图表59:工业大数据标准明细表173

图表60:工业4.0”项目主要分为三大主题180

图表61:工业4.0发展历程182

图表62:工业4.0参考架构183

图表63:系统层次184

图表64:工业4.0的发展重点188

图表65:推动工业4.0发展的主要核心技术191

图表66:中国制造2025五大工程194

图表67:工业4.0中涉及到的技术概念202

图表68:工业设计大数据具体体现206

图表69:海尔集团基于mySAP SCM的网络模型217

图表70:智能制造系统发展过程三阶段225

图表71:智能制造发展特征227

图表72:2017-2022年中国智能制造产业产值规模228

图表73:中国国家级智能制造类试点项目分布230

图表74:智能装备行业特点236

图表75:智能装备竞争格局238

图表76:智能制造装备产业存在的问题及对策245

图表77:智能工厂架构246

图表78:智能工厂基本特征248

图表79:智能工厂发展趋势253

图表80:2017-2022年全球工业互联网市场规模253

图表81:2017-2022年中国工业互联网行业市场规模254

图表82:中国物联网应用领域占比情况255

图表83:中国工业大数据行业重大事件260

图表84:近年中国工业大数据融资规模分布261

图表85:近年中国工业大数据融资轮次分布262

图表86:烟台市新增5家山东省工业大数据平台263

图表87:2021年部分工业互联网APP优秀解决方案公示名单264

图表88:工业机理模型化图示265

图表89:工业大数据投资价值企业20强267

图表90:中国工业大数据行业建议272

图表91:大数据行业发展趋势275

图表92:工业大数据发展趋势277

图表93:2022-2028年中国大数据行业市场规模预测278

图表94:2022-2028年中国工业大数据市场规模预测279


智研瞻产业研究院部分客户
下载订购协议


报告研究方法

报告主要采用的分析方法和模型包括但不限于:
- 波特五力模型分析法
- SWOT分析法
- PEST分析法
- 图表分析法
- 比较与归纳分析法
- 定量分析法
- 预测分析法
- 风险分析法
……
报告运用和涉及的行业研究理论包括但不限于:
- 产业链理论
- 生命周期理论
- 产业布局理论
- 进入壁垒理论
- 产业风险理论
- 投资价值理论
……
数据来源
报告统计数据主要来自智研瞻产业研究院、国家统计局、地方统计局、海关总署、行业协会、工信部数据等有关部门和第三方数据库;
部分数据来自业内企业、专家、资深从业人员交流访谈;
消费者偏好数据来自问卷调查统计与抽样统计;
公开信息资料来自有相关部门网站、期刊文献网站、科研院所与高校文献;

其他数据来源包括但不限于:联合国相关统计网站、海外国家统计局与相关部门网站、其他国内外同业机构公开发布资料、国外统计机构与民间组织等等。


报告研究基于研究团队收集到的大量一手和二手信息,研究过程综合考虑行业各种影响因素,包括市场环境、产业政策、历史数据、行业现状、竞争格局、技术革新、市场风险、行业壁垒、机遇以及挑战等。


通过对特定行业长期跟踪监测,分析行业供给端、需求端、经营特性、盈利能力、产业链和商业模式等方面的内容,整合行业、市场、企业、渠道、用户等多层面数据和信息资源,为客户提供深度的行业市场研究报告,全面客观的剖析当前行业发展的总体市场容量、竞争格局、细分数据、进出口及市场需求特征等,并根据各行业的发展轨迹及实践经验,对行业未来的发展趋势做出客观预测。


智研瞻产业研究院建立了严格的数据清洗、加工和分析的内控体系,分析师采集信息后,需严格按照公司评估方法论和信息规范的要求,并结合自身专业经验,对所获取的信息进行整理、筛选,最终通过综合统计、分析测算得相关产业研究成果。