数字化应用包括移动应用、云计算、物联网、大数据分析、人工智能。

1、移动应用。

随着智能手机的普及，移动应用成为了人们生活中不可或缺的一部分。移动应用涵盖了各个领域，如社交媒体、电子商务、在线支付、出行服务等。

2、云计算。

云计算是一种通过互联网提供计算资源和服务的方式。它可以提供弹性的计算能力，使用户能够根据需要快速扩展或缩减计算资源。

3、物联网。

物联网是指通过互联网连接并实现相互通信的各种物理设备，如传感器、智能家居设备、工业设备等。物联网的应用范围广泛，可以用于智能家居、智能城市、智慧交通等领域。

4、大数据分析。

大数据分析是通过对大量的数据进行收集、存储和分析，从中获取有价值的信息和洞察。大数据分析可以用于市场调研、风险管理、个性化推荐等领域。

5、人工智能。

人工智能是指通过模拟人类智能的方式，使计算机具备学习、推理和决策的能力。人工智能的应用包括语音识别、图像识别、自动驾驶等。

数字化技术应用的优点：

1、数字化技术应用在实际应用中具有很高的效率和灵活性。

通过数字化技术，我们可以将现实世界的信息转化为计算机可以处理的数字信息，从而进行存储、传输和处理。

2、数字化技术应用可以提高信息的准确性和可靠性。

在数字化技术的处理下，信息不容易受到干扰和噪声的影响，从而提高了信息的准确性和可靠性。

3、数字化技术应用可以带来更好的用户体验。

通过数字化技术，我们可以将各种信息转化为数字格式，从而提供更加便利和丰富的功能和服务。

发展历程：十年来大数据产业高速增长，我国信息智能化程度得到显著提升

我国大数据产业布局相对较早，2011年，工信部就把信息处理技术作为四项关键技术创新工程之一，为大数据产业发展奠定了一定的政策基础。自2014年起，“大数据”首次被写进我国政府工作报告，大数据产业上升至国家战略层面，此后，国家大数据综合试验区逐渐建立起来，相关政策与标准体系不断被完善，到2020年，我国大数据解决方案已经发展成熟，信息社会智能化程度得到显著提升。

市场规模：2020年市场规模超6000亿 维持高速增长

中国大数据产业联盟发布的《2021中国大数据产业发展地图暨中国大数据产业发展白皮书》指出，2018年以来，大数据技术的快速发展，以及大数据与人工智能、VR、5G、区块链、边缘智能等新技术的交汇融合，持续加速技术创新。与此同时，伴随新型智慧城市和数字城市建设热潮，各地与大数据相关的园区加速落地，大数据产业持续增长。

赛迪顾问的数据显示，2020年中国大数据产业规模达6388亿元，同比增长186%，预计未来三年保持15%以上的年均增速，到2023年产业规模超过10000亿元。

市场格局

——细分市场格局：软硬件占据行业主要市场

目前，我国的大数据产业尚处于初级建设阶段，从市场结构来分，大数据产业可划分为大数据硬件、软件以及服务三类市场。

根据《IDC全球大数据支出指南》，2020年中国大数据市场最大的构成部分仍然来自于传统硬件部分——服务器和存储，占比超过40%，其次为IT服务和商业服务，两者共占336%的比例，剩余由254%的大数据软件所构成。从软件角度来看，2020年中国最大的三个细分子市场依次为终端用户查询汇报分析工具(End-User Query, Reporting, and Analysis Tools)、人工智能软件平台(AI Software Platforms)以及关系型数据仓库(Relational Data Warehouses)，并且IDC预计，三者总和占中国整体大数据软件市场的比例接近50%。

——应用市场格局：互联网、政府、金融为大数据主要应用领域

从具体行业应用来看，互联网、政府、金融和电信引领大数据融合产业发展，合计规模占比为776%。互联网、金融和电信三个行业由于信息化水平高，研发力量雄厚，在业务数字化转型方面处于领先地位;政府大数据成为近年来政府信息化建设的关键环节，与政府数据整合与开放共享、民生服务、社会治理、市场监管相关的应用需求持续火热。此外，工业大数据和健康医疗大数据作为新兴领域，数据量大、产业链延展性高，未来市场增长潜力大。

发展趋势与前景

——发展趋势：数据治理成为大数据发展的重要方向

——发展前景预测

据赛迪顾问预测，2023年中国大数据产业市场规模将超过10000亿元，2021-2023年增速将达到15%以上。在此基础上，前瞻测算，到2027年我国大数据产业市场规模将接近18000亿元。

—— 更多行业相关数据请参考前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》

题注：本文作为《商业分析能力是怎样炼成的？》中一个组成部分，它与结构化相辅相成。关于数字化分析，我们讲述了财务分析对于剖析、理解公司的关键地位，谈到了利用报表分析、模拟比赛进行数字化训练的方法，接着我们探讨了日常的生活与工作中可能的原因分析方法，以及该方法对于提升工作效率的意义。

本文梳理了相关的文章并对每章的内容做了简要的总结，帮助诸君高效率地阅读与回顾。同时也对数字化分析从整体上进行了概括，期待可以更好地展现其地位与作用。

本文简要介绍了商业分析能力与商学院学习的关系，感受最深刻的经历之一就是运用哈佛分析框架来完成财务管理的作业。包括公司战略分析、会计分析、财务分析和前景分析。对我来讲，这样的一个过程既富于挑战，也很大的锻炼和收获。

本文更进一步地探讨财务管理对于商业数字分析的启蒙作用，并提出这样的启蒙应该通过实战训练来达成，并在日常的工作中反复的磨练和使用，以致于融入到我们的思考和行动中，成为一种本能。分享了参加新浪经理人比赛的经历和感想。

本文利用数字化的分析来把握商业的关键要素，透视其本质。这样的分析源于财务报表，报表为我们建立初步的静态框架和初始画像。数字本身就是化繁为简的结果，结合管理层报告，更容易建立对行业和公司的认知。文章通过几个简单的图表分析了业务构成和利润构成，并阐述了平衡资产与核心竞争力的关系。

商业分析不局限于报表提供的材料，我们通过观察法、参与法、调研法等获取贴近真实的材料去重塑画像，使其逐步血肉丰满。

本节我们从一个惊心动魄的故事开始，了解到如何去发现商业的真实与谎言，去探索一个公司的发展空间，去考虑自己如何与一个公司建立关系。在错误发生之前，刹车转场。

本节我们在平淡中去了解一家传统的公司，去体验、去思考，公司的天花板在哪里？自己发展的天花板在哪里？去考虑自己如何借助一家公司来实现自己的职业发展。也只有对一个公司全面的了解，我们才能对商业有一个清晰的认识。

生活中有很多简单重复的事情，工作中也同样如此，数字化统计是一件有趣有益的事情。对于一个稍微复杂、包含多个环节的事情，当我们遇到问题需要定位问题的时候，概率起到至关重要的作用。这个大概率是一个逐步逼近的过程，动态调整的过程，其中既有数量统计的成份，也有事件影响带来的权重成份。

商业上的事情，完全相同、简单重复的例子极少。但在行业内部，典型公司的关键构成要素具有极强的共通性，此外跨行业的对比分析也比较容易行业内的典型要素。这就为商业分析的统计提供了可能性，借助软件工具结果可能来得更快更直接。

就个案分析来讲，我们常常使用的是财务分析的方法，包括毛利率、净利润率、资产周转率、存货周转率等等一系列比率分析方法，资产、负债、利润、成本、业务、区域等构成分析方法。财务中的报表分析是非常犀利的工具，让我们看清楚商业的核心本质资产与现金、利润之间的关系。

除此之外，也可以运用多年的数据进行同比的分析，这些分析对于趋势的把握也有很大的帮助。当我们观察一个样本足够长的时间，对它的了解就可能足够深刻。

然而我们只是通过财务报表并不足以对企业的整体经营有更深入的、更细致的了解，因为这些数字本身并不能反映现实中的运作机制，它们只是运作的结果，甚至多数时候是被人为创造出来的。这就要求我们将数字分析与现实组织与业务的实际情况结合起来去研究。

有效率的学习既要有广度，接触重复的事件，也要有深度，接触层次架构明确的事件。身边会有很多的案例呈现给我们，但往往这些案例的背景比较散乱，也缺乏一定深度的材料，有时候呈现出较多的财务报表数据，但由缺少提纲挈领的管理层报告，很容易迷失在数据海洋中。不少中小型公司的管理层报告可供借鉴的内容较少，可关注借鉴行业内的标杆公司的相关报告。

数字化分析的内容，暂时先写到这里，欢迎提出批评和建议。下面将围绕商业分析这个中心继续探讨，敬请期待。

大数据具有“高维、海量、实时”的特点，就是说数据量大，数据源和数据的维度高，并且更新迅速的特点，传统的数据挖掘技术可能很难解决，需要从算法的改进和方案的框架等多方面去提升处理能力。

数据挖掘基于数据库理论，机器学习，人工智能，现代统计学的迅速发展的交叉学科，在很多领域中都有应用。涉及到很多的算法，源于机器学习的神经网络，决策树，也有基于统计学习理论的支持向量机，分类回归树，和关联分析的诸多算法。数据挖掘的定义是从海量数据中找到有意义的模式或知识。如果想要全部掌握有关的知识，必须要进行系统的学习，建议报名相关的专业机构进行线上或者线下课程的学习。

想要了解更多有关数据挖掘的信息，可以了解一下CDA数据分析师的课程。课程内容兼顾培养解决数据挖掘流程问题的横向能力以及解决数据挖掘算法问题的纵向能力。要求学生具备从数据治理根源出发的思维，通过数字化工作方法来探查业务问题，通过近因分析、宏观根因分析等手段，再选择业务流程优化工具还是算法工具，而非“遇到问题调算法包”点击预约免费试听课。

我国大数据产业开始已进入深化阶段

中国大数据产业从萌芽到如今渐成体系，已走过将近10个年头。“十四五”开局之年，大数据产业也进入了集成创新、深度应用的新阶段。大数据在医疗、工业、交通等领域的融合应用技术加快创新突破，大数据融合应用重点从虚拟经济转变为实体经济;大数据底层技术方面，信息安全、模式识别、语言工程、计算机辅助设计、高性能计算等加快突破，大数据技术领域逐渐补齐短板，并进一步强化长板。

2021年市场规模接近900亿元

近年来我国大数据行业取得快速发展，赛迪CCID统计，我国大数据市场规模由2019年的6197亿元增长至2021年的8631亿元，复合年增长率达到180%，大数据市场规模包含了大数据相关硬件、软件、服务市场收入。在全球新冠肺炎疫情之下，我国经济率先复苏并总体保持恢复态势，伴随国家快速推动数字经济、数字中国、智慧城市等发展建设，未来大数据行业对经济社会的数字化创新驱动、融合带动作用将进一步增强，应用范围将得到进一步拓宽，大数据市场也将保持持续快速的增长态势。

金融行业是我国大数据产业规模最大的下游行业

大数据分析行业是指借助大数据技术对规模巨大的数据进行处理、分析挖掘、应用等，实现大数据价值，并以产品或服务等形式，赋能客户数字化运营的大数据细分行业。近年来，伴随下游行业对全业务流程数字化运营需求的持续广泛和深入，大数据分析市场取得了良好发展，呈现出高速发展态势。根据赛迪的数据，2021年我国大数据分析市场下游行业中，金融、政府、电信和互联网位居应用领域前四名，市场占比分别为191%、165%、152%和139%，合计超过60%。

大数据软件与服务的需求不断提升

目前，我国的大数据产业进入高质量发展阶段，大数据软件和大数据服务的需求开始不断提升，大数据硬件占比有所下降但仍占据主导地位，2021年我国大数据市场结构中，大数据硬件、大数据软件和大数据服务的市场占比分别为405%、257%和338%，市场规模分别为3495亿元、2218亿元和2917亿元。近几年大数据硬件的占比在逐渐下降，大数据软件和大数据服务的占比在逐步提高。未来我国大数据软件和服务市场相比硬件市场将呈现更好的发展态势。

不同类型大数据企业竞争程度差异极大

目前，IT产业在发展过程中已经形成了一些层次分布，有做服务器和底层系统的，有做软件的，有做应用的，大数据也需要在原有的架构上加以发展。原来做基础设施的企业，如联想、华为，也要向大数据转型，提供低成本、低能耗的大型存储器，这是大数据产业的基础。中间层是类似Hadoop、MapReduce的数据分析软件，原有的软件产业也要转型，由卖软件转为以数据为中心。再往上就是百度、腾讯、阿里巴巴等大数据应用服务公司，需要增加数据分析的效用。