数据中心市场研究报告

核心摘要：独立第三方数据中心优势渐显：相比于电信运营商，独立第三方数据中心建设速度更快、客户定制性更强、重视程度更高，且PUE大多更低，受到客户青睐。移动互联网和大数据是过去数据中心增长的主要动因：过去5年，需求端，网民数量和移动流量增长迅速；供给端，大数据和人工智能对存储和计算提出更高需求。因素叠加，导致数据中心增长迅速。5G、物联网、工业互联网和传统企业上云是未来增长的主要动因：5G的传输带宽显著高于4G，且原生标准支持企业独立组网，为物联网、工业互联网奠定基础。因素叠加，会持续利好数据中心行业。一线城市资源紧俏，节能成为硬性指标：因数据中心的高能耗特点，北上广深等均对数据中心建设提出了更为严格的限制措施（一般要求PUE<1.4），但这些城市需求旺盛，既有数据中心成为紧俏资源。智能运维被更多应用：随着数据中心规模的提升、人工成本的上涨以及客户对资源动态增减需求的日益增多，传统人工运维已难适应。基于传感器、DCIM和自动巡检机器人的整体智能运维渐被得到更多应用。核心观点数据中心概述定义及分类数据中心即存放设备或数据的场地数据中心即一个组织或单位用以集中放置计算机系统和诸如通信和存储这样的相关设备的基础设施；也可能是以外包方式让许多其他公司存放它们的设备或数据的地方。是场地出租概念在因特网领域的延伸。只提供场地和机柜的数据中心，一般称为DC（Data Center），而同时提供带宽服务的，一般称IDC（互联网数据中心，Internet Data Center），两者有时不作严格区分。数据中心规模方面，按标准机架数量，可分为小型、大型和超大型。级别方面，常依据Uptime Institute的行业评判标准，按可用性，分为T1、T2、T3和T4。发展阶段从简单到复杂，从不稳定到稳定早期的数据中心，比较简单。随着数据量的增加、数据业务的日趋复杂、生活和生产对互联网的依赖程度越来越高，耗电量的不断增长，数据中心的标准也越来越高，主要体现在标准性、稳定性、节能性和高密度性等方面。运营者分类、关系及比较互联网公司运用新技术更多，独立第三方市场优势渐显数据中心的主要建设者包括电信运营商，独立第三方和大型互联网企业，三者之间存在着较为复杂的合作关系，在少数场景下亦存在竞争。电信运营商的核心优势是对带宽等资源的垄断、广泛分布的机房，以及深入到县级以下的体系。独立第三方的核心优势是丰富的建设经验和运维经验。互联网公司的核心优势是自身使用，因此可以统一规划、设计，并做全部的虚拟化、云化处理。互联网公司对于新技术的运用往往更加彻底，但在数据中心本身的产业链中，其作为买方，不参与市场竞争（其出售给下游的一般为云产品）。相比于电信运营商，独立第三方因建设速度、服务模式和重视程度等原因，优势渐显。市场概况：产业链基础设施的基础设施云计算常被比作信息产业的基础，而数据中心又是云计算的基础。在整个信息产业中，数据中心位于极为上游的位置，为各种互联网服务提供基础支撑。技术概况：架构分层从“风火水电”到“软件应用”数据中心具有房地产和IT的双重属性，其可从场地到IT软件分为四层，每上升一层其地产属性会更弱、而IT属性会更强。大多数的数据中心到设施层即止。在客户类型为大客户，选择自行接入网络，或者服务商无网络资质时，也不提供网络服务，是更加简单的DC而非IDC。提供IT硬件时，业务即开始向服务器租用转变。提供IT软件时，一般即转型为公有云或者专有云的云厂商。数据中心市场促进要素：移动互联网用户流量增长是数据量增长的重要因素中国网民规模由2011年的约5.1亿人，上升到2018年的约8.3亿人。与此同时，移动互联网的接入流量由2011年的5.4亿GB，增长到2018年的711.1亿GB。这些要素给作为互联网基础设施的IDC带来巨大红利。促进要素：云计算、大数据和人工智能过去用完即弃的数据被用来存储和分析云计算、大数据和人工智能的快速发展，使得数据成为一种资产：过去用完即弃的日志数据，以及其他大量的非结构化、半结构化数据可以得到存储和分析。流式计算和深度学习，使得这些数据能够实时计算并指导从生产到销售的各个环节。GPU、TPU、FPGA等芯片技术，SSD、NVMe等存储技术，100G、400G光模块等网络技术，都提供了更为基础的保障。这些要素共同促进了计算、存储和传输的数据进一步上升。促进要素：5G、IPv6和物联网万物互联，数据量将迎来新一轮爆炸性增长5G网络的峰值速率、流量密度、连接密度等显著优于4G，且原生标准支持企业独立组网。IPv6使得每一个元器件都可以拥有独立的IP地址，两者使得工业互联网和物联网得以落地。互联网的连接作用由过去人与人之间的连接走向万物互联。大量的元器件不仅整体数量更多，单节点产生的数据也更多，并且，医疗、驾驶等场景对时延的要求也更高。数据量将迎来新一轮的爆炸性增长。机架规模2019年机架预计超200万，规模以上数据中心机架占比上升截至2017年年底，我国在用数据中心的机架总规模达到了166万架，与2016年年底相比，增长了33.4%。超大型数据中心规模达到28.3万架；大型数据中心机架规模达到54.5万架。根据估算，2019年，我国数据中心机架总规模可达244万架。市场规模2019年数据中心市场规模已超千亿2019年，中国IDC业务的总体营收已达1132.4亿元。未来，受益于5G技术的日益成熟与普及、互联网行业的持续高速发展等，国内IDC行业仍将保持30%以上的年复合增长率。数据中心技术建设：快速交付、水平扩展数字化模拟渐成标配、模块化建设逐步普及BIM，即建筑信息模型（Building Information Modeling），是建筑学、工程学及土木工程的一种工具，是数字孪生理念在建筑领域的具体落地，可有效提高工作效率、节省资源、降低成本、以实现可持续发展。CFD，即计算流体动力学（Computational Fluid Dynamics），以电子计算机为工具，应用各种离散化的数学方法，对流体力学的各类问题进行数值实验、计算机模拟和分析研究。2018年1月1日开始实施的新版国标《GB50174-2018数据中心设计规范》第7.3.1条规定：“并应采用计算流体动力学对主机房气流组织进行模拟和验证”，2017年12曰1日实施的《T/CECS 488-2017数据中心等级评定标准》规定，“大型数据中心应作CFD验证”为必须符合的关键条款。模块化是数据中心建设的另一趋势，模块为集成了供配电、制冷、机柜、综合布线、动环监控等功能独立的运行单元，实现了数据中心建设从工地到工厂的转移，具有稳定性高、快速部署、分期建设、动态调整和水平扩展等优点。节能：从被要求到自身需要节能技术众多，但客户需求及配套、TCO等尚需时间近几年，北上广深分别颁布了对数据中心PUE的新规定，政策趋紧。数据中心节能技术众多，可分为整体架构、IT系统、供配电系统、空调系统和绿色节能等几大类。这些技术，有些已经大范围落地，有些因为成本、稳定性和客户需求等原因，仍然处于探索阶段。以革命性的浸没式液冷为例，独立第三方数据中心因托管的是客户的服务器，因此很难进行这项改造。不过，随着GPU服务器比例的逐渐增多，在原有体积下，风冷完全无法满足冷却需求，此时，液冷便会成为刚需而逐渐普及。虚拟化：软件定义一切软硬解耦、资源API化和软件定义在网络硬件中，软硬一体不仅成本更高，而且硬件厂商的更新速度往往跟不上数据中心需求的变化，于是出现了从软硬一体到软硬解耦再到白盒硬件+开源软件（如Sonic）的整体发展趋势。解耦之后的硬件资源不仅可被编程、改写，而且开放的API便于数据中心的整体监控和运维，还有助于利用深度学习等进行智能化处理，以防止死锁等。软硬解耦、资源API化和软件定义成为数据中心尤其是云数据中心的发展趋势。运维：管理到研发，预警到自愈DCIM和智能运维随着业务系统的快速上线、灵活伸缩以及更高的SLA要求，再加上有限的IT运维成本，运维的要求越来越高。而随着数据中心规模的越来越大，单靠人工很难满足运维需求，从“管理”向“研发”转变的自动化运维成为发展方向。具体包括统一化、可视化的DCIM和智能运维。DCIM，即数据中心基础设施管理 （Data Center Infrastructure management），是通过软件、硬件和传感器等，将IT和设备管理结合起来，对数据中心关键设备进行集中监控、容量规划、资源调配、运维跟踪等集中管理。BIM和DCIM两者结合，可以提供数据中心从设计、建设到投产、运维的全生命周期的管理。智能运维包括两部分：其一为从DCIM平台上，直接采用自动化脚本、深度学习等方式，实现对数据的学习，并进一步预警或者自愈，其二是以巡检机器人代替人工巡检。自动化运维的终极目标是零运维，但这一目标只可逼近难以达到。数据中心趋势趋势一：核心、周边双向发展一线城市饱和，向周边和能源充足地区外溢北上广深一线城市的数据中心处于相对饱和状态，售卖率整体在85%以上，而上架率整体在70%以上，加之能耗指标等限制，数据中心的需求难以得到满足。目前，数据中心逐渐从一线城市向周边地区以及能耗指标更充足的地区外溢，西部地区的上架率不断提升。但从类型上看，向一线城市周边布局更为积极的是大型互联网公司。趋势二：大规模、边缘双向发展云化推动向大规模机房演进，5G促进边缘计算加速发展目前，数据中心东西向流量已经超过南北向流量，因此大规模、超大规模数据中心，不仅能体现规模效应，还便于服务器的云化和虚拟化。加上DCIM和智能巡检机器人等技术，超大规模数据中心的运维得以简化。不管是全球还是国内，超大规模数据中心的占比不断提升。与此同时，在5G带宽大幅增加且天然支持网络切片（更适合传统产业及工业场景）的推动下，离数据产生和处理场景更近的边缘节点也将越来越多发挥中心节点无法替代的作用，在场景需求密集区域，有望成为稀缺资源。趋势三：横向整合并购将会更多发生数据中心需求持续增长，但市场竞争也十分激励。从短期看：有不少其他行业企业认为数据中心有更高的毛利率，因此切入该行业；从长期看：云计算对数据中心业务的挑战一直存在。随着大型数据中心和超大型数据中心数量的增多，一线城市中的中小型数据中心虽然地位仍重要，但整体市场占比会逐渐减小，如无其他突围方式，便陷入“不进则退”的处境。资金更加充足、整合能力更强的企业，对一些机房甚至企业进行收购，成为必然。在未来，这种横向资源的整合将会更多发生。趋势四：纵向延伸向产业链上下游延伸横向整合之外，纵向延伸是更为明显的趋势。大量的客户，尤其是金融领域等高敏感客户的需求是公有云无法直接满足的，私有云、专有云、混合云和多云并用等形式广泛存在。数据中心厂商倚靠自己的IDC基础资源、良好的客户关系、运维能力和线下交付能力，为客户打造专有云、混合云或云管平台，向产业上游扩展，将成为新的增长点。而头部的服务商，直接承建大客户的数据中心，直接采用类似于地产的商业模式，是向产业上游延伸的路径。

2019年，测算数据中心机架规模达到288.6万架，市场规模超过千亿。受益于云计算、5G、人工智能、VR等，数据中心产业未来仍将高速发展。我国数据中心的布局渐进完善，新建数据中心，尤其是大型、超大型数据中心逐渐向中西部以及北京市、上海市、广州市、深圳市周边的城市转移。截至2018年年底，北京市、上海市、广东省的3个数据中心聚集区在用机架数的全国占比降低到31%，中西部地区的数据中心在用机架数的全国占比接近39%。2019年，中国IDC业务的总体营收已达1132.4亿元。未来，受益于5G技术的日益成熟与普及、互联网行业的持续高速发展等，国内IDC行业仍将保持30%以上的年复合增长率。新浪VR知识星球报告库上万份报告，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

今天为大家分享的是IDC行业研究报告，部分内容如下，下期（K12在线教育行业研报）2020年中国IDC行业概览.pdfIDC—数字中国发展的基石.pdfIDC系列报告一：数字产业基石，关注卡位核心地区的IDC企业.pdfIDC系列报告三：数据中心中各类IT硬件占比拆分.pdfIDC系列报告之六：从DCF角度看IDC行业的长期投资价值.pdfIDC系列报告二：还原IDC行业的真实盈利能力.pdfIDC行业展望：发展确定性高，2020是机遇之年.pdfIDC行业投资标的梳理.pdfIDC行业报告：新一代信息技术的核心基础设施-搜搜报告.pdfIDC行业深度报告之一：中美对比研究：哪些因素在影响IDC企业估值.pdfIDC行业深度报告：以美为鉴，腾飞在即_搜搜报告.pdfIDC行业研究框架报告：IDC-数字化转型的基础设施.pdf云计算数据中心产业链专题：短期需求叠加长期逻辑，IDC及云计算产业链投资图谱-搜搜报告.pdf从三大边际变化再论本轮IDC投资三要素.pdf从全球IDC龙头Equinix看中美IDC发展路径：乘数字化之浪潮，REITs助力成长.pdf全球IDC价值重估系列报告之五：与流量巨头共舞，尽享景气提升红利.pdf全球IDC价值重估系列深度之一：流量将第三次爆发增长，从“收入-成本”视角看全球IDC企业价值重估.pdf全球IDC价值重估系列深度之二：回顾全球IDC发展史，寻找下一个Equinix.pdf印制电路板行业深度：头部通讯PCB厂商深度受益IDC基站建设.pdf掘金数据中心系列深度报告（一）：IDC大变革时代，紧握优质核心资产.pdf数据中心IDC行业深度研究报告：数据中心：沧海流量，信息基石-搜搜报告.pdf数据中心专题报告：关注上游设备及深耕一线商圈的IDC服务商.pdf数据中心深度报告（二）：IDC投资快速增长，成就IC变革引擎.pdf文件名清单.TXT新三板TMT专题报告：数据中心景气下能耗问题爆发，IDC节能降耗行业腾飞在即.pdf申万宏源-通信周报：IDC投资建议聚焦头部互联网企业的供应商.pdf获取本文件夹所有文件名（不含子文件夹）.bat计算机行业2020年中期策略报告：关注IDC板块的投资机会.pdf通信行业2020年下半年投资策略：新基建政策推动下，5G和IDC赛道开启加速跑.pdf通信行业深度分析：5G和IDC“新基建”促温控技术革命性升级，散热行业迎量价齐升大发展.pdf钢铁企业涉足IDC业务的可能性：钢企发展IDC：生产要素再利用.pdf钢铁企业涉足IDC业务的可能性：钢企发展IDC：生产要素再利用.pdf钢铁行业深度报告：当钢铁遇上IDC.pdf钢铁行业深度研究：钢厂IDC——新势力崛起搅动IDC行业.pdf部分报告内容展示：注明：报告内容归原作者所有，如有侵权，联删，行研君作为内容整理方，仅作为学习使用，下载后请在24小时内删除，否则后果自负。更多细分领域报告请查看星球。目前星球的报告已经按资料类型、细分行业、发布机构进行了整理，目前已经整理了200+、30000+精品报告，也持续更新了570+天。往期推荐5G行业研究报告（合集）从阅读行研报告开始了解一个行业（内附260+行业30000+份最新行研报告资源）-搜搜报告-每天分享50+研报的社群从阅读研报开始了解一个行业交个朋友。

来源： 凤凰网房产上海站上海，2020年2月17日—— 享誉全球的房地产服务和咨询顾问公司戴德梁行（纽交所：CWK）近期发布研究报告《全球数据中心市场》。该报告显示，数据中心曾经被全球企业视为小众投资和非灵活资产，现已成为信息经济的基石，在过去十年获得了1000亿美元的投资。大量的资金流入伴随着重大的技术转变。企业起初选择将工作负载从工作场所移至主机代管设施，最近则更多选择托管、公共和私有云的混合模式。这一转变使最大的云平台服务商——亚马逊、谷歌和微软成为众多市场最具影响力的参与者，将数据中心的规模扩大了10倍。现在，可供租赁的30兆瓦数据中心更加普及，而十年前令人惊叹不已的10兆瓦数据中心相形见绌。戴德梁行的报告对全球38个市场1162个数据中心进行了评分，每个数据中心按照12个权重进行比对。综合所有的市场情况，云可用性、光纤速度和市场规模被视为最高权重；中等权重的因素包括发展渠道、政府鼓励措施、市场空缺、政治稳定性和可持续性；低权重标准包括环境风险、土地价格、电力成本和税收。北弗吉尼亚、硅谷、达拉斯、芝加哥、纽约/新泽西、新加坡、阿姆斯特丹、洛杉矶、西雅图和伦敦这10个市场依旧雄踞全球领先地位。尽管如此，一些新兴市场，如亚特兰大、丹佛、都柏林、拉斯维加斯、凤凰城、波特兰、盐湖城和温哥华等，拥有后来居上之势。香港、上海和北京继续引领大中华区数据中心市场，同时进入全球市场容量领先行列。经过数十年经济的迅猛发展，北京在市场规模方面名列全球前五（全球前五还包括北弗吉尼亚，伦敦，东京和硅谷），成为由本地运营商和电信公司共同运营的巨大市场。戴德梁行数据中心咨询团队执行董事总经理暨总负责人Dave Fanning表示：“行业变化的速度使创建数据中心策略成为一项复杂而艰巨的任务。企业必须确定如何使用本地设施、将哪些工作负载转移至云端、以及如何制定本地/云端混合的IT策略。对于开发人员和操作人员来说，仅仅只有电源和插满光纤的铁盒子是不够的，他们必须要充分了解许可程序以及所有风险因素。投资者必须能够评估数据中心长期保持价值的潜力以及升级的难易程度。所有这些需要资金投入，同时必须对自己的目标有明确的认识。”尽管该研究中排名前三的市场得分远高于第四位，但随后12个市场的得分相差不到10％。这种不相上下的排名预示着全球范围内二级市场即将迅速向一级市场转变。欧洲各地的几个市场，尤其是伦敦、巴黎、米兰和苏黎世，受到了国际运营商的持续关注。欧洲本身已经成为超大数据中心的新目标。最近，在波特兰、凤凰城和亚特兰大等美国新兴市场有大型用地售出。相比于加利福尼亚或北弗吉尼亚州，选址这些地区将会实现大量成本节约。亚太地区的其他市场，尤其是悉尼、东京、香港、北京和上海，预计将在未来两到三年内，在增加连通性、升级旧资产的前提下，出现可观的增长。因此，可以预见的是，全球前15个市场将在未来保持极强的竞争力。戴德梁行数据中心顾问团队研究董事Kevin Imboden认为：“顶级市场提供了最多元化的选择。虽然有时一种解决方案可以适用于所有需求，但对于某些特定领域，了解其特定需求所需的最重要因素，并作出相应调整，是非常有必要的。结合那些被忽视和利用不足的市场，全球细分市场和二级市场具有巨大的潜力。”

做数据分析与公司决策，离不开大量的数据与资料。但是，我们上哪儿找行业的研究报告呢？在信息时代的今天，使用搜索引擎输入行业的关键字，立即就能找到海量的行业研究报告。但这些报告的质量参差不齐，且有许多重复、老旧的内容，并非是获取行业报告的长久之道。哪些网站可以找到免费的行业报告？收藏今天的内容即可。艾瑞咨询199IT行行查（需要注册账号）36氪研究TalkingdataDataEye（游戏行业）阿里研究院（需要注册账号）360营销学院CBNData（既有免费的也有付费的）中国互联网络信息中心CNNIC艾媒咨询中国信息通信研究院投中研究院DCCI互联网数据中心JP摩根（英文报告）普华永道德勤咨询毕马威麦格理（英文报告）波士顿（英文报告）高盛

IDC近日发布《全球企业外部OEM存储市场2020年第一季度市场跟踪报告》，报告显示，2020年第一季度，戴尔、NetApp和HPE/H3C等持续下滑，其中戴尔营业收入下滑8.2%、NetApp大幅下滑20%、HPE/H3C下滑17%；华为、IBM等则保持连续增长，其中华为增幅最大，为17.7%，IBM增长率3.8%。IDC基础设施平台和技术研究经理Sebastian Lagana表示：“外部OEM存储市场第一季度面临严峻的阻力，因为全球企业的运营受到了疫情的影响。”，在疫情影响下，继续保持营收增长显得尤为难得。从地域上看，拉丁美洲在本季度是所有地区中增长最快的，同比增长19.9％。而拉美也是华为等厂商的重点区域之一。据悉，华为营收的增长主要得益于海量数据的快速增长和全闪存进一步普及。5G、IoT、AI等技术的普及带来海量非结构化数据的快速增长。面向海量数据场景，我们看到华为近期也推出了新一代OceanStor存储Pacific系列产品，通过打破架构、服务和性能的边界，以多协议无损互通、下一代弹性EC算法和系列化硬件，实现30%的综合资源利用率提升以及高达62.5%的机房空间节省。我们同时看到，华为OceanStor存储Dorado系列近期在日本年度最大规模ICT展会Interop Tokyo 2020上获得了Best of Show Award金奖。该款产品凭借SmartMatrix可靠性标杆容忍控制器8坏7、业界领先基于硬件+算法的人工智能架构提升业务性能20%、超强算力提升30%的数据缩减率等差异化特性，成为业界领先的AI 自优化的生产交易存储，这些优秀的产品特性解决了很多当前产业客户中面临的真实“痛点”使很多企业在数字化转型过程中更加从容。虽然疫情对全球的经济活动产生了很大的影响，但是我们也看到更多的企业和组织在采用数字化技术来加速数字化转型，比如说全面的远程办公、远程教育，更广泛的在线交易等。长远来看，这些生产和生活方式的深刻变化将为数据存储产业带来正向的影响。我们相信一定可以战胜疫情，恢复正常的生产和生活，整个数据存储产业也将继续保持健康的增长。

最近，市场研究机构IDC又再公布了2018年上半年中国公有云厂商市场份额数据。毫无悬念的，这次公布的报告显示，市场份额位居国内第一的，依然还是阿里云，腾讯云位居第二，华为云仅仅排到了第九。要知道，这可是阿里云第三年蝉联中国市场第一了！更有趣的是，阿里云的公有云市场份额43％，算起来比第二名至第九名的总和之多。有网友戏称：阿里云这"1V8"的实力差距，已不止是甩下几条街这么简单了……当然调侃之余，一些更为细心的网友，似乎从图中看到背后更深层次的差距：OpenStack技术才是双方拉开差距的真正原因！其实在前几日IDC公布的2018年上半年全球公有云市场份额报告中，这个现象就很明显了：排在前头的云厂商，无论是长期保持第一的亚马逊，还是5年内翻了12倍稳坐全球第三的阿里云，亦或是微软、谷歌等，几乎都是自研云玩家。作为国内最早做云计算的公司，阿里云从一开始便坚持选择了自研这条路，研发出了"飞天"云计算操作系统，现在基于飞天的强计算能力，阿里云完美地完成了双11、春运抢票、世界杯视频直播等流量洪峰的冲击和考验。要知道，不是所有人都有魄力去做"自研"这件事情的。毕竟，自研技术投入大、周期长。但不少网友都表示：阿里巴巴还真的是个狠人！根据普华永道的统计，阿里巴巴的研发投入已经连续三年位居中国企业的第一位。可想而知，他们在云计算这个前沿技术上面花了多少的心思，所以人家才能被市场认可。对此，你有什么看法呢？在评论中和我们一起讨论吧！

1、超大规模数据中心● 超大规模数据中心将从2016年底的338个增长到2021年的628个。到2021年，它们将占所有已安装数据中心服务器的53％。● 到2021年，超大规模数据中心内的流量将翻两番。超大规模数据中心已占所有数据中心总流量的39％，到2021年将占55％。2、全球数据中心流量● 到2021年底，全球年度数据中心IP流量将达到20.6（ZB）（每月1.7 ZB），高于2016年每年6.8 ZB（每月568 EB [EB]）。● 全球数据中心IP流量将在未来5年内增长3倍。总体而言，从2016年到2021年，数据中心IP流量将以25％的复合年增长率（CAGR）增长。3、数据中心虚拟化和云计算增长● 到2021年，94％的工作负载和计算应用将由云数据中心处理; 6％将由传统数据中心处理。● 从2016年到2021年，整体数据中心工作负载和计算应用将增加一倍以上（2.3倍）; 然而，对于云，这些将在同一时期几乎增加三倍（2.7倍）。● 2016年云数据中心的工作负载和计算应用密度（即每个物理服务器的工作负载和计算应用）为8.8，到2021年将增长到13.2。相比之下，对于传统数据中心，工作负载和计算实例密度为2.4 2016年，到2021年将增长到3.8。4、公共云与私有云● 到2021年，73％的云工作负载和计算应用将位于公共云数据中心，高于2016年的58％（2016年至2021年的复合年增长率为27.5％）。● 到2021年，27％的云工作负载和计算应用将位于私有云数据中心，低于2016年的42％（从2016年到2021年的复合年增长率为11％）。5、全球云流量● 到2021年底，年度全球云IP流量将达到19.5 ZB（每月1.6 ZB），高于2016年每年6.0 ZB（每月499 EB）。● 未来5年全球云IP流量将增加三倍以上（3.3倍）。总体而言，从2016年到2021年，云IP流量将以27％的复合年增长率增长。● 到2021年，全球云IP流量将占数据中心总流量的95％。6、云服务交付模型● 到2021年，75％的云工作负载和计算应用将是软件即服务，高于2016年的71％。● 到2021年，16％的云工作负载和计算应用将是基础架构即服务，低于2016年的21％。● 到2021年，云计算总体工作量和计算应用中的9％将是平台即服务，高于2016年的8％。7、按应用程序处理工作量和计算应用● 到2021年，企业工作负载和计算应用将占总数据中心工作负载和计算应用的73％，低于2016年的76％。● 到2021年，消费者工作负载和计算实例将占总数据中心工作负载和计算应用的27％，而2016年为24％。● 在企业部门中，计算（到2021年为24％的企业工作负载和计算应用）和协作（到2021年为23％的企业工作负载和计算应用）是两个主要贡献者。● 在消费者群体中，视频流（截至2021年占34％的消费者工作负载和计算应用）和社交网络（2021年消费者工作负载和计算实例占25％）是两个主要贡献者。● 在企业领域，数据库/分析和物联网将成为增长最快的应用程序，2016年至2021年的复合年增长率为21％，或增长2.6倍。● 在消费者群体中，社交网络（2016年至2021年的复合年增长率为26％）和视频流（2016年至2021年的复合年增长率为24％）将成为增长最快的应用。8、数据中心存储● 到2021年，数据中心存储装机容量将从2016年的663 EB增长到2.6 ZB，增长近4倍。9、数据中心、大数据和物联网中的数据● 从全球来看，到2021年，存储在数据中心的数据将几乎增加五倍，到2021年达到1.3 ZB，比2016年的286 EB增长4.6倍（复合年增长率36％）。● 到2021年，大数据将达到403 EB，比2016年的25 EB增长近8倍。到2021年，仅大数据将占数据中心存储数据的30％，高于2016年的18％。● 存储在设备上的数据量将比存储在数据中心的数据高4.5倍，到2021年为5.9 ZB。● 在物联网的推动下，到2021年，任何设备创建（并且不一定存储）的数据总量将达到每年847 ZB，高于2016年每年218 ZB。图1 超大规模数据中心增长率图2 IP流量在数据中心的增长率图3 2021年数据流向分布及百分比本文内容来自：某白皮书

前言近年来，随着人们的数据意识和数据素养不断提升，商业智能和数据分析领域迎来了快速发展期，据Gartner商业智能报告统计，到2020年全球的商业智能市场容量预计将达到228亿美元。同时，大数据、人工智能、机器学习、深度学习等技术的快速发展，也促进了商业智能和数据分析产品的新一轮进化。Gartner分析师认为，到2020年，自然语言生成和人工智能将是90%的新BI平台的标准特征，50%的分析查询将使用搜索、自然语言处理，或语音生成，或将自动生成。但我们必须认识到，我国商业智能的市场特征、企业需求、关注点、发展阶段均与国外有所不同，以Gartner为代表的分析机构并不能准确描述我国商业智能行业的实际状况。针对这一问题，帆软数据应用研究院调研了规模不一的216家企事业单位，了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待，同时基于帆软数据应用研究院对行业的长期观察和思考，形成了该篇报告。主要预测：2018年，中国大数据 BI 产品将主要在自助分析的可操作性和功能丰富度、平台的安全性、数据管理能力、分析的共享能力、数据挖掘能力、大数据处理能力六大功能模块进行提升。一、2018年中国商业智能行业发展分析(一) 行业总体形势向好在当前经济环境下，企业盈利的压力和难度不断增加，越来越多的企业，尤其是一、二线稍具业务规模的企业，其高层都希望通过精细化运营提升市场竞争力，降低企业的运营成本。这些企业绝大多数都已经在2008年~2015年间上线了各种业务系统，存储了大量管理和运营数据，具备应用大数据BI进行数据分析和数据化管理的各种条件，这些需求将在2018年~2022年继续爆发。值得注意的是，艾瑞咨询在《2017年中国商业智能行业研究报告》中指出，我国已经进入商业智能领域第一方阵，成为发展最快的国家之一，但和美国还有比较大的差距。所以未来中国大数据BI行业总体将呈现加速度增长，市场容量将不断扩大。(二) 大数据BI厂商马太效应显现马太效应是指强者越强，弱者越弱的现象，国内BI行业的马太效应已经显现。据帆软品牌部调研数据显示，处于行业第一梯队的帆软、Tableau、微软PowerBI的品牌知名度和市场份额与其他厂商进一步拉大。帆软2017年全年营收2.77亿，远超其他国内厂商之和。同时帆软销售部反映，2017年度销售跟单中遇到的竞品种类和数量均较2016年有相当大幅度的下降。BI行业出现马太效应实属必然，综合实力强大的厂商更能投入资源做好产品、服务，解决更多用户的需求和问题。可以预见，2018年中国BI行业马太效应将进一步增强，逐步淘汰掉实力弱、规模小、产品差的企业。(三) 新型自助式BI与传统型BI平分秋色得益于敏捷、自助的特征，从2013年起新型自助式BI迎来了高速发展期，这一时期也是传统型BI的衰退期。2017年，传统型BI与新型自助式BI在国内市场中平分秋色。受访企业中，约50.2%的企业仍然在使用传统型BI，其中最典型的需求是企业常规日报、月报等汇总分析报告。约49.8%的企业应用新型自助式BI，通过报表平台+自助式BI+大数据底层平台的解决方案，来解决企业综合的数据展示和分析需求，形成经营和战略决策。在调研中我们注意到，约有18%的企业引进了新型自助式BI，部分或全部替代了传统BI。虽然传统型BI尤其自身优势和应用场景，但随着新型自助式BI的不断发展，传统型BI必将逐渐退出历史舞台，从国际传统BI巨头积极调整产品结构可见一斑。二、2017年中国商业智能用户状况分析根据企业的IT人员和业务人员在数据分析中的工作量和投入程度占比，我们将BI用户（企业）划分为5大类型，即BI应用金字塔模型，以更好的统计、分析企业的BI应用状况。(一) BI应用金字塔模型1. IT完全主导型其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成95%以上的BI分析页面（注：主要是指用于生产、经营、管理会议所需要的数据分析页面，下同）的开发。业务人员仅负责前端数据查看，完成查看报表时相关联动钻取操作。调研中我们发现，处于“IT完全主导型”这一等级的企业，约有93.2%都在使用传统型BI工具，企业的业务人员基本没有能力，也没有需求去自主完成数据分析的工作。这些企业的业务变革并不剧烈，企业管理层认为当前的日常数据报告能够满足企业管理和决策的需要，相对缺少变革的动力。2. IT强主导型其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成80%~95%数量的BI分析页面。业务人员完成低于20%数量的BI分析页面。从调研数据来看，这类企业中，67.5%的企业认为当前业务人员不具备数据分析的能力。而企业需要快速完成部分数据分析工作，所以选择让IT人员更多承担工作。这类企业中普遍认为，商业智能产品本身并非能够快速上手，且业务人员仍需要统计学基础，阻碍数据分析工作从IT人员向业务人员的转移。3. 业务强主导型其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成前期示例不超过20%数量的BI分析页面。业务人员完成超过80%数量的BI分析页面。从调研数据来看，这类企业中，超过80.2%是曾经推行传统BI的企业，并且部分业务人员是有较高学历和能力的，能够学习和掌握商业智能工具和数据分析技能，并愿意在工作中积极使用；从帆软数据应用研究院的实地走访的部分企业来看，这些企业普遍行业排名靠前，公司从高层就重视数据分析工作。4. 业务完全主导型其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的部分相关工作。业务人员完成95%以上数量的BI分析页面和相当部分BI工具层面的数据模型处理。相比于第三类使用人群（业务强主导型），这类用户的一大特点是业务变革十分迅速，从事业务工作的人员学历普遍较高，业务经营和发展需要企业快速做出决策。而基于数据分析得出的业务判断相比个人历史经验准确度更高，是这类企业基本共识。比如在新兴的互联网企业，或者新零售领域，这个特点尤为突出。5. 智能自助型其典型特征为，IT人员只做底层数据仓库、数据连接、数据字典相关工作。业务人员处理所有BI工具层面的数据处理，以及所有BI分析页面。IT人员搭建数据中心，业务人员完全自主处理和分析数据，这类企业有着明显的资源密集型的特点，业务人员更多的是偏向运营相关的工作。当然，因为此类受访企业占比较少，原因分析的可信度还有待进一步调研来核实。(二) BI用户状况分布基于BI应用金字塔模型，2017年企业分布如下；从调研数据中，我们可以得出两大结论。1、IT人员主导企业数据分析的模式仍占据主流，也就是IT驱动仍是2017年企业商业智能平台应用现状。从数据调研的受访企业来看，有高达60.5%的企业的数据分析工作仍是第二类型（IT强主导型），甚至有21.5%的企业的数据分析工作处在第一类型（IT完全主导型），这显然和业务人员自助数据分析的目标距离遥远。2、新型自助BI正在成为商业智能市场的主流。17.5%的企业是在2017年上线了新型自助BI，实现了让少部分业务人员自助完成BI数据分析的目标。三、2018年商业智能用户需求分析(一) 企业多级部门数据分层次IT权限和平台管控，占受访企业97.6%需求描述：BI工具支持企业的多级部门的数据/分析页面权限管控，使得不同层级的部门机构只能看到本部门机构和辖属部门机构的数据/分析页面。需求产生的原因：有的信息中心为释放压力，放权给业务部门使用数据，一旦口子打开，数据缺口就会像洪水一样泛滥，就又会走向另外一个极端，导致放权下的数据管理混乱，数据口径不统一，部门之间的数据壁垒等等问题就会出现，同时这将给企业带来极大的数据安全隐患。满足该需求对企业的价值和意义：在满足业务部门BI数据自助分析的同时，兼顾企业的数据权限管控，形成企业以IT部门集中管理下的良性数据分析风貌，杜绝企业数据安全隐患。(二) 业务人员可通过BI工具进行自助数据分析，占受访企业94.5%。需求描述：业务人员可以在浏览器前端，对自己权限范围内的数据进行多维拖拽探索和自助分析，发掘隐含在数据中的业务价值。需求产生的原因：企业的传统信息化建设中，IT信息中心对公司数据进行高度集中的管控，来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出，一旦业务部门需求集中扎堆，就会造成响应不足，业务部门怨声载道。信息中心自身成员熬夜加班做报表，成就感却很低。满足该需求对企业的价值和意义：通过高效灵活的BI工具，业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析，以工具简单易上手的低学习成本，让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索，最大化业务数据的分析维度和分析效率，灵活发掘数据中可能潜在的业务价值，同时也解放了IT人员的劳动力，降低企业人力成本。(三) 可快速搭建型自助BI业务数据模型，占受访企业87.5%。需求描述：数据库表中的数据需要基于业务分析主题进行分类管理，相关数据表之间支持手动/自动构建关联模型，同时建立的关联模型支持灵活应用，无需反复编辑修改或创建新的模型，一次建立即可灵活满足多重业务场景进行数据分析使用。需求产生的原因：传统BI工具创建的底层数据关联相互独立，无法重复利用，一旦遇到新的业务数据计算分析场景，数据关联就需要修改或重新创建，极为麻烦，非常不利于IT人员维护。满足该需求对企业的价值和意义：通过BI工具快速构建的新型自助式BI业务数据模型，较传统BI工具针对不同业务分析场景需要多次、重复建模的应用痛点，极大地提高了BI工具的企业中业务数据分析应用的效率，解放了以往IT人员对数据维护的压力。(四) OLAP多维分析：上卷、下钻、旋转、切片、联动、跳转等，占受访企业84.5%需求描述：BI工具支持强大的页面OLAP多维分析功能，包括分析视角的上卷、下钻，维度的旋转切换，指标的切换，分析数据的切片过滤，组件之间的联动过滤、页面超级链接跳转等。需求产生的原因：随着业务发展的复杂化，单一角度的数据分析往往难以再发掘出更多有价值的潜在业务信息，取而代之的是需要BI工具能够满足强大的页面OLAP多维分析功能。满足该需求对企业的价值和意义：通过BI工具强大的OLAP多维分析功能，以实现多角度、多关联数据之间的数据无限层次探索分析，发掘出数据中潜在的业务价值。(五) 大数据处理性能处理能力达到十亿数据秒级响应，占受访企业63.6%需求描述：BI工具可支撑处理亿级以上大数据分析计算的秒级响应，提供多维加速引擎对传统关系型数据仓库（SQLServer、Oracle、Mysql等）进行数据提速处理，同时也支持实时对接企业大数据平台（Vertical、Kylin、Greenplum等）进行数据分析计算。需求产生的原因：一方面，传统关系型数据库在面对上亿级别以上数据量时，容易出现性能瓶颈，长时间的查询等待往往会导致业务数据分析效率太低。另一方面，当今信息化水平飞速发展，越来越多的企业已经有了自己的高性能大数据平台，对于这部分企业来说，拥有一款能够直接对接大数据平台进行数据分析的工具尤为总要。满足该需求对企业的价值和意义：BI工具提供的强大数据计算处理引擎，能够降低企业数据查询等待时间成本，提高业务数据分析效率。同时，通过直接对接企业大数据平台，还可满足企业实时数据分析的需求。(六) 业务人员可完成工具层面的零代码数据加工处理工作，占受访企业57.5%。需求描述：BI工具可通过快速易上手的交互方式，让业务人员也能完成工具层面的零代码数据加工处理工作，例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法，实现对数据的无限层次多维透视分析统计。需求产生的原因：当业务需求相对偏复杂时，简单的维度和指标统计往往无法直接计算出业务所需要的计算结果，以往的处理方式往往可能是业务部门提需求给IT，然后IT经过SQL或者代码对底层数据表加工处理，然后最终导出一张excel数据表给业务部门，期间的反复沟通和等待时间往往降低了企业的业务数据分析应用效率。满足该需求对企业的价值和意义：通过BI工具，使得业务人员也能快速实现对数据的无限层次多维透视分和析加工统计，降低了传统模式下的沟通成本和等待时间，提高了企业业务数据分析的应用效率。(七) 移动端数据分析查看支持，占受访企业44.9%需求描述：BI工具支持移动端数据分析多维分析查看功能（兼容PC端的上卷、下钻、旋转、切片、联动、跳转等），对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等功能，同时满足某些社区平台如微信、钉钉的企业公众号集成。需求产生的原因：在当今这个移动设备便捷时代，仅仅PC端的数据分析已经不能满足某些特定时间和场所的业务分析需求了，而BI对移动端的支持已经成了必然要满足的功能点。满足该需求对企业的价值和意义：通过移动端的BI分析查看，使得数据分析不仅仅局限于PC端，较大地增强了数据分析的便捷性。同时微信和钉钉的集成接入，让业务通过社区平台也能直接查看想要的数据分析页面，更是为移动端数据分析锦上添花。四、中国大数据BI产品功能预测结合用户需求调研，和我国BI厂商的产品计划研究，2018年如下六个大的功能模块将会得到增强。(一) 提升自助分析的可操作性和功能丰富度为满足业务人员可通过BI工具进行自助数据分析的需求，中国大数据BI产品需要改善自助分析的功能和可操作性，包括图表的丰富性。前端布局自定义搭配，让业务人员随心所欲布置。比如仪表板自由布局，可快速拖拽生成所需要分析的页面；在全面支持常见的柱状图、条形图等图形基础上，增加支持中国（世界）地图、GIS地图、桑基图等大数据图表；为了适应更加多样的用户，大数据BI平台需要支持强大的OLAP多维分析功能，包括分析视角的上卷、下钻，维度的旋转切换，指标的切换，分析数据的切片过滤，组件之间的联动过滤、页面超级链接跳转等。业务人员在OLAP多维分析的基础上，能够在数据分析查看时，再次对所有维度进行二次的维度指标加工，并无限层次多维透视分析统计，全面开放业务人员对数据的处理和分析操作，以满足当前中国用户多个视角、多个层级的分析需求，把传统业务分析的智慧充分沉淀到数据分析系统中来。为了给不同用户提供个性化的视觉体验，大数据BI平台支持表格动态数值预警功能和图形设置动态警戒线，支持图表样式风格自由拖拽调整。同时，也需要大数据BI平台智能自动设置预警值和样式风格等。(二) 提升平台的数据挖掘能力为满足企业业务人员自助数据分析和自动挖掘的需求，中国大数据BI产品需要在已有的数据可视化和数据分析的功能基础上，增强数据自动挖掘能力，使业务人员在能够掌握挖掘基本概念的基础上，深入挖掘分析业务数据，为业务运营提供数据结论支持。大数据BI平台需要支持嵌入式高级分析功能，用户能够轻松使用平台内置的高级分析功能，也可以通过导入和集成外部开发的高级分析模型。比如平台内含数据挖掘常见算法（如线性预测、时序预测、聚类、分类等），或者提供外接其他数据挖掘平台和工具的可视化接口（如R语言或者Python语言），甚至内含适合特定业务场景的挖掘模型 。(三) 提升平台大数据处理能力为满足企业对大数据BI平台实时响应的需求，中国大数据BI产品需要将当前大数据处理能力提升一个量级，达到10亿数据量秒级响应水平，同时支持丰富多样的数据源。大数据BI平台需要支持丰富的数据源，如企业主流的关系型数据库、大数据平台、NOSQL数据库以及多维数据库，需要支持实时对接数据平台和分布式引擎拓展，同时支持跨数据源关联，同时支持对较大级别数据量进行数据抽取和索引建模，提高数据分析效率。(四) 提升平台的数据管理能力为了满足中国企业业务人员用户对数据处理的需求，中国大数据BI平台需要提升自身的元数据管理能力、数据的ETL处理能力、数据存储能力。提高元数据管理能力，使得用户能够集中管理元数据，包括对元数据进行检索、提取、处理、存储、分享复用和对外发布。中国企业的业务人员将需要在数据分析的过程中，直接操作经过IT人员标准化处理的元数据。近几年来，中国数据分析人才迅速增加，企业中也成长出一批有一定数据分析能力的业务人才，这些中国企业业务人才更多的是需要对数据进行ETL处理和存储，这就需要平台功支持用于查询、提取、转换和加载的功能，具有索引、管理、调度数据的能力。(五) 提升平台分析的共享能力随着ERP、OA、MES、HIS等常见业务系统的完善，企业少则数十套IT系统，多则上千套系统。新型自助BI需要能够与多个系统同时融合，全面分析企业的业务数据。这就需要中国大数据BI产品需要加强产品与不同软件系统的集成融合能力，这是中国企业面临的共同难题。大数据BI平台需要支持嵌入式部署，如主流的应用服务器，支持跨平台的权限集成和页面集成。大数据BI平台不同用户创建的分析页面，可以方便地分享给其他成员。同时，在企业的分析用户设计仪表板时，可以复用仪表板中的图表、维度、指标等，支持用户分享指定页面进行给其他部门成员，便于互动沟通交流。为满足企业人员实时办公、互通信息的需要。大数据BI平台还需要支持移动端上共享和查看分析结果，支持在移动端对分析结果进行数据层级钻取穿透、联动等。(六) 提升平台的安全性为了满足企业多级部门同时使用、不同权限的功能，中国大数据BI产品除了要提供灵活丰富的用户管理功能、权限控制功能，还需要内置强大的用户行为监控与分析功能，确保企业的数据安全和信息保密。大数据BI平台将支持持批量导入用户，支持同步企业统一权限管理数据库中的用户，以企业IT系统统一的用户管理方式进行用户管理。支持用户以企业IT系统统一的用户权限认证方式进行权限管理。同时，需要支持短信平台功能，并可用于用户账号身份验证等，多种用户和权限管理方式，来满足广大中国企业的不同的安全级别要求和安全管理策略。随着大数据BI在中国的发展，中国企业自身的大数据BI平台已有众多员工账号。这就对大数据BI平台提出新的挑战，除了要拦截非法用户，还要对大数据BI平台有效用户进行有效监控。2018年，大数据BI平台需要支持监控用户的操作行为，支持监控页面被访问的频次、访问来源，甚至是支持监控访问到的数据范围。为了保证大数据 BI平台系统持续支持企业经营管理，需要大数据BI平台支持系统数据迁移到企业数据库，支持对系统进行备份与还原，备份可以手动或设置周期定时备份。同时，支持云端服务器部署和本地服务器部署，支持多机热备，达到企业的灾备要求。此外，为了有效避免BI平台出现严重异常，还需要支持监控自身的运行性能，遇到系统性能风险，提前给出系统预警信号。