2019中国工业大数据发展及投资价值研究-赛迪顾问-2019.8-28页_1mb

2019中国工业大数据发展及投资价值研究总结

一、工业大数据概念与演进

工业大数据定义

工业大数据是指在工业领域中，围绕智能制造模式，以数据采集、分析处理和服务应用为主的各类经济活动所产生的数据的总称。涵盖从客户需求到售后服务、运维等产品全生命周期的数据。

发展历程

随着大数据应用时代的到来，工业大数据作为其细分领域逐渐受到重视。国家政策在需求端和供给端均出台相应规划，推动信息化技术与工业的深度融合，创新新技术、新产品和新模式。

二、工业大数据市场发展概况

市场规模

中国工业大数据市场受政策、技术进步和智能应用普及等因素影响，成为工业转型的重要方向。2016-2018年市场规模稳步增长，预计未来三年增速将超过中国整体大数据市场增速。

市场特征

• 用户结构：离散型企业用户占比最大，因其设备和零部件多，故障检测复杂，大数据技术能显著提升生产效率。
• 产品结构：设备故障诊断和生产过程可视化产品占据大部分市场份额，具有一定的通用性，可实现标准化。
• 客户类型：大型工业制造类企业为主要客户，其自动化程度高、工艺流程复杂、数据体量大，对大数据技术的需求强烈。

三、典型应用场景

产品设计与研发

• 案例：福特公司利用大数据分析用户驾驶习惯，优化产品设计。
• 作用：有助于明确用户需求，提升用户体验，适用于多种离散型制造业。

能耗优化

• 案例：恒逸石化通过大数据分析实现燃煤效率提升2.6%。
• 作用：优化能耗，提高效益，适用于多种工业场景。

供应链优化

• 案例：海尔集团通过大数据分析优化供应链，缩短供应周期，提升利润。
• 作用：为其他行业（如手机、制药）提供供应链优化的示范。

预测性维护

• 案例：金风科技利用大数据预测风机叶片结冰，降低运维成本。
• 作用：保障生产安全，提升运行效率，适用于各种工业设备。

四、发展趋势与投资方向

核心趋势

• 智能制造与工业互联网：工业大数据将成为其发展的核心，推动数据流闭环，实现精准分析和科学决策。
• 行业聚焦与场景深耕：工业大数据企业将更多聚焦于特定行业和场景，提升解决方案的针对性。
• 数据安全：随着数据成为核心资产，数据安全将成为企业智能化升级的重要考量因素。
• 数据资产管理：提升数据全生命周期管理能力，保障数据资产的安全、完整和高效利用。
• 工业机理模型库：构建行业级模型库，提升工业APP开发能力和工业互联网平台技术实力。
• 工业APP：作为工业互联网平台的应用层，将成为工业大数据的重要载体，推动知识显性化和系统化。
• 内生培养数据思维工程师：工业企业更倾向于内部培养复合型人才，以支持数字化转型。

投资重点

1. 基于平台的数据驱动型解决方案提供商：提供企业服务平台、运行监测平台和智能分析平台，解决数据孤立和应用困难问题。
2. 实用性工业APP开发企业：随着工业互联网发展，工业APP将批量出现，实用性高的企业将受到市场关注。
3. 工业机理模型库建设能力强的企业：模型库是工业互联网PaaS层的核心，对工业APP开发和平台能力提升具有重要意义。
4. 具有制造基因的企业：由工业企业设立的专门研究工业大数据的分支，具备较强的技术和资金实力，发展前景广阔。

五、工业大数据投资价值企业20强

数据来源：赛迪顾问整理，2019年7月

六、总结

工业大数据已成为推动智能制造和工业互联网发展的重要力量。其应用场景广泛，涵盖产品设计、能耗优化、供应链管理、预测性维护等多个方面。未来，工业大数据企业将更注重行业深耕、数据安全和模型库建设，同时，工业APP和平台型解决方案将成为市场关注的重点。具备制造基因和较强技术能力的企业将在这一领域占据优势，成为投资价值高的代表。