照此计算，今年电信运营商平均每天收入47亿元！

那么，运营商靠什么业务赚钱的呢？

报告显示，通话业务收入占比仅占7.8%，而三大运营商最赚钱的业务是手机流量、大数据等新兴业务以及宽带，占比分别为38.4%、21.1%和15.3%。

前三季度，三家基础电信企业完成互联网宽带业务收入为1962亿元，同比增长8%，在电信业务收入中占比为15.3%，占比较上半年提升0.3个百分点，拉动电信业务收入增长1.2个百分点。

前三季度，三家基础电信企业完成移动数据流量业务收入4920亿元，同比增长0.4%，在电信业务收入中占比为38.4%，拉动电信业务收入增长0.2个百分点。

新兴业务收入持续较快增长。三家基础电信企业积极发展IPTV、互联网数据中心、大数据、云计算、物联网等新兴业务，前三季度共完成新兴业务收入2702亿元，同比增长19.8%，在电信业务收入中占比为21.1%，拉动电信业务收入增长3.7个百分点。

其中云计算、大数据收入同比增速分别达35%和37.1%，物联网业务收入同比增长24.1%。

语音业务收入保持下滑。前三季度，三家基础电信企业完成固定语音和移动语音业务收入143.3亿元和853.9亿元，同比分别下降8.3%和1.4%，在电信业务收入中共占7.8%，占比同比回落0.7个百分点。

自 快科技

作为数字化时代最为重要的生产要素，大数据以其海量性、多样性、时效性及可变性等特征，已经成为新时代重要的无形资产。短期来看，数字化转型和智能化升级的需求使得企业对底层数据产生更多要求，进而增大对大数据治理的投入，持续带动大数据平台的发展。长期来看，随着政府和企业预算逐步释放和市场规模渐成体系，中国市场大数据IT支出增速将逐步放缓。

技术维度

从技术维度来看，大数据软件市场在五年预测期内有较大发展潜力，支出增速位居技术市场第一。IDC预测，大数据软件市场将在2025年超越硬件市场，成为中国大数据技术市场投资流入最多的子市场，2027年软件市场规模超160亿美元。随着数据量、数据算法等复杂度的提升，现有开源版软件将不足以支撑企业对大数据处理的要求，更多企业开始对数据查询、数据分析等应用产生商业化定制需求，进一步增大对大数据软件市场的投资。聚焦软件细分市场，支出增速最高的技术子市场为搜索系统（Search Systems）、内容分析工具（Content Analytics Tools）和客户关系分析应用（Customer Relationship Analytic Applications）。此外，AI 技术的不断发展催生出大量从大数据系统调取数据的需求，建设人工智能与大数据平台的实时连接将成为未来几年的市场热点。因此，软件市场支出规模最大的AI软件平台（AI Software Platforms）子市场投资占比将进一步扩大，预计2027年占比接近30%。

值得注意的是，从部署模式来看，中国大数据软件市场投资在未来将进一步流向公有云平台相关的市场。各行业企业级用户受企业数字化转型驱动，选择上云来帮助企业实现内部数据管理实时化、共享化和智能化。因此，大数据公有云部署相关支出将在未来一段时期保持投资焦点的地位，五年投资复合增长率近30%。

聚焦大数据服务市场，2027年中国市场对大数据服务支出规模近140亿美元，位居技术市场第二。面对全球服务市场增速放缓的大趋势，中国大数据服务市场将以两倍于全球平均水平的五年CAGR稳步增长。

从硬件市场的角度来看，越来越多的企业倾向于将大数据管理功能部署在云平台，同时经过过去几年的飞速建设发展，企业级终端用户大数据硬件系统部署初具雏形，因此市场对大数据硬件产品的支出增速将逐步放缓。

行业应用

IDC预计，在五年预测期内，专业服务仍是对大数据投资最多的行业。此外，电信、金融和政府也将成为对大数据技术市场支出规模较大的行业，支出合计近整个市场的六成。

IDC调研显示，金融业支出受到政策利好和数字化转型需求驱动，投入预算利好。金融行业信息化基础较好、数据处理量较大、市场服务要求更高。随着数据量、数据算法等复杂度的提升，金融行业用户开始对平台管理、决策分析等产品产生更多要求。IDC预计，银行业用户在2023年将进一步加大大数据投资，保险与证券行业也将在未来采购更多大数据产品及服务。此外，中央及地方政府为建设智慧城市、智慧医疗、智慧园区等项目，将会产生更多对大数据产品及服务的采购需求，将在推动政府行业大数据支出增长的同时还将带动资源、通讯及制造等行业的相关支出。

终端用户企业规模

IDC《全球大数据支出指南》将终端用户企业规模由上至下分为了五个区间，从企业规模的维度对大数据支出情况做出进一步透视。超大型企业和大型企业已经拥有良好的大数据系统和专业团队，依托优势数据资源、高水平信息化技术以及较强预算支出能力，预计在五年预测期内大数据支出将继续增长，占据整个市场的八成以上。尽管受疫情影响，2022年底初创企业数量锐减。但随着大数据市场的发展，云平台成为越来越多中小型企业选择应用大数据技术的渠道，从而使中小型企业可以使用与主要市场参与者相同的工具并参与竞争。因此中小型企业大数据支出虽市场占比较小，但整体增速较快。

IDC分析表明，2022年中国数字政府一体化大数据管理平台整体规模达59.1亿元人民币，增长率为19.2%，处于稳步增长阶段。从竞争格局来看，华为、阿里云和浪潮云在2022年中国数字政府大数据管理平台市场排名前三，新华三/紫光云位列第四，中国电子云和数梦工场并列第五，烽火和联通数科分列第七和第八位。同时，软通智慧、星环科技、千方科技和城云科技等企业都是此领域重要的供应商。

2022年整体市场

IDC分析表明，2022年中国数字政府数据治理市场整体规模达47.5亿元人民币，年增长率为19.5%，在疫情防控、智慧城市、数据要素建设的驱动下，市场重新认识到数据治理的重要性，竞争进一步加剧。从竞争格局来看，浪潮云、中国电子云和新华三/紫光云在2022年中国数字政府数据治理市场排名前三；烽火、数梦工场和华傲数据分列第四到第六位；同时软通智慧、亿信华辰等企业都是此领域重要的供应商。

2022年整体市场

预测和建立未来所需的技能在快速变化的劳动力市场中是至关重要的。这项研究被认为是在欧洲和北美之外进行的第一项此类研究，可以帮助确定需要培养哪些技能以支持向更好的工作过渡。

利用乌拉圭招聘网站BuscoJobs的数据，《利用在线空缺和求职者数据研究技能动态》一书的作者创建了一个技能分类法，该分类法汇总了三大类技能——认知、社会情感和手工劳动，以及与解决问题、批判性思维、团队合作、沟通或手指灵活性等技能相关的14个普遍观察和可识别的子类别。

该分类法抓住了工人在工作中所需要的技能以及与个人属性相关的技能。它试图涵盖雇主在空缺广告中要求的技能和工人在他们的在线资料中所描述的技能。

一个一致的分类法对于准确跟踪劳动力市场需求的变化非常重要，从而帮助雇主填补空缺，帮助工人找到体面的工作，并帮助政策制定者规划未来。同样重要的是制定方法，使分类法能够应用于大数据，正如在研究中所做的那样，通过自然语言处理和机器学习技术。该方法现在可以应用于其他国家。

“我们的目的是开发一个全面但简洁的分类法，适合发展中和新兴经济体的劳动力市场，并适应在线空缺和求职者数据，以及使用这种大数据实施的方法，”报告的作者之一Veronica Escudero说。

“我们方法的优点是依靠目前世界上许多国家都有的数据，从而可以进行国别分析，不需要假设各国的职业技能是相同的。据我们所知，我们是第一个在新兴经济体背景下探索这种方法的人，”经济学家和报告小组成员Hannah Liepmann说。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

大数据行业近年迎来多项重大变化，一方面数据要素化再次强调数据战略地位，另一方面《数据安全法》《个人信息保护法》等法律法规标准进一步明晰行业规范，同时数据技术创新与应用创新也在快速演进。

由中国信息通信研究院、中国通信标准化协会指导，中国通信标准化协会大数据技术标准推进委员会主办的“2022大数据产业峰会”近日在京举办。会上，中国信通院云大所所长何宝宏发布「2022大数据十大关键词」，对大数据行业的最新发展趋势进行了总结与分析。

关键词一：创新型数据库优化数据资源化过程

数据库作为支撑数据存储、计算的核心技术产品，为了适应数据要素相关需求，正快速进行技术革新。

一方面，AI数据库、Serverless云原生数据库推动对于数据的价值挖掘从“阳春白雪”变为“下里巴人”。利用数据不再是金融、电信等数据密集型行业的特色，而是变成全社会、全行业的普适性行为。这导致数据的加工利用过程需要更加平民化、高效化。

AI数据库具备自动运维、智能开发等能力，Serverless云原生数据库具备按量计费、弹性扩容等能力，均可实现数据加工利用过程的降本增效。

另一方面防篡改数据库、全密态数据库支撑数据完成高效确权定价、便捷合规流通。防篡改数据库在高效存储计算基础上，提供数据防篡改和操作防篡改功能，从而支撑数据确权定价，而全密态数据库能够实现数据在加密状态下的高效存储和计算，从而支撑数据合规流通。两者均成为学术机构和供应商的研究热点。

关键词二：图计算平台助力大规模图数据资源化

图数据与传统行列式数据不同，它通过点、边模型，高效描述实体、属性、关系的数据模型，近年来被广泛用于企业智能营销风控等必要数据应用中。

高考阅卷工作接近尾声，明天起，各地高考成绩将陆续公布。根据教育部公布的普通高校本科审批结果，今年普通高校新增31个本科专业，大学本科专业增至771个，涉12个学科门类92个专业类。全国已有32所职业本科学校，共开设155个专业，职业本科已正式纳入学士学位体系。

自 快科技

咨询机构能够从宏观上帮助企业进行数智融合的方法论指导，而作为企业的数字底座云计算厂商亚马逊云科技，有着更深层次的认识，能够帮助企业完成技术实现。

在不久前召开的《云领数智融合，重塑数据洞察》沟通会上，亚马逊云科技大中华区产品部总经理陈晓建建议，企业要重塑数据洞察，一定是将数据（大数据技术）和智能（机器学习技术）进行融合和统一。

大数据与机器学习的需求变化也越来越多。主要表现为四个方面：

组织架构层面：将原来分散在各个部门的机器学习实践进行整合，并与大数据项目进行统一协调和资源配置；

人员能力层面：要求和安排原有传统的大数据实践者掌握机器学习技术，应用到大数据具体项目或承接新的机器学习相关的项目需求，要求机器学习从业者也要掌握大数据处理能力，更好、更便捷地完成模型所需的数据准备和加工；

项目实施层面：仅依靠传统的大数据技术是无法全方位提供充足的数据见解，仍需要机器学习的模型能力补充，越来越多的数据项目会融合大数据和机器学习两者的能力；

工具支撑层面：需要面向大数据技术和机器学习构建统一的开发平台和技术基础，可能是对已有大数据平台进行改造增加机器学习相关场景和能力，或是完全推倒重新构建一个面向两者的通用的平台。

在现实中，数据分析与机器学习之间，存在着很多不协同的问题。如何将二者进行有效融合，陈晓建认为需要解决三个方面的问题：

第一：数据和机器学习分而治之，数据及技术孤岛制约敏捷迭代。

第二：数据处理能力不足。在生产制造企业，机器学习帮助客户对产品售后维修需求进行预测，由被动响应变为主动规划。但由于不具备足够的大数据处理能力，模型开发成功后 ，不能够有效收集处理海量的运营数据，致使预测不准确，无法达到预期业务目标。

第三：据分析人员参与度低。现实情况经常是，模型在实验环节效果良好，但实际使用中却不尽人意，实验环境只是对真实环境的简单模拟，生产环境要复杂得多。

与一般的咨询公司给出的方法论不同，亚马逊云科技能在技术细节上帮助企业更有效实现升级变革。这蕴含了亚马逊云科技三大技术能力：

构建云中统一的数据治理底座，打破数据及技能孤岛。亚马逊云科技能帮助客户构建统一的数据治理底座，实现大数据和机器学习的数据共享，数据权限的统一管控，以及两者统一的开发和流程编排。云中统一的数据治理底座不仅能提升大数据和机器学习的高效融合，还能减少大数据和机器学习重复构建的工作，并且显著降低成本。其中， Amazon Lake Formation推出诸多新功能，实现了数据网格跨部门的数据资产共享，以及基于单元格的最细粒度的权限控制机制。Amazon SageMaker Studio可一站式地完成数据开发、模型开发及相关的生产任务，该服务基于多种专门构建的服务，如交互式查询服务Amazon Athena、云上大数据平台Amazon Elastic MapReduce （Amazon EMR）、云数据仓库服务Amazon Redshift、Amazon SageMaker等，为大数据和机器学习提供统一的开发平台。

助力机器学习由实验转为实践，为机器学习提供生产级别的数据处理能力。机器学习项目成功的关键是对复杂的数据进行加工和准备。亚马逊云科技提供多种灵活可扩展、专门构建的大数据服务，帮助客户进行复杂的数据加工及处理，应对数据规模的动态变化，优化数据质量。其中，Amazon Athena能够对支持多种开源框架的大数据平台，包括Amazon EMR、高性能关系数据库Amazon Aurora、NoSQL数据库服务Amazon DynamoDB、Amazon Redshift等多种数据源，对这些数据源进行联邦查询，快速完成机器学习建模的数据加工。 以Amazon Redshift、Amazon Managed Streaming for Apache Kafka （Amazon MSK）和 Amazon EMR 为代表的无服务器分析能力，可以让客户无需配置、扩展或管理底层基础设施，即可轻松地处理任何规模的数据，为机器学习项目提供兼具性能和成本效益的特征数据准备。

让数据分析智能化，赋能业务人员探索创新。亚马逊云科技还不断提供更加智能的数据分析服务，赋能业务人员进行智能分析、模型效果验证以及自主式创新。例如，在日常分析工具中集成机器学习模型预测能力，其中深度集成机器学习Amazon SageMaker模型预测能力的Amazon QuickSight 、在分析结果中添加基于模型预测的Amazon Athena ML，可帮助用户使用熟悉的技术，甚至通过自然语言来使用机器学习。亚马逊云科技还提供如Amazon Redshift ML、可视数据准备工具Amazon Glue DataBrew、零代码化的机器学习模型工具 Amazon SageMaker Canvas等服务，让业务人员探索机器学习建模。

亚马逊云科技 “云、数、智三位一体”服务组合优势能够打破数据及技能孤岛、机器学习由实验转为实践、赋能业务人员探索创新。而企业则可以云中打造统一的数据基础底座，实现大数据和机器学习的双剑合璧，为企业发展提供新动力。

俄罗斯和乌克兰所引发的地缘政治危机对于遭受新冠疫情长期肆虐的世界无疑是雪上加霜。今年数据和分析领导者的工作重点之一是管理由此引发的持续不确定因素和波动性。

现在应该根据关键数据和分析技术趋势对于业务优先事项的紧迫性和匹配性来监测、尝试或积极投资于这些趋势，以此预测、调整并扩大数据和分析战略的价值。

今年的主要数据和分析趋势主要关注以下三大主题：

• 激活多样性和活力。使用自适应AI系统推动增长和创新，同时应对全球市场的波动。
• 增强人员能力和决策，以提供由业务模块化组件创建的丰富的、情境驱动的分析。
• 将信任制度化，以大规模地实现数据和分析的价值。管理AI风险并实施跨分布式系统、边缘环境和新兴生态系统的互联治理。

亚马逊云科技大中华区产品部总经理陈晓建表示：“随着企业数据越来越多，机器学习模型越来越先进，很多企业期望通过大数据与机器学习技术的融合，进一步带动业务创新，提升产出。但企业往往面临一个困境，有大量的数据和分析技术储备，也尝试了很多先进的机器学习模型，但就是很难有实际的业务产出。企业不能只靠机器学习，而应在云中打造统一的数据基础底座，实现大数据与机器学习的‘双剑合璧’。 在大数据与机器学习领域，亚马逊云科技提供广泛而深入的服务，既有能打通两个领域的数据治理底层服务，还能实现大数据与机器学习之间的相互赋能。我们希望能凭借在这两个领域的领先技术以及服务全球数百万客户的实践经验，帮助客户加速实现大数据和机器学习融合的落地，为企业节本增效，提供业务发展的新动力。”

“云、数、智三位一体”的亚马逊云科技大数据与机器学习融合服务组合

亚马逊云科技 “云、数、智三位一体”的大数据和机器学习融合服务组合，是亚马逊云科技“智能湖仓”架构的重要组成。亚马逊云科技通过在云中构建统一的数据治理底座，提供数据分析服务保障机器学习的生产实践，实现机器学习反向赋能智能化数据分析，促进云、数、智三者的统一与融合，帮助客户推进机器学习项目的落地。

• 构建云中统一的数据治理底座，打破数据及技能孤岛。亚马逊云科技能帮助客户构建统一的数据治理底座，实现大数据和机器学习的数据共享，数据权限的统一管控，以及两者统一的开发和流程编排。云中统一的数据治理底座不仅能提升大数据和机器学习的高效融合，还能减少大数据和机器学习重复构建的工作，并且显著降低成本。其中， Amazon Lake Formation推出诸多新功能，实现了数据网格跨部门的数据资产共享，以及基于单元格的最细粒度的权限控制机制。Amazon SageMaker Studio可一站式地完成数据开发、模型开发及相关的生产任务，该服务基于多种专门构建的服务，如交互式查询服务Amazon Athena、云上大数据平台Amazon Elastic MapReduce （Amazon EMR）、云数据仓库服务Amazon Redshift、Amazon SageMaker等，为大数据和机器学习提供统一的开发平台。
• 助力机器学习由实验转为实践，为机器学习提供生产级别的数据处理能力。机器学习项目成功的关键是对复杂的数据进行加工和准备。亚马逊云科技提供多种灵活可扩展、专门构建的大数据服务，帮助客户进行复杂的数据加工及处理，应对数据规模的动态变化，优化数据质量。其中，Amazon Athena能够对支持多种开源框架的大数据平台，包括Amazon EMR、高性能关系数据库Amazon Aurora、NoSQL数据库服务Amazon DynamoDB、Amazon Redshift等多种数据源，对这些数据源进行联邦查询，快速完成机器学习建模的数据加工。 以Amazon Redshift、Amazon Managed Streaming for Apache Kafka （Amazon MSK）和 Amazon EMR 为代表的无服务器分析能力，可以让客户无需配置、扩展或管理底层基础设施，即可轻松地处理任何规模的数据，为机器学习项目提供兼具性能和成本效益的特征数据准备。
• 让数据分析智能化，赋能业务人员探索创新。亚马逊云科技还不断提供更加智能的数据分析服务，赋能业务人员进行智能分析、模型效果验证以及自主式创新。例如，在日常分析工具中集成机器学习模型预测能力，其中深度集成机器学习Amazon SageMaker模型预测能力的Amazon QuickSight 、在分析结果中添加基于模型预测的Amazon Athena ML，可帮助用户使用熟悉的技术，甚至通过自然语言来使用机器学习。亚马逊云科技还提供如Amazon Redshift ML、可视数据准备工具Amazon Glue Databrew、零代码化的机器学习模型工具 Amazon SageMaker Canvas等服务，让业务人员探索机器学习建模。

全球数十万计的客户选择亚马逊云科技开展云上数智融合之旅

目前，全球数十万客户正借助亚马逊云科技大数据及机器学习服务开展业务创新，将机器学习投入实践，解决现实世界中真实和复杂的数据应用场景。乐我无限（Joyme）运营的全球化直播平台LiveMe，荟萃了来自200多个国家和地区的近100万名主播，每月活跃用户数（MAU）超过3700万。LiveMe基于亚马逊云科技的解决方案搭建了数据研发中心平台的核心技术服务。Joyme数据研发中心总监杨飞表示：“LiveMe核心业务均部署在亚马逊云科技上，通过亚马逊云科技的技术赋能，实现了降本增效，加速了业务创新。通过直播内容实时识别技术服务，LiveMe不仅提升了用户体验，还大量降低了内容管理的业务成本。通过欺诈交易识别技术服务辅助识别欺诈交易，减少欺诈、拒付类交易，LiveMe每年减少经济损失可达数百万美元。未来LiveMe将在系统稳定性、数据驱动以及新技术开发等方面加深与亚马逊云科技的合作。”

丰富的合作伙伴解决方案助推客户数字化转型

亚马逊云科技构建了强大的合作伙伴网络，通过合作伙伴网络成员帮助客户构建解决方案。亚马逊云科技合作伙伴上海欣兆阳（Convertlab）以云计算、大数据和人工智能为代表的数字化技术，为企业营销提供数字化、自动化、智能化基础设施以及相关的专业服务。Convertlab 联合创始人兼CTO李征表示：“基于亚马逊云科技统一的数据基础底座， Convertlab构建了相辅相成的一体化数据智能湖仓架构Data Hub和一体化高效机器学习平台AI Hub，使数据流转时效性提升32%，可进行快速的特征设计与机器学习模型迭代，模型上线效率提升30%。当前已上线5大营销特征类别，300多营销特征，20多营销AI模型，更好地赋能客户智慧营销，实现业务增长，助推行业数字化转型。”

此外，亚马逊云科技还通过数据科学实验室、机器学习实验室和机器学习专业服务等一系列定制化措施，从基础能力构建到行业前沿知识分享，帮助客户将“数据驱动转型”从设想到全面落地，重塑创新引擎。

结果显示，中国在六个可持续发展目标方面正向着2030年可持续发展目标迈进，尤其是2015年之后，改善幅度较大。《报告》指出，中国有四个指标整体已经接近或达到2030年可持续发展目标，包括五岁以下儿童生长迟缓比例、可便利使用公共交通的人口比例、土地退化比例和山地绿色指数。

可持续发展大数据国际研究中心主任、中国科学院院士郭华东指出，应对可持续发展目标所面临的数据挑战需要开拓更有效的方式。充分发掘利用和创新地球大数据技术，是解决当前面临可持续发展的数据鸿沟、信息和工具缺失问题的有效途径。作为致力于大数据服务可持续发展目标的国际研究机构，可持续发展大数据国际研究中心将建成集“存储、计算、分析、服务”的SDG大数据技术服务体系、开展SDG指标监测与评估科学研究、研制并运行SDG科学卫星、构建科技促进可持续发展智库，并开展大数据服务可持续发展目标的人才培养和能力建设。

在零饥饿方面，聚焦可持续粮食生产体系，构建了中国耕地复种指数和14种主要作物空间分布数据集，展现了地球大数据技术在及时快速信息获取和多源数据融合方面的能力。

在清洁饮水和卫生设施方面，围绕改善水质、提高用水效率、水资源综合管理、保护和恢复与水有关的生态系统四个具体目标，发展了中国湖泊水体透明度数据集、全球大型湖泊水体透明度数据集、全球农业区的作物水分利用效率数据集、中国自然和人工水体分布数据集，以及中国沼泽湿地分布数据集。

在可持续城市和社区方面，聚焦公共交通、灾害评估、公共开放空间三个具体目标开展了基于地球大数据技术的指标监测与评估，并在中国市级尺度开展了多指标综合评估。生产了分性别、年龄段的中国人口高精度公里格网数据、中国地市级自然灾害总体损失年际变化数据集、中国城市建成用地绿地空间组分数据产品、中国社区尺度城市景观数据产品。

在气候行动方面，聚焦抵御气候相关灾害、应对气候变化举措、气候变化适应和预警三个具体目标，通过地球大数据方法生产了中国沙尘天气年际影响范围数据集、中国CO2和NO2浓度数据集、中国森林净生态系统生产力数据集、全球净生态系统生产力及其驱动因素数据集、综合海表卫星与ARGO浮标观测资料生产全球海洋热含量数据集。

在水下生物方面，聚焦可持续管理和保护海洋及沿海生态系统具体目标，通过时空数据融合、四维变分同化预报和深度学习等方法，在中国和典型地区两个空间尺度，完成了中国红树林动态变化、中国滨海养殖池动态变化等数据集产品生产和黄海大型藻华监测预警模型实用性验证等工作。

在陆地生物方面，聚焦陆地和内陆的淡水生态系统保护、恢复与可持续利用、山地生态系统保护与遏制生物多样性丧失三个具体目标，生产了全球山地绿色覆盖指数及濒危物种公里网格空间精细分布两套数据集产品；评估了中国生态系统质量及动态变化、中国草地生态系统保护现状及越冬白鹤栖息地时空变化特征；得出了中国2000~2015年生态系统质量显著提升，中国草地生态系统总体保护效果较好，但仍有5类分布面积较小的草地保护比例低，鄱阳湖栖息地退化亟须进一步保护等科学发现。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

2021十一黄金周正式开启，假期首日国民出行情况如何？据百度地图节假日出行仪表盘数据显示，截至10月1日14:00，当日全国高速平均拥堵里程3863.28km，较2020年同期下降33.3%， 较2019年同期上升49.4%，高速拥堵峰值出现在10:30，拥堵里程为7680.31km。与此同时，全国主要交通枢纽、景区、游乐场、购物中心的热度也大幅上升。

截至10月1日14:00 百度地图出行仪表盘全国高速拥堵趋势

截至10月1日14:00 百度地图出行仪表盘全国高速拥堵情况

截至10月1日14:30 百度地图出行仪表盘全国交通枢纽人流量

10月1日14：30左右百度地图APP交通枢纽热力图

截至10月1日14:30 百度地图出行仪表盘全国热门景区人流指数

截至10月1日14:30 百度地图出行仪表盘全国购物中心人流量

9月30日 百度地图迁徙大数据平台热门迁入/迁出地

在全球疫情下，中国经济率先复苏并总体保持恢复态势。今年是中国政府实施“十四五”规划的第一年，围绕新一代信息技术等战略性庄闲游戏在哪 的投资增速进一步提升。IDC预测，中国大数据市场2021年整体规模超110亿美元，且有望在2025年超过250亿美元，呈现出强劲的增长态势。在五年预测期内，中国终端用户对大数据硬件、软件、服务的支出分布相对平均——与美国等区域不同，中国大数据市场的软件订阅制服务占比较低，本地部署及私有云模式仍需要采购大量硬件设备。至2025年，硬件预计将吸收中国大数据市场约40%的投资规模，超过软件和服务，增长稳定；大数据软件市场占比将逐年提升，2025年超30%的市场支出将流向软件，五年CAGR达到26.7%。

IDC《2021年V2全球大数据支出指南》在技术维度（硬件、软件、服务）的基础上进一步对大数据子市场做出了细分。以增速较快的软件市场为例，2025年占比最多的三个软件子市场分别为人工智能软件平台（AI Software Platforms）、非关系分析数据存储（Nonrelational Analytic Data Stores）及终端用户查询、报告和分析（End-User Query, Reporting, and Analysis Tools）。IDC预计，2021年三者总和约占中国大数据软件市场的48.4%，并在2025年提高至58.8%。非关系分析数据存储、内容分析（Content Analytic Tools）及搜索系统（Search Systems）有望成为中国三大热点子市场，增速较快，五年CAGR均在40%以上。

在IDC《全球大数据支出指南》持续追踪的19个行业当中，IDC预计，2025年中国55%以上的大数据IT支出将来自于政府、通讯、制造及银行四个行业。不同规模、行业和区域的终端用户在内部的数字化能力存在差异，就增速而言，保险、通讯、政府等行业展现出了较大的发展潜力。

同时，IDC《全球大数据支出指南》将终端用户企业规模由上至下分为了五个区间，从企业规模的维度对大数据支出情况做出进一步透视。其中，雇员超过1,000人的超大型企业在五年预测期内（2021-2025）占据了整个中国市场支出的60%以上。与体量较小的企业相比，大型及超大型企业数据多、业务多、信息化基础好。同时为保持竞争优势，超大型企业在数字化转型方面预算相对充裕，进而带动了大数据支出需求。

按区域分析，华北地区在发展环境、产业发展两个方面指数较高；华东地区在产业发展、发展环境两个方面指数较高；华南地区在创新发展、数据治理、产业发展三个方面指数较高；华中地区在发展环境、产业发展两个方面指数较高；西南地区在发展环境、产业发展两个方面指数较高。总体来看，华南地区整体发展情况较好，其他4个区在数据治理方面都偏弱。

从四大一级指标来看产业发展方面北京第一，杭州、上海、广州、武汉分别为第二、第三、第四、第五；

发展环境指数方面北京第一，上海、贵阳、天津、成都分别为第二、第三、第四、第五；

数据治理指数方面北京第一，深圳、广州、贵阳、南京排名分别为第二、第三、第四、第五；

创新发展指数方面北京第一，深圳、上海、广州、杭州分别为第二、第三、第四、第五。

来源：中国电子技 术标准化研究院、中科大智慧城市研究院、CIO 时代研究院

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

哪些城市大数据企业最多？深圳、上海、西安位列前三

从地域分布来看，广东省的大数据企业数量遥遥领先，共计2.81万家，山东省则以1.64万家排名第二位，上海作为直辖市，大数据企业数量在全国省市中排名前三位，共计1.41万家。此外，陕西、江苏以及浙江等城市的大数据企业数量排名靠前，产业较为发达。

从城市分布来看，深圳市共有大数据企业1.60万家，上海和西安的相关企业数量均过万，分别有1.41万家和1.16万家。广州、重庆和福州等城市的大数据企业数量排名靠前。

2020年大数据企业新增6.36万家，同比增长145%，呈井喷态势

2011年以来的十年之间，大数据企业的注册量呈逐年增长趋势，2018年大数据企业的注册增速开始加快，当年共注册相关企业1.79万家，同比增长93%，2020年的大数据企业注册量达到了十年来的最高点，当年共注册6.36万家，同比增长145%，呈井喷态势。

从月度来看，2021年前五月共注册大数据企业4.28万家，同比增长152%。从月度来看，2021年三月和四月的大数据企业注册量较多，月均超过一万家，五月共注册大数据企业9262家，同比增长103%，环比减少18%。

从注册资本来看，注册资本在100-500万元以内的大数据企业数量最多，占比高达36%，注册资本在1000-3000万元和100万元以内的分别占20%和19%。

在新冠疫情肆虐时，使用传统分析技术并因此而严重依赖大量历史数据的企业意识到了一件重要的事情：许多此类模式已不再有用。这场疫情几乎改变了一切，令许多数据失去了作用。

而具有前瞻性的数据和分析团队正在从依靠“大”数据的传统人工智能技术转向数量较少、但更加多样化的“小”数据。

Gartner发布的2021年十大数据和分析趋势之一便是从大数据转向小而宽的数据。这十大趋势是数据和分析领导者必须重视的业务、市场和技术动态。

Gartner杰出研究副总裁RitaSallam表示：“这些数据和分析趋势可以帮助企业机构和社会应对未来三年的颠覆性变革、巨大不确定性以及它们所带来的机遇。数据和分析领导者必须主动研究如何顺势而为，根据这些趋势做出加快自身预测、转变和应对能力的关键任务投资。”

每一项趋势都可以归入以下三大主题之一：

加速数据和分析变革：运用AI创新、经过改进的可组合性以及多元化数据源的敏捷、高效整合。

通过更有效的XOps实现业务价值的运营：优化决策并将数据和分析转化为业务的一个组成部分。

分布式实体（人和物）：需要灵活地将数据和洞察力联系起来，以增强更多的人和物的能力。

中国土地退化零增长进展评估和生物多样性保护对策、中国城镇可持续发展综合评价、中国湿地空间分布格局和保护对策、中国近海生态系统健康评估、全球中高分辨率森林覆盖监测……这一报告汇集了26个典型案例，提出24套数据产品、13种方法模型和19个决策支持。

中科院“地球大数据科学工程”发挥地球大数据多源、多时相、宏观快速和高度集成等优势，围绕零饥饿、清洁饮水与卫生设施、可持续城市和社区、气候行动、水下生物、陆地生物6个可持续发展目标，从全球、区域、国家、典型地区4个尺度，在数据、方法模型和决策支持方面深入研究。

“地球大数据科学工程”负责人、中科院院士郭华东介绍，可持续发展目标全球指标体系作为联合国会员国自愿采用的非约束性评估指标，仍在不断完善中。中科院“地球大数据科学工程”已逐步形成了地球大数据支撑可持续发展目标实现的理论体系，搭建了科技创新支撑2030年议程实施的创新平台。希望本系列报告的推出，能够为2030年议程全球落实和推动共建“一带一路”作出积极贡献。

中科院副院长张亚平说，“地球大数据科学工程”自立项伊始便积极组织科技力量，在联合国技术促进机制的框架下，探究地球大数据服务可持续发展目标实现的理论和技术方法。系列报告已成为中国科技支撑可持续发展目标的代表性成果，为2030年议程有效实施提供解决方案和科技支撑。

2019年，出席第74届联合国大会的中国代表团曾发布《地球大数据支撑可持续发展目标报告》。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

尽管已取得较大进步，医疗保健行业仍在努力试图解答一些颇为迫切的问题。如何帮助更多人活得更长寿、更健康？ 如何遏制飞涨的医疗保健费用？ 在数据泄露经常发生的时代，如何保护大量的个人信息和病历？

斯坦福大学的研究人员指出，答案在于对这个行业产生的大量数据进行处理，然后利用这些数据解决问题。 斯坦福大学的研究人员分析了大数据的需求、潜能和能力，并在题为《在医疗行业利用数据的力量》(Harnessing the Power of Data in Health)的白皮书中报告了结果。该报告阐述的其中一个要点是：在利用大数据来改善医疗保健服务方面，我们已取得很大进步，随着技术不断发展，我们一定会走得更远。

该报告总结了有助于改善医疗保健服务的众多发展，包括能检测健康问题的可穿戴技术,远程医疗，直接面对消费者的解决方案,以及更好的 IT 策略。 该报告称：“这些关键主题背后有一个重要的共同点：数据的力量及其深刻改变医疗保健行业未来的可能性。”

收集数据 

据 International Data Corporation 的统计，医疗保健行业在 2013 年产生了大约 153 艾字节的数据，约等于 2.6 万亿张音乐专辑。到 2020 年，这个数字预计会飙升至 2,314 艾字节，增幅超过 11,000%。

必定还有改进的余地——医疗保健行业可以利用这些数据做更多事情，为个人和广大患者更准确地预测健康问题，改进治疗效果。

这方面的工作已在进行。例如，斯坦福大学和杜克大学的医学院合作开展名为 Project Baseline 的项目，该项目将会用四年时间从 10,000 名参与者那里收集全面的健康数据，以构建关于人类健康和疾病的信息图。

个人记录依然会被保密，而收集到的大量数据（已剔除身份识别信息）现开放给研究人员和数据分析公司进行处理。例如，Apple 在 2015 年推出了开源的 ResearchKit 软件框架。ResearchKit 从 iOS 用户那里收集基因数据和体检结果，并使这些数据可用于研究和诊断。

“数据正从根本上改变研究行业，创造新的大好机会，让人类可以去学习以往不可能学到或者需要好几代人的努力才能学到的知识。” 斯坦福大学全体教师。 通过利用大数据，医护人员可以及早检测出问题并预防问题的发生，可以为病人制定更好的治疗计划，以及更有效的用药计划。药物可完全在计算机系统中进行模拟，减少费用高昂的医疗试验和试验参与者面临的不必要风险，同时改进新药研发过程。

报告称，“大数据有可能取代通常在实验室进行的许多研究，将会深刻改变已知的医疗研究过程。”

可穿戴的医疗保健设备 

现在来谈谈可穿戴技术。在某种程度上，消费者已在使用设备来监控心率，跟踪卡路里，计算步数或帮助实现健身相关目标。据 Kalorama Information 称，可穿戴技术市场正蓬勃发展，预计到 2020 年市场规模将达到 3.5 亿美元。

然而，斯坦福大学的研究人员预计该市场会发生巨大转变。可穿戴设备的目标人群将不再是运动爱好者，而是医疗保健公司及相关行业公司的客户。这些设备（可能包括微型植入物）可传输数据，跟踪佩戴者的健康情况、健康变化和康复情况。关于可穿戴技术的未来用途，该报告引述了普华永道发布的一项题为“The Wearable Life 2.0”的调查。

斯坦福大学的报告称，“医疗中心，而非科技公司和健身公司，很快将会成为可穿戴技术的实际提供商。事实上，大多数人承认，医生 (65%)、医院 (62%) 或医疗保险公司 (62%) 提供可穿戴技术是一件激动人心的事情。”

“一些专家预测，隐形或植入式可穿戴设备将会变得普遍，将会产生持续的数据流，实现持续的健康状况跟踪，与此同时，居家检测将有助于以更有针对性的方式检测疾病。例如，斯坦福大学医学院的研究显示，可穿戴设备能使用生物传感器来检测潜在疾病的征兆，”如莱姆病、胰岛素抵抗和炎症性疾病。

赋予患者力量 

技术及其产生的数据将继续改变患者获得医疗服务的方式，在某些情况下，还会改变甚至主导患者接受医疗服务的方式。

远程医疗（即，通过手机或门户网站实现患者与医生之间的连接）方便患者进行身体检查，尤其方便那些住在农村地区的患者。HIS Technology 称，远程医疗市场从 2013 年的 2.4 亿美元增长到 2018 年的 19 亿美元。

据美国远程医疗协会的统计，在 2016 年，72% 的医院和 52% 的医生组织开展了远程医疗计划。从 2015 年到 2016 年，提供远程医疗福利的大型雇主的比例从 48% 飙升至 74%。

报告称，这种增长体现了技术可以如何帮助普及医疗服务（一些患者难以获得医疗服务），并提高患者和医疗服务人员的效率。

精神科注册医生助理 Courtney Combe 每周工作5天，在其中的2天里她会通过门户网站为患者进行诊治。 “远程医疗帮助我为偏远地区的患者提供服务，如果没有这种技术，他们不可能得到护理。”Combe 说，“当我进行心理健康评估时，我不需要直接接触任何患者。所以在大多数情况下，远程医疗十分管用。” Combe 表示，即使在人口密集地区，心理健康也是一个服务不足的领域。小城镇更加难以吸引医生，尤其是精神科医生。

在采用远程医疗之前，需要心理健康护理的农村患者基本上只有以下几个选择：

•依靠全科医生，在许多情况下，这些医生不擅长治疗精神疾病或缺少这方面的实际经验。

•去附近的大城市看专科医生。

•不去治疗。

出于各种原因，不去治疗通常是难以避免的选择。远程医疗通过技术弥合农村地区医疗保健服务方面的差距，拉近医生与患者的距离。 远程医疗与直接面对消费者的检测相结合，是减少面对面诊治需求的另一种方法，通过技术赋予患者自主权。

斯坦福大学的报告称，“各种检测——包括数字化血糖检测、血压检测和基因检测——使个人可以掌握自己的健康状况，而无需接触医生、保险公司或药店。” 因此，Kalorama Information 称，“直接面对消费者的检测”市场预计会从 2010 年的 1,500 万美元增长到 2020 年的 3.5 亿美元。

顺应潮流

大数据是一把双刃剑，有利有弊。较明显的弊端可能是，采用大数据的行业需要部署昂贵的基础设施以及制定不熟悉的策略。许多医疗保健企业没有跟上步伐。

德勤的一项调查显示，80% 的受访医疗保健机构未制定“综合的数据分析策略”。三分之一的卫生系统表示不清楚其在分析方面的投入，有 25% 表示尚未建立数据治理模式。

这白白浪费了有用的数据。斯坦福大学的研究人员指出，“缺乏数据分析工具的组织只能收集和存储数据，他们没有能力通过解读数据来改善患者治疗效果或影响公共卫生。”

显然，医疗保健行业在改善服务、拯救生命和降低费用方面还须继续努力。斯坦福大学的报告明确指出，只有充分释放大数据的潜能才能实现目标。如今，每天有 2.5×1018字节的数据在全球存储、共享和传输，在未来几年，这个数字将呈指数级增长。

求职需求整体同比上升24.88%，垃圾分类员、保洁的求职投递同比上升较快

据58同城招聘研究院家政行业就业大数据显示，今年6月，家政招聘需求整体环比上升1.49%，同比上升20.76%，月嫂、送水工、育婴师/保育员、家政保洁等大部分职位招聘需求环比、同比双升。随着常态化防控阶段的到来，消费者对家政服务的需求有所提高，尤其是与育儿、保洁相关的家政服务备受市场欢迎，相应岗位招聘热度有所提高。在众多家政岗位中，婚礼/庆典策划服务招聘需求环比上升超过100%；洗衣工招聘需求环比上升幅度也在60%以上。

与家政招聘需求相比，今年6月，家政行业求职需求整体同比上升24.88%。由于今年的特殊情况延续时间较长，第二季度各地才陆续调低应急响应级别，因此求职需求的整体释放比往年较晚，出现了6月家政求职需求同比增长较高的情况。其中，垃圾分类员、保洁的求职投递同比上升较快，垃圾分类员求职需求同比增速高达501.1%。今年6月1日，山西省、苏州市开始实施垃圾分类，7月1日，武汉也迈入垃圾分类时代，不少求职者愿意进入这一新兴行业工作，因此求职需求呈现出同比大幅度增长。

北京招聘求职需求高，武汉求职需求上升快

从重点城市来看，58同城招聘研究院数据表明，今年6月，家政行业招聘活跃城市TOP 10分别为成都、北京、天津、东莞、深圳、重庆、武汉、广州、郑州、上海。据商务部数据显示，今年6月底，全国家政公司复工率达90%以上，大中型家政企业均已全面复工。由于大中型家政企业聚集在一线城市和新一线城市，因此带动了当地的企业招聘。在各大城市中，重庆、东莞企业招聘需求同比上升较快，分别增长119.23%和76.62%；天津、东莞、武汉、广州、郑州、石家庄招聘需求呈现出同比上升趋势。这反映出，与一线城市相比，新一线城市家政行业招聘需求上升更快，求职者到新一线城市应聘将会获得较大发展空间。

在求职方面，今年6月，家政行业求职热门城市TOP 10分别为北京、深圳、上海、武汉、广州、杭州、南京、成都、长沙、重庆。可见，北京家政行业的招聘求职需求均较高，而成都招聘岗位尚有较大缺口。58同城招聘研究院数据还显示出，武汉家政行业求职需求同比上升72.4%，在各大城市中排名第一。6月13日，湖北省突发公共卫生应急响应级别由二级调整为三级，武汉小区封控限制放宽，求职者的应聘需求集中释放，因此武汉求职需求实现了同比大幅度上升。

家政行业平均月薪7762元，宠物护理美容职位月薪高达10142元

58同城招聘研究院还对家政行业薪资进行了统计，今年6月，家政行业平均支付月薪7762元，环比上涨1.44%。其中，宠物护理和美容职位月薪排名第一，达到10142元，其次是月嫂，月薪达到10117元。随着老龄化社会和“单身社会”的到来，越来越多消费者愿意饲养宠物，与此相关的宠物护理美容市场需求增加，因此职位月薪排名首位。而月嫂一直是家政领域的高薪职业，6月薪资也高居第二。此外，洗衣工支付月薪同比上升第一，上升幅度高达60%以上，达到7670元，洗衣工月薪的高涨与市场需求和招聘需求保持一致。

目前，58同城拥有超4亿高活简历库，满足上千万家企业招聘需求，覆盖了近90%的基础用工市场。作为招聘行业的领导者，58同城通过发布行业报告的形式，使求职者和招聘方对就业形势有更清晰的认识，为求职招聘提供及时动态指导。相信在2020年，58同城招聘将继续深耕基础用工、乡镇就业、白领求职等领域，不断为求职者和招聘方创造价值。

全球知名咨询机构埃森哲认为，除了政府的有效管控，数字化技术和新兴商业模式在中国的疫情发挥了关键的赋能作用。企业纷纷利用线上线下O2O服务和平台、虚拟现实和增强现实（VR/AR）技术，不仅满足了民众在隔离期间的基本生活需求，还可以帮助他们打发时间，缓解了长期居家的苦闷和情绪消沉。全国各地企业已普遍开始应用数字技术恢复运营。无论是通过直播与消费者互动、利用物联网和机器人技术实现智能制造，还是通过应用远程弹性办公方案帮助员工复工，均使得生产和运营逐步恢复常态。

本土咨询机构艾瑞咨询认为，疫情对中小微企业带来冲击的同时也带来了新的机遇，一些原本数字化程度高的企业，诸如电商平台、线上教育，知识付费等线上项目迎来了空前热潮，但平日线上业务空白、主要以线下业务为主的企业首当其冲，暴露出获客能力弱、经营模式单一、供应链运转难等短板，陷入停滞、亏损困境。能否实现线上-线下一体化服务模式转变成为疫情期间许多中小微企业生死存亡的关键点之一。且从长远来看，突破单一线下经营模式有助于提升企业抵御风险、多渠道获客、精准营销等综合经营能力，数字化改造下的企业商业模式进阶势在必行。中小微企业数字化升级并非简单的将线下内容转移至线上，而是可通过互联网线上手段，进行业务拓展、客户价值提升、订单、物流和配送综合管理等一系列经营环节，打造人、货、场、资全链接O2O模式，真正实现企业品牌和服务升级。

持相同观点还有合合信息联合创始人、启信宝CEO陈青山。 在接受199IT线上专访时，陈青山表示，金融企业特别是有一些本身基础比较好的金融企业，例如四大行，他们的技术的积累以及对于大数据、AI技术的使用，至始至终是走在全社会相对靠前的位置。所以，疫情对他们来说是最多是加速放缓的一个过程，如何更多、更快地利用AI的技术、数字化的技术来提高效率、降低成本、降低风险。

（图：合合信息联合创始人、启信宝CEO陈青山 来源：199IT）

而对于传统的制造业在这个过程中，如果要更多利用AI技术，首先把这些业务或者流程数字化，然后搬到线上，这是对传统企业是比较大的挑战。

合合信息是一家一直从事AI大数据的公司，始于2009年。从最开始的AI感知技术，包括图像处理、模式识别、文本识别、场景识别，一直到高阶层的认知智能，包括自然语言处理、知识图谱，在这个领域深耕了十几年。

基于企业大数据，合合信息创建发布了4款C端的产品。包括名片全能王、扫描全能王，这两款产品都面向全球发布，并且都已经超过了3亿以上的下载用户。另外一款商业调查类的产品启信宝，汇集了来自中国2.3亿家企业和社会组织机构，还有来自海外的2.2亿家企业，刻画了一个全景的商业大数据世界。同时合合信息还发布了另外一款产品“找到”，汇聚了全中国2亿以上的商业人士，服务于商业的营销、BD的产品。在后疫情的环境下为远程的办公、远程商务拜访，提供基于合合信息技术和产品的价值。

AI数字化技术转化物理世界

在世界人工智能大会2020云端峰会中合合信息主办的未来金融论坛上，陈青山做了主题为AI大数据创建智能金融新生态的演讲。在他看来，数字化的技术，特别是以AI为基础的数字化的技术，它是会将物理世界转化为虚拟世界中的数字。

金融环境下物理世界实体包括企业、人，还有金融业务中间场景中间的一些要素，比如单据、合同、财务报表、图像、声音、视频等。而以AI为基础的数字化的技术，会有文本识别、语音识别、视频识别、产品识别的技术以及LoT物联网等一些更加深入广泛的一些数字化的技术，它都是将我们的物理世界转化为另外一个孪生的虚拟世界，那个世界都是有数据构成的。合合信息在这个领域里面构建了自己的文本AI平台。

通过大数据和AI技术，能够极大解决金融、保险等领域的准确率和效率问题。陈青山举例称人工录入一份文件上的文字，它一般的准确率会在90%，但如果是以合合平台的平台文本机器人来做这样的录入工作，那么它的准确率可以超过99%。

对效率而言，譬如合合信息旗下扫描全能王，每年所扫描识别的文档的页数超过120亿份。如果用人工处理需要9亿个小时。如果按每个人每天工作8小时，一年工作250天来算的话，扫描全能王大概节约了45万人/年的工作量。这就是AI技术所创造的社会价值。合合信息把这些技术不断用在C端以及B端企业产品中。

STR+DATA+AI+SERVICES模式为客户创造价值

 要实现AI，需要三个要素，算力、算法、数据。

 企业内部业务数据资产建立好后，数据还是异构状态，要把这些数据经过清洗结构化、挖掘融合汇聚，变成一个知识库这样才能进行计算、关系挖掘，属性归类。把数据变成知识，要利用相关的自然语言处理，把数据信息转化为知识，这就包括实体提取、属性提取、关系挖掘。企业内部需要建立这样知识库，所有的建设的工作都是为了最终的使用数据。这些数据如果不用起来，它就是死的，没有价值。

企业数据需要以场景为指导，结合数据评分、报告、事件监控，能够指导业务决策，比如以金融业务为例，能够指导金融业务场景下面的智能化获客、智能风控，这才是整个数据的建设，AI技术的应用，最终要实现产品、业务的智能化。

目前合合信息已经形成“STR+DATA+AI+Service”的商业矩阵，比如在保险行业场景，对于保险业务前端的证件识别/分类；业务中端医疗票据、理赔单据识别；以及企业数据清洗、精准获客等，通过数据驱动为保险数字化提供全球领先的解决方案。

技术和商业需求是动态匹配

作为技术专家背景的企业负责人，陈青山坦言自己已经淡出一线技术多年。但作为业务的负责人，首先要从商业上、用户、客户的产品层面出发，结合公司本身的技术优势，以及产品上面的一些积累和布局，然后再去考虑以什么样的形式、渠道、方式，将产品和服务提供给客户。

从企业负责人角色，更多需要考虑客户的需求、场景、需求的本质以及技术和产品的边界，这两者的结合，的确是一个非常动态的过程。客户场景、客户需求形式上面可能会在不断的变化，但是有一些本质的东西可能是不变的。对于合合信息而言，技术上面需要不断的去创新，不断的去突破，不断满足用户和客户的需求。

在谈到合合信息未来资本层面的发展路径。陈青山认为目前国家的资本市场的一些变化，对人工智能类型的公司来说非常利好。包括人工智能、大数据以及产业创新、顺应科技发展趋势。创业板注册制、科创板的资本市场的变化，对AI企业来说都是比较积极的外部环境。

陈青山坚信，合合信息因为本身就是在AI和大数据领域在不断的深耕、实践，所以随着行业的发展也将不断发展壮大，实现资本共赢。（199IT Ralf）

199IT致力于TMT、大数据、人工智能等行业发展观察，如您有好的企业动态、行业趋势等故事，请与我们联系。微信：7281670

二进制为什么重要

比特（bit）是信息的载体，是数据传输的最小单位，而从原子到比特的转变就是价值的转换。这也说明了大数据技术中的数据，要在各个传输通道和产业链条上流动起来才会产生价值。

从大数据的概念提出至今，这一备受关注的IT技术已经细分出政务大数据、医疗大数据、教育大数据等多个领域，以及大数据分析、大数据可视化、BI商业智能分析、大数据检索、产品大数据分析、大数据预测/咨询、大数据服务支撑平台、机器学习技术等多种商业应用。

在新冠肺炎防控期间，铁路公司、运营商以及众多企业和数不清的平凡的人们沿着数据的足迹，一步一步将病毒阻击在外。国家铁路集团运用实名制售票的大数据资源，梳理了重点时段、重点区域的乘客信息，为医学排查和疫情防控提供数据支持。各地运营商开始利用网络大数据，协助相关部门进行关于新冠肺炎的舆论监控，再通过移动用户数据分析从武汉进入各地的人口数量。

不可忽视的是大数据行业内各家企业发挥的力量，数梦工场推出了系列数智抗疫解决方案，应用于疫情联防联控、精准施策及复产复工复学等场景；TalkingData借助“数据+模型+可视化+报告”的整体解决方案，实现了对北京市的各区人口及区域间、省际间人口流动的动态监测，以及重点区域的疫情监测。类似的企业和例子不胜枚举，我们也从这场与无形的病毒的对抗中，看到了大数据对生活的改变和未来的潜力。

 数据是这个时代的新油田

大数据贡献的重要性或许不止于此。2019年10月，十九届四中全会上将数据资源提升到了可以作为生产要素，与土地、劳动力、技术等要素并列的重要位置。在新基建时代、在数字经济整体结构中，数据资源是大数据、AI、庄闲网络娱乐平台进入 等新一代信息技术的基础砖石，也揭示了大数据技术将占据的地位。

在商业社会中，数据应该作为生产资源服务于企业成长发展。而在这个过程中，最重要的不是结合了多少技术，而是将劳动者从数据收集、整理的低层次重复性劳动中解脱出来，转向战略和管理等更高层面的创新。

大数据分析提供的价值已经向连锁零售、网络营销、O2O、物流、泛互联网、快消品等行业逐步渗透。大数据BI（商业智能）服务商们提供的是越来越细致全面的商业分析，帮助用户从多个维度尽量全面地了解业务，进而达到更好的决策。

海致网络是一家提供可视化大数据分析服务的公司，在海致网络的解决方案中，从数据整合、处理到可视化分析，不论是用户产生的本地数据还是来自网站统计、广告推广等第三方平台的数据，都将作为基础资源连接到数据可视化分析工具。数据可视化分析对于用户来说，降低了对专业技能的要求，员工不必理解技术也可以借助工具完成数据处理工作。业务产生数据，数据又反作用于业务，这是最自然流畅的过程。

除了以数据反哺自身发展，大数据也为AI技术的成熟提供了支撑。Testin云测所做的工作是利用数据助力产业智能化，为企业及开发者提供云测试、AI数据标注等服务。Testin云测根据模型训练要求，进行数据采集、清洗及标注、测试，加速模型训练及AI应用实施，帮助AI企业获取规范、丰富、持续性的原始数据池，AI技术也在消化数据的过程趋于成熟和完善。

结语

衡量一家企业的成就有多个方面，就像可以从多个角度去理解一组数据。如果只是单纯地追求漂亮的表格而忽略数据背后的实相，那么这些数据肯定是价值有限的。同样的，关注一家企业、一个行业也应该像挖掘数据的价值一样透过现象看本质。这永远是一项重要的能力，决定着未来的走向。

习近平总书记致2019年数博会贺信指出，要把握好数字化、网络化、智能化发展机遇，处理好大数据发展在法律、安全、政府治理等方面的挑战。围绕这个命题，《大数据蓝皮书No.4》以指数评价为着力点，创造性的提出“数博指数”，亦称“贵阳指数”，通过指数构建和数据分析，真实、客观反映国家、地区和城市大数据发展和建设的发展现状、特点、趋势，展示地区数字中国建设取得的成就和问题。数博会，是大数据领域的首个国家级博览会，已经成为世界认识贵州贵阳的新名片，而作为历届数博会举办城市的贵阳，在中国大数据发展大潮中也一直是一个标志。从2014年开始，通过发展大数据，贵州贵阳在新科技领域快速发展，成为中国首个国家大数据综合试验区，拥有中国大数据领域的多个创新和第一。贯穿贵阳大数据发展进程的一个重要经验，是以大数据理论创新引领制度创新、规则创新、标准创新、实践创新，推动大数据与经济社会深度融合。作为贵阳大数据理论创新的重要成果，数博指数实现了一个标志性指数和一个标志性城市的完美对接。

数博指数遵循“以数据探寻规律，以规律促进决策”的宗旨，构建全球数字竞争力指数、大数据发展指数、大数据法治指数、大数据安全指数、大数据金融风险防控指数与治理科技指数等六大指数，初步建立我国大数据领域指数群，开启了用数据监测发展、科学评判形势的新时代。

课题组负责人连玉明教授介绍，大数据领域指数群的建立，提供了一个观察和分析地区大数据发展进程的角度和方法，有助于科学准确地呈现大数据发展各方面在整个经济社会运行过程中发生、发展的全过程，是认识运行状况、完善运行机制、消解决策盲区的重要依据，是指导政府运用大数据技术和大数据思维有效应对和解决不断变化、日益复杂的公共问题的新理念、新视角，是政策评价、量化评估大数据在政用、商用、民用领域创新应用的重要组成部分，成为新时代科学观测经济社会运行状况的重要机制。希望通过数博指数的研究和发布，可以引发人们对大数据领域热点、难点、焦点问题的关注和讨论，进而推进大数据发展、加快数字中国建设的进程。

本书全球数字竞争力指数篇聚焦数字创新、数字经济、数字治理、数字服务、数字安全五个方面,构建全球数字竞争力指标体系,对G20主要成员国和全球重要城市进行评估,勾勒数字化转型发展过程中呈现的区域竞争格局,分析其优势与不足,为各国或地区更好把握数字化转型机遇提供重要参考。

涵盖世界主要经济体的二十国集团（G20）代表着全球数字化发展的前沿力量，G20国家数字竞争力体现了全球主要经济体的数字化发展情况和数字化竞争优势。总体情况来看，推动数字化发展，已经成为G20成员的共识。G20大多数国家处于数字战略初步发展、产业转型蓄势待发的阶段，经济和社会服务的数字化转型、升级水平有待提高。从发展模式来看，国家数字竞争力类型可分为引领发展型、相对均衡型、优势主导型、中等追赶型、转型初期型五类。G20国家内部数字化发展差距较大，引领发展型国家与转型初期型国家的数字鸿沟不断扩大，呈现两级分化的特征。从地域特征来看，中美两国领先，欧亚国家并驱，非洲南美洲国家暂处下风。其中，中国在G20国家数字竞争力指数排名中位居第二，尤其在数字经济和数字服务方面具有较强的竞争优势，相关指数排名位列G20国家首位。

表1 2019年G20国家数字竞争力指数评价结果

数字化为城市发展转型提供新的抓手，也是城市竞争重要的着力点，部分全球中心城市已进入数字转型的新阶段。依据全球影响力、区域代表性、文化代表性等标准, 课题组选取纽约、伦敦、北京、新加坡、上海、悉尼、巴黎、迪拜、东京、芝加哥、莫斯科、多伦多、墨西哥城、首尔、开普敦等15个当今世界发展最具规模的且已经开展数字化转型的城市作为研究对象。

课题组负责人连玉明教授介绍，由于数字化发展和所处的阶段不同，各个城市的数字竞争力水平不一。其中，美国和中国城市占据优势地位。中国城市北京和上海数字竞争力指数得分分别排名第五和第八，分别位于全球领跑城市、加速城市梯队。同时，北京和上海在数字经济方面表现优异，位居所有城市数字经济竞争力指数前两名，从侧面反映中国已成为全球数字经济的领头羊。研究发现，城市数字竞争力的提升与其经济条件的完善程度息息相关，发达城市通过强化技术创新巩固数字化先发优势，获得更大的发展机遇。同时，发展相对落后的地区通过深化融合应用为换道超车提供可能。

2019年中国36个大中城市（不含港澳台）“大数据安全指数”得分与排名，位居前十的城市分别为贵阳、上海、北京、杭州、成都、天津、济南、深圳、重庆、广州。前十位中，西部城市占3个，分别是贵阳、成都、重庆。

课题组负责人连玉明教授介绍，大数据时代，数据已成为人类社会最重要的资源之一,数据自身的安全及数据保护的安全已成为各方关注的重点。大数据安全指数是对某一地区某一时期大数据安全总体水平和质量进行的综合评估。课题组在全面梳理国内外大数据安全发展态势的基础上，从安全制度、安全设施、安全能力、安全生态四个维度出发，构建大数据安全指数评价指标体系，具体由4个一级指标、12个二级指标、19个三级指标组成。其中安全制度方面选取“安全立法、政策评估、标准规范”3个代表性指标，安全设施方面选取“数据节点稳定度、灾备设施完备度、网络安全程度”3个代表性指标，安全能力方面选取“技术研发突破、政府数据开放平台、攻防演练”3个代表性指标，安全生态方面选取“产业体系、合作机制、文化建设”3个代表性指标，从四大方面十九个细分领域对全国36个大中城市进行了综合测评。

表2  2019年中国36个大中城市大数据安全指数评价结果

从城市大数据安全指数排名情况看，东部地区大数据安全发展领先，西部城市后发赶超势头强劲，中部各城市间大数据安全发展情况较为均衡。具体来看，东部16个城市中，7个城市进入全国前十，10个城市大数据安全指数得分高于大数据安全指数平均值，在“技术研发突破、产业体系”等指标方面得分较高,东部地区的雄厚基础和先发优势进一步体现；西部12个城市中，贵阳、成都、重庆进入前十，也有排名垫底的城市。在国家战略政策调整带来的利好因素和后发赶超势头强劲的城市带动等多重影响下，西部城市有望重塑全国大数据安全区域格局；中部8个城市中，各城市间大数据安全指数得分差异较小，整体发展较为均衡，其中安全制度和安全能力发展情况较好，但各城市总指数得分水平较低，较多处于平均线以下，大数据安全发展水平还有继续优化提升的空间。

连玉明教授强调，贵阳自2014年以来全力实施大数据战略，始终狠抓产业集聚与融合发展，并取得了显著成效。从测评结果来看，贵阳在36个大中城市中大数据安全指数得分排名第一，其中，安全制度指数排名第二，安全设施指数排名第二，安全能力指数排名第二，安全生态指数排名第一，并在大数据安全立法、灾备设施建设、攻防演练活动开展、城市合作机制建设、安全生态文化建设等多个细分领域表现突出。贵阳立足国家安全战略，形成了大数据安全发展总体思路，规划建设了贵阳国家大数据安全靶场和贵阳大数据安全产业示范区。几年时间里，贵阳大数据安全产业发展已实现从无到有、从有渐优。通过不断吸引相关资源聚集，形成全国性的大数据“安全高地”。

中国31个省份“大数据金融风险防控指数”得分与排名，位居前十的省份分别是：福建、河南、江苏、广东、河北、安徽、辽宁、天津、湖南和重庆。

在以大数据、云计算、庄闲网络娱乐平台进入 等为技术基础的金融科技的推动下，金融迎来了新一轮的发展机遇与挑战。课题组以代表性理论为指引，构建了大数据金融风险防控的理论模型，并在此基础上构建了大数据金融风险防控指数，其又包括了金融稳定、金融风控与金融可持续发展三个分指数。其中，金融稳定指数包含实体经济服务度、政府部门杠杆水平、住户部门偿债能力以及银行业金融机构资本充足率；金融风控指数包含银行潜在风险损失、互联网金融潜在风险、房产泡沫风险度以及金融制度完备度；金融可持续发展指数包含上市公司盈利水平、房地产投资效率、财政收入相对水平以及对外开放度。

课题组结合总指数与3个分指数的得分情况（如表3所示），把2019年中国大数据金融风险防控指数发展类型分为相对领先型、金融稳定指数领先型、金融风控指数领先型、金融可持续发展指数领先型和低度均衡型5种类型（如表4所示）。划分结果显示，福建、广东等总指数得分较高，属于相对领先型；天津、湖南等金融稳定指数得分高，属于金融稳定指数领先型；重庆、河北等金融风控指数得分较高，属于金融风控指数领先型；北京、上海等金融可持续发展指数得分较高，属于金融可持续发展指数领先型；云南、宁夏和海南得分并不理想，但相对均衡，属于低度均衡型。

表3  2019年中国省域大数据金融风险防控指数评价结果

表4  2019年省域所属的大数据金融风险防控指数发展类型

课题组负责人连玉明教授介绍，金融风险尤其是系统性金融风险具有来源分散、潜伏性强、扩散速度快、波及范围广等特点，针对我国当下的金融系统尤其是宏观金融环境的风险评估和监测预警将成为维护金融稳定的重要支撑。课题组通过借鉴和发展相关研究实践以及充分联系我国金融监管实际与自身发展特点，着重围绕金融风险尤其是系统性金融风险的“防”和“控”两个主要方面推出了大数据金融风险防控指数。从评估结果来看我国各省份金融风险防控水平的差异性比较明显，整体呈东强西弱的态势。后续应继续坚持稳健的财政政策与货币政策，提高金融稳定指数；完善金融监管制度与体系，提高金融风控指数；加强金融改革开放和科技支撑，提高金融可持续发展指数。

本书创新性地提出了“治理科技”的概念，并通过建构治理科技指标体系，对中国31个省份治理科技指数进行排名，位居前十的省份分别是：广东、上海、浙江、北京、江苏、贵州、安徽、福建、天津和山东。前十名中，东部地区占8位，西部地区和中部地区各占1位，其中，贵州全国排名第六。

课题组负责人连玉明教授介绍，党的十九届四中全会将推进国家治理能力和治理体系现代化纳入“两个百年目标”的总体战略框架之中，对中国特色社会主义现代化事业具有重大且深远的战略意义。治理科技是新一代信息技术驱动的治理创新，是基于科学规则的治理体系，治理主体采用现代技术手段及科学的方式方法，进行科学有效治理并对治理效能进行追踪、评估和反馈，不断提升治理能力和水平。该报告通过构建治理科技评估理论模型，聚焦制度保障、发展环境、支撑能力、场景应用、效能评估5个一级指标和15个二级指标，建构治理科技指标体系，衡量和评估国内各地区在推进治理现代化汇总数字技术的应用能力和治理效能。

表5 2019年中国省域治理科技指数评价结果

课题组依据国家官方数据和权威机构数据，从治理科技的制度保障指数、发展环境指数、支撑能力指数、场景应用指数、效能评估指数五个分指数对全国31个省份进行综合评估。评估结果显示，广东、上海、浙江治理科技指数明显领先于其他地区。得分排名前十的地区中，广东、上海、浙江、北京、江苏、福建、天津、山东位于东部地区，西部地区和中部地区分别只有贵州和安徽跻身前十，而东北地区排名最靠前的辽宁居第20名。西部12省份仅有贵州、重庆、四川三省得分高于全国平均值，其余省份得分均低于全国均值。其中，贵州在制度保障、场景应用、治理效能方面成绩显著，在发展环境和支撑能力方面仍有待加强。总体看，地区间发展差异较大，且“东强西弱”的发展趋势明显。

连玉明教授指出，数字技术正在演变成为新形势下驱动经济社会发展和社会结构变革的原动力，治理科技引发的治理变革还远未结束，未来治理方式和竞争方式必将超出预期。同时，治理科技有助于我国在全球范围内国家治理升级的关键时间窗口期赢得先发优势和引领效应。因此，面对新事物、新现象、新业态、新模式，我们既要避免因治理的缺位、错位、越位对创新带来的负面影响，也要抓住机遇以数字化、智能化手段提升政府数字治理能力的步伐。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

13条内容中平均有8个直接来自供应商，其余5个来自第三方来源。当被问及他们从哪里获得供应商的内容时，70%的营销专业人士直接从供应商网站获得这些内容，这是对网站持续重要性的认可。事实上，虽然互联网搜索（67%）也是一个受欢迎的选择，但买家更多地依赖于通过供应商网站获得内容，而不是通过社交媒体（53%）、定期阅读的出版物（47%）和发送给他们的电子邮件（41%）。

此外，2/3的B2B买家（65%）将供应商网站作为最具影响力的内容来源。相比之下，48%的受访者对第三方网站持同样的看法，39%的受访者认为独立发布商的第三方文章有影响力。

供应商网站在整个过程中都很有用

这项新的研究表明，在购买周期的意识、教育、考虑和决策阶段，供应商网站位居内容来源排行榜之首。另一方面，第三方来源仅在周期的前两个阶段被认为是有用的。

什么内容最重要？

从购买周期来看，2/5的受访者（40%）表示购买过程需要2-3周，1/3的受访者（33%）表示平均需要4-6周才能成交。

不仅如此，营销人员还将为不止一位决策者提供个性化的内容，几乎2/3的团队（63%）至少由3位决策者组成。

另外，52%的买家表示，他们更有可能从阅读了内容的卖家那里购买。那么，对于购买决策来说，最有用的内容类型是什么呢？对于大多数受访者来说，产品规格和功能（67%）被认为是有用的，产品比较也很重要（65%）。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

大堂经理/领班增幅达92.18%，送餐员收入超7400元

猝不及防的疫情给许多行业按下暂停键，却为外卖行业带来全新机遇，并使餐饮业加快了线上化发展速度。线上化发展路径也拉动了餐饮行业招聘、求职需求，据58同城招聘研究院数据显示，与2月相比，3月企业招聘需求环比增长最快的是大堂经理/领班岗位，增幅达92.18%，其次是餐饮管理和服务员/餐厅服务员，分别增长77.38%、50.27%，送餐员和厨师/厨师长招聘需求环比增幅都在50%以内。同期，求职需求环比增长最快的是服务员/餐厅服务员岗位，增幅达178.73%，其次是送餐员，求职需求环比增幅105.43%，厨师/厨师长和大堂经理/领班，求职需求环比增幅均在95%以上，餐饮管理求职需求环比增幅超过90%。可见，不同岗位的招聘求职需求较为平衡，送餐员和厨师/厨师长作为疫情期间外卖业的“刚需”，前期到岗率较高，因此后续招聘求职需求相对较低，而随着线下餐饮门店的开放，进入餐饮业从事服务员岗位的求职需求大量释放。

58同城招聘研究院数据还反映出，在餐饮业各岗位中，送餐员收入最高，3月企业支付平均月薪为7420元。其次是餐饮管理、大堂经理/领班、厨师/厨师长，3月收入分别为6221元、6085元、5657元。与其他岗位相比，餐饮管理岗位收入环比涨幅最高，达到5.92%。由于送餐员的收入与工作量挂钩，许多送餐员每天工作10余个小时，计件订单量大收入相对更高。而随着餐饮业向线上化转型发展，餐饮管理岗位的工作内容迭代升级，企业对求职者的要求更高，因此岗位收入增幅相对较大。

成都餐饮业招聘需求最高，西安招聘及求职需求环比增长最快

作为享誉世界的“美食之都”，成都汇聚了众多餐饮企业。据58同城招聘研究院3月餐饮行业就业大数据显示，成都餐饮业企业招聘需求量排名全国第一，其次是深圳、东莞、广州、上海。而在求职需求方面，深圳位居全国各城市之首，其次是成都、上海、重庆、广州。这意味着，美食文化源远流长的成都拥有大量餐饮业就业机会，而求职者除了在美食之都谋求岗位外，更倾向于在收入较高的深圳寻找餐饮业工作。

从招聘求职需求增幅上看，58同城招聘研究院数据表明，西安招聘及求职需求环比增长位居第一，其中，西安餐饮企业招聘需求环比增长166.53%，求职需求环比增长208.69%。2月28日，陕西将新冠肺炎疫情防控应急响应级别由一级调整为三级，这让省会城市西安的餐饮业招聘求职需求在3月快速释放，环比增长位居全国首位。在招聘方面，成都、广州、东莞企业招聘需求环比增幅较高，在求职方面，长沙、重庆、杭州求职需求环比增长较快。这表明，餐饮业企业招聘需求在珠三角和成渝地区快速上升，而长江流域的餐饮业求职需求也在3月达到高峰。

值得关注的是，不同城市餐饮业细分岗位的招聘需求及求职吸引力有所差异。据58同城招聘研究院餐饮行业就业大数据统计，今年3月，餐饮管理、厨师/厨师长企业招聘需求最大的城市分别为上海、北京，服务员/餐厅服务员、送餐员与大堂经理/领班企业招聘需求最高的均为成都。从求职者关注度城市来看，服务员/餐厅服务员、餐饮管理、厨师/厨师长、大堂经理/领班岗位求职者关注城市均为深圳，送餐员关注城市为成都。这组数据反映出，深圳受餐饮业大部分岗位求职者青睐，成都是送餐员的成长“乐土”，有志于从事餐饮管理的求职者在上海更容易找到理想职位，而北京为厨师/厨师长提供了丰富的就业机会。

作为招聘行业的领导者，58同城餐饮行业就业大数据，为招聘方和求职者带来第一手的行业信息，帮助客户与用户从城市、岗位、收入等维度作出招才与应聘选择，为餐饮业复工复产与转型升级提供信息支持，也为促进企业发展和保障民生就业持续献力。

成都招聘需求环比涨幅最高，成渝平均支付月薪6118元

根据58同城招聘研究院成渝招聘求职大数据显示，3月2日-3月8日，成渝招聘需求排名前五的城市分别是成都、重庆、绵阳、南充、广安，求职需求排名前五的城市分别是成都、重庆、绵阳、南充、宜宾。可见，成渝城市群的招聘及求职需求基本平衡。从增幅上看，成都招聘需求环比增幅位居首位，达到43.64%，求职需求增幅最高的是达州，达到59.32%，其次是重庆，环比增长39.08%。由于成都产业体系涵盖新材料、电子信息、石油、家具、食品、生物医疗等十大支柱产业，产业结构丰富多元，受疫情影响相对较小，因此企业招聘需求增长更快。重庆人口较多，在复工复产期间，求职需求集中释放，因此求职需求环比增幅较大。

从收入水平上看，3月2日-3月8日，成渝平均支付月薪为6118元，环比小幅上升；成渝平均期望月薪为6124元，期望薪资略高于企业支付薪资，这表明求职者对复工形势看好，对企业和岗位的发展呈“看涨”趋势。

住宿和餐饮业陆续复工，招聘及求职需求环比增幅第一

自2月26日四川省将突发公共卫生事件应急响应由一级调整为二级以来，省内企业纷纷复工复产，处于“闭关期”的众多行业释放出较大的招聘、求职需求。据58同城招聘研究院数据统计，3月2日-3月8日，成渝城市群招聘需求前五名的行业分别是建筑业，信息传输、软件和信息技术服务业，批发和零售业，制造业，交通运输、仓储和邮政业，而求职需求前五名的行业则是批发和零售，制造业，交通运输、仓储和邮政业，住宿和餐饮业，信息传输、软件和信息技术服务业。2月25日，重庆市住建委发布十三条政策，“硬核”支持建筑企业复工复产，目前70个城建市级重点项目全部复工，建筑业企业招聘需求相应增长；此外出于远程办公和保供稳价需要，IT、批发和零售等行业市场需求增加。

从招聘求职增幅上看，3月2日-3月8日，住宿和餐饮业招聘及求职需求环比增幅第一，其中招聘需求环比上升96.19%，求职需求环比上升40.84%。“食在中国，味在四川” 作为美食之城，成渝餐饮业的“静默”已经触底，随着疫情的进一步控制，住宿和餐饮业等“人员密集型”行业开始逐渐复苏，相应企业招聘及人才求职需求大幅度增长。此外，制造业、金融业的招聘需求环比增幅较高，居民服务、修理和其他服务业的求职需求环比增幅较高。目前，随着疫情阻击战进入决胜阶段，制造业、金融业等大规模吸纳就业的企业逐步复工，招聘需求由此增大。而随着无疫情小区、社区、城区的出现，不少有志为居民服务的求职者开始寻求工作机会，推动居民服务业求职需求快速上升。

普工岗位招聘求职需求均居首位，货运司机支付月薪7377元

58同城招聘研究院成渝招聘求职大数据还对不同岗位的招聘求职需求及薪资进行了分析，3月2日-3月8日，成渝招聘需求排名前列的岗位依次是普工、操作工、包装工、组装工、服务员，而在求职需求上排名靠前的分别是普工、货运司机、文员、商务司机、店员/营业员。成渝城市群是我国西部地区重要的工业基地，近年来“智造业”迅速发展，带动了普工岗位的招聘和求职需求增长。值得一提的是，在招聘需求方面，企业对制造业职位的招聘需求较大，而在求职方面，人才对服务业的求职需求较高，招聘与求职需求之间还有待进一步平衡。

在岗位招聘求职需求增幅方面，58同城招聘研究院数据显示，3月2日-3月8日，成渝城市群服务员岗位招聘需求环比增速最快，达到114.27%；店员/营业员求职需求环比增幅最高，达52.99%。可见，受餐饮业复工影响，服务员岗位招聘需求快速上升，而充分吸纳就业的店员/营业员岗位，获得了众多想复工的求职者欢迎，求职需求环比快速提高。

从岗位薪资上看，3月2日-3月8日，成渝地区货运司机支付薪资最高，达到7377元，送餐员、快递员、销售代表支付月薪高于成渝平均水平。由于上述岗位工作时间长，并拥有计件提成收入，因此企业支付薪资更高。而在求职者期待薪资方面，商务司机、货运司机、厨师/厨师长期待薪资较高，可见求职者对行业发展及自身为岗位创造的价值充满信心。

作为招聘行业的领导者，58同城通过复工复产期间的招聘求职数据分析对比，把握城市、行业、岗位的招聘求职趋势，对成渝城市群招聘市场画像，为求职者和招聘方提供有益于理性择业和招才的参考借鉴，也为招聘行业的区域化发展绘制了晴雨表。

2019年，腾讯研发人员占比达66%；

随着全面拥抱产业互联网，腾讯的To B项目较2018年增长77%；

腾讯新增代码 12.9 亿行，相比 2018 年增长30%；

腾讯每天完成需求近4000个，46%的Bug能在1天内解决。

1月29日，京东大数据研究院发布春节消费大数据。数据显示，今年春节消费有几大特点：全国范围内米面粮油等基本民生类商品需求激增；异地订单量同比增长3倍，尤其是发往一二线城市的订单大幅增加；全国消费者向湖北武汉等疫区发送大量医疗防护器材；居家母婴、健康、宠物、家电、娱乐等需求“反季节”增长。

以抗疫用品为例，春节期间前线需求大，京东物流将百万数量级的消毒液、洗手液从各大品牌厂商的工厂里极速入驻京东自营大仓、发货。另一方面，全国人民响应号召，旅游出行有所降低，过一个“宅”春节。对比几个主要品类全站消费可以看出，今年春节消费的显著变化：出行减少，健康、居家、食饮消费大幅增加。

米面粮油需求增加

数据显示，春节期间，粮油、方便速食、调味白醋类商品需求增长明显，某些地区出现价格波动、排队抢购的情况。

不过京东超市相关品类供应充足，初一至初三，粮油成交额同比增长15倍，其中，食用油成交额同比增长556%，米面杂粮成交额同比增长超过20倍。冲调速食品类整体销售火热，成交额同比增长423%，其中方便速食类目同比超10倍。方便面品牌康师傅成交额同比超过20倍，统一品牌成交额同比超15倍，进口方便面品牌农心成交额同比增长超16倍。

牛奶品类成交额同比增长300%，其中有机牛奶品类，成交额同比增长200%；饮用水成交额同比增长200%；坚果炒货品类成交额同比增长超100%。

京东生鲜、七鲜超市、七鲜生活春节期间不打烊。除夕至初三，京东生鲜销量环比节前增长超370%，卖出了4000多吨生鲜产品，3-6线城市销量同比增长了近300%。数据显示，蔬菜产品最畅销，销量同比增长超9倍，其中，叶菜类产品销量增长近21倍。肉禽蛋同比增长近7.5倍。水饺、面点等冷藏冷冻食品销售同比增长也超7倍。

异地订单反向增加

数据显示，今年春节期间(除夕-初四)，全国用户发出的异地订单是去年春节同期的近3倍，医药保健类超越食品饮料、家用电器、珠宝首饰等传统年货品类，位居订单量第一名。

湖北作为抗击疫情的第一线，牵动着全国民众的心，春节期间飞向湖北的异地订单同比达230%，排名由高到低分别为医药保健、食品饮料、家庭清洁用品和母婴用品。

数据显示，今年1月份，全国发往湖北省的订单量同比去年同期增长约7成，其中包括口罩在内“呼吸防护”类订单同比增长540倍，“眼脸部防护”增长393倍，“个人卫生”用品增长376倍。其中，北京下单发往湖北1700多万个口罩，呼吸防护面具、滤棉等24万多套，血氧仪3万多台，护目镜约1万副。值得注意的是，类似护目镜、血氧仪、口罩类商品在往年春节期间并非热销商品。

下图显示的是全国各地用户下单发往武汉市的商品中，包括口罩在内的“呼吸防护用品”、包括护目镜在内的“眼脸部防护用品”、心电/血氧仪都在20日之后订单量猛增达数倍以上：

德勤通过多年在数字化新零售领域的实践，利用自身大数据开发和应用的经验，帮助众多消费品和零售企业结合企业内部CRM或市场活动信息，以及外部电商平台和社交媒体数据，更好的认知消费群体，识别未被满足的需求。同时通过德勤“未来消费者”实验室，将消费者洞察的结论，转化为实际的战略举措，并制定举措落地的行动方案，真正做到从消费者出发，回到消费者中去。

未来品牌之间的竞争是多维度的竞争。品牌需要跟上消费者的演化趋势，竞争格局变化以及数字化生态圈演变的速度，积极打造端到端的消费者价值链， 真正实现“以消费者为核心”。围绕未来的消费者价值链，品牌需要多维度的切入着重打造门店、产品、下单、交付、互动这五大消费体验。大数据驱动的消费者洞察，将毋庸置疑的成为品牌在转型过程中获得全方位洞察，并实现从洞察到战略设计再到执行这全过程的最重要手段。

PDF版本将分享到199IT交流群，支持我们发展可加入！

图1  2020年春运客运量时间分布预测

图2  2020年春运旅客出行距离分布预测

省份方面，预计春运期间客流量主要集中在中东部地区，客运量排名前十位的省份为：广东、江苏、浙江、河南、四川、安徽、湖南、河北、北京、上海。其中，旅客迁入量较大的省份主要包括广东、江苏、浙江、安徽、河南等;迁出量较大的省份主要包括广东、江苏、浙江、河南、河北等。

 图3 春运热门迁入省份分布预测  

 图4 春运热门迁出省份分布预测

图5 春运热门迁入城市分布预测

 图6 春运热门迁出城市分布预测

图7 春节前“反向春运”十大热门目的地排名预测

结合历年春运数据和客流热力分析，预计2020年春运期间，热点迁徙城市既有广州、北京、深圳、成都、上海、东莞、重庆、苏州、郑州、西安等区域中心大城市，也有惠州、中山、周口、廊坊、阜阳、徐州、温州、金华、咸阳、泉州等经济活跃、用工或劳务输出量较大的中小城市。

春运返乡与回程客流呈现潮汐性特点。省际出行方面，节前返乡客流主要以特大城市为中心向周边扩散，预计十大热门出行线路分别为：北京→廊坊、上海→苏州、北京→保定、北京→天津、成都→重庆、重庆→广安、上海→南通、北京→张家口、深圳→香港，天津→廊坊。节后回程客流主要由中小城市向中心城市聚集，预计十大热门出行线路分别为：廊坊→北京、苏州→上海、保定→北京、重庆→成都、天津→北京、广安→重庆、张家口→北京、达州→重庆、南通→上海、廊坊→天津。

省内出行方面，节前返乡客流主要以省会城市为中心向周边扩散，预计热门出行线路前十位包括：广州→佛山、西安→咸阳、深圳→东莞、深圳→惠州、西安→渭南、武汉→孝感、成都→德阳、昆明→曲靖、成都→眉山、广州→东莞。节后回程客流主要由省内中小城市向省会中心城市汇聚，预计热门出行线路前十位包括：佛山→广州、咸阳→西安、东莞→深圳、渭南→西安、惠州→深圳、曲靖→昆明、孝感→武汉、德阳→成都、眉山→成都、毕节→贵阳。

同时，结合历年春运数据和客流热力分析，对京津冀、长三角、粤港澳大湾区、成渝等重点地区春运热门出行线路进行研判，具体如表1所示：

表1  2020年春运重点地区热门出行线路

  图8 京津冀热门出行线路    

图9 长三角热门出行线路

     图10 粤港澳大湾区热门出行线路   

图11 成渝热门出行线路

图12  2020年春运前期热门铁路线路预测

图13  2020年春运期间热门火车站预测

——客流以中短途为主。根据盛威时代历年售票数据分析，2020年春运期间十大热门道路客运线路为：

吉林省长春市农安县-长春市、陕西省渭南市富平县-西安市、安徽省阜阳市临泉县-阜阳市、吉林省长春市宽城区-农安县、湖北省宜昌市宜都市-宜昌市、安徽省阜阳市-临泉县、陕西省咸阳市乾县-西安市、湖北省武汉市新洲区-汉口市、江西省上饶市弋阳县-广丰区、广西北海市-彬塘/石头埠。

——热点客运站集散需求较大。根据盛威时代历年售票数据分析，预计2020年春运前期十大热门公路客运站为湖北省宜昌中心站、陕西省西安汽车站、吉林省凯旋路客运站、安徽省阜阳东站、湖北省随州客运中心站、安徽省九江汽车站、吉林省松原公路客运站、湖北省仙桃客运站、湖北省枣阳市汽车站、陕西省宝鸡汽车站。

图-14  2020年春运前期热门民航线路预测

——重点航空枢纽客流集中。根据携程机票预售数据分析，预计2020年春运期间全国热点机场集中在北京、上海、广州、深圳、成都等航空干线机场，客流量热力排名前十的机场如图15所示：

图15  2020年春运期间热门机场预测

图16  2020年春节国内旅游热门目的地预测

图17 2020年春节出境旅游热门目的地预测

是“剁手节”、还是“真·光棍节”？

年方25、在北京金融街某高大上写字楼内工作的白领小美认为，与其熬夜到凌晨一点清空购物车的“白菜”，不如多睡两个小时的美容觉守护苹果肌……毕竟，想在适婚年龄成功步入围城，胶原蛋白重要得多！

“现在的结婚就像创业，要在合适时间站上风口，不然错过就得等四、五年后的新风口！”小美认为，自己身边的例子显示24-26岁是结婚高峰，“一旦错过恐怕就要等到30岁之后”。

那么，终于到了今天文章的重点！！想要成功脱单，大数据能帮到小美什么忙？

经联通大数据智慧足迹统计，北京25-29岁之间的男性青年共计160万人（北京统计局2018年统计数据显示25-29常住人口数量247.7万人），通过对适婚青年“线上行为特征+消费行为特征”进行融合建模，我们将未婚男青年从北京2000万的茫茫人海中捞了出来，剩下约40万人。

通过工作地和居住地热力地图，能看到这些男青年的居住位置围绕着工作地主要分布在几个地区：国贸-通州一线、中关村、西单周边、上地、亦庄还有丰台的总部基地。

• 北京未婚男青年工作地（左）和居住地（右）分布情况（数据来源：联通大数据智慧足迹）

这些青年的娱乐场所主要集中在中关村、西单、三里屯地区。

• 北京未婚男青年娱乐地分布情况（数据来源：联通大数据智慧足迹）

搞定了去哪儿能更大机率邂逅单身男青年的问题，下一步，我们一起来看看这些男孩子的家乡在哪里。

数据显示，这40万的男青年中有7万余人的籍贯为河北，4万余人籍贯为河南，北京当地人有4万，山西、山东、黑龙江均在3万左右，东北三省总数在6万左右，海南、上海、西藏青年则是稀缺资源，所以，找到他们的女孩需要更懂珍惜，顺便记得买张彩票。

• （数据来源：联通大数据智慧足迹）

在爱美这件事上，男孩子可能真的不逊色于女生。通过对这40万男青年的APP使用情况分析发现：其中有高达三分之一比例的男青年都在使用美颜相机。所以出门奔现，也需要小心车祸现场。

• （数据来源：联通大数据智慧足迹）

线上交友也是脱单的一种途径。除去微信、QQ、微博这些APP之外，不妨多试试陌陌、探探、知乎。不过女孩们也要抓紧，因为这40万人中，有近3万人也在找喜欢的小哥哥~

• （数据来源：联通大数据智慧足迹）

其中与小美有类似爱好的男生貌似不算少数，有超过四分之一的未婚男青年是动漫和健身的爱好者。其中腾讯动漫在北京25-29岁男性未婚青年中的用户数是余下几款APP用户数的2倍之多；运动健身类APP中，小米运动、KEEP是最受欢迎APP。

• （数据来源：联通大数据智慧足迹）

所以，行动起来吧，女孩们~

为促进房地产市场平稳健康发展，中国社科院财经战略研究院住房大数据项目组在2018年1月 -2019年10月纬房指数监测分析的基础上，运用大数据挖掘分析方法，结合项目组对中国住房市场的长期跟踪研究，完成了《中国房地产大数据报告（2019）》。本报告同时也是2019年各期《中国住房市场发展月度分析报告》的年度总结报告。

一、2019住房市场运行动态

1．核心城市房价由较快回升到止涨趋稳，二手住房成交量冲高回落

反映全国24个核心城市房价综合变动的纬房核心指数显示，2019年，核心城市房价经历了由回升到趋稳的转变。2019年2-4月，核心城市房价出现被称为“小阳春”的较快反弹；2019年5-7月，“小阳春”逐步消退，核心城市房价涨速下降。2019年8-10月，市场进一步趋稳，核心城市房价稳中略降。2019年10月，核心城市房价同比微涨0.3%，环比微涨0.028%。纬房核心指数显示，近一年核心城市住房增值率，要远低于同期物价上涨率和存贷款利率。

核心城市房价的季节波动率要大于年度波动率。纬房核心指数还显示，2018年10月，尽管与上年同月相比核心城市房价只上涨了0.3%，但与2019年1月的102.53点相比，核心城市房价累计上涨了3.42%。与2018年1月100点相比，核心城市房价累计上涨了5.73%。

纬房核心指数综合了全国24个核心城市住房价格的变化，可作为中国房地产市场的重要晴雨表。24个核心城市分别为上海、北京、深圳、广州、天津、重庆、苏州、杭州、武汉、成都、南京、宁波、青岛、郑州、无锡、长沙、厦门、济南、西安、沈阳、大连、福州、南通、东莞，基本覆盖了中国最具经济竞争力的城市群体。其中包含一线城市4个，准一线城市4个，二线城市16个。纬房核心指数以2018年1月为房价基期，以各城市2017年商品住房销售额为指数权重进行综合计算。

从二手房成交量指数看，在核心城市房价止涨趋稳的同时，二手住房成交量也冲高回落。2019年10月，10大重点城市二手住房成交量指数为135.61点，比9月下降了19.89%，但仍比2018年同期成交量指数高出45%。在其它条件不变的情形下，二手房成交量的持续下降，表明短期房价上涨动能减退。

十大城市二手住房成交量指数（2017年1月成交量=100）

制图：中国社科院财经战略研究院住房大数据项目组

注：十大城市的样本为北京、上海、成都、大连、武汉、苏州、深圳、南京、杭州、重庆。

2． 一线城市房价反弹力度较弱，除深圳外其它城市均处于下降阶段

从一线城市近一年的房价走势看，广州、北京、上海房价相对低迷，2019年1季度房价反弹力度较弱，后弹过后随之先后开始下跌。只有深圳2019年下半年仍继续维持上半年的涨势。一线城市纬房指数监测显示，近一年来广州房价同比下跌3.37%，北京同比下跌3.99%，上海同比微涨0.81%，深圳同比上涨5.58%。

从2019年10月环比变化看，一线城市房价平均环比下跌0.025%。其中北京环比下跌1.33%，在一线城市中跌速相对较快，跌幅比上月也略有扩大；上海环比下跌0.70%；广州环比微涨0.12%；深圳房价环比上涨1.81%，涨速比上月扩大0.91%。

3．准一线城市中天津重庆房价相对低迷，苏州上涨较快但涨势得到抑制

从准一线城市近一年的房价走势看，天津、重庆房价相对低迷。准一线城市纬房指数监测显示，近一年天津累计下跌3.78%，重庆累计下跌2.55%。杭州房价基本稳定，近一年杭州房价累计微涨0.66%。苏州房价上涨较快，近一年累计上涨20.71%。

从2019年10月环比变化看，准一线城市房价平均环比下跌0.117%，跌速比上月减缓0.473个百分点。其中天津环比下降1.43%，跌速比上月收窄0.1个百分点，房价下跌速度仍较快；杭州环比下降0.11%，比上月减缓0.39个百分点；重庆环比上涨0.87%；热点城市苏州环比上涨0.2%，前期涨势得到抑制。

4． 过半二线城市稳中趋涨，部分城市继续下跌

从近一年二线城市房价走势看，过半二线城市稳中趋涨。上海周边的宁波、南通、无锡，以及东北沈阳、哈尔滨、长春等同比均有上涨，昆明、厦门房价也有回升。二线城市纬房指数监测显示，二线城市房价平均同比上涨1.647%。其中，近一年宁波同比上涨10.41%，沈阳同比上涨9.79%，南通同比上涨9.18%，昆明同比上涨8.20%，厦门同比上涨8.15%。成都、南昌分别同比略涨2.35%和2.32%，年度涨幅相对较小。青岛、济南、长沙、武汉房价相对低迷，其中青岛同比下跌11.67%，济南同比下跌8.89%，长沙同比下跌6.62%，武汉同比下跌3.9%。

从2019年10月环比变化看，二线城市房价平均环比下跌0.008%，涨速比上月收窄0.144个百分点。二线城市中，短期房价上涨、停滞和下跌的城市均有存在。上海周边的宁波、南通、无锡，以及东北沈阳、大连等仍有上涨；青岛、厦门、郑州等延续下跌，但厦门的年度涨幅仍然为正；西安、长沙、成都、武汉、南昌等短期市场走势暂处于停滞状态。

5．三四线城市房价下跌个数增多，部分城市房价涨速仍相对较快

2019年以来，三四线城市房价下跌个数逐渐增多。但受周期异步性、货币化棚改余热等因素的综合影响，少部分三四线城市如临沂、南阳、唐山、洛阳等在总体市场下滑的背景下仍然相对较快上涨。三四线城市纬房指数监测显示，近一年临沂、南阳、唐山、洛阳分别同比上涨32.87%、20.26%、20.06%和12.66%。由于部分三四线城市房价的上涨可能依赖于地方隐性债务的增加，其中隐含着未来下跌的风险。

从2019年10月环比变化看，三四线城市短期房价总体微跌。三四线城市房价平均环比下跌0.055%，跌幅比上月收窄0.103个百分点。

6．分城市群看，2019年珠三角城市群景气度相对较低，长三角城市群景气度相对较高

从2019年各大城市群的市场表现看，长三角城市群的市场景气度相对较高，房价上涨城市比例更大，部分城市如苏州、宁波、南通等房价涨速也相对较快；珠三角城市群的景气度相对较低，房价下跌比例更大，除深圳、东莞等外，广州、佛山、肇庆、中山、惠州、阳江、清远等均有下跌，其中肇庆跌速相对较快。

环渤海区域房价同比地图显示，京津冀一带，唐山房价同比上涨较快，大连、秦皇岛、廊坊、沧州等城市同比略涨，而北京、天津，以及河北的张家口、保定、衡水等城市房价同比下跌；山东临沂房价同比上涨较快，而青岛房价同比下跌约10%，淄博、潍坊、日照等城市房价停滞或略跌。

2019年10月主要城市房价同比分布图

2019年10月珠江三角洲城市群房价同比分布图

2019年10月长江三角洲城市群房价同比分布图

2019年10月环渤海城市群房价同比分布图

2019年10月中部城市群房价同比分布图

7．核心城市住房租金下跌，租房市场景气度下降

反映全国22个核心城市住房租金总体变化的纬房租金核心指数显示，2019年10月，核心城市住房租金指数为102.74，环比下跌1.16%，同比下跌1.10%。核心城市住房租金继9月下跌速度有所加快后，10月租金下跌速度继续加快。一方面，9-10月属于租房市场淡季，住房租金下跌具有一定的季节性波动属性；另一方面，2019年5-7月住房租金并未出现如2018年同期的显著上涨，但8-10月的下跌态势类似，因而2019年的租房市场景气度要低于上年。

纬房租金核心指数综合了全国22个核心城市住房租金的变化，可作为分析中国住房市场变化的重要参照系。22个核心城市分别为北京、成都、大连、东莞、广州、杭州、济南、南京、青岛、厦门、上海、深圳、沈阳、苏州、天津、武汉、长沙、重庆、福州、南通、宁波、无锡，基本覆盖了中国最具经济竞争力的城市群体。其中包含一线城市4个，准一线城市4个，二线城市14个。纬房核心租金指数以2018年1月为租金基期，以各城市2016年在岗职工工资总额为指数权重进行综合计算。

二、市场形势分析

1．房地产融资政策仍然从紧，但房贷利率趋于回落

房地产融资仍然受到严格管控。2018年底至2019年初，随着定向降准等货币政策的实施，资本市场的资金紧张状况显著缓解，部分城市首套房贷的实际利率由上浮10%-15%降至基准利率水平。在信贷相对宽松的背景下，2019年春季住房市场出现“小阳春”现象，部分城市房价较快反弹。但在复杂的内外部经济环境下，防范宏观风险仍是政策底线，“大水漫灌”的情形并没有出现。房地产相关信贷也仍然受到严格的管控，房地产融资政策环境仍然从紧。这消除了房价进一步上涨的可能性，使得“小阳春”自行消退。

利率动态调整机制开启，房贷利率中长期有回落的趋势。2019年8月25日，央行发布《关于新发放商业性个人住房贷款利率调整公告》，要求商业银行自2019年10月8日起，新发放商业性个人住房贷款利率以最近一个月相应期限的贷款市场报价利率（LPR）为定价基准加点形成。其中首套商业性个人住房贷款利率不得低于相应期限贷款市场报价利率，二套商业性个人住房贷款利率不得低于相应期限贷款市场报价利率加60个基点。由于房贷利率历来以基准利率为锚，而基准利率又自2014年11月22日再未做出调整。央行此次发布个人房贷利率新规，相当于重启了房贷利率的调整机制。在全球经济存在下行压力的条件下，货币环境总体仍将适度宽松，这意味着市场利率将处于在合理区间的下限。考虑到信贷利率有走低的趋势，在房贷利率形成新规下，既使存在房贷利率加成机制，房贷利率中长期也将趋于下降。但在短期内，房贷利率不会有显著变化。

2．土地市场格局或将发生重大变化，但短期不会对房地产市场构成直接冲击

土地政策出现重大变革，城乡土地市场并轨改革启动，符合条件的集体土地可合法直接入市。在较长时间内，集体土地无法直接进入土地市场，土地市场的城乡二元分割特征显著。2019年8月26日，十三届全国人大常委会第十二次会议表决通过关于修改《中华人民共和国土地管理法》的决定，并将于2020年1月1日起施行。修改后的《土地管理法》首次开辟了集体建设用地直接入市的合法途径。其中，以法律形式明确了“土地利用总体规划、城乡规划确定为工业、商业等经营性用途，并经依法登记的集体经营性建设用地，土地所有权人可以通过出让、出租等方式交由单位或者个人使用”，“通过出让等方式取得的集体经营性建设用地使用权可以转让、互换、出资、赠与或者抵押”。

修改后的《土地管理法》改变了多年来只有国有土地才能入市的单一土地供应渠道，土地市场供应格局或将发生重大变化。短期内，由于可用的集体经营性建设用地规模较为有限，城乡土地市场并轨的尝试尚不会对房地产市场构成直接冲击。中长期看，虽然集体建设用地仍然不能用于房地产开发和商品房建设，但通过建设租赁性住房等渠道，集体土地入市也能对房地产市场格局产生重大影响。

3．抑制住房投资投机方向未变，但调控政策面临边际性宽松

“房住不炒”、抑制住房投资投机的调控政策方向得到坚持。在复杂的内外部经济形势下，中央和相关主管部门领导多次强调和重申要坚持“房住不炒”，充分表明了中央控制房价上涨的决心。2019年4-5月，包括佛山、苏州、大连、南宁等10个热点城市因房价涨幅较大被住建部预警提示，表明了政府对房价上涨的现实态度。房地产调控政策仍将总体保持延续性与稳定性。房地产调控政策不松动，也意味着房价短期难以出现大涨。

另一方面，限购、限价政策面临边际性调整的需要。自2010年北京首次推出住房限购政策以来，住房限购政策实施的最长时间已经接近10年。作为一项被动成为长期制度的短期行政手段，虽然住房限购政策对于抑制住房投资投机、稳定房地产市场起了积极的作用，但是也在一定程度上降低了市场效率。作为短期应急手段，一些城市的限价政策中长期效果也不明确，但对市场效率的影响却较为显著。随着土地改革等重大制度改革的推进和全国房价稳中趋降，部分城市住房限购、限价政策有一定的边际性调整需要。

4．经济增速下滑对房价的影响逐步显现，房价上涨预期有所减退

经济增速下滑使得房价上涨预期进一步减退，更多潜在购房者的房价预期转向悲观。在全球贸易摩擦加剧的背景下，世界经济前景趋于复杂化，全球经济不确定因素进一步增加。受世界经济大环境及国内结构调整的影响，我国经济增速也不断下滑。由于长期房价变化与预期收入的变化紧密关联，这将导致市场观望情绪增强，抑制房地产投资投机。

2018年底至2019年初，部分城市根据市场变化对房地产调控政策进行了微调，一些城市取消或弱化了限价、限售等辅助性调控手段，房地产信贷也有一定松动迹向。部分购房者认为房地产调控可能进一步松动，从而对房价预期也由悲观向谨慎乐观转变。2019年1季度，全国房价总体回升，个别一二线城市房价出现较快上涨。2019年4月以来，在经济增速下滑的背景下，随着政府“稳房价”决心的进一步明确，以及货币宽松政策短期见顶，房价回升的态势受到抑制，房价上涨预期逐步减退。2019年4月以来二手房成交量和房价整体涨速的下降，也表明市场预期的转变。

三、2020重点城市市场预测

预计2020年重点城市住房市场总体先抑后稳，房价有望实现软着陆。少部分城市仍存在较快上涨或下跌的可能。

短期重点城市房价趋降主要原因有：

经济增速下滑，城市化动力减弱。经济增长是城市进从而房地产业发展的源动力。经济增长速度下滑，将导致城市化动力减弱，并使得部分居民对房地产市场预期也发生转变。受外部贸易摩擦和内部结构调整的影响，2019年3季度GDP同比增速降至6%。随着经济增长不断趋缓，城市的人口吸引力相对降低，对住房市场的短期信心也将受到影响。短期的主流房价预期将由谨慎乐观向有限悲观转变。

始于2015年底的本轮房地产景气周期趋于尾声。以房地产去库存、货币化棚改政策为触发点的本轮房地产景气周期，房价上涨持续时间长，总体涨幅巨大，一二三四线城市轮动特征明显。但2017年以来，一线城市房价开始由涨转降；2018年以来，部分热点二线城市房价也出现较大下调；2019年以来，越来越多的三四线城市加入到房价下降的行列。三四线城市房价逐步由升转降，表明始于2015年底的本轮房地产景气周期趋于尾声。在没有新的激发因素出现之前，市场信心难以有效恢复，房价总体趋降。

另一方面，房价存在先抑后稳的条件。尽管经济增速下滑，但经济增长的内生动力仍然存在，房价即使下降也仍存在一定支撑。住房调控政策基本见底，调控政策及融资条件均存在边际性改善的可能。这些因素可能共同促成房价的软着陆。

由于中国房地产市场区域差距大、发展极不平衡，在总体先抑后稳的背景下，不排除局部较快上涨或下跌的可能性。

分城市看：

一线房价总体先抑后稳，个别可能上涨。一线城市作为全球性城市，房价对外部经济环境变化比较敏感，全球经济动荡加剧将对一线城市房价产生一定负面影响；作为科技创新中心，一线城市房价也将受到科技创新企业估值大幅缩水的影响；近期，部分一线城市房价下跌有所加快且成交量下降，短期市场难以有回升的基础；在再城市化背景下，一线城市作为高端人才流入地和高端产业聚集区，房价回调存在一定支撑点，个别城市房价仍可能上涨。

二线城市涨跌并存，但大起大落可能性不大。受一线城市房价下跌的传导及短期观望氛围增强的影响，二线城市房价或将以小跌为主。但部分城市发展前景较好、房价基数低、中长期房价累计涨幅相对小的城市房价仍可能上涨。

三四线城市总体下跌。从城市化总体格局看，三四线城市收入水平及人口吸引力偏低，住房投资投机需求和二手房市场相对不活跃，房价持续上涨动力不足。在政策刺激效力减退及房价“相对洼地”消失的背景下，三四线城市住房市场可能将先后进入下行阶段。部分行情启动较慢的三四线城市，借助于货币化棚改余热，房价也仍可能上涨。

四、基于大数据的城市房价预警预报

纬房大数据预警预报系统为国内首个基于大数据与人工智能的房地产预警预报系统。在最新纬房指数监测指数的基础上，基于房价空间传导机制及区域房价相互作用机理建立预报模型。在人工智能等算法模型给出初步风险判断结果之后，通过专家会商评估，给出最终预报信号。需要注意的是，纬房预警预报系统仅为市场短期走势预测，并不一定代表现实已经发生的涨跌。纬房预警预报信号为数学概率信号而非确定性结果，具有一定的差错概率。结果仅供分析市场参考，不直接构成决策及买卖建议。

根据监测模型及专家评价，提出以下参考性预警预报：

浅红色（一般上涨）预警：深圳、东莞、珠海、惠州、苏州、南通、无锡、宁波

正红色（较快上涨）预警：无

深红色（大涨）预警：无

浅绿色（一般下跌）预警：北京、天津、廊坊、保定、张家口、沧州、青岛、济南、烟台、威海。

正绿色（较快下跌）预警：无

深绿色（大跌）预警：无

2019年11月纬房大数据预警预报

五、存在问题

1．高速增长趋于结束，局部市场下行风险增大

经过近二十年的快速发展，当前住房总量供应较为充分，住房市场从总体看并无较大的实际增值空间。虽然有些城市房价已停止上涨，但由于住房供给规模的持续增加，不排除局部房地产市场风险继续累积的可能性。随着供给的不断增长和需求增速下降，部分三四线城市房价存在一定的波动风险。

2．房价趋降考验政策定力

在“房住不炒”和地方政府稳定房价的主体责任成为政策共识的背景下，住房投资投机需求减退。在当前的内外部经济环境下，只要“房住不炒”的方略能够坚持，不仅房价难以出现大幅上涨，部分城市还将进入买方市场。这虽然有利于降低宏观风险及平抑房价，但也会使一些开发企业面临经营困难。对土地财政依赖较大的部分城市，财政压力也难免增大。这些都将考验城市稳定房地产市场的定力。

3．市场下行时，房地产企业延期交房、烂尾及各类市场纠纷的发生概率增大

房地产市场本质上是具有较强波动性的市场。我国房地产企业大多采取高负债经营模式，本身蕴含着较大的经营风险。在过去十多年，由于房价涨多跌少，开发企业资金链断裂风险被乐观的市场表现所掩盖。一旦市场增长停滞或持续下行，负债率过高或对市场预判过于乐观的房地产企业，将面临资金链紧崩甚至断裂的风险。房地产企业延期交房及烂尾的风险也随之增大。在期房预售制度下，这也将极大损害购房者的权益。特别是在三四线及以下城市，行业监管力量薄弱，市场下行压力加大，相对更容易出现无法按期交房现象。此外，由于买卖双方对期房权益的理解不一，一旦房价下行，各类市场纠纷案例就会迅速增长。

4．房地产企业资金紧张，对市场产生多方面影响

房地产企业资金紧张成为常态，这对土地市场降温起了有效作用，也对稳定短期房价起了一定作用。房地产企业资金紧张主要源于两个方面因素：为避免土地市场过热，政策层面对开发企业的融资采取了一定的规范性管控措施，房地产企业融资成本升高；受限购及市场调整等因素的影响，商品房销售增速下降，房地产企业资金回笼出现不畅。

房地产企业资金紧张对供给也将产生一定影响。短期内，房企供给能力下降；中长期，开发融资模式将逐步转型，市场供给不会因此发生变化；为了降低资金压力，部分房地产企业倾向于采取缩短开发及销售时间的快周转模式，短期内部分商品房产品的品质有所下降。

六、对策与建议

1．坚持“房住不炒”，保持调控政策的延续性与稳定性

历史经验证明，在城市化发展阶段，出台刺激购房政策必然导致房价的异常上涨，增加市场风险。为保持市场平稳，应保持调控政策的延续性与稳定性，继续抑制住房投资投机，使购房投资杠杆保持在可控范围。限购、限贷等核心的住房投资需求管控政策，仍应保持相对稳定。房地产政策的调整优化应坚守“房住不炒”的底线，坚持避免出台刺激购房政策。

坚持“房住不炒”虽然有利于降低宏观风险和提升居民住房水平，但与土地财政在短期内具有一定的内在矛盾，需要保持充分政策定力。随着“房住不炒”的推进，部分城市不可避免地要面临一定的财政压力。为避免市场出现政策性波动，这一方面需要保持政策定力，继续抑制住房投资投机，保持房地产市场的持续稳定；另一方面需要加大财政结构转型力度，降低对房地产相关收入的依赖度。

2．把好货币供应总闸门，保持房地产信贷规模稳定

从宏观看，房地产市场和金融市场密不可分。房地产市场在一定程度上具有货币“蓄水池”的功效，货币供应扩张紧缩是房价大起大落的必要条件。稳定房地产市场，首先需要从宏观上维持货币供应量的相对稳定，避免大水漫灌或过度紧缩。货币政策保持松紧适度，可以为房地产市场的平稳发展和居民家庭住房条件的持续改善创造条件。

从微观上看，按揭贷款是达成房地产交易的重要前提，差别化信贷政策是控制住房投资投机最为直接有效的政策手段。在坚持差别化信贷的前提下，加强对各类融资手段的用途管控，避免借其它用途融资而违规流入房地产市场。

从供给侧看，继续维持对开发环节融资的适度合理管控，可以从源头抑制土地相关炒作。为避免信贷资金“脱实入虚”或违规流入房地产市场，相关金融管理部门对房地产开发环节采取了一定的融资管控措施，有效地抑制了土地市场过热、平抑了短期房价。为稳定土地市场预期，从源头抑制土地和房地产的相关炒作，应保持对开发环节融资的适度合理管控措施的稳定性。

3． 落实完善因城施策方略，明确地方政府稳定市场主体责任

房地产市场属于地域性很强的市场，将城市政府作为稳定房地产市场的第一责任人契合经济规律。此外，因城施策也可以大大降低房地产市场系统性风险发生的概率。进一步明确各城市政府稳定房价的主体责任与上级政府的监督指导责任。对于局部房价的异常上涨，实现及时预警和“露头就打”。房价短期波动较大的区域，还可进一步明确稳定房价的短期数量目标。严格防止个别城市以“因城施策”之名出台刺激购房政策。

将稳定租房市场纳入各地政府稳定房地产市场的重要目标，大力规范租房市场秩序，保护租房者合法权益，防范中介及各类机构试图操控、垄断市场行为，避免租金的异常波动。

从各地市场实际出发，增强需求管控政策的弹性与灵活性。在坚持“房住不炒”、维持市场总体稳定的前提下，可根据市场实际情况对已有的限购、限价等需求管控政策作边际性调整，以适应市场形势的新变化。避免误伤合理购房需求，适度支持改善性住房需求。进一步增强政策针对性，减少“一刀切”式管控。

4．完善住房市场监测指标与方法，实现对市场风险的及时预警

在政策层面，上级政府对住房市场监测评价指标的单一化，容易诱发下级政府简单调控或虚假调控。有必要对现有的监测评价指标体系加以改进，以促进市场的持续稳定。可以考虑增加住房市场监测指标、完善监测方法，加强二手房监测、成交量监测、舆情监测、大规模摇号等市场异常监测，引入大数据监测、人工智能监测等新方法。

及时发现和预判市场动向，实现事前预调，减少事后调控。与股市等资本市场相比，房地产交易属于低频、大额交易。房地产市场的规律性、可预判性相对较强。加强人工智能、大数据等新技术手段在房地产监测领域的应用，加大对地价、房价、房地产舆情及交易量等的监测力度，实现对市场风险的实时预警。

5．稳妥推进住房市场长效机制建设，促进长短期政策目标的均衡协调

推进公共服务均等化，缓解住房供求结构性矛盾。房地产需求与城市公共服务息息相关。公共服务的不均衡，不仅表现为不同区域公共服务水平的巨大差异，更表现为同一区域内部公共服务水平的较大落差。公共服务在空间分布上的极不均衡，是导致住房结构性短缺的重要原因。这需要优化各级政府的财权与事权划分，大力推进基础教育、医疗、公共交通等公共服务的均等化。通过公共服务的均等化，平衡住房需求的空间分布，促进存量住房资源的有效利用。

大力发展租房市场，实现租购并举。发展租房市场是建立完善住房市场长效机制的重要组成部分。长期以来，租房市场被政策所忽视，租房者权益未得到很好的保护。进一步落实租购房同权，建立健全住房租赁相关法律法规，增加租赁住房土地供应，完善租房市场监测体系，促进住房租赁市场发展。

深化土地市场改革。以用途管制为基础，推进城乡土地市场一体化，为建立多主体供应的住房供应体系垫定基础。

促进地方财政结构转型，降低城市政府对土地财政的依赖度。分类推进地方政府投融资体制改革，转变地方政府高负债发展模式，是稳定房地产市场的必要条件之一。

从保护购房者权益出发，因地制宜稳妥推进住房预售制改革。随着住房市场由快速上涨转入总体趋稳，房地产企业短期资金压力将迅速增大，期房烂尾或延期交付风险可能较快增加。在期房预售制度下，这些风险都将转嫁给购房者。特别是在三四线及以下城市，购房者权益更难以得到保护。为有效保护购房者合法权益、维护社会稳定，有必要因地制宜稳妥推进期房预售制度改革。

建立房地产政策的综合协调机制。房地产市场的稳定涉及金融、土地、住房、财税、教育、交通、发展规划等多个部门，房地产市场的变动同时又会与金融市场及宏观经济发生联动。这需要加强宏观政策的综合协调，实际统一目标齐抓共管，避免重要宏观政策的出台与稳定房价目标相背离。

纬房指数（原大数据房价指数BHPI的升级版本）为首个基于住房大数据和重复交易法的新型房价指数。通过新技术的应用，纬房指数有效规避了阴阳合同价、非理性报价、网签时间滞后、加总失真等技术难题，从而更为贴近居民家庭对房价涨跌的真实感受。纬房指数为公益性月度房价指数，目前包含纬房核心指数和纬房租金核心指数2个全国性综合指数，142个主要城市房价指数、约30个重点城市的住房租金指数及数十个重点城市的区县房价指数，每月中下旬完成上月指数。纬房指数现有定基、环比、同比3个维度，同时提供大数据房价中位数作为参考。纬房指数主要监测存量住房价格变动，新建商品住房价格变动暂不计入纬房指数。作为基于大数据的开放式房价指数，纬房指数的监测深度与广度将不断递进。纬房指数为大数据挖掘研究前沿成果，数据仅作为市场研究参考，住房市场评价以政府统计部门数据为准。

报告撰写人：

邹琳华中国社科院财经战略研究院住房大数据项目组组长，中国社科院竞争力模拟实验室副主任，《中国住房市场发展月度分析报告》主编

王业强中国社科院城市发展与环境研究所土地经济与不动产研究室主任，《房地产蓝皮书》主编

吕风勇中国社科院财经战略研究院《中国县域经济发展报告》主编

数据整理：

叶冰阳中国社科院财经战略研究院住房大数据项目组 研究助理

数据支持：

住房大数据联合实验室

58安居客房产研究院

目前，中国城镇化已进入高速增长期，我国规模城市总数达到世界首位，城镇人口数量已占据总人口数的60%。在当前形势下，城乡人口流动一方面作为重要推手加速城镇化的进程；同时也带来了城镇拥挤、城乡发展不协调、资源单向流动等的问题。如何在借鉴国际经验的基础上，结合中国城镇化的实际情况，寻找出解决的方案和答案？

国家发改委城市和小城镇改革发展中心与联通大数据-智慧足迹公司联合组成课题组，基于去个人标识化的手机信令数据对农村人口流动状况进行了分析。通过大数据分析洞察农村人口在城乡间、区域间的流动状况，为认识城市发展规律、提高社会资源利用率、合理进行就业和产业空间布局等提供参考。

课题组选择了东部地区的山东潍坊、东北地区的吉林四平、中部地区的河南南阳和湖南衡阳、西部地区的四川南充和陕西渭南作为6个案例地区，以春节期间在农村的人口作为对象，分析了2017年和2018年春节前后农村人口空间分布变化状况，共计209万个样本。

春节期间在农村的人口根据常住地不同，可以分为以下七个方向：一是常住本地农村（以下简称农村），二是常住本地县城（含县级市，以下简称县城），三是常住本地地级市的市区（以下简称市区），四是常住省内其他城市（指省内省会城市和计划单列市以外的城市，以下简称省内），五是常住本省的省会城市（含计划单列市，以下简称省会），六是常住一线城市（一线城市包括北京、上海、广州、深圳，以下简称一线城市），七是常住省外其他城市（以下简称省外）。

节后根据常住地的变化可以分为四类：一是节前在外节后继续外出的人口；二是节前在农村节后继续在农村的人口；三是节前在外地节后在本地（地级市）的人口，我们称之为返乡人口；四是节前在农村节后在城市的人口，称之为新增农村外出人口。现将课题组主要分析结果进行呈现：

1、接近一半农村人口选择外出。从2017年及2018年春节前后数据来看，已有接近一半的农村人口选择外出，2018年春节后农村人口外出比重最高为49.48%， 2017年春节后为48.9%，总体来看农村外出人口比重接近一半，这部分人口常年离开农村，常住地也在城市，并统计为城镇人口。从两年的比重变动来看，农村外出人口比重在稳定中保持了缓慢增长态势，我国城镇化整体上还处于上升态势。

2、农村外出人口流向结构分析。超过三成农村人口选择留在本地城市，约两成人口选择留在本地县城（含县级市），另外约一成人口流向地级市市区。2018年在农村外出人口中，留在本地城市的比重比上年提高了0.41个百分点。接近三成农村外出人口流向一线和省会城市，其中在省会城市和一线城市的数量基本相当，大约各占15%，但2018年流向一线城市的比重下降了0.62个百分点。另外，还有约一成的农村人口流向省内其他城市，约有三成人口是流向省外。

3、农村新增外出人口分析。2017年和2018年春节后，案例地区农村新增外出人口占春节前农村常住人口的10.17%和10.95%，外出势头持续。从农村新增外出人口的流向来看，新增外出人口更倾向于留在本地城市，约四成人口是留在本地，比农村外出人口总体情况高8—9个百分点。而农村新增外出人口流向一线城市的比重约为9%，比农村外出人口总体情况低约6个百分点，而且占比比上年下降了接近1个百分点。

4、农村外出人口返乡情况分析。2017年和2018年春节后，案例地区返乡人口占春节前外出人口（在本地级市以外的常住人口）比重为11.98%和12.39%，返乡人口占比略有提高。从外出人口返乡来看，超过四分之三的人口是回到农村，另外约15%是回到本地县城（含县级市），约8%是回到地级市市区。从两年情况来看，返乡回农村的人口比重下降了0.45个百分点，而到县城（含县级市）和市区的比重提高了0.34和0.12个百分点，总体稳定，并未有较大幅度波动。

5、流向一线城市人口相对更稳定。从各类城市的返乡情况来看，流向一线城市的农村人口稳定性更高，流向一线城市农村人口的返乡比例不足7%，明显低于其他几个方向。流向省会城市的农村人口稳定程度也较高，过去两年的返乡率都在9.4%。但是有一个现象也必须看到，一线城市的外来人口返乡率在提高，2018年比上年提高了0.89个百分点。相比而言，农村人口流向省内各城市的稳定性要低于流向省外的城市，这与在省内流动迁徙成本更低有一定关系。

6、小结。农村人口在城乡间、区域间的流动迁徙变化是个长期过程，但是有两个问题需要引起注意：一是农村人口外出还是城镇化过程中的一个基本趋势，目前农村新增外出人口数量还大于农村外出人口返乡数量，但是外出人口返乡数量和比重也同步在增长，人口返乡的数量会不会超过农村新增外出人口需要关注。从过去几年的统计数据来看，农村人口每年减少的比例在2%以上，但是从案例地区来看，农村人口总量已基本稳定。二是一线城市吸纳农村外出人口比重在下降，并且在一线城市就业的农村外出人口稳定程度也在降低。这与一线城市的生活成本较高有关，同时也和部分一线城市采取了严格的人口调控政策有关。省会和一线城市有更多发展机会，工作与收入预期更稳定，对人口吸引力更强，政府相关政策制定要顺应这一趋势，才能更符合经济发展规律，符合以人为本政策导向。

本文转自公众号：中国城市中心

一线城市快递员需求量大，郑州求职关注度最高

自2009年启动以来，双十一已进入第11个年头。2018年双十一全网销售额3143亿元，同比增长24.3%，预计今年双十一销售额还将继续增长，网购量的激增也让各地快递员需求增大，所以物流企业在双十一前开始储备相关岗位。据58同城招聘研究院双十一热门职业大数据显示，今年双十一前快递员岗位企业需求排名TOP 15城市中，排名第一的是北京，其次是成都、上海、深圳、广州、杭州、武汉等城市。由于一线城市生活节奏快，消费者利用碎片化时间进行网络购物，产生的快递包裹更多，因此一线城市物流企业对快递员的需求更大。值得一提的是成都等新一线城市在近年来保持了经济的快速增长，居民生活条件不断提高，对网购的需求量增大，也间接造成了对快递员需求的提高。杭州具有电商基因，阿里巴巴等电商巨头在此集聚，电商方面的先发优势让杭州企业对快递员需求增加。

在2018年双十一期间，国家邮政局监测数据显示，仅双十一当天，主要电商企业全天共产生快递物流订单13.52亿件。据网络数据显示，双十一期间销售额排名前三的省份分别是广东、浙江和江苏，巨大的行业需求使物流企业对快递员求职偏好尤为关注，据58同城双十一热门职业大数据显示，在快递员岗位求职者关注排名TOP 15城市上，深圳排名第一，北京、广州、上海、重庆、成都、杭州紧随其后，这意味着，一线城市受到了更多求职者的关注。由于一线城市就业岗位多、企业支付薪资相对较高，在双十一促销季中获得的报酬更多，因此愿意从事快递员岗位的求职者更关注一线城市。

从快递员岗位的求职者关注城市增幅来看，郑州以46.65%的增长率排名第一，其次是东莞、苏州，分别增长44.33%和36.84%。近年来，郑州投资新建郑投科技创新园、凯越邮政跨境电商产业园等项目，增强了电商产业发展动力，蓬勃发展的电商产业，导致郑州的快递员求职关注度激增。而东莞、苏州同为经济发达的非省会新一线城市，两地制造业都处于迭代升级中，在双十一消费旺季下，制造业人口向生活性服务业转移，造成求职者对快递员行业关注度大幅上升。

上海快递员薪资达9145元，西安企业支付薪资增长超20%

58同城招聘研究院数据还显示，上海是快递员收入最高的城市，企业支付薪资达到9145元，其次是北京、杭州，分别为8849元和8673元。作为网络购物旺盛的一线城市和收入水平领先的发达城市，上海快递员的收入水平一直领先于其他城市，在今年更是有稳步提升。值得一提的是，杭州是电子商务的发源地和快递员职业的源头，城市的平均收入水平也在全国居于前列，因此杭州快递员的企业支付薪资位列全国前三甲。

从薪资增幅上看，今年双十一前夕，快递员岗位企业支付薪资增长最快的城市是西安，增幅达到20.25%。其次是长沙、北京、武汉，分别增长19.82%、18.59%和16.58%。作为崛起中的新一线城市，西安、长沙、武汉等城市交通基础设施建设不断完善，产业发展上将电子商务、物流等服务业置于更重要的地位，带动了快递员职业的发展，使快递员收入出现了较快增长。

同时，在58部落上，建立了快递员联盟，快递小哥们在这里分享他们工作中的百味故事。尽管一日三餐没有点，刮风下雨都得送，客户为难迎笑脸，大事小情自己扛。但每一位快递员，都值得被尊重。

作为招聘行业的领导者，58同城不仅为用户提供丰富多元的服务业岗位，也根据招聘行业市场趋势发布行业大数据，使求职者和招聘方对岗位供需有深入了解，从而为就业和招聘提供借鉴，有利于人岗精准匹配与旺季招聘工作的有序开展。

在 2019 世界人工智能大会于今年 8 月末在上海隆重召开之际，猎聘积极呼应此次大会 “智联世界、无限可能” 的主题，特此发布《猎聘 2019 年中国 AI & 大数据人才就业趋势报告》

（以下简称《报告》）。《报告》重点研究时段为 2019 年 1-7 月，分析了在此期间国内 AI & 大数据人才的画像特征、供求的行业与地域分布情况，以及薪资行情，展示了近年来该领域人才的需求趋势、流动特征，并专门研究了该领域国内的海外人才现状，为人才的供需双方提供招聘及求职方面的决策参考，也为相关行业研究机构及个人提供一手参考资料。

一、AI & 大数据人才概况

1、 爆发式发展与严重人才荒并存

在众多的当今新兴领域中，AI、大数据无疑是最热的领域之一。在国家层面，对 AI、大数据都有明确的规划。2017 年，国务院印发了《新一代人工智能发展规划》，提出到 2020 年, 初步建成人工智能技术标准、服务体系和产业生态链，人工智能核心产业规模超过 1500 亿元，带动相关产业规模超过 1 万亿元。而在 2016 年，工业和信息化部（工信部）印发《大数据产业十三五发展规划（2016-2020）》，提出到 2020 年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成，大数据相关产品和服务业务收入突破 1 万亿元 ，年均复合增长率保持 30% 左右，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。

随着信息化和互联网技术的发展，近些年，我国的 AI 与大数据呈现爆发式增长态势。目前， 中国是全球第二大 AI 力量，人工智能企业超过 1000 家。根据雪球财经的数据，2018 年中国 AI 市场规模约 330 亿元人民币，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。中国人工智能市场有望在 2030 年达到万亿量级。2018 年上半年，中国 AI 投资总规模 1527 亿，显著超越 2017 全年（754 亿）。中国信息通信研究院发布的《大数据白皮书 (2018)》显示，2017 年，我国大数据产业规模达 4700 亿元，同比增长 30.6%，大数据与实体经济融合提速。

在 AI 与大数据领域迅猛发展的另一面，是全球性的人才荒。根据腾讯研究院发布的《2017 全球人工智能人才白皮书》，目前，全球 AI 领域人才约 30 万，其中高校领域约 10 万人，产业界约 20 万人。AI 产业人才主要分布在美国、中国及其他国家的企业中。据工信部教育考试中心副主任周明 2016 年向媒体透露, 中国人工智能人才缺口超过 500 万。

在大数据领域，人才荒问题也同样突出。根据麦肯锡报告，美国 2018 年大数据人才和高级

分析专家的人才缺口将高达 19 万。此外，美国企业还需要 150 万位能够提出正确问题、运

用大数据分析结果的大数据相关管理人才。数联寻英 2016 年发布的《大数据人才报告》称，

目前，全国的大数据人才只有 46 万，未来 3-5 年内大数据人才缺口将高达 150 万。

2、AI & 大数据中高端人才画像

1）人才呈年轻化趋势，并具有丰富工作经验

猎聘大数据显示，从 2019 年 1-7 月，全国 AI & 大数据人才的年龄分布以 25-30 岁之间最多， 占比为 40.63%；其次是 30-35 岁，占比为 29.65%。而在 AI 与大数据人才的工作年限分布方面，5-8 年的人才占比最多，为 22.95%；其次是 10-15 年工作经验的人，占比为 19.26%。

由此可见，这个领域的中高端人才尽管趋于年轻化，但却不乏一定的工作经验。这与 AI 与

大数据是新兴高科技领域密切相关，这两个领域具有较高的学科和专业门槛，入行的人才需要在学科和相关领域具备一定的知识和经验沉淀。

2）专业背景：多为计算机和信息相关专业

从 AI 与大数据人才毕业的专业背景来看，以计算机和信息科学相关的专业最多，位居第一的是计算机科学与技术，占比为 10.32%。这表明，该行业对人才的准入具有较高的专业门槛。

AI 与大数据的发展从根本上得益于数据、算力和算法的集中突破，得益于互联网和信息化的发展，因而对人才的要求更看重相关领域的专业背景。

3、AI & 大数据领域所需职业技能：综合素质 + 专业知识

猎聘大数据研究院分析了 AI 与大数据人才所应掌握的相关技能关键词，结果发现，这个领域对人才素质的要求较为综合，不但要求相关的硬核技能，如人工智能、算法、互联网方面的知识和技能，还要求懂得产品相关的知识储备、数据分析、逻辑分析和市场营销等技能。

其中，最关键的一些技能都是门槛较高的、需要极强的专业知识，比如算法、计算机视觉、数据挖掘、信号处理、数据分析等等。由此也不难理解，为何 AI、大数据人才的专业背景来

自计算机、信息和统计的人占比更多。

二、AI & 大数据人才需求趋势：呈快速增长态势，2019 约为 4 年前的 12 倍

2015 年是中国互联网发展的关键一年，这一年中国移动互联网进入发展成熟期。猎聘大数

据研究院对比研究了 2015 年一季度至 2019 年二季度全国 AI & 大数据领域与互联网行业的人

才需求变化趋势，以 2015 年为时间起点和比较的基准点，用此后每个季度的发布职位数与

2015 年发布的职位数相除，结果发现，在过去 18 个季度中，AI & 大数据领域与互联网行业的人才需求成倍持续增长态势，AI & 大数据的人才需求增长倍数明显高于互联网行业，两者均在 2019 年二季度达到发展的最高峰值，分别为 11.75，后者为 10.66，即在这个时间节点，AI & 大数据的人才需求是 2015 年 Q1 的 11.75 倍，而互联网行业的人才需求是 2015 年

Q1 的 10.66 倍。

AI & 大数据与互联网行业有着千丝万缕的关系，后者的快速发展为前者的飞跃、应用创造了重要条件。比起互联网行业，AI & 大数据对技术要求更高、更前沿，人才的稀缺性更强。

三、AI & 大数据人才需求与供给分布情况

1、行业分布：互联网行业的需求与供给占绝对优势

AI 与大数据人才的需求分布和供给分布遍及各大行业，其中以互联网、电子通信、机械制造和金融较为集中，而最为集中的是互联网行业，无论人才需求还是供给均已过半，在各大行业中具有绝对优势。

从人才需求分布来看，互联网、电子通信、机械制造、金融行业的 AI & 大数据人才需求占比总和为 84.49%；其中互联网行业就占到全行业的 57.34%。从人才供给分布来看，这四个行业的人才供给占比合计为 85.26%，仅互联网行业就占到了全行业的 62.23%。这四个行业具有较好的信息化基础和数据积累，而且对国计民生影响较大，因而对于 AI & 大数据的人才供需都相对较大。

尤其是互联网和电信行业两个行业近年来发展迅猛，沉淀了海量用户数据。国家统计局 2019

年 8 月发布的新中国成立 70 周年经济社会发展成就系列报告显示，我国网民由 1997 年的

62 万人激增至 2018 年的 8.3 亿人，年均增长 40.9%。其中，网民通过手机接入互联网的比例高达 98.6%。2018 年，移动互联网接入流量消费达 711 亿 GB，是 2013 年的 56.1 倍，5 年年均增速高达 123.8%。70 年来我国通信技术跨越式发展，到 2018 年末，光纤接入用户达

3.68 亿户，4G 用户总数达 11.7 亿户。用户规模发展壮大，电信业务总量高速增长。到 2018 年末，全国电话用户规模达 17.5 亿户，用户规模居世界第一。移动宽带用户（即 3G 和 4G 用户）总数由 2014 年末的 5.8 亿户增至 2018 年末的 13.1 亿户，年均增长 22.4%。

在技术不断更新迭代的趋势下，AI & 大数据必将进一步与各大行业融合，充分释放其在产业发展中的变革作用，加速传统行业经营管理方式变革，推动服务模式和商业模式创新，并进一步重构产业价值链体系。

2、核心职能分布：机器学习与数据产品经理占供需大头

从 AI & 大数据核心职能人才需求分布前十的情况来看，机器学习和数据产品经理占比最多， 为 27.88%、27.13%，两者合计为 55.01%，为当之不愧的第一梯队。第二梯队为深度学习、

算法工程、数据分析师，人才需求占比区间为 5.27%~11.56%；第三梯队为图像处理、数据仓库、机器视觉、自然语言处理、数据架构，人才需求区间为 1.65%~4.47%。

从 AI & 大数据核心职能人才供给分布前十的情况来看，数据产品经理占比遥遥领先，为 44.60%；其次是机器学习，为 11.51%，这两者为第一梯队。第二梯队的是数据分析师、算法工程、深度学习，人才供给占比区间为 5.44%~9.74%；第三梯队为数据仓库、自然语言处理、BI 工程师、机器视觉、图像处理，人才供给区间为 1.79%~3.64%。

AI & 大数据人才需求和供给都大量集中在机器学习和数据产品经理两个职能上。机器学习依赖于对大量数据的解析和训练，从而通过算法从数据中学习完成任务。近年来，随着大数据领域的迅猛发展，算力大大提升，为机器学习提供大量的原材料，而极大促进了机器学习的发展。

由于 AI & 大数据与具体的产业相结合，产生了很多落地应用的产品，这就需要相应的数据产品经理，负责数据产品的全生命周期，如需求管理、规划设计、开发测试、迭代优化等。在各个应用领域，数据产品经理又可根据业务类型细分为多种类别。

3、城市分布：北上深稳居人才供需第一梯队

在 AI & 大数据人才需求分布前二十的城市中，北京占比最高，为 29.11%。北京、上海、深圳人才需求占比位居前三，三者的人才需求总计为 63.00%；杭州和广州在第二梯队，人才需求占比为 6.85%、5.40%。其他 15 个城市在第三梯队，人才需求占比区间为 0.50%~2.74%， 占比总和为 24.75%。

在 AI & 大数据人才供给分布前二十的城市中，位居前三的城市是北京、上海、深圳，人才供给占比分别为 26.61%、20.40%、10.57%，合计为 57.58%；杭州和广州位居第二梯队，人才供给占比为 4.93%、4.92%。其余 15 个城市为第三梯队，人才供给区间为 0.43%~2.88%，合计为 27.67%。

这个领域的人才需求和供给都集中在北京、上海、深圳，因为这三地的企业、人才众多，产业发达，汇聚了众多 AI & 大数据方面的代表性企业。在北上深之外的其他城市，以杭州和广州较为突出，尤其是杭州，仅次于北上深。杭州是国内互联网重镇，近年来着力推进智慧城市建设，打造 “全国数字经济第一城”，在新一线城市中成绩斐然。

AI、大数据、云计算是数字经济的关键技术，近年来，全国不少城市都加大了对数字经济的投入力度，涌现出不少数字经济强市。根据紫光旗下新华三集团数字经济研究院 2018 年 4 月发布的《中国城市数字经济指数白皮书（2018）》，中国城市数字经济出现长三角、珠三角、环渤海 3 个中心，四川盆地、华中平原、闽东南、关中平原、山东半岛共 5 个热点，区域协同发展效应显著。而 AI & 大数据人才供需占比前二十强城市就位于这 3 个中心、5 个热点中，也涵盖了此白皮书所公布的中国数字经济百城排名十强的城市（含上海、北京、深圳、成都、杭州、广州、武汉、宁波、无锡、重庆）。这充分证明，数字经济越发达的地区，其 AI & 大数据产业也是强项，三者之间互相带动，共同激发城市与区域之间的社会创造力和市场主体活力。

四、AI & 大数据海外人才分布情况

1、海外人才占比不足一成，过半集中在互联网行业

在国内 AI & 大数据领域，引进海外人才是各级政府非常重视的工作。AI、大数据的概念是国外最先提出，且较早在国外发展、落地，国外无论是相关领域的人才培养还是在应用领域的探索都处于领先位置。

从目前 AI & 大数据领域海外人才的比例来看，只占到 9.19%，不足一成。从该领域海外人才的分布来看，51.20% 的人聚集在互联网行业。其次是金融行业，海外 AI & 大数据人才占比为 12.38%。机械制造、电子通信的海外人才占比位居第三、第四，为 9.34%、8.43%。其他行业的占比相对较小。

从行业的角度来看，除了互联网的海外 AI & 大数据人才的占比过半外，其他行业都占比很小，

越是传统行业，占比越小。可见，互联网之外的行业海外人才严重不足，需要补给海外相关人才，为行业的发展提供有力的人才支撑。

2、 城市分布：沪京深位居前三，为人才富矿区

从 AI & 大数据海外人才在国内的城市分布来看，上海的人才占比最多，为 26.02%；北京位居第二，占比为 21.60%；深圳位居第三，为 8.83%。这三个城市海外 AI & 大数据人才总和为

56.45%，为第一梯队。

杭州、广州为第二梯队，该领域海外人才占比为 3.50%、2.86%。其他 15 个城市为第三梯队， 人才占比区间为 0.31%~1.90%，合计为 11.78%。

如果国内非一线城市要就近引进 AI & 大数据领域的海外人才，建议可以重点关注上海、北京、深圳这三个城市，在国内 AI & 大数据领域，这三个城市是汇聚国内外人才的富矿区。

五、AI & 大数据人才薪资

1、平均月薪 22322 元，超过各大行业平均薪资

国内 AI & 大数据从业者平均月薪较高，为 22322 元，超过同期各大行业从业者平均薪资，比各大行业薪资排名最靠前的金融和互联网行业分别高出 2150 元、3275 元。

AI & 大数据人才在全球都属于高薪群体，这是由这个领域的高门槛性和人才的稀缺性决定的。

2、核心职能：数据架构、数据科学家领先，平均月薪超 3 万

在国内 AI & 大数据领域的重点职能中，平均月薪排名最高的是数据架构和数据科学家，分别

为 37451 元、36570 元，也是两个平均月薪超 3 万的职能。其他职能的月薪在 23569~28185 元，均超过了 2 万。

3、 城市薪资：北上深杭广平均月薪超 2 万

在国内不同的城市，AI & 大数据从业者的薪资也有差别。在平均月薪排名最高的 20 个城市

中，月薪超 2 万的城市有 5 个，分别是北京、上海、深圳、杭州、广州。

这五个城市从业者的平均月薪为 25087 元、25047 元、24094 元、21952 元、20962 元。其他 15 个城市的平均月薪区间在 13475~19007 元。

4、 本地与海外人才薪资对比：前者比后者月薪低近 8000 元

在国内 AI 大数据领域，海外人才的平均月薪明显高于本土人才，前者为 29515 元，后者为 21625 元，两者相差 7890 元。

该领域海外人才仅占到全领域人才的 9.19%，稀缺度很高，决定了该群体较高的身价。

六、AI & 大数据人才流动

1、行业净流入：互联网、制药医疗行业最能留住人

由于 AI & 大数据从业者遍布各大行业，其流动也是在各大行业中都有所不同。从 2017 年一季度到 2019 年二季度，互联网、制药医疗行业的 AI & 大数据人才处于净流入状态，其人才净流入率分别为 4.89%、1.75%，表明这两个行业能够留住 AI & 大数据人才。其他行业人才净流入为负值，均存在不同程度的人才净流出现象。其中，电子通信行业的 AI & 大数据人才流

失最为严重，其人才净流入率为 – 13.48%，为行业倒数第一。

互联网行业与 AI、大数据的发展密切相关，在互联网的迭代升级中，需要 AI、大数据提高其智能化，而且互联网本身对 AI & 大数据人才也有着全行业最高的人才需求，超过了全行业半壁江山。AI、大数据对于制药医疗行业实现智慧医疗具有巨大的促进作用，智慧医疗应用于患者上传化验及病情报告、电子病历、远程诊断、手术直播、智慧就医、智慧物联、垮区域医疗合作等方面，能够更方便、快捷、低成本地解决人民的医疗健康方面的问题，同时也能缓解目前医疗资源分配不均、看病难、看病贵的社会痛点。在现代人生活水平具有重大提升的前提下，人们越来越关心自身及亲人的健康状况，更看重生活质量，因而对制药医疗行业的发展提出了更高的要求。

电子通信行业在 AI & 大数据人才的需求和供给方面位居全行业第二，其相关人才流失最严重， 是因为这个行业薪资相对较低。相比之下，互联网庞大的人才需求和较高的薪资，灵活的工 作方式，多元化、年轻化、自由的企业文化，更吸引 AI & 大数据人才加入。

2、城市净流入：杭州拔得头筹，合肥西安进入前三

从 2017 年一季度到 2019 年二季度，在全国 AI & 大数据人才净流入率排名最高的 20 个重点城市中，杭州排名最高，与合肥、西安位列第一梯队，分别为 14.94%、11.92%、10.03%。

深圳、成都、武汉、佛山、长沙、重庆为第二梯队，人才净流入率区间为 5.88%~7.52%。上海、宁波、北京、东莞、南京、无锡、广州为第三梯队，人才净流率区间为 0.77%~4.89%。苏州、厦门、青岛、天津为第四梯队，人才净流入率区间为 – 3.55%~-0.25%，出现了人才流失现象。

人才对城市的选择不仅考虑城市的行业发展情况，还考虑一个城市的生活成本和工作状态。AI & 大数据人才净流入率排名前三的城市均是非一线城市。比起一线城市，杭州、合肥、西安房价及生活成本相对较低，这三市在 AI & 大数据领域都有在全国知名的代表性公司，如杭州的阿里、海康威视、合肥的科大讯飞、西安的抖音。

相比之下，一线城市的人才净流率排名相对靠后，深圳、上海、北京、广州位居第 4、10、12、16，对应的人才净流入率为 7.52%、4.89%、3.85%、0.77%。非一线城市在 2017 年以来席卷全国的城市抢人大战中表现突出，尤其是杭州和西安数次升级人才新政，向国内外人才伸出橄榄枝。杭州市政府出台了《杭州市 2018 年度未来产业（人工智能、生物技术和生命科学）紧缺专业人才需求目录》，人工智能行业中位居期中，其紧缺专业人才集中于计算机科学与技术、软件工程、信息与计算科学、数学与应用数学、电子信息化、信息管理与信息新系统等专业，为紧缺岗位人才提供的年薪高达 170 万。杭州在引进人才方面政策和待遇双管齐下，在城市发展方面行业优势与区位优势突出，因而对于 AI & 大数据人才具有强大的吸引力。

随着 “互联网 +”“智能 +” 以及数字经济的进一步普及，AI & 大数据领域的发展将会给各个产业以及地域带来更多日新月异的变化，在传统产业提质增效、培育引导新业态新模式、发展平台经济、庄闲游戏app官网 、创造灵活就业机会、推动产业转型升级方面赋予重要的革新力量。

猎聘高级招聘顾问建议，企业在发展业务的时候需要有意识地结合自身具体情况，尽早布局 AI、大数据人才的招募，以便紧随新科技的步伐，主动借助科技为自身赋能，开拓业务发展的新模式与新路径。作为职场人，无论自己的工作是否与 AI、大数据相关，都应紧密关注时代科技发展的新趋势、相关就业的新动向，积极了解新事物，增强自身知识与技能，延伸自己的能力范围，为自身打造更广阔的职业发展空间。

中国加班有多疯狂？

今年3月，国家统计局数据显示，全国企业人员周平均工作时间为46小时，早已超过我国《劳动法》规定每周40小时的标准工时①。2020年，20至34岁的青年上班族，将占据全球职场的1/3，成为职场中坚力量②。

在此，我们选取了北上广深多个区域的85后上班族为对象，看看当代青年的加班情况如何。

人群定义：根据“8小时工作制”，我们将月均上班时间超过8小时、年龄20-34岁的上班族定义为青年加班人群；人群工作地范围：划定了北上广深四地共14个区域，分别为：北京中关村、金融街、国贸、望京；上海陆家嘴、徐家汇、外滩、长宁区；广州天河区、越秀区、海珠区；深圳福田区、华强北、南山区；人群筛选时间范围：2019年6月1日-6月30日。

图表和数据来自：零点有数

从北上广深加班总体情况看，四地加班比例基本高至70%。其中，深圳、北京、广州、上海的青年加班狗占比依次递增。

图表和数据来自：零点有数

北上广深14个区域的青年加班情况，线条越粗说明该区域加班青年人数越多。

北上广深加班青年来源地分布情况，线条越亮人口数量越多。

图表和数据来自：零点有数

北上广深加班青年来源地分布情况，字号越大的省份人口数量越多。上图从左到右依次是北京、上海，下图从左到右依次是广州、深圳。

图表和数据来自：零点有数

随着云计算、物联网以及人工智能等新兴技术的不断发展，数字化转型已成为企业发展的第一要务。据预测，到2021年，全球企业在数字化转型技术的支出将达到2.1万亿美金，复合增长率达到17.9%。数字化技术在各个行业不断渗透，为全球产业发展带来新的机遇，制造业作为国民经济的主体，是立国之本、兴国之器、强国之基，如何通过数字化技术实现制造业转型升级已成各个国家发展战略的重中之重。

2020第二届全球制造业数字化转型国际峰会将结合全球数字化转型成功真实案例，就如何融合IT与OT, 如何提升运营效率，商业模式创新，供应链优化，数字孪生，数字化人才需求等热点话题进行深入探讨，旨在为企业提供数字化转型参考和交流平台，促进数字经济和实体经济的有机融合，实现全球制造业的转型和升级。

会议形式：

• 主题演讲+圆桌讨论

热点话题：

• 中美贸易战对国内制造业的影响及如何实现整个产业的升级和转型
• 制造业如何致胜数字化时代
• 如何建设数字化、智能化、互联化、柔性化和定制化工厂
• 在工业0时代，数字化转型如何彻底变革制造业的生产链

参会嘉宾：

• 总裁
• 董事长/总经理
• 首席执行官
• 首席数字官
• 首席信息官
• 数字化转型副总裁
• 制造流程副总裁
• 总监/业务经理
• 销售总监/国际销售经理
• 业务发展总监/经理
• 战略发展总监/经理
• 国际市场总监/经理
• 区域总监/经理
• 研发总监/经理
• 技术总监/经理
• 可持续发展总监/经理
• 质量总监/经理

行业分类：

• 管理咨询
• 无线通讯
• 建筑和机械
• 工业自动化
• 家用电器
• 医药
• 快速消费品
• 采矿
• 化学
• 电子
• 隐私安全
• 供应链和物流
• 大数据
• 云计算
• 人工智能和物联网
• 平台和解决方案
• 人力资源管理
• 庄闲网络娱乐平台进入

演讲嘉宾：

• 中华人民共和国工业和信息化部
• 麦肯锡
• 海尔
• 西门子
• 华为
• 卡特彼勒
• 宝洁
• 罗尔斯-罗伊斯
• 巴斯夫
• 微软
• 徐州工程机械集团
• 拜耳
• 宝马
• 美世

联系方式：

联系人：邹一晗

电话：+86 21 8026 0707 Ext. 808

邮箱：franchyz@ecvinternational.com

网站：http://h5ip.cn/WsaE

关于上海希为（ECV International）

（ECV International）上海希为是亚洲领先的国际高端商业峰会及活动的主办和承办机构。公司拥有近200位行业研究及活动专家，每年在全球举办约40场高端国际峰会，涉及汽车、零售、纺织、鞋业、物联网、新科技等行业。我们为超过半数的财富2000强企业提供专业的商业会议及咨询服务，每年有超过6000位来自戴姆勒、通用电气、阿迪达斯、可口可乐、阿里巴巴、ABB等跨国公司、专业机构及创新企业的决策人参加我们的会议和活动。我们的使命是通过提供专业服务帮助客户抓住发展机遇、迎接挑战、实现全球范围内的可持续发展，进而影响行业格局，引领行业未来。

ECV除自身举办峰会外，还开展承办活动业务，为客户提供从活动策划，会议策划，创意到执行，三维动画，影视制作，文化演出活动等综合营销服务。活动策划和活动执行涉及创意方案、场地规划、物料规划、流程规划及其它服务。嘉宾邀请和媒体宣传涉及媒体邀约、演讲嘉宾邀请、新闻稿制订、广告投放及其他服务。

PDF版本将分享到199IT交流群，支持我们发展可加入！