tabl e summary 大数据：下一个浪潮...

1 本报告版权属于安信证券股份有限公司。

各项声明请参见报告尾页。

Table_ Title

2015 年 07 月 18 日

计算机 Tabl e_Summary

大数据：下一个浪潮数据成为 DT 时代的核心要素。今年上半年互联网热出现一个新动向，就

是入口和应用场景的争夺已到了短兵相接、贴身肉搏的激烈程度。巨头们

争夺的最终目标是数据资源。数据已成为 DT（数据技术）时代的核心要

素。世界经济论坛报告曾经预测：“未来的大数据将成为新的财富高地，

其价值可能会堪比石油”，成为战略性资源。

被低估的影响：大数据将指引人类走向智能社会。一方面大数据“量”和

“质”的双提升奠定人工智能的基础，另一方面数据驱动颠覆传统计算机

算法，导致人工智能出现突破性进展，而人工智能又进一步加速了大数据

价值的挖掘和应用，使人类社会进入了向智能社会发展的“正循环”。

政府：推动大数据应用的最关键力量。政府拥有最多且最具应用价值的核

心数据，一方面大数据已经上升至各国国家战略，政府推进大数据开放已

经是大势所趋：美国等发达国家纷纷布局大数据产业，推出大数据相关政

策。大数据对整个世界的影响力呈现快速增长趋势，将引发新一轮大国竞

争。另一方面我国对大数据的政策支持力度上不断提升，大数据战略将上

升至国家战略，国务院已经下达各部委大数据工作任务行动时间表，大数

据发展紧迫性和必要性可见一斑，同时也意味着我国大数据发展面临历史

性机遇。

数据价值正在被不断发现。互联网早期有句名言 “在网上，没有人知道你

是一条狗。”如今有了大数据，在网上，不仅有人知道你是一条“狗”，而

且还知道你是一条什么样的“狗”，爱吃什么、什么时候睡。大数据除了具

有挖掘商机、精准营销、决策支持、提高效率等发现价值功能，还有创造

价值的功能：能创造新的消费体验、创造新的商业模式和创造新的消费需

求。

大数据产业链：一是数据收集，其途径：1、自行收集。如今年 1 月工行“融

e 购”商城正式上线，其目的是希望通过发展电商来获得大数据方面的主动

权；2、与第三方合作。如平安银行携手 eBay 推出“贷贷平安商务卡”；3、

“线下数据”转变为“线上数据”。传统行业的“线下数据”转变为“线上数据”

将是 DT 时代的血液之一。“线下数据”就是传统行业的优势。二是数据处

理，数据处理包括鉴别、整理、归类以及建模分析、挖掘利用等，数据科

学家可能成为未来最热门职业。三是技术支撑，包括硬件和软件两部分。

大数据与产业的聚合效应。大数据与生物医药、农业、电信、视频、互联

网金融、工业互联网、车联网、信息安全等产业的结合将产生巨大的化学

反应。重点推荐大华股份、中安消、恒生电子、万达信息、卫士通、数字

政通、常山股份、华东电脑、北信源、佳讯飞鸿等。

风险提示：侵犯隐私的法律风险，新商业模式的变现风险。

Table_Bas eInf o

行业深度分析证券研究报告

投资评级领先大市-A

维持评级 Table_ FirstSt ock

首选股票目标价评级

300168 万达信息 100.00 买入-A

600570 恒生电子 290.00 买入-A

002268 卫士通 100.00 买入-A

300075 数字政通 75.00 买入-A

000158 常山股份 40.00 买入-A

600850 华东电脑 100.00 买入-A

300352 北信源 80.00 买入-A

300213 佳讯飞鸿 60.00 买入-A

Table_C hart

行业表现

资料来源：Wind 资讯 Table_C han geRat e

% 1M 3M 12M

相对收益 -14.44 13.96 96.85

绝对收益 -33.65 4.29 189.31

Table_Au tho r

胡又文分析师

SAC 执业证书编号：S1450511050001

[email protected] 021-68766271

Table_C ontac ter

报告联系人

吕伟

Tabl e_Re port

相关报告

计算机:从史上最大增持潮

中寻找信心—计算机行业周

报（2015.7.13）

2015-07-13

计算机:大数据政策加速落

地战略地位再升级

2015-07-10

计算机:网络安全法草案出

台，信息安全行业迎最大政

策红利

2015-07-09

2

报告类型/股票名称

本报告版权属于安信证券股份有限公司。


目录

1. 大数据：下一个浪潮.............................................................................................. 4

1.1. 大数据是未来社会的核心资源 ............................................................................ 4

1.2. 被低估的影响：大数据将指引人类走向智能社会 ............................................... 5

1.2.1. 大数据“量”和“质”的双提升奠定机器智能的基础 .................................... 5

1.2.2. 数据驱动颠覆传统计算机算法，导致人工智能出现突破性进展 ...................... 6

1.2.3. 大数据与人工智能相互促进，实现发展的正循环 ............................................ 6

2. 政府：推动大数据应用的最关键力量 .................................................................... 8

2.1. 政府掌握大量最具应用价值的核心数据，是推动大数据应用的最关键力量 ....... 8

2.2. 国内外政府开放数据的情况................................................................................ 9

2.3. 大数据对于政府治理具有极大的价值 ............................................................... 10

2.4. 大数据上升至国家战略成为共识。 ................................................................... 10

2.5. 我国高度重视大数据未来发展 ...........................................................................11

2.6. 各部委行动时间表已经确定，我国大数据发展进入关键性拐点 ....................... 12

3. 大数据时代到来，应用领域不断拓宽 .................................................................. 14

3.1. 数据已经成为可交易的重要资产 ...................................................................... 14

3.2. 云计算是大数据产业发展的助推器 ................................................................... 15

3.3. 大数据的应用领域在不断拓宽 .......................................................................... 16

4. 大数据应用：从发现价值到创造价值 .................................................................. 20

4.1. 大数据延伸 BI 内涵，提高企业效率 ................................................................. 20

4.2. 大数据满足需求，市场空间巨大 ...................................................................... 21

4.3. 大数据创造需求，拓宽市场边界 ...................................................................... 23

5. 大数据产业链分析 ............................................................................................... 23

5.1. 大数据产业链的主要参与方.............................................................................. 24

5.2. 数据资产开始成为核心资源.............................................................................. 24

5.3. 大数据技术是重要生产力 ................................................................................. 25

6. 大数据与产业的聚合效应 .................................................................................... 25

6.1. 生物大数据 ....................................................................................................... 25

6.1.1. 生物大数据的应用已经存在：IBM Watson ..................................................... 25

6.1.2. 生物大数据的来源 ......................................................................................... 26

6.1.3. 生物大数据的价值无穷 .................................................................................. 26

6.1.4. 数据的积累和挖掘是大数据行业的壁垒 ........................................................ 27

6.1.5. 重点推荐公司 ................................................................................................ 28

6.2. 互联网金融：大数据推动金融体系的大变革 .................................................... 28

6.2.1. 大数据构建征信体系 ..................................................................................... 29

6.2.2. 金融产品设计更加合理，提高产品价值 ........................................................ 30

6.2.3. 重点推荐公司 ................................................................................................ 31

6.3. 互联网医疗：医疗大数据逼近引爆点 ............................................................... 31

6.3.1. 大数据应用是医改方向 .................................................................................. 31

6.3.2. 医保+大数据：让医保控费更有效 ................................................................. 32

6.3.3. 医药+大数据：提升药品品质 ........................................................................ 32

6.3.4. 医疗+大数据：开启精准医疗时代 ................................................................. 33

6.3.5. 重点推荐公司 ................................................................................................ 34

6.4. 工业互联网：大数据重塑工业价值链 ............................................................... 34

6.4.1. 深度挖掘工业大数据潜在价值 ....................................................................... 34

6.4.2. 数据将在未来制造业发挥核心作用 ................................................................ 35

3




6.4.3. 重点推荐公司 ................................................................................................ 36

6.5. 车联网：大数据技术的应用先锋 ...................................................................... 36

6.5.1. 车联网是大数据应用的最佳载体 ................................................................... 36

6.5.2. 车联网大数据的应用趋势 .............................................................................. 38

6.5.3. 车联网产业链各环节大数据布局 ................................................................... 41

6.5.4. 重点推荐公司 ................................................................................................ 42

6.6. 信息安全：大数据拓展大安全边界 ................................................................... 42

6.6.1. 大数据安全分析正在重塑网络安全 ................................................................ 43

6.6.2. 数据安全已成信息安全重中之重 ................................................................... 44

6.6.3. 重点推荐公司 ................................................................................................ 44

6.7. 传媒：大数据重构精准营销.............................................................................. 44

6.7.1. 重点推荐公司 ................................................................................................ 44

7. 重点推荐上市公司 ............................................................................................... 45

7.1. 万达信息：全力打造“互联网第四极” ........................................................... 45

7.2. 恒生电子：阿里金融帝国的战略性布局 ........................................................... 46

7.3. 卫士通：打造信息安全国家巨舰 ...................................................................... 46

7.4. 数字政通：智慧停车场新模式空间巨大 ........................................................... 47

7.5. 常山股份：成功转型 IT，发力个人征信........................................................... 47

7.6. 华东电脑：剑指上海科创中心龙头 ................................................................... 48

7.7. 北信源：“泛”终端安全管理龙头崛起 ............................................................. 48

7.8. 佳讯飞鸿：工业 4.0+军工信息化齐头并进 ....................................................... 49

8. 风险提示 .............................................................................................................. 50

4




1. 大数据：DT 时代的核心要素

1.1. 大数据是未来社会的核心资源

大数据是“互联网+”的核心要素。互联网的未来在于连接一切，从连接人与人向连接人与

服务、人与物、物与物扩散，使得海量数据的生产和连通变成现实，成为大数据应用的

基础。尤其在传统行业，信息及数据是被忽视的，缺乏有效的手段进行充分利用，互联

网与传统产业融合的重要目的在于将潜在信息和数据的价值进行释放，因此，评价“互联

网+”的指标绝非是简单的信息化，而是对企业的整体生态系统进行数据化，让企业的一

切业务都变得可以分析，进而更好的识别市场和用户。

从某种程度上来说，数据是现实世界在虚拟世界的一个“映像”，可以通过数据挖掘对“虚

拟映像”进行分析，进而对工作流程、商业模式、产品设计产生巨大的影响，服务于产业

本身。正如马化腾所说，“互联网+”代表的是一种“信息能源”，能够促使互联网与传统

产业不断融合。

图 1：大数据创造价值推动变革

数据来源：BCG 分析，安信证券研究中心

数据逐渐成为整个经济社会的核心资源。十八世纪的农业社会，经济整体以农业为主，

十九世纪制造业起步，1950 年 GDP 大部分是制造业，而未来数字经济占据经济的主体

地位已经成为必然的趋势。全球经济从农业经济到工业经济再到信息经济演变的驱动力

来自于技术的突破，技术在改变生产力和生产关系。信息要素全面升级，尤其是云计算

正在变成基础设施，数据在变成整个经济社会的核心资源。

图 2：数据将成为社会核心资产图 3：数据从结构化向非结构化“升维”

5




数据来源：阿里研究院，安信证券研究中心数据来源：阿里研究院，安信证券研究中心

1.2. 被低估的影响：大数据将指引人类走向智能社会

1.2.1. 大数据“量”和“质”的双提升奠定机器智能的基础

第一，万物互联造就了数据“量”的阶跃发展。从人类文明出现到 2003 年，人类总共才

产生了 5EB（ExaBytes）的数据。计算机出现后，尤其是近年来移动互联网和物联网的

出现，数据产生的速度和规模开始急剧提升，过去几年产生的数据比以往 4 万年的数据

总量还要多。预计随着互联网与产业的加速融合，未来数据体量的增速将呈现指数上升

态势。IDC 预计 2020 年全球数据使用量将达到 40ZB（ZettaBytes），需要约 429 亿个 1TB

的硬盘进行存储，届时中国产生的数据量将占到全球总量的 21%。

图 4：万物互联将激发数据体量爆发式增长

数据来源：安信证券研究中心

第二，数据逐步趋向与由“端”产生，从“质”上讲兼具多维性与完备性。数据的产生

一定会在云、端、网这三个视角产生。2014 年全球互联网用户有 30 亿，Facebook 有 22

亿注册用户，月活跃用户超过 13 亿人口。我们在 2014年全球智能手机出货量突破 13 亿，

连网设备超过 300 亿个。未来可能会有 80-90%数据基于用户智能终端和联网设备产生，

由于这些数据连接人体、连接环境、连接物体、连接思想，将原来看似无关的维度(时间、

地域、食品、做法，成分，人的身份和收入情况等)联系了起来，构成了今天的非常生动

的数据社会的景象，这种数据连接起来才能流动共享，真正实现数据的社会经济价值。

图 5：数据来自于云、网、端并映射现实世界图 6：连接终端和应用爆发奠定大数据应用基础

6




数据来源：互联网，安信证券研究中心数据来源：互联网，安信证券研究中心

1.2.2. 数据驱动颠覆传统计算机算法，导致人工智能出现突破性进展

互联网的发展为训练机器模型提供了足够多的数据量，而这种数据驱动算法以深度学习

为代表，不但颠覆了传统的计算机算法，也使得人工智能出现突破性拐点。一个典型的

例子是 2005 年 NIST 对全世界各家机器翻译系统评测的结果中，从未做过机器翻译的

Google，不仅一举夺得了各项评比的第一名，而且将其它单位的系统远远抛在了后面，

而 Google 系统和其他系统主要的优势就在于使用了其他对手近万倍的数据量。而国内人

工智能代表公司科大讯飞近几年在采用深度学习算法，利用大数据训练后，近几年其语

音识别和手写识别错误率均保持 30%-50%的下降。

图 7：数据驱动大幅提升语音识别准确率图 8：数据驱动大幅提升手写识别准确率

数据来源：科大讯飞，安信证券研究中心数据来源：科大讯飞，安信证券研究中心

1.2.3. 大数据与人工智能相互促进，实现发展的正循环

人工智能是解决大数据的数量和效率之间矛盾的关键

传统的机器学习通过标记数据进行有监督学习，随着其处理数据量的增大，需要外界的

支持和帮助也就不断增加，且计算结果准确性也会受到影响。因此越来越多的数据将成

为负担，也更容易达到极限或产生错误结果。人工智能的突破性技术——深度学习是从

未经标记的数据展开学习，更接近人脑的学习方式，可以通过训练之后自行掌握概念，

且输出结果会随着数据处理量的增大而更加准确。同时，深度学习在加速回归定律的指

引下会使得进化过程中产物（输出结果）获得指数级增长，当深度学习的效率变得更高，

就会吸引更多的资源向它聚合，使其发展更为迅速。

图 9：深度学习与传统机器学习的区别

7




数据来源：安信证券研究中心整理

大数据利用人工智能实现大数据应用的正循环

百度首席科学家吴恩达层提出：从优秀产品到大量用户，再到海量数据，最后返回优秀

产品是一个良性循环，但最后一个环节“海量数据到优秀产品”会出现问题，因为当数

据积累过多时，就无法对这些数据进行完整和准确的处理。

图 10：百度人工智能正循环图 11：海量数据+神经网络算法让深度学习越来越好

数据来源：百度，安信证券研究中心数据来源：百度，安信证券研究中心

以百度为例，百度的数据处理自上而下分成开放云、数据工厂和百度大脑三个层级，最

底层的开放云收集数据，数据工厂对数据库进行管理，最上层百度大脑的模拟神经网络

通过机器学习高效的输出结果，从而实现行业应用，百度大脑就是在最后一个环节体现

出巨大价值，带来更好的信息处理能力，从而产生更加广泛和深入的行业应用，比如百

度大数据此前在医疗、交通和金融领域的应用。

图 12：百度大脑正循环工作图

8





2. 政府：推动大数据应用的最关键力量

2.1. 政府掌握大量最具应用价值的核心数据，是推动大数据应用的最关键力量

根据麦肯锡大数据研究报告指出，各个行业利用大数据价值的难易度以及发展潜力对比

下，政府利用大数据难度最低而潜力最大。

图 13：各个行业利用大数据价值的难易度以及发展潜力

数据来源：麦肯锡，安信证券研究中心

另一方面政府开放大数据运用已经是大势所趋：

1、政府掌握了大量最具应用价值的核心数据。过去十多年来政府投资进行了大量电子政

务或者称为政府信息化的工作，后台积累了大量的数据，而这些数据和公众的生产生活

息息相关。有研究表明政府所掌握的数据使政府成为了一个国家最重要的信息保有者，

有百分之七十到八十的核心数据存在于政府的后台。

2、开放数据本身就是政府在大数据时代提供的一项公共服务。政府数据本质上是国家机

关在履行职责时所获取的数据，采集这些数据的经费来自于公共财政，因而这些数据是

公共产品，归全社会所有，应取之于民，用之于民。

9




3、政府开放数据供社会进行增值开放和创新应用，推动经济增长乃至整个经济增长方式

的转型。数据是互联网创新的重要基础，如果政府不开放这一部分数据，很多创新应用

没有数据作为支持，数据开发者能利用政府开放的数据，提供更好的服务，创造更多的

价值，这个过程能够提高整个国家在大数据时代的竞争力。

4、政府开放数据推动经济增长获得的税收高于单纯卖数据获得的收入。201 年世界经合

组织在关于开放政府数据的报告中提到政府通过开放数据推动经济增长，从而获得的税

收收入远高于单卖数据所能获得收入。开放数据激发经济活力从而得到税收提升，这是

一个良性循环，更是一个能创造巨大公共价值的全局性的战略。

2.2. 国内外政府开放数据的情况

在 2009 年奥巴马签署开放政府数据的行政命令后，这些年来开放政府数据已成为了世界

性的一个趋势。美国联邦数据平台 Data.gov 上线后，在美洲、欧洲、亚洲等地，开放政

府数据已成为了政府的一项重要工作。美国联邦政府的开放政府数据平台开放了来自多

个领域的 13 万个数据集的数据。这些领域包括图中所列的农业、商业、气候、生态、教

育、能源、金融、卫生、科研等十多个主题。这些主题下的数据都是美国联邦政府的各

个部委所开放的。英国、加拿大、新西兰等国在 2009 年之后都建立起了政府数据开放平

台，成为了国际信息化和大数据领域的一个重要趋势。

图 14：美国联邦数据平台

数据来源：data.com,安信证券研究中心

在我国，2011 年香港特区政府上线了 data.gov.hk，称为香港政府资料一线通。上海在 2012

年 6 月推出了中国大陆第一个数据开放平台。之后，北京、武汉、无锡、佛山南海等城

市也都上线了自己的数据平台。

图 15：上海市数据服务网图 16：北京市政务数据资源网

10




数据来源：上海市数据服务网，安信证券研究中心数据来源：北京市政务数据资源网，安信证券研究中心

2.3. 大数据对于政府治理具有极大的价值

大数据其实对政府的治理带来了全新的价值，无论是对宏观经济的决策能力、产业聚集

能力、协同治理能力、社会管理能力、公众服务能力、快速响应能力的提升，大数据都

可以在有很大层面上帮助政府治理。

图 17：阿里大数据助力政府治理图 18：大数据对政府治理的价值

数据来源：阿里巴巴，安信证券研究中心数据来源：互联网，安信证券研究中心

2.4. 大数据上升至国家战略成为共识。

大数据时代，对大数据的开发、利用与保护的争夺日趋激烈，制信权成为继制陆权、制

海权、制空权之后的新制权，大数据处理能力成为强国弱国区分的又一重要指标。国际

上以美国为代表的发达国家纷纷布局大数据产业，相继推出大数据相关政策，大力支持

大数据产业在本国的发展。以美国为例，美国从开展关键技术研究、推动大数据应用和

开放政府数据三方面布局大数据产业，尤其在开放政府数据方面非常积极，通过 Data.gov

开放 37 万个数据集，并开放网站的 API 和源代码，提供上千个数据应用。我们认为，大

数据未来将引发新一轮大国竞争，大数据对整个世界的影响力会呈现爆发性增长趋势，

因此包括我国在内的国家会在政策支持力度上不断提升，大数据战略将上升至国家战略

已毋庸臵疑。

图 19：美国的大数据政策

11





表 1：国际组织及发达国家的大数据政策行动

国际组织及国家政策行动名称政策行动详情

联合国启动实施“全球脉动”项目利用“大数据”准确预测某些地区的失业率、支出削减和疾病爆发，

促进全球经济发展和公共服务管理

八国集团发布了《G8 开放数据宪章》提出要加快推动数据开放和利用

欧盟力推《数据价值链战略计划》用大数据改造传统治理模式，试图大幅降低公共部门成本，并促进

经济增长和就业增长

英国发布《英国数据能力发展战略规

划》

旨在利用数据产生商业价值、提振经济增长，承诺 2015 年之前开放

交通、天气、医疗方面的核心数据库，并建立世界上首个“开放数据

研究所”

法国发布《数字化路线图》将大力支持“大数据”在内的战略性高新技术

日本公布新 IT 战略《创建最尖端 IT

国家宣言》

以开放大数据为核心的 IT国家战略，要把日本建设成为一个具有“世

界最高水准的广泛运用信息产业技术的社会”


2.5. 我国高度重视大数据未来发展

自去年 3 月“大数据”首次出现在《政府工作报告》中以来，国务院常务会议一年内 6

次提及大数据运用。近期在 6 月 17 日的国务院常务会议上，李克强总理再次强调“我们

正在推进简政放权，放管结合、优化服务，而大数据手段的运用十分重要。”7 月 1 日，

国务院办公厅印发了《关于运用大数据加强对市场主体服务和监管的若干意见》。

表 2：国内重要大数据相关政策行动梳理

时间部门政策行动名称政策行动详情

2012 年 7 月国务院《“十二五”国家战略性新兴

产业发展规划》明确提出支持海量数据存储、处理技术的研发和产业化。

2013 年 7 月重庆《重庆市大数据行动计划》 2017 年将大数据产业培育成全市经济发展的重要增长极。

2013 年 7 月上海

《上海推进大数据研究与发

展三年行动计划（2013-2015

年）》

数据硬件及大数据软件产品具备产业核心竞争力。

2013 年 8 月国务院《关于促进信息消费扩大内

需的若干意见》

推动商业企业加快信息基础设施演进升级，增强信息产品供

给能力，形成行业联盟，制定行业标准，构建大数据产业链，

促进创新链与产业链有效嫁接。

12




2014 年 2 月贵州《关于加快大数据产业发展

应用若干政策的意见》

打造大数据产业发展应用新高地，建成全国领先的大数据资

源中心和大数据应用服务示范基地。

2015 年 3 月国务院制定“互联网＋”行动计划

推动移动互联网、云计算、大数据、物联网等与现代制造业

结合，促进电子商务、工业互联网和互联网金融健康发展，

引导互联网企业拓展国际市场。

2015 年 4 月发改委《创新投资管理方式建立协

同监管机制的若干意见》提出运用互联网和大数据的技术来创新监管的方式。

2015 年 5 月工信部将编制实施软件和大数据产

业“十三五”规划大数据产业第一次明确出现在规划中。

2015 年 6 月国家信息

中心

联合深圳大学成立深圳大数

据研究院

致力于充分融合双方优势，打造大数据领域新型创新载体，

推动我国大数据技术、人才与产业化发展。

2015 年 6 月工信部加快推进云计算与大数据标

准体系建设

将加快云计算与物联网、移动互联网、现代制造业的融合发

展与创新应用，积极培育新业态、新产业，加快推进云计算

与大数据标准体系建设。

2015 年 7 月国务院

《关于运用大数据加强对市

场主体服务和监管的若干意

见》

运用大数据加强对市场主体服务和监管，明确时间表


图 20：李克强总理对于大数据在经济政策发挥作用的明

晰表述

图 21：国务院常务会议一年内 6 次提到“大数据”

数据来源：新华社，安信证券研究中心数据来源：新华社，安信证券研究中心

2.6. 各部委行动时间表已经确定，我国大数据发展面临历史性机遇

值得注意的是，近期国务院出台文件对各个部委推进大数据任务制定了明确的时间表，

很多推进工作任务要求在 2015 年 12 月底前出台政策并实施，近期将是我国大数据发展

政策出台的密集期。

表 3：各部委推进大数据应用时间表

序号工作任务负责单位时间进度

1 加快建立公民、法人和其他组织统一社会信用代码制度。

发展改革委、中央编办、公安

部、民政部、人民银行、税务

总局、工商总局、质检总局

2015 年 12 月底前出台并实施

2

全面实行工商营业执照、组织机构代码证和税务登记证“三证合一”、“一照

一码”登记制度改革。

工商总局、中央编办、发展改

革委、质检总局、税务总局

2015 年 12 月底前实施

3

建立多部门网上项目并联审批平台，实现跨部门、跨层级项目审批、核准、

备案的“统一受理、同步审查、信息共享、透明公开”。

发展改革委会同有关部门 2015 年 12 月底前完成

13




4

推动政府部门整合相关信息，紧密结合企业需求，利用网站和微博、微信

等新兴媒体为企业提供服务。

网信办、工业和信息化部持续实施

5

研究制定在财政资金补助、政府采购、政府购买服务、政府投资工程建设

招投标过程中使用信用信息和信用报告的政策措施。

财政部、发展改革委 2015 年 12 月底前出台并实施

6

充分运用大数据技术，改进经济运行监测预测和风险预警，并及时向社会

发布相关信息，合理引导市场预期。

发展改革委、统计局持续实施

7

支持银行、证券、信托、融资租赁、担保、保险等专业服务机构和行业协

会、商会运用大数据为企业提供服务。

人民银行、银监会、证监会、

保监会、民政部

持续实施

8

健全事中事后监管机制，汇总整合和关联分析有关数据，构建大数据监管

模型，提升政府科学决策和风险预判能力。

各市场监管部门 2015 年 12 月底前取得阶段性成果

9

在办理行政许可等环节全面建立市场主体准入前信用承诺制度。信用承诺

向社会公开，并纳入市场主体信用记录。

各行业主管部门

2015 年广泛开展试点，2017 年 12 月

底前完成

10

加快建设地方信用信息共享交换平台、部门和行业信用信息系统，通过国

家统一的信用信息共享交换平台实现互联共享。

各省级人民政府，各有关部门 2016 年 12 月底前完成

11

建立健全失信联合惩戒机制，将使用信用信息和信用报告嵌入行政管理和

公共服务的各领域、各环节，作为必要条件或重要参考依据。在各领域建

立跨部门联动响应和失信约束机制。建立各行业“黑名单”制度和市场退出机

制。推动将申请人良好的信用状况作为各类行政许可的必备条件。

各有关部门，各省级人民政府 2015 年 12 月底前取得阶段性成果

12

建立产品信息溯源制度，加强对食品、药品、农产品、日用消费品、特种

设备、地理标志保护产品等重要产品的监督管理，利用物联网、射频识别

等信息技术，建立产品质量追溯体系，形成来源可查、去向可追、责任可

究的信息链条。

商务部、网信办会同食品药品

监管总局、农业部、质检总局、

工业和信息化部

2015 年 12 月底前出台并实施

13

加强对电子商务平台的监督管理，加强电子商务信息采集和分析，指导开

展电子商务网站可信认证服务，推广应用网站可信标识，推进电子商务可

信交易环境建设。健全权益保护和争议调处机制。

工商总局、商务部、网信办、

工业和信息化部

持续实施

14

进一步加大政府信息公开和数据开放力度。除法律法规另有规定外，将行

政许可、行政处罚等信息自作出行政决定之日起 7 个工作日内上网公开。

各有关部门，各省级人民政府持续实施

15

加快实施经营异常名录制度和严重违法失信企业名单制度。建设国家企业

信用信息公示系统，依法对企业注册登记、行政许可、行政处罚等基本信

用信息以及企业年度报告、经营异常名录和严重违法失信企业名单进行公

示，并与国家统一的信用信息共享交换平台实现有机对接和信息共享。

工商总局、其他有关部门，各

省级人民政府

持续实施

16

支持探索开展社会化的信用信息公示服务。建设“信用中国”网站，归集整合

各地区、各部门掌握的应向社会公开的信用信息，实现信用信息一站式查

询，方便社会了解市场主体信用状况。各级政府及其部门网站要与“信用中

国”网站连接，并将本单位政务公开信息和相关市场主体违法违规信息在“信

用中国”网站公开。

发展改革委、人民银行、其他

有关部门，地方各级人民政府

2015 年 12 月底前完成

17

推动各地区、各部门已建、在建信息系统互联互通和信息交换共享。在部

门信息系统项目审批和验收环节，进一步强化对信息共享的要求。

发展改革委、其他有关部门持续实施

14




18

健全国家电子政务网络，加快推进国家政务信息化工程建设，统筹建立人

口、法人单位、自然资源和空间地理、宏观经济等国家信息资源库，加快

建设完善国家重要信息系统。

发展改革委、其他有关部门分年度推进实施，2020 年前基本建成

19

加强对市场主体相关信息的记录，形成信用档案。对严重违法失信的市场

主体，按照有关规定列入“黑名单”，并将相关信息纳入企业信用信息公示系

统和国家统一的信用信息共享交换平台。

各有关部门 2015 年 12 月底前实施

20 探索建立政府信息资源目录。各有关部门 2016 年 12 月底前出台目录编制指南

21

引导征信机构根据市场需求，大力加强信用服务产品创新，进一步扩大信

用报告在行政管理和公共服务及银行、证券、保险等领域的应用。

发展改革委、人民银行、银监

会、证监会、保监会

2017 年 12 月底前取得阶段性成果

22

落实和完善支持大数据产业发展的财税、金融、产业、人才等政策，推动

大数据产业加快发展。

发展改革委、工业和信息化部、

财政部、人力资源社会保障部、

人民银行、网信办、银监会、

证监会、保监会

2017 年 12 月底前取得阶段性成果

23

加快研究完善规范电子政务，监管信息跨境流动，保护国家经济安全、信

息安全，以及保护企业商业秘密、个人隐私方面的管理制度，加快制定出

台相关法律法规。

网信办、公安部、工商总局、

工业和信息化部、发展改革委

等部门会同法制办

2017 年 12 月底前出台（涉及法律、

行政法规的，按照立法程序推进）

24

推动出台相关法规，对政府部门在行政管理、公共服务中使用信用信息和

信用报告作出规定，为联合惩戒市场主体违法失信行为提供依据。

发展改革委、人民银行、法制

办

2017 年 12 月底前出台（涉及法律、

行政法规的，按照立法程序推进）

25

建立大数据标准体系，研究制定有关大数据的基础标准、技术标准、应用

标准和管理标准等。加快建立政府信息采集、存储、公开、共享、使用、

质量保障和安全管理的技术标准。引导建立企业间信息共享交换的标准规

范。

工业和信息化部、国家标准委、

发展改革委、质检总局、网信

办、统计局

2020 年前分步出台并实施

26

推动实施大数据示范应用工程，在工商登记、统计调查、质量监管、竞争

执法、消费维权等领域率先开展示范应用工程，实现大数据汇聚整合。在

宏观管理、税收征缴、资源利用与环境保护、食品药品安全、安全生产、

信用体系建设、健康医疗、劳动保障、教育文化、交通旅游、金融服务、

中小企业服务、工业制造、现代农业、商贸物流、社会综合治理、收入分

配调节等领域实施大数据示范应用工程。

发展改革委、工业和信息化部、

网信办会同有关部门

2020 年前分年度取得阶段性成果


3. 大数据时代到来，应用领域不断拓宽 3.1. 数据已经成为可交易的重要资产

数据的价值在于能够产生业务价值，而产生业务价值的多少取决于数据带来的视野的宽

度和深度，以及对明智决策的支持度。从这个角度将，在资源不限的理想情况下，越多

的数据来源，越能够带来宽度和广度，从而得到越好的决策支持度。数据，毫无疑问已

经成为了一种企业资产，并且会成为越来越重要的资产，未来甚至可能进入资产负债表。

2015 年 4 月 15 日，我国贵阳大数据交易所正式运营，其交易的数据是基于底层数据，

通过数据的清洗、分析、建模、可视化后的结果，大数据交易所本着以电子交易为主

15




要形式，通过建立大叔局的网上交易系统，搭建交易平台。预计到 2020 年，大叔局交易

所将形成日均 100 亿的数据交易金额，发展到 1 万家与大数据有关的会员单位。

表 4：数据产权与房地产产权类比

数据资产权利与房地产所有权角色类比

数据所有权 Ownership 房东

数据管理权 Manageability 管家和物业公司

数据使用权 Accessibility 支付了租金的租客

数据处理权 Reprocess ability 转租

数据知晓权 Visibility 房屋中介


3.2. 云计算是大数据产业发展的助推器

云计算产业进入高速发展期。云计算包括三个层次的服务：基础架构即服务（IaaS），平

台即服务（PaaS）和软件即服务（SaaS）。来自 Oxford Economics 和 SAP 关于云计算采

用的研究《The Cloud Grow Up》中提出，69%的企业预计在未来三年内将会中度或者重

度投资在云计算上，这意味着它们的核心业务功能将迁移到云上。59%的企业认为他们

使用了基于云计算的应用程序和平台系统，更好地管理和分析了数据，这反映了企业范

围内进行数据分析和大数据计算日益增加的重要性。Gartner 预测 2015 年全球云计算服

务市场总收入将突破 1800 亿美元。2015 年 2 月，国务院下发《关于促进云计算创新发

展培育信息产业新业态的意见》提到：开展基于云计算的大数据应用示范，支持政府机

构和企业创新大数据服务模式，政府部门要加大采购云计算服务的力度等一系列措施。

云计算已经从概念走向实际应用，已经进入高速发展期。

图 22：云计算三层架构

数据来源：互联网，安信证券研究中心

云计算降低了使用 IT 资源的门槛，为数据集中化创造了基础，极大的促进了大数据产业

的发展。云计算按需付费和资源共享的商业模式，大幅提高了 IT 基础设施的使用效率；

IaaS 运营商不断降价，又极大满足中小企业对于技术基础设施的需求。未来企业将不用

再购买服务器，直接购买终端，输送至数据中心，从而形成服务器集群产业链，满足了

16




大数据存储和挖掘的需求。云计算中心基础设施的不断完善使得大型数据中心和 PaaS 类

运行平台的趋于成熟，又为 SaaS 类应用业务市场的大规模启动创造了条件。SaaS 应用

的大规模使用降低了用户使用软件的成本，促进了企业信息化程度额提高，又进一步促

进了数据集中化。

云端处理与移动互联网行业结合，将产生不计其数的交叉业务和个性化应用。而社交网

络的广泛应用，又加速了信息的传播速度和范围，促进了数据的内生增长。物联网要求

的海量存储和计算能力让廉价、高性能的云计算应用方案成为所有用户的自然选择。可

以说，云计算的蓬勃发展，极大促进了移动互联网、社交网络和物联网的发展，使得更

多数据被采集到云端，为大数据应用提供了数据基础；同时，云计算的高性能、低成本

运算能力又为大数据分析提供了极佳的计算平台，极大的促进了大数据在各行业中的应

用。因此，数据的爆炸式增长其背后的核心支撑是云计算产业的蓬勃发展。

图 23：云计算为数据集中化提供基础，助推大数据发展

数据来源：199it，安信证券研究中心

3.3. 大数据的应用领域在不断拓宽

大数据实践包含多个维度，按照行业划分，包括金融大数据、医疗大数据、交通大数据、

运营商大数据、互联网大数据、物流大数据等等，每个行业根据其 IT 系统及互联网化的

完善程度不同，其大数据发展的阶段各不相同。按照数据对象划分，包括互联网大数据、

政府大数据、企业大数据、个人大数据，目前，互联网大数据是已经开始得到有效利用

的细分领域，而政府、企业和个人的大数据应用才刚刚开始，是“互联网+”背景下大数据

应用的重要发展方向。

互联网大数据：互联网上的数据多样、积累迅速，包括用户行为数据、用户消费数据、

用户社交数据、用户地理位臵数据等，互联网企业是大数据领域的先驱，各家互联网企

业依托自身的数据优势，早已开始利用大数据技术尝试用户行为分析、精准营销、产品

优化、信用记录分析等用途。

阿里巴巴是互联网企业中大数据应用的典范。阿里巴巴旗下的淘宝最早于 2005 年开发

“淘数据”，并在半年后成立专门的大数据团队，相继开发了自用的“无量神针”、“类目

360”，以及针对卖家的“数据魔方”、“黄金策”、“淘宝指数”、“聚石塔”等数据产品，

为卖家提供增值服务，探索盈利模式。此后，阿里巴巴的大数据体系日益成熟，确立了

17




平台、金融和数据的三大业务核心，三者相辅相成，目前的阿里巴巴金融帝国就是建立

在其电商平台+大数据之上的隐性巨人。例如，阿里依托电商数据积累推出阿里小贷和蚂

蚁信用，本质在于通过大数据技术构建征信体系，为整个阿里体系金融业务的进一步拓

展打下了充分的基础。

图 24：阿里小贷对商户的信用识别过程


政府大数据：政府是数据资源最丰富的部门之一，大量的优质数据资源集中在政府手中，

各个政府部门掌握着构成社会基础的原始数据，例如金融数据、交通数据、医疗数据、

旅游数据、电力数据、住房数据、海关数据、违法犯罪数据、教育数据、环保数据等等。

目前，政府数据存在几方面的问题：第一，数据积累偏静态，没有做到动态更新，导致

有些数据过于陈旧；第二，数据孤岛现象严重，没有做到数据开放和共享。倘若能将这

些数据进行有效的管理和分析，其商业价值和社会价值都是不可估量的。

政府加大智慧城市建设，数据价值挖掘正当时。目前，政府已经意识到数据的重要性，

2012 年开始，政府就不断加大在智慧城市建设，包括智慧交通、智慧环保、智慧教育、

智慧社区、智能电网等各个与城市相关的细分领域。2014 年 3 月，国务院印发的《国家

新型城镇化规划(2014-2020 年)》，明确要求推进智慧城市建设，统筹城市发展的物质资

源、信息资源和智力资源利用，推动物联网、云计算、大数据等新一代信息技术创新应

用。2015 年 4 月，住建部公布第三批智慧城市试点城市，加上前两批，目前我国的智慧

城市试点已经达到 297 个。智慧城市建设将完善城市各个细分领域的信息化水平，构建

统一的数据平台，打破信息孤岛现象；同时，一些地方政府已经开始探索采用 PPP

（Public-Private-Partnership）的公私合营模式，逐渐开放部分数据，让社会机构参与运营，

挖掘数据价值。

以智慧交通为例，通过信息化建设连接道路信息管理系统、交通信号系统、公共汽车系

统、出租车系统、电子收费系统、停车场系统等，实现数据共享，对于政府部门来说，

通过实时挖掘为出行者和交通监管部门提供实时交通信息，有效缓解交通拥堵，快速响

应突发状况，为城市交通的良性运转提供科学的决策依据，提高民生体验；对于参与企

业来说，可以在停车场、市民出行等领域提供增值服务，探索新商业模式。

图 25：智慧城市建设将实现数据共享

18





企业大数据：在“互联网+”时代，企业的互联网化将从传统的传播互联网化和销售互联

网化，走向供应链互联网化和经营逻辑互联网化，运营模式已经开始发生巨大变化，企

业与供应商、服务商、渠道商、客户，乃至终端用户都可以通过信息技术建立密切的联

系。如果说过去互联网的价值主要体现在与渠道和营销的整合上，那么这一次变革将是

互联网与传统行业在价值链各个关键环节的深度融合。

图 26：企业互联网化的四重境界

数据来源：和君咨询，安信证券研究中心

一方面，对于供应链环节来说，大数据可以直接应用于产品设计、原材料采购、产品制

造、库存、物流、配送等各个供应链环节，清晰地把握原材料采购量、订单完成率、库

存量及产品配送等情况，优化供应链流程，降低不必要的损耗。另一方面，对于生产环

节来说，企业生产设备可以通过传感器和信息系统等实现机器与机器之间的相互连接，

进而获取数据，利用大数据技术进行存储、分析和可视化，最终得到“智能信息”供决

策者使用，调解生产过程以提高效率。未来，当信息技术发展到一定阶段，企业生产过

19




程甚至可以根据消费者需求进行个性化定制，实现柔性生产。

图 27：京东大数据驱动供应链图 28：制造业生产环节互联网化的数据循环

数据来源：京东，安信证券研究中心数据来源：GE，安信证券研究中心

体育大数据：例如体育数据分析师通过从 OPTA（ Opta Sports 是一家总部位于英国伦敦

的体育数据提供商）提供的 2010 年世界杯以来 22904 场正式比赛的数据中，研究了梅西

和其他 16574 名足球运动员与足球相关的所有数据准确发现了梅西两个性：1、与巴萨其

他队友的数字相比，梅西有关防守行为的数字相当地少，其他方面也能体现“他不去争

抢势均力敌的高球”等缺点；2、与在巴萨时梅西的表现指为 0.262 相比，在阿根廷国家

队里只有 0.199，体现了梅西在两支球队中所起作用的差异。

图 29：梅西进球或助攻有益行为大数据分析图 30：梅西防守能力的大数据分析

数据来源：OPTA，安信证券研究中心数据来源：OPTA，安信证券研究中心

个人大数据：个人信息往往保存在第三方手里，例如个人用户在互联网上留存、在政府

部门登记在案等各类信息，此类信息实际上也是互联网、政府和企业用于分析用户行为

的基础。此外，随着可穿戴设备等新事物的兴起，个人信息的采集方式越来越多样化，

数据积累也在不断完善，例如，可以通过可穿戴设备或植入芯片等感知技术来采集身体

数据、健康数据、地理位臵信息、运动数据、社会关系数据、饮食数据等。未来，可以

想象的应用场景是，个人用户可以将个人数据授权给第三方机构以实现特定用途，例如，

高血压患者可以将个人血压数据、身体机能数据、饮食数据等授权给健康管理机构使用，

由他们监控和使用这些数据，进而为用户制定有效的健康维护方案。

图 31：用户画像逻辑框架

20




数据来源：百分点，安信证券研究中心

4. 大数据应用：从发现价值到创造价值

从发现价值到创造价值，大数据将成为“互联网+”产业升级的驱动力。过去，数据的价

值主要应用在决策领域，典型应用是商业智能(BI, Business Intelligence)在企业经营管理层

面的应用，即通过数据收集、管理和分析等方法，将数据转化为知识，发现数据的价值，

进而提供决策支持。随着数据体量的不断增加和处理数据能力的提升，大数据已经成为

一类新的资产，其应用场景正在不断扩宽，除了决策支持、提高效率等发现价值功能之

外，大数据还能创造价值的功能：一方面，大数据可以帮助提供传统模式下所无法提供

的产品，满足用户需求，例如大数据完善个人征信体系，帮助金融机构提供消费金融产

品；又如千方旗下的掌城科技通过浮动车模型提供实时交通信息服务；另一方面，大数

据还可以创造需求，例如，大数据可以助力实现人工智能，这是新技术创造的新需求。

4.1. 大数据延伸 BI 内涵，提高企业效率

大数据分析结果为企业经营决策提供支持，帮助企业提高效率，这实际上是传统 BI 范畴

的延伸。在人口红利逐渐消失的背景下，我国企业传统的粗放型模式受到了越来越大的

挑战，互联网与产业结合背景下的大数据应用将有助于提升企业经营管理效率，助力企

业经营从粗放型向集约型转型，实现产业升级。

大数据促进商业智能的加速发展，这是因为：第一，大数据的分析过程和结果更具有灵

活性、可靠性和价值性；第二，大数据的存在提高了企业的商业智能意识，引导企业主

动寻求商业智能的帮助。一些大型企业往往拥有几十个甚至数百个信息系统，其所包含

的大量数据反映了企业的日常经营情况，若能加以分析和利用，将为企业创造巨大的价

值。

目前，大数据应用可以帮助企业实现户关系管理、盈利能力分析、控制成本、衡量绩效

等功能：

客户关系管理（CRM）：通过客户信息统计，使企业有针对性的根据客户需求来定

制产品和服务，提高客户忠诚度，还可以通过分析偏好挖掘潜在客户；

赢利能力分析：帮助企业分析利润来源、各类产品赢利能力、费用支出是否与销售

成正比等；

21




控制成本：根据统计信息优化流程，如降低库存、减少损耗等，助于企业控制成本；

绩效管理：利于商业智能确立对员工的期望，帮助他们跟踪并管理其绩效。

图 32：商业智能将数据转变为知识图 33：大数据实现面向决策的多种功能

数据来源：淘宝，安信证券研究中心数据来源：安信证券研究中心

麦肯锡调查显示，数据挖掘的商业价值巨大，大数据在美国医疗行业每年能提高 0.7%的

生产力，创造约 3000 亿美元的价值；在欧洲公共管理部门，每年能提高 0.5%的生产力，

创造 2500 亿欧元的价值；在美国零售业，每年能提高 0.5%-1.0%的生产力和 60%的净利

率。

图 34：数据挖掘发现价值，提高生产力

数据来源：麦肯锡，安信证券研究中心

4.2. 大数据满足需求，市场空间巨大

大数据可以帮助提供过去所无法提供的产品，满足用户需求。这种模式在传统产业中比

较常见，过去，一些行业的用户需求虽然存在，但是由于缺乏有效的技术手段，导致市

场参与者无法提供合适的产品迎合市场需求。大数据技术兴起后，将带动一系列创新产

品推出市场，这在各行各业都能找到案例，考虑到传统产业的广度，这将是是一个正在

挖掘的巨大市场。

以交通领域的实时交通信息服务和车险定价为例，这两个细分领域的需求本来就存在，

但在大数据兴起之前，传统模式无法提供最优的产品，而大数据技术下的产品优化可以

更好的满足需求，提高用户体验。

千方科技旗下掌城科技通过大数据技术提供实时交通信息服务。掌城科技通过向出租车

公司和公交车公司购买数据、向政府部门臵换数据、利用千方自有数据的形式汇集城际

交通数据，基于浮动车的算法模型，对数据进行二次开发，以建立实时交通信息服务平

客户关

系管理

• 提高客户忠诚

度

•挖掘潜在客户

盈利能

力分析

• 分析利润来源

•分析产品盈利

能力

控制成

本

• 降低库存

•减少损耗

衡量绩

效

解决问

题

分析

数据

采集

数据

• 分析员工无法完成绩效的原因

大数据/商业智能

22




台。目前，掌城科技运营着北京、上海等全国 30 余个大中城市的实时路况信息，准确率

极高。目前，千方已将交通数据收集从城际交通扩大至整个陆路交通和航空等领域，目

标通过大数据技术提供更加全面的公众智慧出行服务。

图 35：千方科技通过大数据技术提供公众智慧出行服务

数据来源：千方科技资料，安信证券研究中心

大数据技术将参与车险定价，使定价更加科学。随着车联网的兴起，OBD

（On-Board Diagnostic 车载诊断系统）等联网的车载设备，成为车联网中的智能节点，

连接运动中的人、车和道路环境，读取行车数据，从而分析出车辆能耗、故障等车况信

息以及驾驶者的行车习惯：通过 G-sensor 监测车主的诸如急刹车、急加速和急转弯等危

险行为，通过破解 Can-bus 协议监测车主的诸如转弯不打灯、驻车不拉手刹等不良驾驶

习惯，通过 GPS 获取车辆的位臵信息和里程数据，这些数据将改善车险定价技术与核保

政策，提升精准定价能力。

图 36：大数据技术在车险定价中的应用

数据来源：车网互联，安信证券研究中心整理

23




4.3. 大数据创造需求，拓宽市场边界

大数据创新产品拓宽市场边界，供给创造需求。大数据创造价值功能，除了提供产品满

足市场已经存在的需求外，基于大数据的新产品还将创造新供给，带动新需求，打破原

有的市场边界，想象空间巨大：

一方面大数据能够前所未有的精准洞悉现在，深入挖掘现有商业价值：

例如 Airbnb 拥有海量的独有数据，包括旅游地、用户评论、房源描述、社区信息等，Airbnb

还有一支队伍去各地和当地人交流，搜集所有的相关历史数据。当用户在搜寻一个住宿

的地方时，Airbnb利用大数据分析通过Airbnb社区告诉未来的客人哪里是更好的住宿地，

甚至能够帮助用户更深入地了解某个地点，包括地理信息无法描述的文化或宗教上的区

分。Uber 则是利用地理位臵和其用户的综合数据，大大缩短司机开着空车去接下一位乘

客的时间和乘客等待的时间。

图 37：Airbnb 在洛杉矶住宿点分布（红色为 Airbnb，

蓝色为传统住宿点）

图 38：uber 在旧金山的用户数据热力图

数据来源：airbnb，安信证券研究中心数据来源：Uber，安信证券研究中心

另一方面大数据能够空前准确的预测未来，从而能获得前瞻性的商业价值：

例如社交数据分析公司 Topsy 准确预测了 iPhone 4S 上市后的市场表现，同时还成功预测

美国大选结果和奥斯卡颁奖结果。它在商业分析、市场销售、新闻等领域拥有很高价值，

因而苹果以 2 亿多美元的价格收购 Topsy。

图 39：Topsy 准确预测了 iPhone 4S 上市后的市场表

现

图 40：Topsy 准确预测美国大选结果

数据来源：Topsy，安信证券研究中心数据来源：Topsy，安信证券研究中心

5. 大数据产业链分析

24




5.1. 大数据产业链的主要参与方

大数据产业链可以分为四个部分：数据采集和整合、数据存储和运算、数据分析和挖掘、

数据应和消费。数据采集和整合是指通过技术手段从互联网、移动终端、物联网、应用

软件等采集数据，然后把数据按照一定的规则进行存储和运算，再按照需求调用数据并

进行智能分析和挖掘，将数据转化成价值信息或者产品，为决策支持、提升效率、创新

产品提供依据。

图 41：大数据产业链分析


5.2. 数据资产开始成为核心资源

拥有数据，大数据时代的王者。在大数据时代，数据资产已经成为核心资源，2012 年，

奥巴马政府明确提出将“大数据战略”上升为国家意志，并将数据定义为“未来的新石

油”，因此，拥有数据可谓是大数据时代的王者。拥有数据的机构可以分为三类：

一是既有数据、又有大数据思维的互联网公司，如阿里巴巴、腾讯、京东、Google、Amazon

等，在互联网端积累了大量的数据资源，而且此类公司 IT 起家，对大数据有天生敏锐的

嗅觉，大数据技术也相对成熟，因此，互联网公司可谓是最早使用大数据的机构，成为

大数据应用的先行者；

二是传统软件公司转型互联网，通过 SaaS 模式为用户提供服务，例如用友软件推出畅捷

通，以云模式为小微企业提供财务管理应用，也可以认为是既有数据、又有大数据思维

的模式；

三是拥有数据，缺乏大数据思维的机构，这类机构手里掌握着大量的数据，但是没有能

力自己有效利用，例如金融机构、运营商、政府部门等。

使用数据，数据变现的推动者。对于手里掌握大量数据，但没有能力变现的机构而言，

需要专业的第三方公司提供大数据服务，主要是各类 IT 咨询机构和行业应用软件厂商，

尤其是行业应用软件厂商，在各自的领域具有天然的卡位优势：软件公司提供了行业应

用软件和相关的运营维护，行业应用软件本身就是重要的数据来源，软件公司属于不拥

有数据，但可以接触到数据的机构，且天然拥有大数据思维和大数据技术，以及良好的

行业客户关系，从信息系统建设延伸到大数据运营顺理成章。因此，各个细分行业的应

用软件提供商有望成为传统拥有数据机构的重要合作伙伴，助力其探索大数据价值变现。

25




5.3. 大数据技术是重要生产力

大数据应用好坏的关键除了数据本身，还在于大数据技术，大数据技术包括数据采集、

数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现等环节，

涉及的技术环节极广，随着数据体量增大和数据复杂性程度提高，大数据技术本身也处

于快速迭代的发展过程中。值得一提的是，大数据技术落地的一大重要因素在于如何实

现技术与业务的融合，这背后需要深厚的业务理解，对于既有数据、又有大数据思维的

互联网公司来说，技术和业务本身是相互驱动、共同发展的，对于拥有数据，缺乏大数

据思维的机构而言，在行业深耕多难的应用软件提供商则是最好的选择。

图 42：IBM 大数据平台框架和应用程序解决方案

数据来源：IBM，安信证券研究中心

6. 大数据与产业的聚合效应 6.1. 生物大数据

6.1.1. 生物大数据的应用已经存在：IBM Watson

以 IBM 的超级电脑 Watson 为例，生物大数据已经开始被广泛应用于临床诊断、医保分

析、癌症研究、健康管理等多个领域。生物大数据的应用并非空中楼阁，Watson 是世界

上最大的超级电脑，在大数据分析方面，设计医药行业的项目覆盖十分广泛，包括与

WellPoint 合作进行药品福利管理和恶性肿瘤的临床诊断，与 BlueCross 合作进行医保数据

分析，与 Sloan 癌症中心合作进行癌症研究、辅助医生进行癌症诊断等多个方面。JP Morgan

估计，2017 年，Watson 的大数据分析可以为 IBM 带来 20 亿美元的收入。

表 1：IBM 的超级电脑 Watson 在医疗大数据方面的应用领域

合作单位应用领域

Wellpoint 福利应用、恶性肿瘤的诊断

Abthem Blue Cross 医保数据分析

EasyAsk 自然语言

26




Memorial Sloan-kettering 癌症研究

Licester Tigers 运动分析

Citigroup 金融数据分析


6.1.2. 生物大数据的来源

生物大数据将主要来源于四个方面：研发数据、诊疗数据、患者的行为和感官数据和医

保数据。

研发数据主要指药企或科研机构进行研发获得的数据。包括药企从临床前、I-III 期

临床、IV 期临床、上市后大量人群中进行疗效&副作用跟踪获得的数据；还包括最

新的科研进展。

诊疗数据主要指患者在医院进行就医行为产生的数据。包括病历（电子病历），传统

检测手段（生化、免疫、PCR 等）、新兴的检测手段（二代测序、基因芯片等）、医

生的用药选择、诊疗路径记录等。

患者的行为和感官数据指患者自身的、在院外的行为和感官所产生的数据。包括患

者的家族病史、服药的依从性、以及通过各种可穿戴设备&即时监控设备&智能手机

采集到的疾病管理、健康管理数据。还包括患者在互联网上的一些网络行为产生的

数据，例如寻医问药、与患有交流等。

医保数据是指一切与付费方相关的审核记录、报销记录。包括参保人的病史、报销记录、

药物经济学评价；同病种下人群诊疗路径比对等。

图 5：生物大数据的四个来源


6.1.3. 生物大数据的价值无穷

由于生物大数据有潜力为医药行业每个参与方都带来价值，数据本身存在无穷被挖掘的

可能性，价值无法估量。作为简单的参考，麦肯锡 2010 年测算显示，综合考虑医疗大数

据可以为医药行业各个环节带来的改进，累计有望带来 3330 亿美金的价值。千亿美金数

量级价值的实现有赖于数据的积累和挖掘。

27




图 26：生物大数据有望为保险公司提供有效的控费手段

数据来源：McKinsey-2010，安信证券研究中心

生物大数据的价值在境外已开始被资本追逐。除了著名的基因检测公司 23andme 曾获

google 多伦投资外，罗氏、药明康德、安进近期都有涉及生物大数据的收购。标的均是

积累多年的基因检测、基因数据处理公司，标的的核心价值都在于数据库和数据挖掘算

法。

表 3：数据的价值让传统的药企、IT 公司、器械公司追逐

投资/收购方标的时间金额

Life Technologies Navigenics 2012 -

Google 23andme 2012 150 美元（投资）

Amgen Decode 2013 4.15 亿美金（收购）

药明康德 Nextcode 2015 6500 万元美元（收购）

Roche Foundation Medicine 2015 10 亿美元（收购 56.3%）


6.1.4. 数据的积累和挖掘是大数据行业的壁垒

我们认为生物大数据行业会有两个壁垒：1）数据的积累；2）数据的挖掘和解读。前者

是先进入该子行业的厂家具备的天然优势，例如华大基因在基因测序积累多年，中国人

的基因样本库，23andme 通过对个人服务积累的基因组数据库等。数据的挖掘和解读壁

垒更高，从美国来看，目前涉足生物大数据处理和分析的公司主要有两类：一类是传统

的 IT 公司和统计数据处理公司，例如 Google、IBM、SAS，另一类是专职于生物大数据

处理的公司，例如 NEXTBIO、Knome 等。国内目前尚无专职处理生物大数据的公司，

未来一定会有这种业态出现。

28




图 27：生物大数据价值的挖掘，数据解读是关键图 28：涉足生物大数据分析的公司

数据来源：安信证券研究中心数据来源：安信证券研究中心

图 29：大数据的价值让传统的药企、IT 公司、器械公司追逐


6.1.5. 重点推荐公司

我们建议重点关注基因测序板块：达安基因、迪安诊断、中源协和、荣之联、迪安诊断、

北陆药业、紫鑫药业、千山药机等。

6.2. 互联网金融：大数据推动金融体系的大变革

我们认为，大数据在互联网金融领域的核心作用在于提高金融机构的风险定价能力，提

供全面、动态的定价体系，推动金融体系发生变革，业务层面主要体现在社会征信体系

构建和金融产品设计两个层次。

29




6.2.1. 大数据构建征信体系

征信是互联网金融发展的基石。我国征信体系发展比较滞后，一直都缺乏充分的数据来

源和有效的技术手段。直到 2004 年，央行才开始建成全国统一的个人信用信息基础数据

库，2005 年，原有的银行信贷登记咨询系统升级为企业信用信息基础数据库。目前，央

行征信数据库有大约 8 亿个人和将近 2000 万家企业的征信数据。但是，央行的征信数据

是来自于商业银行、社会机构等的上报数据，存在信息量少、准确率低等缺点，尤其是

个人用户和小微企业，无法真正有效识别其征信情况。因此，商业银行在实际业务开展

过程中，一般采用一刀切的模式，很少为小微企业、个人用户提供信贷等金融服务。

互联网海量数据和大数据技术助力建立全社会征信图谱：

对于个人用户而言，用户在互联网上的行为被系统所记录，其中包含大量的价值信

息，如电商类数据、社交类数据、生活服务类数据、支付类数据等等，这些数据将

成为描绘个人征信情况的基础信息，通过大数据建模得出信用评级；

对于企业用户而言，大量的小微企业开始使用云服务，其经营情况和现金流情况可

被记录，这些数据可以通过构建模型成为小微企业信用评级的依据。

图 43：互联网端风控相关大数据可以提供征信依据图 44：我国征信行业发展现状

数据来源：互联网，安信证券研究中心数据来源：易观智库，安信证券研究中心

全社会征信体系构建将为普惠金融打下基础。大数据技术助力社会征信体系构建后，将

显著提高金融业务的广度和深度，帮助金融机构低成本、高效地服务低收入人群和小微

企业，主要体现为消费金融业务和小微企业贷款业务。

消费金融：商业银行可以与个人征信公司合作，识别个人用户的信用风险，扩大个人消

费信贷业务。美国消费金融市场规模将近 3 万亿美元，我国消费金融尚处于起步阶段，

未来还有很大的挖掘空间。

小微企业贷款：商业银行可以与第三方公司合作，由拥有数据优势的第三方公司通过建

模识别小微企业的违约风险，为商业银行小微企业信贷提供信用验证。以汉得信息的供

应链金融业务为例，通过云的形式为小微企业提供低成本的信息化服务，获得小微企业

的流水数据，包括采购、销售、存货、总账、报表等各项数据，掌握企业的经营信息和

征信情况，为企业贷款提供数据验证，解决银行与小微企业信息不对称这一核心问题，

基于此与银行合作有针对性的开拓小微企业金融业务。

30




图 45：汉得信息通过提供云服务的形式切入供应链金融

数据来源：汉得信息资料，安信证券研究中心

6.2.2. 金融产品设计更加合理，提高产品价值

大数据可以帮助金融机构设计差异化的金融产品和实现精准营销。金融机构可以充分利

用大数据技术对于用户进行全方位的评估，并以此为依据为用户提供个性化的金融产品，

使金融产品的设计更为科学，提升产品价值，实现超额收益。

例如，大数据技术可以使保险产品的设计更加精准：

第一，可以实现差异化定价。传统的线下保险产品设计是基于固化的经验数据，再建立

一套模型来做精算；而互联网保险的数据是实时、动态的关联数据，用户的消费数据、

行为习惯、忠诚度以及信用水平都可以成为可供挖掘的大数据，因此在保险产品设计和

定价上都可以更为灵活，提高保险理赔准确性和及时性，传统的精算模型正在被颠覆。

以淘宝退货运费险为例，保险公司可以根据每个买家的购买运费之后的历史理赔成功次

数与投保成功次数的比值来决定其保费水平，实现差异化定价，解决高退货率买家倾向

于购买退货险的问题。

图 46：大数据技术使得保险产品定价更加精准化

31




数据来源：蚂蚁金服，安信证券研究中心

第二，产品设计以用户体验为中心，做到个性化定制。产品的用户体验将取代原有的保

险机构精算成为第一要素，有针对性的解决不同场景下的特定风险，在保险标的、责任

范围、保费费率等层面都可以实现量身定制。

图 47：大数据分析使得保险产品更为智能

数据来源：靠谱保，安信证券研究中心


在计算机上市公司中，与互联网金融相关的公司主要分为两类，一类是本身具备互联网

金融平台属性的上市公司，如恒生电子、东方财富、同花顺、石基信息等，它们在互联

网端深耕多年，用户基础庞大，是重要的互联网金融入口；另一类是技术型公司，这些

公司的传统业务是为银行、券商、基金、保险等金融机构提供软硬件产品，经过多年积

累，对金融业务理解深厚，和第三方公司合作或者自己独立拓展互联网金融业务，如金

证股份、中科金财、常山股份、长亮科技、润和软件、赢时胜、三泰控股、广电运通、

银信科技、梅泰诺等。我们认为，在互联网重构金融生态的浪潮中，卡位精准的 IT 公司

具有先发优势，我们看好其在互联网金融领域的发展前景。

6.3. 互联网医疗：医疗大数据逼近引爆点

6.3.1. 大数据应用是医改方向

医疗是大数据的富矿，过去由于各个医疗服务机构之间存在严重的信息孤岛现象，海量

数据处于闲臵沉睡状态。今年 3 月国务院发布《全国医疗卫生服务体系规划纲要

32




（2015—2020 年）》明确提出要加强人口健康信息化建设，到 2020 年，实现全员人口信

息、电子健康档案和电子病历三大数据库基本覆盖并动态更新，全面建成互联互通的国

家、省、市、县四级人口健康信息平台，为医疗大数据的应用铺路；并首次提出“健康中

国云服务计划”，积极推动健康大数据的应用。

医疗大数据是开展商保、移动医疗的基础。随着商保、移动医疗等加速入场，医疗大数

据找到了用武之地。以移动医疗为例，“硬件+数据+服务”的商业模式闭环中，由于消费

者付费意愿尚未激发，C 端硬件推广趋于“免费”，数据运营将成为其重要的赢利点。

6.3.2. 医保+大数据：让医保控费更有效

DRGs 受政府高度重视，有望推动大数据控费发展。DRGs 是国外发达国家行之有效的医

保控费模式，其本质是将病人进行科学分组，对同组病人确定合理的医疗服务路径，从

而能够有效的监控医疗服务机构的服务，达到控费的目的。全国有 8 个省市（北京市、

天津市、内蒙古自治区、浙江省、安徽省、山东省、湖南省、四川省、云南省）已开展

DRGs 试点工作，政策的大力扶持有望助力医保控费进入大数据时代。

商保入场为医疗大数据带来了全新的应用场景：1）保险的精算定价。目前国内健康险精

算定价基础薄弱，缺乏对疾病治疗费用的深度分析及对参保群体医疗费用风险的科学评

估。为了便于商业保险更好的利用医疗大数据，中国保险行业协会成立了首家保险大数

据公司—中国保险信息技术管理有限公司将收集和整理健康险行业数据，搭建健康险大

数据平台，为险企提供服务；2）构筑 PBM 商业模式的核心。PBM 商业模式的核心在于，

通过对于处方的大数据分析，设计合理的医药报销目录，借助医药报销目录与医药上游

企业进行议价。

图 48：我国商业健康险呈现加速发展态势

数据来源：保监会，安信证券研究中心，注：2020 年数据为保监会主席项俊波预测

6.3.3. 医药+大数据：提升药品品质

医药+大数据的应用场景十分丰富。以阿里健康为例，其上线的大数据应用平台—“数来

宝”目前有以下功能：1）渠道管理：其中一款产品——“流向通”通过对药品流向终端进

行 360 度全方位的分析，帮助医药企业对药品终端覆盖效率、终端产出等进行评估和决

策。2）助力医药精准营销：以药品电子监管全链条数据为基础，从产品、市场、渠道、

终端（零售、医疗）及消费者（患者）多维度，满足企业管理及营销的需求。

图 49：阿里健康医药大数据运用图 50：大数据助力药品精准营销

33




数据来源：互联网，安信证券研究中心数据来源：互联网，安信证券研究中心

医药研发—医药大数据的终极目标是提升药品品质。利用大数据，打通研发、临床试验、

诊疗和销售数据，能够达到真正确认有潜力的分子及复合物的目标，从而增大研发成功

率和缩短研发时间。从国外制药行业发展来看，巨头们纷纷通过大数据技术突破新药研

发瓶颈。

图 51：制药巨头积极布局医药大数据

数据来源：动脉网，安信证券研究中心

6.3.4. 医疗+大数据：开启精准医疗时代

医疗+大数据全面开启精准医疗时代。精准医疗是指以个人基因组信息为基础，结合蛋白

质组，代谢组等相关内环境信息，为病人量身设计出最佳的个性化治疗方案。基因大数

据的获取和分析是精准医疗发展的基石。

今年 3 月，科技部召开首次精准医学战略专家会议，精准医疗计划将在今明两年启动。

此外，卫计委层面逐步放开测序试点牌照，为行业有序规范的发展奠定了基础。

图 52：大数据助力走向医疗 3.0 时代图 53：精准医疗依赖于人体大数据的获取与分析

34




数据来源：安信证券研究中心整理数据来源：动脉网，安信证券研究中心


随着应用场景的不断扩张，医疗大数据市场将会有更多的商业模式出现，沉睡已久的医

疗数据富矿有望呈现出惊人的能量。从行业标的选择来看，我们认为现阶段的医疗数据

分散于医院端，看好在医院端或者区域医疗信息化平台有相关卡位的公司；从应用场景

来看，医保控费、PBM 市场有望率先启动。重点推荐万达信息、东华软件，关注中元华

电、卫宁软件、海虹控股、银江股份、创业软件、华平股份、中瑞思创、达实智能、荣

科科技等。

6.4. 工业互联网：大数据重塑工业价值链

6.4.1. 深度挖掘工业大数据潜在价值

工业互联网从智能设备和网络中获取数据，然后利用大数据和分析工具等智能系统进行

存储、分析和可视化，最终得到“智能信息”供决策者使用。因此，信息和数据成为比硬

件设施更重要的要素，构成企业的核心竞争力，工业大数据的价值主要体现在：

产品创新的应用。客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析

这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为

产品创新做出贡献。

图 54：端到端系统工程实现个性化定制


工业物联网生产线的应用。现代化工业制造生产线安装有数以千计的小型传感器，来探

测温度、压力、热能、振动和噪声。利用这些数据可以进行设备诊断、用电量分析、能

35




耗分析、质量事故分析（包括违反生产规定、零部件故障）等。

供应链的分析和优化。大数据分析可实时监测库存水平，根据物流、价格等因素反馈零

部件调配的最优方案，模拟和优化物流过程和生产吞吐量，大大缩短生产周期。例如，

京东通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了

次日货到的客户体验。

图 55：京东大数据驱动供应链

数据来源：京东，安信证券研究中心

6.4.2. 数据将在未来制造业发挥核心作用

在工业 4.0 时代，柔性化、个性化定制、数据实时监控反馈等场景将变为事实。

图 56：工业互联网时代制造业设想场景

数据来源：Digital Technology Poland 官网，安信证券研究中心

以通用电气为例，通用电气位于美国亚特兰大的能源监测和诊断（M&D）中心，收集全

球 50 多个国家上千台燃气轮机的数据，每天就能为客户收集 10G 的数据，通过分析来

36




自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为通用电气对燃

气轮机故障诊断和预警提供支撑。

根据通用的测算，工业互联网效率增长 1%，即能带来巨大的经济效益。例如，在石油与

天然气领域，效率提升 1%，将节约 900 亿美元的勘探开发成本；电力领域，若全球燃气

电厂运作效率提升 1%，将节约 660 亿美元的燃料支出。

图 57：工业互联网效率增长 1%的经济效益

数据来源：通用，安信证券研究中心


重点关注在工业数据采集方面已经有前瞻性布局的佳讯飞鸿、科远股份，以及在各自细

分领域处于龙头地位的工业自动化企业软控股份和宝信软件。此外，随着电商的飞速发

展，物流行业大数据分析需求极为迫切，将率先出现成熟的商业模式，建议关注物流行

业龙头企业华鹏飞。

6.5. 车联网：大数据技术的应用先锋

6.5.1. 车联网是大数据应用的最佳载体

车联网是基于“人-车-路-环境”四大要素的综合系统，每一个要素自身都存在海量可挖掘数据，

而每一个要素同时又是大数据应用和变现的对象。多重数据的叠加和交互关系使得车联网大

数据价值巨大。

图 58：基于“人-车-路-环境”大数据商业商业应用架构

37




数据来源：BYD，安信证券研究中心

大数据应用代表向生态圈演进的新型车联网盈利模式。目前车联网尚处于初期，商业模

式仍然以 B2B 为主，能够直接付费的用户较少，而随着产业链数据的打通和互联网巨头

的强势介入，后续数据运营将成为车联网向生态圈转变的关键。

图 59：大数据将是车联网生态圈演进的关键

数据来源：易观智库，安信证券研究中心

38




车联网的大数据在预测方面可以发挥到极致，如预测交通堵塞的地段，实时交通信息，

驾驶者驾驶行为分析等。

6.5.2. 车联网大数据的应用趋势

第一，从被动安全到主动安全发展

汽车的安全措施可以大略地分为主动安全措施（防止事故发生）和被动安全措施（减小

事故后果）。目前车联网数据在被动安全（个性化保险等）领域已经有较为成熟的盈利模

式。

表 5：车联网数据应用于保险业的案例

主要厂商项目模式

Metronome

可提取并实时传回有价值的驾驶数据并准确报告驾驶里程数。驾驶员可以依照此数据支付每月的保费，

即包含几美分每英里的变动费率和一个很低的基础费率，就可享受全方位的车辆保险。计算费率的唯

一依据就是驾驶里程，与驾驶时间、地点和方式无关。低里程驾驶员若根据其每月实际驾驶里程支付

保费，可比购买传统车辆保险产品节省 20%-50%的保费。

Progressive

(Snapshot)

UBI 市场的最早进入者，其产品基于插入式装臵。装臵先对驾驶员进行 30 天的监控得到对非 UBI 保

费的折扣。在后续五个月的持续监控后，驾驶员归还设备并对折扣率进行更新。折扣率上限为 30%，

并在显著影响保费的批改出现前保持不变。

Allstate

(DriveWise)

这一项目目前在 10 个州可以购买，初始折扣为 10%，后续上限 30%。折扣基于总行驶里程、日行驶

时间、急刹车次数以及超过 80 英里每小时的次数。公司在网站上通知驾驶员具体信息并鼓励驾驶员形

成更好的驾驶习惯。

State Farm

State Farm 作为目前北美最大的汽车保险公司，其主导的车联网商业模式有如下几个特点：与保险公

司的业务捆绑；提供与驾驶安全度结合的保险费率；与车联网服务提供商（TSP）Hughes 合作；服务

差异化，避免与 OnStar 等前装车厂主导的车联网产品和导航产品竞争等。可以想象这项车联网服务

对保险客户的诱惑力，一旦 State Farm 的大部分用户采用该服务，车联网的网络服务平台价值可能会

接近 Facebook 的水平

Ingenie 和沃克

斯豪尔

基于车联网的 PAYD 保险产品，是基于目前流行的模式设计的，即在车中安装终端设备进行行车数据

的采集与分析，结果通过智能手机应用或门户进行在线访问。由于车载终端实现了数据分析的功能，

因此通过无线网络传输的数据很少，规避了大量数据上传造成的流量和复杂的数据存储处理问题。

德国电信和

DriveFactor

共同推出了基于 UBI 的保险解决方案，该方案基于 M2M 的驾驶行为评估解决方案。对于投保人而言

这是一个一体化产品，从被保险人的车辆中安装跟踪模块和 SIM 卡到驾驶数据统计评价的后端服务平

台。易于部署的自行安装设备和 DriveFactor 开发的智能手机应用加快了该产品的市场投入时间。

Provinzial (德

国) MeinCopilot 提供基于良好驾驶习惯的高达 10%的折扣，同时提供增值服务，例如自动紧急呼叫。

Carpass 由 Carpass （一家技术公司）与 Bangkok 、Deves 、Siam Commercial Samaggi 等多家保险公司合作

的产品提供：基于年行驶里程的折扣，另外通过插入式装臵 IceCube 实现其他优良驾驶习惯折扣。


图 60：人-车-路-环境”大数据保险行业业务模式和盈利模型

39




数据来源：BYD，安信证券研究中心

实质上，主动安全（尽量自如的操纵控制汽车的安全系统措施）才是车联网真正追求的

方向，目前主要以辅助驾驶为主，而其代表的终极方向是无人驾驶。

图 61：主动安全（智能驾驶）的演进方向


表 6：车联网数据对于主动安全的价值应用

数据类型应用

汽车识别数据对于非结构化道路，准确的识别，实现主动安全。主要表现在弯道识别，路边状态，附近车辆提醒

等。通过各种传感器，雷达、摄像头，这样可以实时监控路边的状态。

驾驶员行为数据

对驾驶者驾驶情况的监测，如眼睛是否看前方，手是不是在方向盘上，根据车周边的状态会及时提

醒给驾驶员，如果前面有车离我很近了，这个驾驶员眼睛又不在前方，这样车里面会提供预警，甚

至采取措施帮助驾驶员回到正常的驾驶状态。

车与车通信数据

通过车车通信，当前车急刹车时，可以实现前面车刹车之后信息及时发出来，周边的车及时得到信

息，这样给驾驶者一个提前预警。如有校车、警车或急救车在车附近，汽车会接受到信息知道旁边

有特殊的车辆通过的话会提早让路，或者是减速来给车辆提供一些方便，这也是车和车和周边环境

的通讯提供一些安全的保障。

汽车状态数据胎压监测，在汽车行驶过程中对轮胎气压进行实时自动监测，并对轮胎漏气和低气压进行报警，以

确保行车安全，另外其他 OBD 可提供的行车信息。


第二，以大数据为基础向汽车后市场渗透

目前我国汽车后市场存在空间大但净利润占产业链比重较低的矛盾，而此类矛盾的核心问

题之一就是信息不对称，大数据正是解决这一痛点的关键。

40




图 62：汽车后市场空间巨大图 63：我国汽车后市场净利润占产业链比重较低

数据来源：中国汽车后市场蓝皮书、WIND，安信证券研究中心数据来源：《2013-2017 中国汽车后市场蓝皮书》,安信证券研究中心

图 64：汽车后市场服务问题的关键就在于信息不对称

数据来源：车云网，安信证券研究中心

随着生态系统的健全和互联网场上的介入，基于车辆数据形成的大数据产品，逐步向 O2O

与汽车后市场渗透，商业模式呈现多点开花的局面。

图 65：以大数据为基础向汽车后市场渗透方向

41





6.5.3. 车联网产业链各环节大数据布局

上游数据采集：以四维图新为代表，“挟天子（地理信息数据入口）以令诸侯”。

图 66：四维图新车联网布局

数据来源：易观中国，安信证券研究中心

中游数据运营：以百度为例，以平台和人工智能切入，用大数据训练“百度大脑”，最终

把控无人驾驶的终极趋势

图 67：百度车联网布局

42




数据来源：易观中国，安信证券研究中心

下游数据行业应用：百花齐放，智能停车场作为用户数据入口竞争最为激烈。

图 68：智慧停车的发展阶段


对于大数据+汽车后市场应用来说，获取用户数据是基础。我们认为，停车应用将成为其

重要的入口。首先，停车作为刚需、高频的汽车消费应用，相比较于洗车、保养等其他

APP 而言，更有可能成为获取用户流量和数据的高粘性入口。其次，停车场景天然与 O2O

汽车后市场服务链接，停车场景为汽车后市场服务的创业企业提供了时间和空间。停车

应用平台通过与汽车后市场的服务提供商，将切入万亿级的汽车后市场。


我们建议围绕数据产业链上下游寻找受益标的。上游建议关注抢占地理信息入口卡位公

司，首推四维图新；中游建议关注平台型数据运营公司，首推科大讯飞、千方科技、荣

之联，建议关注天泽信息、盛路通信等；下游关注数据价值的最佳行业应用场景，第一

是具备用户和数据入口的战略地位的智能停车行业，关注数字政通、安居宝和捷顺科技，

第二是亟待大数据解决信息不对称矛盾的汽车后 O2O 行业，关注金固股份。

6.6. 信息安全：大数据拓展大安全边界

大数据对于信息安全的影响主要表现在两方面：第一，为解决安全问题提供了新的思路，

大数据安全分析成为信息安全发展的重要方向；第二，数据的地位和价值得到了空前的

提升，数据安全成为重中之重，因此，信息安全的产业空间在迅速扩大。

43




6.6.1. 大数据安全分析正在重塑网络安全

Gartner 发布的《2014 年信息安全十大趋势》中表明：大数据安全分析排名第二，仅次于

软件定义安全。安全数据的数量、速度、种类的迅速膨胀，导致的不仅仅是海量异构数

据的融合、存储和管理的问题，甚至动摇了传统的安全分析体系和方法。大数据分析处

理技术的成熟，为海量安全数据分析提供了基础。利用大数据给信息安全带来的自动化

分析处理与深度挖掘优势，可以发现传统的安全产品无法检测的安全攻击和威胁，使信

息安全从被动走向主动。

美国信息安全厂商 Splunk 和 Palantir 可谓大数据安全厂商的典范，同时两者也在资本市

场享受远超传统信息安全企业的估值。国内信息安全厂商正在陆续进入大数据安全领域，

通过自主研发或者并购的方式推出大数据安全分析产品：启明星辰并购合众数据，率先

发布泰合 TM 大数据安全分析平台，绿盟科技并购国内数据防泄漏龙头—亿赛通，北信

源推出内网大数据安全产品。

图 69：大数据安全分析重塑网络安全技术

数据来源：奇虎 360《重塑网络安全边界》，安信证券研究中心

图 70：Splunk 大数据安全分析

数据来源：Splunk 官方网站，安信证券研究中心

44




6.6.2. 数据安全已成信息安全重中之重

信息安全企业将成为大数据时代互联网巨头重要拼图。在“互联网+”和云计算的大趋势下，

企业触网、数据向云端集中是大势所趋，安全将和计算、存储、网络一样成为云计算基

础设施的一部分。国内信息安全企业和互联网巨头已经逐渐认识到这一点，双方不断进

行产业合作，为用户提供更好的安全产品。2015 年腾讯增资国内顶尖安全企业知道创宇，

6 月和国内信息安全龙头启明星辰达成战略合作，强强联合建立企业安全服务战略联盟。

2015 年 4 月，百度全资并购安全宝，安全宝团队会融入百度云加速各项服务，为企业客

户提供安全防护服务。2015 年 6 月，阿里宣布并购国内 APT 领域领导者—翰海源。奇虎

360 则是通过收购网康，入股网御神州，发布面向企业端的安全产品系列，大举进军企

业安全市场。在此背景下，具有核心技术、高端安全人才储备和信息产品研发经验的公

司的战略价值凸显。


云计算和大数据快速发展促进信息安全集中度大幅提升，优质信息安全龙头将率先受益。

重点关注卫士通、绿盟科技、启明星辰、北信源。“自主可控”是实现信息安全的基石， “国

进洋退”步伐不断加快，国内 IT 产业国际化合作和行业并购大戏不断上演，成为驱动产

业发展的重要推动力，重点关注华东电脑、太极股份、浪潮信息、立思辰、超图软件、

同有科技、东方通、华力创通、紫光股份、天玑科技、中科曙光等。

6.7. 传媒：大数据重构精准营销

广义上讲，从我国互联网历史发展的时间轴来看，从门户到搜索再到社交的发展史本身

就体现数字营销不断细分和精准。门户广告的传统售卖是在固定时段向所有访问用户推

送，搜索是用户的行为本身已表达出兴趣，构成一定细分；而社交在地域、年龄、性别、

兴趣等分类上获得多元的数据。数字营销中各个细分领域都在朝着更精准的方向发展。

以搜索引擎为例，根据Chitika的数据，2009年Google和Yahoo的CTR（Click-Through-Rate,

网络广告的点击到达率）分别为 0.98%和 1.37%。而 2014 年 Q2 美国的搜索市场平均 CTR

已经升至 2.3%，同比 13 年 Q2 提高了接近 0.5%。

程序化购买成为精准营销的代表模式。RTB（RealTime Bidding）实时竞价，是一种利用

第三方技术在数以百万计的网站上针对每一个用户展示行为进行评估以及出价的竞价技

术。与大量购买投放频次不同，实时竞价规避了无效的受众到达，只针对有意义的用户

进行购买。运行原理如下：一个高商业价值的网民打开互联网的某个网页时，广告交易

平台就会迅速向各大 DSP（需求方平台）发送 Ad Request（包括网民的 ID、IP、URL 等），

而 DSP 就根据自己数据库中对这位网民的上网轨迹的数据进行快速的运算，计算出向其

推送广告的合理成本，然后迅速地出价，如果这个价位是众多 DSP 中最高的，那么这位

网民就会看到由出价最高的 DSP 推送的广告。


1）利欧股份：在系列并购与整合后，利欧集团实现对上游流量、中游营销内容策划制作、

下游 PC+移动互联网渠道的全面布局，一站式整合数字营销服务集团初步成型。旗下多

块业务与精准营销直接相关：1）公司投资设立全资子公司上海聚嘉专门从事 DSP（需求

方购买平台）的开发和运营，DSP 通过实时数据分析来进行广告位购买并完成广告的精

准投放；2）拟收购公司微创时代通过分析互联网用户的行为，判断其喜好并向其展示可

能感兴趣的广告，为广告主在精准广告平台投放以提高广告投放的效果； 3）拟收购公

司万圣伟业通过“新传播平台”将巨大但零散的流量资源（各类网页、论坛、自媒体等）

整合，有丰富的数据和流量储备。

45




2）蓝色光标：蓝色光标在 14年 10 月推出了自主研发的 BlueView智能营销系统和 BlueMP

移动营销产品。BlueView 智能营销系统包含 BlueView D(BlueView Data)数据中心、

BlueView A(BlueView Analytics)洞察平台、BlueView C(BlueView Catcher)产品中心等模块

产品，将有效整合自有数据和业界的优质数据、资源，为客户的数据整合、数据挖掘、

数据分析、用户洞察、行业分析与研究、传播效果追踪、程序化购买、精准营销等需求

提供全面的技术支持。BlueMP 基于平台+应用产品架构，主要面向企业移动端 Html5 建

站和轻 app产品需求，能为企业提供标准化的一站式建站管理服务和强有力的平台支持，

帮助企业客户快速创建移动入口并产生用户交互。

14 年 12 月公司公告，香港全资子公司香港蓝标拟以自有资金 2437.5 万美元，取得精硕

科技 C 轮融资优先股 426.4 万股，本次投资完成后，公司将持有精硕科技 11.69%股权。

香港蓝标拟以自有资金 2500 万美元，参与晶赞科技 C 轮融资，两家公司均为业内知名的

大数据公司。

3）省广股份：2014 年 9 月公司与百度签订《协作协议》。公司将与百度相关项目组成立

联合团队，以(包括但不限于)大数据市场研究、大数据解决方案、大数据营销产品开发等

方式为基础展开合作。合作周期将从 2014 年 9 月 22 日至 2015 年 9 月 21 日。该协议的

签订，将有效推动合作双方在大数据业务领域的发展，进一步发挥协同效应，探索大数

据新的商业模式、开发新型大数据产品，将用户需求进行量化，准确展现用户行为，为

广告主提供精准的营销决策依据，进一步实现营销传播的精准化。

表 5：推荐关注公司汇总

细分领域推荐公司

互联网金融

恒生电子、东方财富、同花顺、石基信息、金证股份、中科金财、

常山股份、长亮科技、润和软件、赢时胜、三泰控股、广电运通、

银信科技、梅泰诺

互联网医疗万达信息、东华软件、中元华电、卫宁软件、海虹控股、银江股

份、创业软件、华平股份、中瑞思创、达实智能、荣科科技

工业互联网佳讯飞鸿、科远股份、软控股份、宝信软件、华鹏飞、机器人、

长荣股份

车联网四维图新、科大讯飞、千方科技、荣之联、数字政通、安居宝、

捷顺科技、金固股份

信息安全

卫士通、绿盟科技、启明星辰、北信源、华东电脑、太极股份、

浪潮信息、立思辰、超图软件、同有科技、东方通、华力创通、

紫光股份、天玑科技、中科曙光

精准营销利欧股份、蓝色光标、省广股份

生物大数据达安基因、迪安诊断、中源协和、荣之联、迪安诊断、北陆药业、

紫鑫药业、千山药机


7. 重点推荐上市公司 7.1. 万达信息：全力打造“互联网第四极”

智慧医疗龙头企业。公司作为全国区域医疗卫生信息化第一品牌，产品实现全国 50%以

上区域平台联通，覆盖全国 3.6 亿人，市场占有率领先，卡位优势明显。公司与上海卫

计委联合打造的健康管理云平台卡位市民未来就医入口—社区医院，具有极高的流量价

值。

46




构筑完美大医疗健康版图，医疗大数据的集大成者。公司 2014 年以来顺应医改形式在原

有区域医疗业务的基础上，完成了对医疗、医保、医药以及健康全产业的前瞻布局，是

医疗大数据的集大成者。2015 年伊始，公司发布定增计划，通过健康云、医药云、保险

云、医疗云 4 个项目，进一步夯实了医疗大数据的根基。

国内首创的慢病管理模式重构人与健康的关系，全面推广在即。公司首创的慢病管理 O2O

闭环日趋完善，覆盖了从健康管理、健康预防、诊断、治疗、医药电商到第三方支付全

过程，为个人用户提供一站式的在线医疗及健康服务。我们认为，公司的慢病管理模式

完成了从被动治疗到主动预防的理念转变，重新定义了人与健康的关系，未来有望成为

继百度（人与信息）、阿里（人与商品）、腾讯（人与人）之后的互联网第四极（人与健

康）。目前，平台已在上海试点，下半年有望全面推广，未来更有望作为医改标杆复制至

全国各地。

投资建议：2015 年是公司智慧医疗创新业务全面落地的元年，以慢病管理为切入口，重

构人与健康的关系，全力冲击互联网第四极。预计 2015-2016 年 EPS 分别为 0.25 和 0.38

元，维持“买入-A”评级，6 个月目标价 100 元。

7.2. 恒生电子：阿里金融帝国的战略性布局

马云入股，阿里金融帝国的战略性布局。马云成为公司实际控制人后，公司的互联网金

融业务在阿里体系的支持下加速发展。公司在资本市场的卡位优势与蚂蚁金服的 C 端流

量结合后，抢占了券商和机构理财从 B 端到 C 端的入口，成为马云金融大棋局中的一着

先手棋，战略意义重大。

七朵云全面构建金融云服务平台。公司 1.0 业务连接了大量的金融机构和数十万亿的金

融资产，掌握了海量的金融大数据。在此基础上，公司积极推进 2.0 业务，其中，打造

的金融云平台 iTN，包含恒生云融、交易所云、投资云、经纪云、资管云、财富云和海

外云七朵金融云服务，目标是打造以交易平台为核心的开放的财富资产管理生态体系，

使各类金融服务需求能够实现快速对接，最终实现大规模金融产品的定制和交易。其中，

投资云旗下的产品 HOMS，是私募客户的投资管理平台，在私募基金快速增长的背景下，

HOMS 作为这一领域的垄断性产品，将显著受益。

三潭金融剑指国内数百万亿元“非标”市场，空间巨大。三潭金融三大股东实力雄厚，公

司不但可以提供 IT 技术，其 IT 系统更是连接了数十万亿级金融资产，中投保拥有丰富

的投融资与担保资历、蚂蚁金服则拥有平台运作经验与流量入口，三潭金融剑指国内数

百万亿元“非标”市场，旗下金融资产交易平台“网金社”正式上线，有望发挥股东的优势

做大做强。随着我国资产证券化的发展，三潭发展空间巨大。

投资建议：1.0 业务稳健增长，尤其是近期资本市场的万亿行情催生券商系统升级换代，

公司的技术实力正在助力其获取更高的市场份额，进一步巩固领先优势；2.0 业务则已经

进入了落地之年，七朵云产品全面盛开，引领金融云时代的到来。预计 2015-2017 年 EPS

分别为 0.82、1.15、1.54 元，维持“买入-A”投资评级，12 个月目标价 290 元。

7.3. 卫士通：打造信息安全国家巨舰

控股股东变更为中国网安，国家旗舰浮出水面。公司近期公告控股股东中国电科第三十

研究所持有的卫士通 43.41%股份，成都国信安信息产业基地有限公司所持有的 0.79%股

份无偿划转给中国电子科技网络信息安全有限公司（中国网安）。中国网安是中国电子科

技集团有限公司根据战略发展需要，以专业从事信息安全的三十所为核心，整合集团内

外资源，构建的一个信息安全子集团公司。我们认为此次股权无偿划转表明公司作为中

国网安旗下资本平台地位已然确立，未来资产注入的想象空间较大。

47




国产密码有望大规模推广。密码作为信息安全最关键的要素，推进国产密码算法刻不容

缓。公司作为深耕加密领域的信息安全国家队，有望充分受益国产密码算法大规模推广

带来的历史性机遇。

安全手机业务放量在即。公司与中国移动研究院合作联合研制智能安全手机及后台密钥

管理系统，目前已通过商用密码产品技术鉴定评审，获得商用密码产品型号，今年将开

始向民用市场大规模推广。同时针对国家涉密人员、军队、公安民警等安全性要求更高

的保密手机已于 2014 年下单研发，公司明确 2015 年度实现销售收入目标亿元以上，预

计该产品总需求预计接近千万人次，将大幅提升业绩弹性。

投资建议：公司是 A 股唯一的信息安全国家队，将是国家意志的最佳执行者，今年将是

安全手机放量和大型涉密项目落地的大年，业绩弹性大。作为电科集团旗下的信息安全

平台，后续资产整合的空间也非常大。维持“买入-A”投资评级，6 个月目标价 100 元。

7.4. 数字政通：智慧停车场新模式空间巨大

依托智慧城管业务向智慧城市多领域扩张。公司全面推广数字城管移动应用“平台化”产

品，继续扩大行业领先优势，现业务已覆盖全国 70%的省份，率先实施了全国第一个数

字化城市管理省级平台。同时，其在地下管网综合管理平台领域、高速公路 MTC/ETC 收

费车道市场和道路智能管理信息化领域都取得了阶段性的成功。

智慧停车场业务进入收获期，探索 C 端商业模式。今年停车场业务将进入大规模推广阶

段，依托在全国原有的渠道体系以更为强势的手段抢占市场份额。今年 3 月初，公告与

山东最大的物业公司诚信行等设立合资公司，预计未来将有更多的类似合作落地。同时，

公司积极探索智慧停车场的新商业模式，例如与互联网公司合作、提供汽车后市场服务

等。我们认为，停车场是重要的 O2O 入口，公司在停车场业务上思路清晰、执行力强、

技术领先，前景值得期待。

与北京天健合作拓展智慧医疗业务。北京天健至今已经为全国 1000 多家医院和多个省市

的数字化医院和区域医疗卫生信息化提供产品和服务，市场份额位居行业前列。公司与

天健合作将助力其切入智慧医疗市场，开辟新的盈利增长点。

投资建议：公司传统数字城管业务需求稳定，智慧停车场和智慧医疗业务想象空间大。

同时，一季报公告在手现金 5.28 亿元，资金储备充裕，外延扩张空间大。预计 2015-2016

年 EPS 0.46 和 0.65 元，维持“买入-A”投资评级，6 个月目标价 75 元。

7.5. 常山股份：成功转型 IT，发力个人征信

棉纺龙头收购北明软件，加快转型升级。北明软件是国内领先的 IT 服务提供商，拥有近

百项国内领先的自主知识产权的软件产品，荣获中国软件行业协会颁布的 2014 年中国软

件行业最具影响力企业奖，为超过 50%的中国前 50 大 IT 客户服务，在政府、金融、电

力、能源等领域均具有较强的竞争力。

积极开拓征信业务。北明承建的民政部全国居民家庭经济状况核对系统，依托国家电子

政务网和公网，已与公安、人力资源社会保障、住建、银行等涉及居民个人收入和家庭

财产信息的部门实现数据共享，是全国居民家庭经济信息的汇总，是未来个人征信的重

要依据，公司有望藉此开拓征信业务。

老土地变现提供安全垫、新址土地打开想象空间。按照市政府《纺织服装基地建设实

施方案》，公司在石家庄主城区黄金地段拥有 1230 亩土地，价值保守估计上百亿，已经

全部完成土地收储。其中，约 25.06 公顷将在年内变现，估计回收现金超过 30 亿，将为

外延扩张奠定资金基础。此外，公司新址搬到石家庄正定县，以每亩 2 万元的低价获得

2000 余亩土地，对于 IT 企业来说，新址土地同样具备重大价值。

48




投资建议：公司通过收购北明软件实现混合所有制改革，同时内在机制也明显发生“质变”，

北明承建的家庭经济状况核对系统是全国居民家庭经济信息的汇总，是个人征信的重要

依据，北明籍此积极开拓征信业务，征信潜在集大成者逐步浮出水面。预计 2015-2016

年 EPS 0.16 和 0.21 元，维持“买入-A”评级，6 个月目标价 40 元。

7.6. 华东电脑：剑指上海科创中心龙头

集团内国企改革先锋，资产注入空间巨大。大股东中电科集团资产证券化率处于低位，

集团大量优质军工资产均在上市公司体外，资产注入空间大，同时集团最高层也明确提

出加强产业和资本融合。公司作为集团内国企改革先锋，率先推行了股权激励。

华东电脑的股东电科软信最有希望成为上海科创中心的龙头。上海建设全球科创中心 22

条指导意见近期发布，公司大股东电科软信是最有望成为科创中心龙头的本地企业：第

一，电科集团内唯一由央企和地方政府共同出资成立的一级子集团（中国电科集团出资

15 亿，上海市政府出资 5 亿）；第二，公司目标规模与上海科创中心需要打造的龙头地

位相契合（以 500 亿为目标，成为国内卓越、世界一流的软件与信息服务集团企业）；第

三，上海两大国资流转平台之一国盛集团为电科软信第二大股东，全力扶持其做大做强。

拟注入资产柏飞电子是国产大飞机最纯正受益标的。集团拟注入公司的柏飞电子与国际

航电巨头 Honeywell 成功签署 I7 CMC 项目，是国内企业第一次完成复杂电子设备的 FAA

适航认证，将成为 Honeywell 重要航空电子设备的供货商，柏飞同时也是中电 32 所参与

发起成立的中电科航电主要电子设备供货商。Honeywell 是国产 C919 大飞机的飞控系统

和机轮、轮胎及刹车系统的承包商，中电科航电则是 C919 的通信与导航系统、客舱娱乐

系统的承包商。柏飞电子将是 C919 大规模投产的最大受益者之一，有望再造一个华东电

脑。

投资建议：作为集央企和地方政府双方宠爱为一身的本地 IT 龙头，电科软信将是上海建

设全球科创中心、打造世界级明星企业的最佳选择。华东电脑作为旗下唯一上市公司平

台，有望成为继百视通后上海的又一艘千亿巨舰。预计 2015-2016 年 EPS 1.11 和 1.44 元，

维持“买入-A”评级，6 个月目标价 100 元。

7.7. 北信源：“泛”终端安全管理龙头崛起

大数据时代泛终端安全管理龙头崛起。公司是国内终端安全管理领导者，管理 PC 终端

数量约 3000 万；公司通过自主研发切入移动终端、国产终端和非智能终端的安全管理领

域，终端数量规模数倍于 PC 终端数量，对标公司 Symantec 市值约 168 亿美元。公司以

大数据技术为核心，对网络流量、用户行为、业务模式、安全事件进行更为智能的采集、

存储和分析；还将借助 IT 终端与用户高度粘合的优势，稳步推进企业业务流程优化的相

关功能和产品，从而为形成完善的企业商业智能打下坚实的基础，对标公司 Splunk 市值

约 85 亿美元。

外延拓展再提速，有望培育新利润增长点。公司 2014 年战略投资北京双洲、收购中软华

泰 100%股权。2015 年 6 月与华睿投资合作设立“华睿北信源大数据产业投资基金”，借

助华睿投资专业的投资团队和融资渠道，以及大数据领域的投资经验和丰富资源，为未

来储备更多符合战略发展要求的标的企业及项目。

员工持股计划全面激发公司活力。公司最新发布的员工持股计划涵盖核心人员，份额上

限为 6000 万份，按照 2:1 的比例设立优先级份额和次级份额，董事长林皓先生为持股计

划优先级份额的权益实现提供担保，同时员工持股计划锁定期为 12 个月，彰显管理层对

公司前景的信心。

投资建议：公司是国内终端安全管理领导者，设立“华睿北信源大数据产业投资基金”，

49




积极向大数据安全拓展；员工持股计划更全面激发企业活力。预计 2015-2016 年 EPS 分

别为 0.40 元、0.56 元，维持“买入-A”评级，6 个月目标价 80 元。

7.8. 佳讯飞鸿：工业 4.0+军工信息化齐头并进

增持臻迪科技股权，继续加码无人机。公司 6 月 9 日公告定增方案，募资不超过 8.74 亿

元，用于建设基于 LTE 的宽带无线指挥调度系统项目，收购无人机公司臻迪科技 10.42%

股权并增资。公司通过此次定增，加上此前持有的 7.07%股权，合计持有臻迪 22.19%股

权。臻迪是国内专业的无人机系统生产和服务提供商，拥有包括小型旋翼、固定翼以及

无人直升机等全系列产品、多项飞行控制系统及挂载系统软件著作权，并在大数据可视

化、虚拟仿真等领域有一定技术实力，目前已经在电力、航天航空、汽车制造等细分市

场形成较强竞争优势，潜力巨大。

投资基于 LTE 的宽带无线指挥调度系统项目，引领行业发展趋势。目前国内现有无线指

挥调度系统落后于公网发展，无法适应行业用户需求，集语音、数据、图像和视频等多

业务传输为一体的宽带无线指挥调度系统是大势所趋。公司定增募集资金将投入 4.76 亿

元用于基于 LTE 的宽带无线指挥调度系统项目建设，这是其基于对用户需求的充分理解

和精准把握、依托多年业务经验积累作出的战略选择，将引领行业趋势，巩固行业地位。

参股威标志远，强化国防军工布局。公司拟用自有资金 4800 万元以增资的方式投资北京

威标至远科技发展有限公司，投资后取得该公司 16.67%的股权。威标志远是专业从事军

用航空模拟器的国家级高新技术企业，拥有自主知识产权的“北威”系列军用飞行模拟器，

可为部队防空反导、技战术训练提供靶标服务，并为科研院所、军工企业产品组合、设

备装臵防空武器鉴定提供配套试验服务。增资威标志远，将进一步强化公司产品和技术

在国防领域的拓展和应用，使其产品在国防领域内防空部队相关细分市场的份额进一步

扩大。

投资建议：公司通过“内生+外延”积极布局宽带无线调度通信领域、无人机和国防军工领

域，助力其向“产品＋解决方案＋运维服务＋数据服务”的综合业务服务商转型。预计

2015-2016 年 EPS 分别为 0.37、0.53 元，维持“买入-A”投资评级，6 个月目标价 60 元。

7.9. 机器人：智能装备平台公司进入加速发展期，价值有望重估

驱动因素、关键假设及主要预测：

1、未来数字化和自动化制造生产的应用领域拓宽；

2、公司自动化背景雄厚，传统主业产品开始放量，完备的产品梯队保证中长期成长性；

3、增发顺利通过，持续深化软件布局。

我们与市场不同的观点：

我们认为：机器人目标不是 KUKA 等单纯机器人企业，新松机器人目前下游领域不断拓

展，涉及产业和产品越来越多，学习目标是 ABB 等自动化平台型企业，甚至是 google

等生态型企业。依靠这个平台不断横向纵向拓展产品系列以及下游应用领域。

新松格局很大，不会局限于工业机器人及系统，这块市场目前不足千亿，行业特性决定

不可能超预期增长，但可以持续增长，更需要关注军工自动化装备（改变作战方式）和

智能服务机器人（改变生活模式）。

新松目前在工业 4.0 方面布局领先，软硬件方面都在积极拓展，未来会超出市场预期，

属于具有 TMT 属性的智能装备龙头，平台价值日益凸显，价值应得到重估。

增发获得批准，财务费用将减少，并借助资本市场助力发展，未来业绩也将跟上。

投资建议：机器人技术实力雄厚，新产品开发速度快，下游不断拓展，目前公司定位生

态型科技平台，工业机器人将非标产品尽量标准化和模块化，未来发力军工机器人及工

50




业 4.0 业务，公司价值应该重估，预计 2015-2017 年 EPS 为 0.75、1.08、1.4 元，牛市中

看 2 年千亿市值。

7.10. 长荣股份：印刷行业工业 4.0，云印刷打造互联网+模式

驱动因素、关键假设及主要预测：

1、印刷设备注重智能化工厂、工业 4.0 的系统解决方案，主要为印刷厂提供整体解决方

案。

2、积极发展云印刷业务，核心竞争力在软件改版、快速合板技术。采用 B2B 或 B2B2C

方式，未来将发展 APP 模式互联网化，对传统印刷行业的重塑和颠覆。

我们与市场不同的观点：

市场认为：公司的印刷设备行业景气度偏低，下游印刷行业受无纸化电子化影响较大；

云印刷受传统印刷观念影响短期难以形成规模化推广。

我们认为：公司业务围绕“印后设备+烟包印刷+云印刷”三大产业布局，印刷设备打造

智能化工厂，加大研发智能管理系统及物流系统，已完成现有设备加装自动物流系统及

制造信息智能采集和检测系统，为传统印刷厂提供整体解决方案。云印刷业务核心在软

件改版、快速合板技术，将个性化需求与快速、高质量、低成本服务结合。采用 B2B 或

B2B2C 模式，推广模式包括建立区域中央工厂、加盟工厂、线上线下经销商以及互联网

APP 几大模式，2014 年云印刷业务收入约 4000 万，预计 2015 年将超过 1 亿元。

投资建议：我们预计 15-17 年 EPS 为 0.84 元、1.05 元、1.37 元，作为印刷行业智能化工

厂、工业 4.0 的系统解决方案提供商，公司在软件系统及装备制造具有明显优势，云印

刷采用 B2B2C 经营模式，实质是“互联网+印刷”满足个性化定制需求，长期对传统印

刷行业的重塑或颠覆，维持“买入-A”评级，6 个月目标价 50.24 元，中期目标市值 200

亿元。

8. 风险提示

侵犯隐私的法律风险，新商业模式的变现风险。

51




公司评级体系

收益评级：领先大市 — 未来 6 个月的投资收益率领先沪深 300 指数 10%以上；

同步大市 — 未来 6 个月的投资收益率与沪深 300 指数的变动幅度相差-10%至 10%；

落后大市 — 未来 6 个月的投资收益率落后沪深 300 指数 10%以上；

风险评级： A — 正常风险，未来 6 个月投资收益率的波动小于等于沪深 300 指数波动；

B — 较高风险，未来 6 个月投资收益率的波动大于沪深 300 指数波动；

Table_A utho rState me nt

分析师声明

胡又文声明，本人具有中国证券业协会授予的证券投资咨询执业资格，勤勉

尽责、诚实守信。本人对本报告的内容和观点负责，保证信息来源合法合规、研究方法专业审慎、研究观点独立公正、分析结论具有合理依据，特此声明。

本公司具备证券投资咨询业务资格的说明

安信证券股份有限公司（以下简称“本公司”）经中国证券监督管理委员会核准，取得

证券投资咨询业务许可。本公司及其投资咨询人员可以为证券投资人或客户提供证券投

资分析、预测或者建议等直接或间接的有偿咨询服务。发布证券研究报告，是证券投资

咨询业务的一种基本形式，本公司可以对证券及证券相关产品的价值、市场走势或者相

关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制作证券研究报告，

并向本公司的客户发布。

免责声明

本报告仅供安信证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因

为任何机构或个人接收到本报告而视其为本公司的当然客户。

本报告基于已公开的资料或信息撰写，但本公司不保证该等信息及资料的完整性、准确

性。本报告所载的信息、资料、建议及推测仅反映本公司于本报告发布当日的判断，本

报告中的证券或投资标的价格、价值及投资带来的收入可能会波动。在不同时期，本公

司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。本公司不保证本报告

所含信息及资料保持在最新状态，本公司将随时补充、更新和修订有关信息及资料，但

不保证及时公开发布。同时，本公司有权对本报告所含信息在不发出通知的情形下做出

修改，投资者应当自行关注相应的更新或修改。任何有关本报告的摘要或节选都不代表

本报告正式完整的观点，一切须以本公司向客户发布的本报告完整版本为准，如有需要，

客户可以向本公司投资顾问进一步咨询。

在法律许可的情况下，本公司及所属关联机构可能会持有报告中提到的公司所发行的证

券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务

顾问或者金融产品等相关服务，提请客户充分注意。客户不应将本报告为作出其投资决

策的惟一参考因素，亦不应认为本报告可以取代客户自身的投资判断与决策。在任何情

况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议，无论是否已经明

示或暗示，本报告不能作为道义的、责任的和法律的依据或者凭证。在任何情况下，本

公司亦不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。

本报告版权仅为本公司所有，未经事先书面许可，任何机构和个人不得以任何形式翻版、

复制、发表、转发或引用本报告的任何部分。如征得本公司同意进行引用、刊发的，需

在允许的范围内使用，并注明出处为“安信证券股份有限公司研究中心”，且不得对本

报告进行任何有悖原意的引用、删节和修改。

安信证券股份有限公司对本声明条款具有惟一修改权和最终解释权。

52




Table_Ad dres s

安信证券研究中心深圳市

地址：深圳市福田区深南大道 2008 号中国凤凰大厦 1 栋 7 层

邮编： 518026

上海市

地址：上海市浦东新区世纪大道1589号长泰国际金融大厦16层

邮编： 200123

北京市

地址：北京市西城区金融大街 5 号新盛大厦 B 座 19 层

邮编： 100034

Tabl e_Sale s

销售联系人

上海联系人侯海霞 021-68763563 [email protected]

梁涛 021-68766067 [email protected]

潘艳 021-68766516 [email protected]

朱贤 021-68765293 [email protected]

北京联系人温鹏 010-59113570 [email protected]

李倩 010-59113575 [email protected]

周蓉 010-59113563 [email protected]

张莹 010-59113571 [email protected]

深圳联系人沈成效 0755-82558059 [email protected]

胡珍 0755-82558073 [email protected]

范洪群 0755-82558087 [email protected]

孟昊琳 0755-82558045 [email protected]

tabl e summary 大数据：下一个浪潮...

Documents