导读：今天首席CTO笔记来给各位分享关于做大数据的公司投资要多少的相关内容，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
大数据头部企业有哪些？由这三家引领新风口
中国大数据产业联盟发布的《中国大数据产业发展地图》和《中国大数据产业发展白皮书》指出，多年来，大数据技术的快速发展，以及大数据与人工智能、VR、5G、区块链、边缘智能等新技术的融合融合，不断加速技术创新。与此同时，随着建设新型智慧城市和数字城市的热潮，世界各地的大数据相关园区正在加速建设，大数据产业持续增长。
细数三家机构重金持仓的大数据质量龙头：
1.数字政通
优势及发展模式：公司核心产品基于云计算和大数据技术。采用柔性插件技术构建全移动多业务集成平台，实现系统架构的即插即用。采用统一的时空信息管理技术，将2D地图、三维模型、三维场景、视频等各种基础信息整合到一个时空系统中，为智慧城市各行业提供一个全天候、一体化的城市综合公共信息管理平台。
2.海量数据
作为公司数据中心的解决方案和服务提供商，主要为大中型企事业单位的数据中心搭建IT基础设施数据平台，提供数据存储和安全、数据库和数据管理、云计算等相关的解决方案和技术服务。
公司作为国内领先的数据技术提供商，主要为大中型企事业单位的数据中心搭建数据基础平台，为客户提供数据库、数据计算、数据存储相关的产品和服务。作为数据库公司的核心业务，主要针对客户的实际需求，在满足性能、安全性和连续性的前提下，提供最优的数据库资产配置。公司高度重视自主创新，以数据库为核心，先后研发推出了一系列高性能、高可用、高安全性的数据库产品。
3.雪迪龙
是一家集RD、设计、生产、销售、服务为一体的国家高新技术企业，拟合资设立北京长能环境大数据技术有限公司（暂定名）。合资公司的投资总额为2000万元人民币。合资项目包括大数据采集与处理、互联网相关技术服务等。
全球大数据产业现状及投资前景预测
全球大数据产业现状及投资前景预测
纵观国内外，大数据已经形成产业规模，并上升到国家战略层面，大数据技术和应用呈现纵深发展。面向大数据的云计算技术、大数据计算框架等不断推出，新型大数据挖掘方法和算法大量出现，大数据新模式、新业态层出不穷，传统产业开始利用大数据实现转型升级。人工智能、深度学习、工业物联网、虚拟现实、智慧城市等领域的发展推动大数据的应用普及。新兴行业、传统行业围绕数据服务体系，已经形成了传统行业数据平台、互联网数据平台及行业资讯类数据平台。以数据应用为基础的新一代数据服务企业，在促进主体行业发展的同时，同样促进了行业内中小企业的发展。
1
大数据发展的产业环境分析
美国政策层面发力推动大数据应用发展。政府推出了一系列的公开数据计划，在健康、能源、气候、教育、金融、公共安全等领域开放数据和信息，促进创新的突破,从而推动经济发展。美国致力于扩大联邦数据公开范围和受用对象的范围，尤其扩大高价值数据资产，探讨如何进一步扩展收集和分析工业竞争和创新相关的数据。
为了进一步挖掘联邦政府数据的应用潜力，促进创新与社会进步，2016年1月美商务部发起了一项旨在使政府数据更加容易使用的数据易用性计划(CDUP)。5月，白宫发布《联邦大数据研发战略计划》，为未来的大数据研发列出7条战略计划，旨在建立大数据创新生态系统，加强数据分析能力，从大量、多样、实时的数据库中提取有效信息，服务于科学研究、经济增长与国家安全。2016年，美国应用大数据预测选举也引起世界关注，大数据应用开始为广大公众所关注，数据的真实性及数据安全成为关注焦点。
英国以数据共享为根本积极推动大数据平台建设。新建哈璀(Hartree)大数据中心，投资1.13亿英镑。新建艾伦图灵研究所，投资4200万英镑，开展大数据科学与技术的研究。投资1.5亿英镑建立第一个国家级老年痴呆症研究所。建立应对重大疾病新的数学研究中心。英国成立大数据战略委员会，发布《开放数据战略白皮书》，统一政府数字平台，开通政府部门开放数据通道，设立数据开放共享奖励基金，2018年还将出台“数据保护通则”的专门法规，旨在开发利用数据资源产生更大的商业价值和经济增长。
瑞典启动国家重点科研计划(NFP)大数据专项(Big Data, NFP75)。2017年正式启动，计划投入资金2.5亿瑞士法郎，从2017年至2020年为期4年。该专项主要分为三个板快：大数据信息技术：大数据分析基础性研究、大数据基础设施构架、数据库和计算中心;大数据相关社会及法律问题：大数据涉及对社会经济发展的影响预测(如对贸易、商务模式、人员交通及物流的影响)、个人隐私及空间的保护及相关的社会伦理和法律问题及对策等;大数据应用：对大数据在交通、健康、灾害及社会风险控制、能源转型领域的应用展开基础性研究。瑞士国家重点科研计划由瑞士联邦政府推出，目的是对关系瑞士社会经济发展全局的重要领域展开基础性研究并提出对策建议。
我国各地政府积极为大数据发展营造环境。2014年、2015年“大数据”首次写入国家《政府工作报告》。在2015年3月5日举行的两会中，李总理在政府工作报告中提到，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。
当前，《国家大数据战略及行动纲要(2015-2025)》征求意见稿完成。国家自然基金委、科技部支持了大量大数据研究项目;北京市、上海市、天津市、重庆市、广东省、贵州省等制定了大数据发展规划，多地开始建数据产业基地，天津拟打造国家数据聚集区，与北京、河北联合建“京津冀大数据走廊”;重庆计划将大数据培育成重要战略性新兴产业，加快建设两江云计算产业园，陕西西咸新区、湖北武汉光谷、贵州贵安新区等地提出要设国家级大数据基地。
上海成立数据交易中心。2016年4月1日，上海数据交易中心挂牌成立，上海数据交易中心是经上海市人民政府批准，上海市经济和信息化委、上海市商务委联合批复成立的国有控股混合所有制企业，承担着促进商业数据流通、跨区域的机构合作和数据互联、公共数据与商业数据融合应用等工作职能。交易中心以国内领先的“技术+规则”双重架构，创新结合IKVLTP 六要素技术，采用自主知识产权的虚拟标识技术和二次加密数据配送技术，结合面向应用场景的交易规则，将在全面保障个人隐私、数据安全前提下推动数据聚合流动。
上海将围绕“资源、技术、产业、应用、安全”融合联动这一条主线，聚焦“政府治理和公共服务能力提升、经济发展方式转变”两个方面，创新“交易机构+创新基地+产业基金+发展联盟+研究中心”五位一体大数据产业链生态发展布局，力争打造国家数据科学中心、亚太数据交换中心和全球“数据经济”中心，形成集数据贸易、应用服务、先进产业为一体的大数据战略高地。
2
大数据产业的行业需求预测
企业需求
传统企业的大数据转型。随着互联网化进程的不断推进，在改变了用户消费习惯的同时，众多传统企业面临了一系列必须面对的问题，其中一条核心主线就是基于已有数据的使用以及对于用户数据的采集。对于有效利用数据，很多传统企业开展了试探性的使用和分析，并逐步结合互联网平台，使数据形成闭环。地产、制造、金融企业已经在逐步建立互联网销售平台，其实平台的本身并不是去加大产品销售量，而是通过平台对传统营业网点、销售渠道的信息进行有效管理，从而建立可供判断或分析的数据之用。
更好的吸纳客户的潜在需求，更快的适应市场变化，从而带动新一轮研发的生成或变革。而此类企业的成长点，市场化性质，及企业性质将区别于传统企业，而走上新业态、新模式的道路。包括车联网、互联网金融、汽车电商、房产电商，都已经出现了苗头。对于大数据产业的发展，传统企业转型是区别于其他领域的却又独树一帜的重要组成部分。
平台企业的大数据战略。对于相对IT投入较少，IT基础较为薄弱的领域，比如零售、餐饮、服装、农业、出版等行业，企业不会去自建云计算及大数据平台，更多的则是会依靠专业化的数据服务企业或是数据服务平台来满足数据分析的需求。行业数据服务平台架构的初衷，主要是用云服务方式解决上述行业的信息化建设及运维需求。
目前上海类似的行业数据平台不少，建筑业的筑想网、医药业的安捷力等都是在行业垂直领域专业度很高的企业，而且较之通用、普适性的平台，此类平台的发展更具有和行业发展的共存性和相通性，是大数据产业发展过程中一个非常重要的组成部分。
互联网企业大数据规模化发展。互联网传媒是推动企业接触大数据服务中一个相对快速的行业，传媒由传统的单向被动模式转变成为双向互动模式，在吸引了用户群体的同时也通过定义用户肖像，来推动精准营销。精准营销使企业享受了新媒体带来的最实惠的成果，也为企业带来了一份较之传统传媒更加具体的数据分析报告。
同样在互联网领域，无论是社交平台、团购还是移动应用，在其互联网平台构建的过程中，收集、汇总、分析数据是非常重要的一个环节。通过甄别不同年龄段、性别、爱好的用户群，来精准定位推送不同的消息，而在这些精准定位的背后，则是每天几十甚至几百TB的数据增长量和分析量，可以说，有了互联网才推进了大数据产业的发展。
热点关联领域需求
金融大数据。中国金融信息服务产业存在产业链分布广、市场空间巨大的特点，但与此同时，又表现出产业集中度非常低的现状。因此，未来必将经历大量的并购整合，最终出现几家庞大的IT服务机构。传统金融服务领域的人才资源、市场能力、技术及研发方面在全国范围内都具有不可比拟的优势，产业环境、配套资源都非常成熟。
在金融信息服务产业链中，已经拥有了证券、期货、金融期货、科技技术等交易所以及钢铁、有色金属等各类生产物资交易所，拥有像安硕信息、万得资讯、金仕达、银联、普兰金融、春雨供应链等一大批具有行业代表性的龙头企业，还有一批以经尔纬为代表的掌握大数据技术及具有资源整合能力的公司。金融领域的数据库建设比较完善且都为结构化的数据，随着人工智能、深度学习等新兴技术的介入，大数据将显示出大有可为的趋势，对基于大数据分析的成果的需求也将越加旺盛。
交通大数据。一是智能交通，在交通和环境信息的基础上，实现交付跟踪，工作流程监督，和人力资源管理。在智能交通系统中，如果车辆使用了该应用，就可以监测到相关数据。智慧城市首席信息官可以使用从物联网信息库中获取运输和交通过程的信息。这将大大改善交通运输，建立服务型的支付方式，而不是简单的付款程序，如时间收费制度。
智慧城市的核心价值是根据交通数据来建立对公民有益的基础政策。智能交通也产生了很多新的商业创新。二是自动驾驶，目前GOOGLE借助大数据及车载技术和传感器,以及高级辅助驾驶系统、软件、地图数据、GPS和无线通信数据等，实现了无人驾驶，可以预见，不久的将来，大数据在自动驾驶领域的应用越来越被看好。
新媒体大数据。大数据引领的新媒体已经颠覆了国外数个传统媒体，比如停刊的美国《新闻周刊》以及德国出现战后最大的纸媒倒闭潮等。以眼球经济为基础的传统媒体展示型广告已快速向以数据为基础的网络媒体精准型广告进行转变。百视通和东方明珠的整合已经打造了全国最大的千亿级别的传媒上市公司。在电信、广电及互联网领域海量数据处理具有丰富的研发及应用经验，所用技术涵盖了分布式计算、海量数据处理、流计算、机器学习及神经网络等，重点关注于互联网广告投放技术、效果监测、目标受众行为分析及精准细分、广告智能匹配等。未来几年，新媒体大数据将越来越受到业界的追捧。
制造业大数据。利用大数据推动信息化和工业化深度融合，研究推动大数据在研发设计、生产制造、经营管理、市场营销、售后服务等产业链各环节的应用，研发面向不同行业、不同环节的大数据分析应用平台，选择典型企业、重点行业、重点地区开展工业企业大数据应用项目试点，积极推动制造业网络化和智能化。最近几年，从国家到地方政府，日益重视大数据在制造业特别是高端智能制造领域的应用，例如《中国制造2025》。从这个意义上来说，大数据在制造业应该发挥的潜力巨大，释放空间和余地很大。
3
大数据投资前景预判
人工智能等新兴领域价值潜力巨大
智能化领域及智慧城市建设。大数据与深度学习、人工智能交叉的领域成为资本追逐的焦点。例如日本提出建成超智能社会，实现ICT技术在全社会的深度融合应用。日本第五期科技计划提出建设SOCIETY 5.0(超智能社会)，基于以人工智能、物联网、大数据为代表的ICT技术，研究开发先进机器人、超级计算机、传感器、高速通信等技术，实现网络空间与现实空间高度融合的信息物理系统，运用大数据促使社会生活各领域实现高度智能化，推进经济发展与社会进步。日本超智能社会的提出，受到诸多大数据公司和风投的关注。类似，我国各地正在大力推进的智慧城市建设中的与新兴技术交叉应用的环节，大数据将有着重要的一席之地。大数据与智慧交通、绿色环保、民生安全等领域的融合，在人工智能、深度学习的带动下，大数据应用商机无限。
支撑分享经济智能平台被看好
分享经济在短时间内崛起并成为全球现象，规模和影响力都呈现出指数增长。2014年12月，普华永道发布了预测报告指出全球分享经济的规模将从2015年的150亿美元增长到2025年的3350亿美元。在全球经济努力复苏的背景下，分享经济模式的新颖性和巨大发展潜力受到各国政府的高度支持，甚至提升到了国家战略的高度。大数据、云计算、人工智能将构建支撑分享经济的智能平台，而这些平台将日益彰显其经济价值，从而能够灵活、便利、及时、安全、经济地连接不同需求的陌生人，从而在分享经济的新模式中，大数据起到了核心作用，占领核心的地位，其价值不言而喻。
建大数据库需要多少投资数据库db
oracle 数据库 要买台服务器 ，加oracle数据库软件
小投资10来万也行 ，数据库服务器牛的上百万也有
大数据的下一步棋 把握大数据的前景
大数据的下一步棋 把握大数据的前景
由于物联网和移动设备的快速发展，人类社会在过去两年里生成了全世界90%的数据。数据收集、存储和分析的成本骤降。
如今，各个行业都在借助由数据驱动的行业洞察，获得竞争优势。
大数据的未来前景更加宏大：为体量最大的行业拓宽视野，解决世界上一些最复杂的难题。
创业者和投资人应该从何种宏观角度来把握大数据的前景？
文内数据为全球及美国市场情况，但相信对于中国市场有同样的借鉴意义。本文PPT来自硅谷银行分析团队（SVB Analytics）最新的分析报告《大数据的下一步棋：把握大数据的前景》，由浦发硅谷银行提供。文字部分由网易创业Club解说。
第一部分：数据激增
由于处理成本、存储成本的大幅下降，网络传输能力的大幅增强，数据的产生、处理和收集数量都在呈现指数级的增长趋势。
数据人才需求四年翻三番。说明有更多的商业场景需要进行数据的收集、分析。这和始于2010年左右的移动端全球性普及趋势基本重合。考虑到企业级服务的兴起，未来的数据人才需求会更加旺盛。
第二部分：大数据业务成为美国VC的关注重点
针对大数据公司的风险投资从2010年的10亿美元增长到了2014年的50亿美元，年内交易数量从150增长到了500起。
尽管现在大家都开始说B2B的风口来了，事实上我们从数据可以看到，美国风险投资界在过去5年里对大数据分析公司的投资额度增长了大约17倍而对B2B服务型公司的投资额度仅仅增长了3倍。
当然，由于美国B2B服务的风险投资体量本身就很大，所以这并不是特别直接的对比方式。
不过，这也能够从一个侧面体现出大数据业务的发展势头。
在不同的融资规模所代表的不同融资阶段里，大数据公司的估值水平都明显高于科技类公司的平均估值。
这说明投资人非常看好大数据领域从而可以容忍较高的进入价格。
需要提醒注意的是，所有各个融资阶段的大数据公司估值都高于科技公司平均估值水平。
第三部分：大数据2.0，一个更大的漏斗模型
图中给出的是一个漏斗模型，相信搞产品、搞运营、搞销售、搞战略的同学们对此并不陌生。
由于IoT（物联网）的逐步成为现实，漏洞入口的数据来源正在以及将要呈现爆发性的增长。
物理硬件性能以及计算能力的高速发展让数据的收集、存储和处理成本大幅下降，数据处理方式和速度大幅提升，这让可以被处理的数据数目和类型发生不可想象的增长和变异。
由于上述一系列的能力提升背景，“传统”行业的数据分析范围和应用场景更加多样化，分析价值也越来越大。
大数据应用行业举例：零售、网络安全、广告、金融服务、农业、旅游与住宿、医疗健康、能源、金融服务。
可见，大数据可以应用的行业覆盖了2B、2C的多个甚至是所有的重要领域。
使用场景举例，硅谷银行在这里举了广告精准投放、网络欺诈安全、传感器–运营优化三个例子。我们已经可以在国内看到在几方面做的比较突出的大数据及SaaS服务创业公司了。
第四部分 大数据的跨行业应用，创业投资机遇在哪里？
硅谷银行将大数据的针对不同行业以三个维度做了成熟指数测算。
三个维度分别是：对数据的监管程度；数据捕获的难易度；技术整合的程度。
前面两个维度反映了数据来源的丰富及深入度，如果太难的话，在应用方面会受到限制。
对于体量庞大的行业而言，目前的大数据应用成熟度越低，未来的发展空间越大。
相对成熟的市场：
相比较而言，网络安全、广告、旅游住宿行业是“较小”的市场（2000-3000亿美元），它们的大数据渗透率比较高。
零售业由于线上零售发展多年，因此是一个有复杂大数据分析积淀的巨型市场（9000亿美元）。
更有潜力的市场：
农业虽然是个“小市场”但受制于数据收集的难度、分析技术的限制，目前还处于比较初期的阶段。
金融服务、医疗保健这样的大市场显然是所有人都会关注的大数据应用市场。但由于对数据的监管力度大、数据的获取难度高，所以仍然是一个发展远不完善的大数据市场。
这里，较为成熟的广告行业大数据早期公司获得风投的青睐越来越少了，而医疗健康类的早期大数据公司则开始获得更多风投的青睐。
这个趋势和各个行业大数据应用的成熟度密切相关。
风投在考虑趋势的时候会密切关注潜在发展空间是否足够大和限制因素是否可以被解决。
第五部分：总结，云和机器学习是大数据的未来
所谓“云”，要看大数据公司的云是否能够把目标客户放在公有云上的数据联动起来形成一个生态系统。
所谓“机器学习”，要看大数据公司的机器分析能力是否会随着数据数量和类型的增加、硬件性能的提升而更具洞察力。
以上是小编为大家分享的关于大数据的下一步棋 把握大数据的前景的相关内容，更多信息可以关注环球青藤分享更多干货
大数据创业的5大要点,你知道吗?
1.基础设施非常难
不仅开发基础设施技术产品很难，销售起来也很难，具体到大数据基础设施工具如Hadoop、NoSQL数据库和流处理系统则更是难上加难。客户需要大量培训和教育，付费哟娜谷需要大量支持和及时跟进的产品开发工作。
这意味着需要大量的资金支持，例如Greenplum在2010年获得1亿美元投资但仍然不足以完成所有工作，最终不得不选择卖给EMC。今天最出 名的几家大数据创业公司融的钱更多，例如Cloudera。基础设施类的大数据创业公司通常需要数百万美元种子资金启动，但是A轮融资的道路异常艰辛。
新兴的大数据创业公司还必须与那些在客户那里已经有一些知名度甚至合作项目的公司竞争，例如Cloudera、Hortonworks、10gen、亚马逊AWS、IBM、Oracle等。
反观大数据应用创业则相对简单的多，无论面向垂直行业应用还是数据可视化这样的通用大数据应用都是如此。因为这些大数据应用的价值对于客户来说更为直观，距离业务也更近，进入企业IT系统的摩擦也更小。
2.云计算是朋友
无论你是销售大数据基础设施还是应用，云计算都是更有效的业务载体。选择云计算不仅仅是在云端托管，更重要的是通过云计算向客户提供服务。你将拥有更多控制权，同时在有限的资源上优化运行也会让你对产品的理解更加透彻。
云计算也降低了潜在用户试用产品的成本和门槛，从NewRelic到亚马逊AWS都从云计算+大数据模式中获益。
3.开发者是朋友
如果你主要从事大数据分析，例如ClearStory、Platfora或者CRM营销应用，数据分析师就是你的朋友。无论那种情况，最好的办法就是围绕以开发者和市场人员为主的目标受众进行开发和营销工作，CIO反而不是很好的目标受众！
专注CIO而非开发者往往会导致你在实际签约时碰到棘手问题。围绕开发者营销的战术被很多云计算创业公司和纯大数据软件公司所采用，例如Splunk和Tableau。
再比如Infochimps和Continuuity的产品类似（两者都被迫按落云头，迫降在用户数据中心），但Continuuity完全面向开发者，这意味着能积累更多技术粉丝。
4.将数据科学家推向前台中央
这既是市场也是销售策略，数据科学家才是能够展示数据和平台威力的人，他们也是会议上最受欢迎的演讲者。
但大数据科学家也需要慎重选择传播内容。如今大家都接受了Hadoop和NoSQL，所以没必要每次开会言必称4V之类的科普。至于如何配置和集成大数据系统也只能吸引小部分听众，除非你的项目规模超大。
Cloudera比竞争对手出名的原因有很多，但其中Jeff hammerbacher绝对是一位举足轻重的人物。不要空谈大数据大数据的价值和架构，站在听众的立场说说具体能做哪些分析，如何做。
5.开源有多重要，取决于你自己
几乎所有的大数据公司都依赖开源软件，有些是“借”来的，如Hadoop、Storm以及各种数据库，有些是自行开发的，有些则是混合模式，例如在HBase上增加的一些功能应用。这些开源项目如此流行是因为社区的力量。
开源绝不是看起来那么轻松，不是说你在Github上放点代码就谈得上回馈社区了。开源的目的是将使用相同代码的人聚拢成社区，并不断改进代码。这 里与第三点中我们提到的吸引开发者有关。只有更多的用户和开发者对你产生兴趣了，在你的产品上花时间和精力了，才有可能最终掏钱。
不计其数的创业公司都将代码开源了，但那些真正能推动项目并建设社区的公司才能脱颖而出。例如Neo Technology的Neo4j、Concurrent的Casading以及10gen的MongoDB。甚至Twitter这样面向大众的公司都开源了Storm和Mesos等项目。
原文链接：
结语：以上就是首席CTO笔记为大家介绍的关于做大数据的公司投资要多少的全部内容了，希望对大家有所帮助，如果你还想了解更多这方面的信息，记得收藏关注本站。