大数据产业链包括
物联网产业链很长，其体系构架大致可分为感知层、网络层、应用层三个层面，每个层面又涉及到诸多细分领域。
感知层的功能主要是获取信息，负责采集物理世界中发生的物理事件和数据，实现外部世界信息的感知和识别。包括传统的无线传感器网络、全球定位系统、射频识别、条码识读器等。这一层主要涉及两大类关键技术：传感技术和标识技术。传感器网络的感知主要通过各种类型的传感器对物体的物质属性(如温度、湿度、压力等)、环境状态、行为态势等信息进行大规模、分布式的信息获取与状态识别，它可用于环境监测、远程医疗、智能家居等领域。标识技术通过给每件物体分配一个唯一的识别编码，实现物联网中任何物体的互联。
网络层主要是完成感知信息高可靠性、高安全性的传送和处理。从具体实现的角度，本层由下而上又分为三层：接入网、核心网和业务网。①接入网：主要完威各类设备的网络接入，强调各类接入方式，比如现有蜂窝移动通信网、无线局域/城域网、卫星通信网、各类有线网络等。②核心网：主要是完成信息的远距离传输，目前依靠现有的互联网、电信网或电视网。随着三网融合的推进，核心网将朝全IP网络发展。③业务网：是实现物联网业务能力和运营支撑能力的核心组成部分。
应用层主要是利用经过分析处理的感知数据，将物联网技术与个人、家庭和行业信息化需求相结台，可向用户提供丰富的服务内容，大大提高生产和生活的智能化程度，应用前景十分广阔。其应用可分为监控型(物流监控、污染监控、灾害监控)、查询型(智能检索、远程抄表)、控制型(智能交通、智能家居、路灯控制、远程医疗、绿色农业)、扫描型(手机钱包、ETC)等。
大数据产业是以数据采集、交易、存储、加工、分析、服务为主的各类经济活动，包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。数据服务、基础设施和融合应用相互交融，协力构建了完整的大数据产业链。
大数据产业链全景梳理：应用范围持续扩大
从大数据产业链上下游来看，大数据行业上游是基础支撑层，主要包括网络设备、计算机设备、存储设备等硬件供应，此外，相关云计算资源管理平台、大数据平台建设也属于产业链上游
大数据行业中游立足海量数据资源，围绕各类应用和市场需求，提供辅助性的服务，包括数据交易、数据资产管理、数据采集、数据加工分析、数据安全，以及基于数据的IT运维等
大数据行业下游则是大数据应用市场，随着我国大数据研究技术水平的不断提升，目前，我国大数据已广泛应用于政务、工业、金融、交通、电信和空间地理等行业。
在上游领域，基础设施层是整个大数据产业的引擎和基础，它涵盖了网络、存储和计算等硬件基础设施，资源管理平台以及各类与数据采集、预处理、分析和展示相关的方法和工具。相关代表企业有紫光集团、联想、中兴通讯、阿里云、腾讯云、华为、中科曙光等。
在中游大数据服务领域，数据服务层是大数据市场的未来增长点之一， 随着5G商用的全面推广，数据采集和预处理需求将快速上升此外，随着数字技术日益复杂，提供第三方数据分析、可视化和安全服务的市场也将持续壮大，相关代表企业有久其软件、拓尔思、太极股份、荣联科技等。
然而，数据交易服务由于数据权属不清晰，模式不落地等问题，发展潜力相对较小，相关代表平台有上海数据交易中心、贵阳大数据交易所等。
在下游应用市场，我国大数据应用正在快速扩张，除发展较早的政务大数据、交通大数据外，在工业、金融、健康医疗等众多领域大数据应用均初见成效。
大数据产业链区域热力图：广东、福建企业密度最高
下图选取了我国大数据产业链中上游环节的企业中注册资金为1000万元以上的企业，从分布情况可以看出我国大数据企业分布广泛，初步形成了以广东、福建为首的两大产业集聚区。
从代表企业分布情况来看，我国大数据产业链相关企业在广东、上海、北京等经济发达地区发展迅速，以广东为例，大数据存储管理服务商：广东紫晶信息存储技术股份有限公司大数据安全服务商：丝路视觉科技股份有限公司大数据分析服务商：神州数码信息服务股份有限公司大数据综合服务商：中兴通讯股份有限公司、华为技术有限公司、腾讯控股均在广东。
—— 更多数据请参考前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》
基于技术的公司：比如勤智数码大数据处理平台；
基于思维的公司：可以依托大数据分析为企业提供战略方向，比如魔镜的大数据服务和勤智数码大数据咨询服务。按照以上的三种角色，对大数据的商业模式做了梳理和细分。
“数据拥有者”的商业模式数据拥有者，这样的公司有三类：
1.大数据是业务核心，对大数据的重复利用是其发展的原动力，例如Google、Amazon、Inrix等；这种公司具有很强大的大数据技术能力，多数时候大数据技术本身主要用于自身的运作，具有三种产业链角色：数据+技术+服务；
2.大数据是作为提高生产效率、增加业务收入或者创造新的收入的使能器，非厂商的主流业务；例如运营商、银行等，运营商的主要业务是通过通信设备提供的各种网络语音和数据业务，目前运营商本身并不通过数据的重复利用为主要手段来盈利；
3.数据中间商，本身不具有创造数据的能力，从各种地方搜集数据进行整合，然后再提取有用的信息进行利用；它们的商业模式有：
2B：面向企业或者公共政府部门，提供数据分析结果的服务；例如Inrix在交通信息领域，面向GPS生产商、和交通规划部门、 FedEX和UPS等物流公司等，出售完整的当前甚至未来的交通状况的模式图或者数据库；2C：面向个人，提供基于数据分析结果的服务。例如：Inrix提供一个免费的智能手机应用程序，一方面它可以为用户提供免费的交通信息，另一方面它自己就得到了同步的数据。
2D：租售数据/信息模
式（数据资产分享和交易平台），新的商业模式，把数据/信息作为资产直接进行销售；例如：Twitter把它的数据都通过两个独立的公司授权给别人使用；VISA和MasterCard收集和分析了来自210个国家的15亿信用卡用户的650亿条交易记录，用来预测商业发展和客户的消费趋势。然后，它把这些分析结果卖给其他公司；“技术提供者”的商业模式技术提供者的2B商业模式是目前的主流，有4种类型：提供单点技术，pure-play为主，例如：Teradata为沃尔玛和Pop-Tarts这两个零售商提供大数据分析技术，来获得营销点子；提供整体解决方案，IT厂商为主，例如：IBM提供软硬一体的大数据解决方案；华为基于IT基础设施领域在存储和计算的优势，提供整体大数据解决方案；大数据空间出租模式：大数据计算基础设施上（与云结合），通过出租一个虚拟空间，从简单的文件存储，逐步扩展到数据聚合平台，例如腾讯开放云战略为大数据创业者提供了廉价的数据基础设施，使中小企业也有机会在大数据领域创新业务。Bigdata as a service，新的商业模式，提供E2E在线大数据技术或者解决方案。例如 RJMetrics，为电商提供快捷的商业智能在线服务，软件定价为 500 美元每月，客户只需在软件端输入特定数据，RJMetrics
便会将这些信息备份到安全的服务器上，并承诺在7日内优化数据用以分析，之后以清晰简洁的界面将数据分析结果反馈给客户。再例如，GoodData面向商业用户和IT企业高管，提供数据存储、性能报告、数据分析等工具，将所有商业智能分析所需的数据和任务都搬到了云上；技术提供者的2C商业模式，目前较少，与cloud结合后有很大的空间，未来是趋势。例如：面向个人的家庭帐单、家庭耗能节能等或者面向个人数据的大数据解决方案。
“服务提供者”的商业模式服务提供者有两种，一种是应用服务提供者，另一种是咨询服务提供者。应用服务提供者是基于大数据技术，对外提供服务：
2B：面向企业或者公共政府部门，提供数据分析结果的服务；例如前面提过的Inrix
2C：面向个人，提供基于数据分析的服务；例如： Flight_caster 和FlyOnTime.us基于分析过去十年里每个航班的情况，然后将其与过去和现实的天气情况进行匹配，预测航班是否会晚点；咨询服务提供者，提供技术服务支持、技术（方法、商业等）咨询，或者为企业提供类似数据科学家的咨询服务；2B 商业模式：定位在某一具体行业，通过大量数据支持，对数据进行挖掘分析后预测相关主体的行为，以开展业务；利用数据挖掘技术帮助客户开拓精准营销或者新业务，有时企业收入来自于客户增值部分的分成。 例如德国咨询公司GFK帮助Telefonica 面向零售商、政府部门、公共机构提供基于地点的人员流动（Footfall）数据：以时间为维度（小时/天/月/年），在特定区域的人员人口统计数据（性别、年龄）和行动等数据； 这类企业成长非常快，一般擅长数据挖掘分析技术，帮助一些数据大户如银行、运营商等开展新的业务。
1)数据的获得
大量数据的获得，这个机会基本属于新浪微博等这类大企业，大量交易数据的获得，也基本属于京东，淘宝这类企业。小企业基本没机会独立得到这些用户数据。
2)数据的汇集
例如如果要能把各大厂商，各大微博，政府各个部门的数据汇集全，这个机会将是极大的。
但，这个工作，做大了需要政府行为，做中档了，要企业间合作，做小了，也许就是一个联盟或者一个民间组织。
3)数据的存储
汇集了数据后，立即遇到的问题就是存储，这个代价极大，原始数据不能删除，需要保留。因此提供存储设备的公司，执行存储这个角色的公司，都具有巨大的市场机会，但是这也不属于小公司，或者早期创业者。
4)数据的运算
在存储了数据以后，怎么把数据分发是个大问题，各种API，各种开放平台，都是将这些数据发射出去，提供后续的挖掘和分析工作，这个也需要有大资本投入，也不适合小公司。
5)数据的挖掘和分析
数据需要做增值服务，否则数据就没有价值，big也big不到哪里去，是没有价值的big。因此这种数据分析和挖掘工作具有巨大的价值，这个机会属于小公司，小团体。
6)数据的使用和消费
在数据做到了很好的挖掘和分析后，需要把这些结果应用在一个具体的场合上，来获得回报，做数据挖掘和分析的公司，必须得找到这些金主才行，而这些金主肯定也不是小公司。
大数据未来的形态，或者产业链结构一定是分层的，巨大的，价值的体现发生在各个层次，每个层次都是生态链的重要一环，都孕育着巨大的机遇和挑战，能做的唯有努力，做适合的工作。
第二部分：软硬件、网络基础设施服务商。
第三部分：云计算咨询、规划、交付、运维、集成服务商。
第四部分：终端设备厂商。
这四大部分共同构成了云计算的产业生态链，为政府、企业和个人用户提供实用和细致的服务。
并且大数据自身就能够打造出庞大的价值空间，随着大数据应用于各行各业，并改变着各行各业，同时也引领大数据人才的变革，在国家及当地政府支持下，大数据在快速发展。
广大的学生群体、跨行就业、在职提升等人群都想进入大数据行业，但是又比较担心大数据的就业前景不好，因此大数据的就业前景备受大家关注。
大数据领域的就业岗位有以下几个特点：
1、就业岗位多
大数据技术本身具有一个天然的产业链，这条产业链涉及到诸多环节，包括数据采集、数据传输、数据存储、数据安全、数据分析、数据呈现和数据应用等，这些环节会释放出大量的人才需求。
2、人才类型覆盖广
大数据领域不仅人才需求量大，同时需要各种不同层次的人才，既需要具备创新能力的研究型人才，也需要应用型人才和技能型人才，随着大数据技术逐渐开始落地应用，大数据人才需求正在从创新型人才向应用型人才和技能型人才过渡，而这部分人才的规模也比较庞大。
3、行业覆盖广
大数据人才的就业渠道不仅仅包括科技公司和互联网公司，随着产业结构升级的不断推进，广大传统行业也将陆续释放出大量的大数据岗位，这是大数据就业的一个重要特点。从目前的行业特征来看，首先释放出大数据人才需求的行业包括金融、通信、医疗、出行和教育等行业，未来传统制造业也会释放出大量的岗位需求。
4、薪资待遇高
随着大数据、人工智能产品的应用，传统行业的诸多岗位将逐渐开始升级，人力资源的岗位附加值将逐渐提升，所以可以预见未来大数据领域的薪资待遇将不断提升。从近些年大数据方向研究生的就业薪资待遇来看，整体的薪资待遇还是比较可观的，而且在逐年提升。
