《大数据应用与解决方案市场前景分析.docx》由会员分享，可在线阅读，更多相关《大数据应用与解决方案市场前景分析.docx（37页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、大数据应用与解决方案市场前景分析一、营销信息系统的构成营销决策所需的信息一般来源于企业内部报告系统、营销情报系 统和营销调研系统，再经过营销分析系统。它们共同构成营销信息系 统。（一）内部报告系统内部报告系统的主要功能是向市场营销管理者及时提供有关交易 的信息，包括订货数量、销售额、价格、成本、库存状况、现金流程 等各种反映企业营销状况的信息。内部报告系统的核心是从订单到收款整个周期，同时辅之以销售 报告系统。订单一收款周期涉及企业的销售、财务等不同的部门和环 节的业务流程。订货部门接到销售代理、经销商和顾客发来的订货单 后，根据订单内容开具多联发票并送交有关部门。储运部门首先查询 该种货物的
2、库存，存货不足则回复销售部缺货，如果仓库有货，则向 仓库和运输单位发出发货和入账指令。财务部门得到付款通知后，做 出收款账务，定期向主管部门递交报告。在激烈的竞争中，所有企业 都希望能迅速而准确地完成这一周期的各个环节。销售报告系统应向企业决策制定者提供及时、全面、准确的生产 经营信息，以利于掌握时机，更好地处理进、销、存、运等环节的问传统数据库以集中式架构为主，集中式架构由一台或多台主计算 机组成中心节点，数据存储以及整个系统的业务单元都集中部署于该 中心节点中，系统所有的功能均由中心节点集中处理。每个终端或客 户端仅仅负责数据的录入和输出，而数据的存储与控制处理完全交由 主机完成。分布式架
3、构下，软件组件分布在不同主机上，主机之间通 过网络连接进行通信和协调。随着海量及异构数据的数据分析需求增长，需要的计算、存储和 10等资源也在极速增加。集中式架构通过改善硬件配置来提升存储和 处理能力，但单台主机可配置的资源存在上限，因此传统的集中式架 构软件难以满足海量及异构数据的数据集的处理和分析需求。而为了 处理TB以及PB级别以上的数据规模，分布式的架构将数据分散在网 络上多个通过高速网络互联的节点上联合计算。因为数据分布在不同 节点，在进行计算任务时，任务也会被切分成多个子任务，分发到多 个节点上同时进行计算，能充分利用整个集群各个节点的计算资源、 存储资源和10资源，可线性提升集群
4、的存储和处理能力。因此，分布 式架构能较好的处理该类问题，这也是分布式架构相对于传统单机架 构的核心优势。在大数据场景下，分布式系统在扩展性、容错性、经济性、灵活性、可用性和可维护性方面具有明显优势，能够较好的满足大数据分 析的需求。此外，近年来，分布式技术不断发展，在提供高弹性、支 持高并发的同时，支持关系型数据库中强事务性的特性，成为大数据 技术的重要发展方向。2、数据管理软件趋向于统一多数据模型的平台 数据模型是决定数据库系统逻辑的重要因素，并从根本上决定以何种 方式存储、组织和操作数据，包括传统的关系模型和NoSQL数据模型 （文档模型、键值模型、图模型等）。大多数数据库管理系统只能支
5、 持一种或少数几种数据模型，因此企业通常只能使用多种数据库产品 联合的方案来应对日益增长的异构数据模型处理需求。随着大数据厂商技术实力的提升，逐渐出现了能够提供多数据库 模型的大数据平台技术。相比多种数据库产品的集成方案，多种数据 库模型统一的大数据平台的优势包括：（1）提升场景效率。同一份数 据可以分别采用多种数据模型存放，解决不同场景的处理效率问题； （2）统一分析管理。关联不同模型的数据，统一分析管理；（3）降 低运维成本。无需维护多种数据库，降低运维成本；（4）降低数据持 有成本，同一份数据在不同的数据模型当中不需要全量存储，不同模 型只需要存储必要的数据内容即可，在查询时可以通过关联
6、的方式获 取全量信息。未来多模型数据平台将通过不断提高计算、存储引擎的处理能力,从操作响应速度、数据并发能力、数据管理成本等多个角度优化企业 的数据需求，成为多模大数据平台的重要发展趋势。（二）云原生大数据平台架构成为未来的主要发展方向云原生的代表技术包括容器、服务网格、微服务、不可变基础设 施和声明式API,这些技术能够构建容错性好、易于管理和便于观察的 松耦合系统。结合可靠的自动化手段，云原生技术使工程师能够轻松 地对系统作出频繁和可预测的重大变更。云原生技术有利于各组织在公有云、私有云和混合云等新型动态 环境中，构建和运行可弹性扩展的应用。面对客户日益增长的海量数 据、多种数据结构的实时
7、化、智能化处理需求，云原生的大数据平台 架构凭借计算存储解耦、资源池化、Serverless等核心技术，提供了 高弹性拓展、海量存储、多种数据类型处理及低成本计算分析的能力。 相比传统数据库，云原生数据库及数据管理平台天然具备灵活性，能 够提供强大的创新能力、丰富多样的产品体系、经济高效的部署方式 和按需付费的支付模式。（三）国家加速数据要素市场建设，推动数据安全流通技术的商业化加速我国将搭建统一开放、竞争有序的数据要素市场体系，政策鼓励 产业链各环节的市场主体进行数据流通和交易，促进数据要素流通。 当前，丰富的数据要素资源已经涵盖了金融、运营商、房地产、医疗、 能源、交通、物流、教育以及制造
8、业、电商平台、社交网站等众多领 域。同时，由于数据的流通和利用是数据要素价值创造的前提。而跨 域、跨中心的数据融合计算需求，以及数据要素在开放流通环节中的 安全需求（包括可用不可见、可用不可得、可用不出域等），都使得 数据的安全可信流通成为数据要素的市场化配置的重要一环，也是各 行业数字化转型过程中和过程后的必由之路。随着数据安全法、个人信息保护法的实施，以安全为前提的数据开放利用将迎来新 一轮发展机遇。隐私计算是在处理、分析计算数据的过程中保持数据 不透明、不泄露、无法被计算方以及其他非授权方获取的一种技术解 决方案，能够在充分保护数据和隐私安全的前提下，实现数据价值的 转化和释放，应用前景
9、和商业价值巨大。在国家加速数据要素市场建 设和重视数据安全和隐私保护的大背景下，数据安全防护技术、隐私 计算技术的应用普及和商业化在加速进行。五、大数据全生命周期管理大数据生命周期进一步细分为大数据集成、存储和处理、治理、建模、挖掘和流通等阶段。（一）大数据集成大数据集成包括大数据采集和大数据整合。大数据采集主要是通过各种技术手段将分散的海量内容数据（文本、音频、视频等）、行 为数据（访问、查询、搜索、会话、表单等）、工业生产数据（传感 器数据、监控数据）等从业务系统中收集出来。由于大数据本身具有 分散、海量、高速、异质的特征，采集难度较大，因此保证数据采集 的稳定性、可靠性、高效性、可用性和
10、可扩展性等是主要的技术目标, 越来越多的企业开始选用专业的数据采集服务。大数据整合的目标是 将各种分布的、异构的数据源中的数据抽取后，进行清洗、转换，最 后加载到数据仓库或数据集市中，作为数据分析处理和挖掘的基础； 这个过程常常也被称为ETL （Extract/抽取，Transform/转换，Load/ 加载），通常ETL占到整个数据仓库开发时间的60%80虬 大数据时代, 数据整合软件的市场也开始了整体的技术升级，主要解决两个主要技 术问题，一是独立的ETL应用服务器的计算能力普遍不足，二是无法 处理半结构化和非结构化数据。经过几年的技术发展，ETL过程逐步演 进为ELT,即数据抽取后直接加
11、载（Load）到大数据平台中，再基于大 数据平台的计算能力来实现数据转换（Transform）,不再依赖ETL应 用服务器做抽取和转化工作，这样可以解决ETL应用服务器的处理能力不足问题，充分利用大数据平台的分布式计算能力提升数据集成的 效率和稳定性。（二）大数据存储和处理大数据存储与处理要用用服务器及相关设备把采集到的数据存储 起来，使得数据能够被高效地访问和运算。由于数据量的爆发式增长, 尤其是非结构化数据的大量涌现，传统的单机系统性能出现瓶颈，单 纯地提高硬件配置已经难以跟上业务的需求，产生的海量数据没有合 适的存储场所，企业被迫放弃大量有价值的数据；数据处理的速度和 性能出现瓶颈，业务
12、的深度和广度受到限制。因此，过去十年间，计 算机系统逐步从集中式向分布式架构发展。分布式架构及相关技术通 过增加服务器的数量来提升系统的处理能力，每个节点都是一个可独 立运行的单元，单个节点失效时不会影响应用整体的可用性。分布式 系统在扩展性、容错性、经济性、灵活性、可用性和可维护性方面具 有明显优势。（三）数据治理根据国际数据管理协会的定义，数据治理是对数据资产管理形式 权利和控制的活动集合。数据治理是一个管理体系，包括组织、制度、 流程和工具，随着集成和存储的数据量增加，数据治理的难度也逐渐 增加，牵扯的关联方也越来越多，因此需要一套适合企业的方法论来开展工作。业界逐渐形成了 DAMA、D
13、CMM等较完整的数据治理体系框架,一般包括制定数据治理战略、定义数据治理工作机制、通过各个业务 专题来落实相关数据治理工作内容，并最终落实到数据治理工具上来 实现高效持续的数据治理的执行流程。具体到数据治理的内容，一般 包括元数据管理（包括元数据采集、血缘分析、影响分析等）、数据 标准管理（包括标准定义、查询与发布等）、数据质量管理（包括质 量规则定义、质量检查、质量报告等）、数据资产管理（包括数据资 产编目、数据资产服务、资产审批等）、数据安全管理（包括数据权 限管理、数据脱敏、数据加密等）、数据生命周期管理（包括数据归 档、数据销毁等）以及主数据管理（包括主数据申请、发布、分发等） 这几个
14、主要的部分。（四）数据建模数据建模是构建企业数据仓库、数据湖和数据集市的重要过程， 其通过一个业务级别的数据模型设计，将分散在不同数据源中的数据 集成在一起，并通过一种面向业务主题的方式将数据分门别类来做重 新组织和标准化，形成有明确业务意义的数据形式，统一为数据分析、 数据挖掘等提供可用的数据。面向业务主题（如客户主题、账户主题 等）的数据组织管理方式便于业务人员对数据的理解和综合使用。具 体到技术层面，数据建模一般包括业务调研、架构设计、数据模型设 计、数据库SQL开发与测试、业务集成上线等几个阶段，架构设计是 整个工作的核心，一般会面向不同的行业来设计相关行业的逻辑数据 模型。在数据建模
15、过程中使用的工具主要包括：数据模型设计与管理 工具、SQL开发工具、任务调度工具等。（五）数据分析和挖掘大数据分析和数据挖掘的核心目标是对客观事实规律进行描述、 展示和总结、刻画、推广，可以从大量的数据中通过算法来揭示出隐 含的、未知的并有潜在价值信息，并对客观规律进行溯源和解释，从 而帮助决策者做出正确的预测和决策。围绕这个目标，大数据分析和 挖掘的手段可以分为模型驱动、数据驱动等，一般通过统计、在线分 析、情报检索、机器学习和专家系统等在内的多种方法来实现这一目 标。现阶段在面对大数据4V问题时，大数据分析和数据挖掘工具对传 统数据分析和挖掘工具做进一步自动化和智能化；与此同时，近年来 深
16、度学习的兴起又为大数据分析提供了新的手段，其做为当前计算机 行业的热点研究方向之一，其本质的目标是从大量数据中提取模式和 知识，其要处理的对象包括结构化数据、半结构化数据和非结构化数 据在内的所有类型数据，例如近年来在视频、语音等非结构化数据的 分析需求快速增加，相应的深度学习技术也取得了飞速发展。（六）数据流通数据流通是按照一定规则，将存储的数据或者数据分析、挖掘得 到的信息作为流通对象，从供应方传递到需求方的过程。数据流通的 具体内容包括可视化的分析报告、面向运营人员的数据标签、面向应 用可以直接调用的数据指标API、面向数据分析人员的数据集、面向数 据挖掘人员的数据特征、和面向业务建模人
17、员的单方或多方的建模模 型等。基于数据水印、数据加密和脱敏、隐私计算、联邦学习的数据 流通安全技术，可以提高数据流通的完整性和保密性。六、大数据行业发展背景(一)大数据时代下传统数据管理软件面临多种挑战近年来随着互联网、移动互联网、物联网、5G等信息通信技术及 产业的不断发展，全球数据量呈爆发式增长态势。数据作为和土地、 资本、劳动力、技术一样的生产要素，在数字经济不断深入发展的过 程中，地位愈发凸显。我国是数据资源大国，IDC研究报告指出，到 2020年，中国数据量约12. 6ZB,较2015年增长7倍，年复合增长率 为 124%O2025年中国的数据量预计达到48. 6ZB,约占全球数据总
18、量的30%。 数据资源总体呈现出4V的特点，即海量的数据规模(Volume).多样 的数据类型(Variety).价值密度低(Value)、快速的数据流转(Velocity)。海量的数据规模指数据量大，包括采集、存储和计算过程中所涉 及数据量都非常大。大数据的起始计量单位通常是PB （约1, OOOTB）. EB （约 100 万 TB）或 ZB （约 10 亿 TB）。多样的数据类型指数据种类和来源多样化，包括结构化、半结构 化和非结构化数据，具体表现为关系型数据、日志、音频、视频、文 本、图片、地理位置信息等类型数据，多类型的数据对数据的处理能 力提出了更高的要求。价值密度低指有价值数据所
19、占比例低。随着互联网以及物联网的 广泛应用，信息感知无处不在，信息海量，但价值密度较低，通过结 合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代需 要解决的重要问题之一。快速的数据流转指数据增长速度快，处理速度要求快，时效性要 求高。例如实时监测场景中，企业需要对物联网设备数据进行实时处 理并做出反应；零售电子商务应用类软件将消费者所持的移动设备的 地理位置信息和其个人偏好相结合，推送有针对性的促销信息。这是 大数据区别于传统数据使用的显著特征。随着信息技术以及实际业务需求的快速发展，传统数据管理软件在处理大数据场景时不能很好适应数据的4V特性，面临较多技术挑战。因此，传统数据管理软
20、件迫切需要技术革新。题。新型的销售报告系统的设计，应符合使用者的需要，力求及时、 准确，做到简单化、格式化，实用性、目的性很强，真正有助于营销 决策。(二)营销情报系统内部报告系统的信息是企业内部已经发生的交易信息，主要用于 向管理人员提供企业运营的“结果资料”，市场营销情报系统所要承 担的任务则是及时捕捉、反馈、加工、分析市场上正在发生和将要发 生的信息，用于提供外部环境的“变化资料”，帮助营销主管人员了 解市场动态并指明未来的新机会及问题。市场营销情报信息不仅来源于市场与销售人员，也可能来自于企业中所有与外部有接触的其他员工。收集外部信息的方式主要有下面 四种。(1)无目的的观察。无既定目
21、标，在和外界接触时留心收集有关信息。(2)有条件的观察。并非主动探寻，但有一定目的性，对既定范围的信息做任意性接触。(3)非正式的探索。为取得特定信息进行有限的和无组织的探索。(4)有计划的收集。按预定的计划、程序或方法，采取审慎严密的行动来获取某一特定信息。(二)传统集中式软件栈向新兴分布式软件栈演进1970-2000年，数据管理软件主要为集中式架构的关系型数据库,其软件产品具备不可分割性(atomicity)、一致性(consistency)、 隔离性(isolation,又称独立性)、持久性(durability)即ACID 功能特性，占据了数据管理软件的主导地位。关系型数据库技术出现
22、在20世纪70年代，经过二十余年的发展，到90年代已经成熟。市场 上具有代表性的集中式架构关系型数据库产品包括Oracle、IBMDB2以 及微软SQLServer等。2000年以来，随着互联网和计算机技术的快速发展，需要处理的 数据量更大、类型更丰富、速度要求更快，传统集中式计算架构已无 法适应数据海量、异构、多源等特点，在部署的扩展性、容错性、经 济性、灵活性等方面有一定局限性。谷歌于2003年-2006年间的三篇 论文奠定了分布式存储和计算的基础，而后行业从业者基于以上理论 建立了 Hadoop、Spark等大数据分布式系统框架，并交由Apache软件 基金会托管；2009年，在Joha
23、nOskarsson开源分布式数据库的讨论中, 来自Rackspace的EricEvans重提NoSQL概念，用以指代非关系型的 分布式数据存储系统。针对于不同的场景，分别产生了图数据库、搜 索引擎、文档数据库、键值数据库等NoSQL数据库，代表性NoSQL数 据库提供商包括MongoDB、Elastic等。2010年以来，随着数字化转型的逐步深化，快速变化的业务场景 呈现了复杂化、多样化的态势。复杂的业务场景往往需要使用多种数 据模型，以及数据模型间的融合。这个时期的，行业内大部分数据库都是面向单一数据模型而设计 的，用以解决特定业务场景的特定问题。例如，使用传统的关系型数 据库解决结构化数
24、据的存储和处理问题、使用图数据库解决图相关的 存储和处理问题、使用文档数据库解决文本相关的存储和处理问题。 由于结构化数据和非结构化数据通常以不同的格式和模式存储，单模 型数据库虽然优化了数据存储和处理，却难以满足日趋增长的、多样 的业务场景需求。当同一业务需要用到不同类型数据的时候，受限于 单模型数据库的处理能力，客户往往需要部署多个相互独立的单模型 数据库，在对不同模型数据进行联合处理的时候，需要对数据进行搬 迁或融合，导致架构复杂度高、开发成本高、运维成本高以及数据处 理效率低。由此，催生了从单一数据管理系统到融合型、多模型数据 管理系统的技术需求。此外，随着云计算技术的大规模应用，传统
25、各类软件产品都开始 由独立部署模式向云服务模式转变。其中数据库作为信息系统核心软 件，逐渐附加云化能力形成云原生数据库，以服务的形式对外提供技 术支撑。云原生数据库按照部署方式可以分为公有云部署和私有云部 署。其中，私有云部署模式由企业提供云数据库依赖的底层物理资源, 数据库服务商负责部署云原生数据库软件，后期企业和数据库服务商 约定运维维护工作的具体职责分工等，特点是自有资源池化，数据不 外流等。相比公有云部署下的云数据库，私有云模式更加关注信息安 全，能够实现对数据安全性和服务质量最有效控制，仅限于企业员工 和取得授权的合作伙伴使用。多模型数据库云原生相关技术已经成为信息产业的未来发展方向
26、, 促使大数据软件进一步革新，规模呈现快速增长趋势，代表性企业如 Snowflake AWS等。相较于国内外的现状，私有云在面向国计民生的 相关行业更受客户欢迎，面向私有云模式的云原生数据库预计在未来 将获得快速增长。随着技术不断成熟，分布式架构将逐渐成为主流。自底向上，传 统的集中式资源管理调度逐渐向基于云原生技术的分布式统一资源管 理平台发展；数据管理软件技术架构也会因为计算模式的转变发生重 大变革，传统的集中式数据库逐渐向分布式、多模型数据库发展；传 统数据分析软件逐渐向新型的分布式数据开发和智能分析软件发展。（三）国产基础软件迎来爆发式增长阶段当前，中国大数据软件领域处于发展的历史机遇
27、期，我国高度重视大数据在经济社会发展中的作用，十八届五中全会提出实施国家大 数据战略，促进大数据发展行动纲要指出，建立安全可信的大数 据技术体系是推进大数据产业基础研究和核心技术攻关的重要目标。 十四五规划和2035年远景目标纲要提出，培育壮大人工智能、大数据 等新兴数字产业，充分发挥海量数据和丰富应用场景优势，促进数字 技术与实体经济深度融合，赋能传统行业转型升级，打造数字经济新 优势。全球新一代信息产业处于加速变革期，大数据相关底层技术处 于创新突破期，国内市场需求处于爆发期，为国内基础软件厂商带来 明确的增长机遇。同时，随着国内基础软件人才的不断增加，在应对 新一代场景，不断积累技术经验
28、过程中，国内已形成具备自主研发实 力且能与国外厂商竞争的基础软件厂商，并开始实现规模产业化落地。七、以企业为中心的观念以企业为中心的市场营销管理观念，就是以企业利益为根本取向 和最高目标来处理营销问题的观念。它包括以下几种。1、生产观念生产观念是一种最古老的营销管理观念。生产观念认为，消费者 总是接受任何他能买到的价格低廉的产品。因此，企业应当致力于提 高生产效率，实现低成本和大众分销。持生产观念的企业的典型口号 是：“我们生产什么，就卖什么。”生产观念在西方盛行于19世纪末20世纪初。当时，资本主义国 家处于工业化初期，市场需求旺盛，整个社会产品供应能力则相对不 足。企业只要扩大生产价廉物美
29、的产品，就能盈利，而不必过多关注 市场需求差异。在这种情况下，生产观念为众多企业所接受。除了物资短缺、产品供不应求的情况之外，还有一种情况也会导 致企业奉行生产观念。这就是某种具有良好市场前景的产品，技术含 量和生产成本很高，必须通过提高生产率、降低成本来扩大市场。生产观念是一种重生产、轻市场的观念。在物资紧缺的年代也许 能“创造辉煌”，但随着生产的发展、供求形势的变化，这种观念必 然使企业陷入困境。2、产品观念产品观念认为，消费者最喜欢高质量、高性能和具有某些特色的 产品。因此，企业管理的核心是致力于生产优质产品，并不断精益求 精。持产品观念的公司假设购买者欣赏精心制作的产品，相信他们能 鉴
30、别产品的质量和功能，并愿意出较高价格购买质量上乘的产品。这 些公司的经理人员常迷恋自己生产的产品，而不太关注市场是否欢迎。 他们在设计产品时只依赖工程技术人员而极少让消费者介人。产品观 念和生产观念几乎在同一时期流行。与生产观念一样，产品观念也是典型的“以产定销”观念。由于过分重视产品而忽视顾客需求，这两 种观念最终将导致“营销近视症”。如铁路行业以为顾客需要火车而 非运输，忽略了航空、公共汽车、卡车以及管道运输的日益增长的竞 争；计算尺制造商以为工程人员需要计算尺而非计算能力，忽视了袖 珍计算器的挑战，其最终结果是产品被市场冷落，经营者陷入困境甚 至破产。3、推销观念推销观念（或销售观念）认
31、为，消费者通常有一种购买情性或抗 衡心理，若听其自然，消费者就不会大量购买本企业的产品，因而营 销管理的中心是积极销售和大力推广。执行推销观念的企业，称为推 销导向企业。其口号是：“我们卖什么，就让人们买什么。”推销观念盛行于20世纪三四十年代。在这一时期，由于西方各国 科学管理和大规模生产盛行，因此商品产量迅速增加，整个市场供过 于求，卖主之间的市场竞争日益激烈。1929年爆发的严重经济危机， 前后历时5年，堆积如山的货物卖不出去，市场极度萧条。这种现实 使许多企业家认识到，企业不能只顾生产，即使有物美价廉的产品， 也要努力推销才能保证被人购买。在推销观念指导下，企业相信产品 是“卖出去的”
32、，而不是“被买去的”。他们致力于产品的推广和广告活动，进行无孔不入的促销信息“轰炸”，以求说服甚至强制消费 者购买。与前两种观念一样，推销观念也是建立在以企业为中心，“以产 定销”，而不是满足消费者真正需要的基础上的。八、品牌资产的构成与特征品牌能给企业带来财富。同样的产品贴上不同的品牌标签，就可 以卖出不同的价格，其市场占有能力也有很大的差异。这是人所共知 的，如OEM就是以此为基础发展起来的。这种由品牌带来的超值利益 是品牌的价值体现，是由品牌这种特殊的资产生成的。称品牌是特殊 资产，不仅是因为它无形，而且还因为它的真实价值并未在企业财务 状况表中反映出来。（一）品牌资产的一般认知1、阿克
33、的品牌资产释义美国加州大学伯克利分校营销战略学教授戴维阿克认为（1991）, “品牌资产是与品牌、品牌名称和标志相联系的，能够增 加或减少企业所销售产品或提供服务的价值和顾客价值的一系列品牌 资产与负债”，并且品牌资产“可以分为五类：品牌忠诚度、品牌知 名度、品质认知度、除品质认知度之外的品牌联想和品牌资产的其他 专有权一一专利权、商标、渠道关系等“。2、凯勒的品牌资产解读美国达特茅斯大学营销学教授凯文莱恩，凯勒认为（1998）,“品牌资产代表了一种产品的附加值，这种附加值来源于以往对此品 牌的营销投资”；“以顾客为本的品牌资产就是由于顾客对品牌的认 识而引起的对该品牌营销的不同反应”，包括“
34、不同的效应、品牌的 认同和顾客对营销的反应三个重要组成部分“。后又明确为（2008）, 基于顾客的品牌资产是“顾客品牌知识所导致的对营销活动的差异化 反应”。“当顾客对品牌有较高的认知和熟悉度，并在记忆中形成了 强有力的、偏好的、独特的品牌联想时，就会产生基于顾客的品牌资 产”；“创建基于顾客的品牌资产时，在顾客记忆中建立品牌认知和 建立积极的品牌形象（即强有力的、偏好的和独特的品牌联想），这 两者是举足轻重且密不可分的。亦即，品牌资产包括品牌认知和品 牌形象两方面。其中，“品牌认知是由品牌再认（是指消费者通过品 牌暗示确认之前见过该品牌的能力）和品牌回忆（是指在给出品类、 购买或使用情境作为
35、暗示的条件下，消费者在记忆中找出该品牌的能 力）构成的“，而“积极的品牌形象是通过营销活动将强有力的、偏 好的、独特的联想与记忆中的品牌联系起来而建立的”。3、我国学者的品牌资产认知符国群教授提出了 “商标资产”的概念。1998年在其商标资产 研究中指出，“商标资产作为顾客与商标之间长期关系的反映，它 是由商标知名度、商标的品质形象（或者消费者对商标的品质感知）、 商标联想、商标忠诚、附着于商标之上的其他权利型资产五个方面构 成”。基于前人研究成果，品牌资产作为一种通过为消费者和企业提 供附加利益来体现的、超过商品或服务本身利益以外的价值，它是品 牌知名度、品牌忠诚、品牌联想、品牌的品质形象和
36、附着在品牌上的 其他资产等项内容的集成反映。总之，品牌资产是一种超过商品或服务本身利益以外的价值。它 通过为消费者和企业提供附加利益来体现其价值，并与某一特定的品 牌紧密联系着。若某种品牌给消费者提供的超过商品或服务本身以外 的附加利益越多，则该品牌对消费者的吸引就越大，从而品牌资产价 值也就越高。如果该品牌的名称或标志发生变更，则附着在该品牌上 的财产也将部分或全部丧失。品牌给企业带来的附加利益，最终源于 品牌对消费者的吸引力和感召力。也可以说，品牌资产是企业与顾客 关系的反映，而且是长期动态关系的反映。（二）品牌资产的构成1、品牌知名度品牌知名度就是指品牌为消费者所知晓的程度，故也称品牌知
37、晓度。对某一个特定的品牌来说，品牌知名度或知晓度反映了消费者总 体中有多少或多大比例的消费者知晓它。可见，品牌知名度反映的是 品牌的影响范围或品牌的影响广度。(1)品牌知名度有益于提高品牌影响力，也有益于抑制竞争品牌 知名度。对知名度较高的品牌产生好感，源于品牌宣传，也源于消费 者的自我暗示。对知名度较高的品牌，消费者常常感觉或暗示自己“有这么大的宣传力度，其实力不凡，品牌及产品定然不错” “这个 品牌广为传诵，又有那么多人在使用其产品，应该或值得信赖”， 因熟悉而放心。可见，品牌知名度的高低，直接影响着消费者对品牌 的态度，并在此基础上影响消费者的购买选择。品牌知名度不仅影响 消费者的购买选
38、择，而且还会抑制竞争品牌知名度的提高。这是因为, 一方面，人脑对信息的吸纳能力是有限的，有较大选择性的能够形成 长时记忆的信息更是有限的；另一方面，人脑在吸纳信息的过程中， 对同种信息而言，还有先入为主的特性。(2)品牌知名度通过品牌再识率和品牌回忆率来衡量。品牌知名 度是通过富有成效的宣传来提升的，而品牌知名度或知晓度就可以用 品牌再识率和品牌回忆率来衡量。前者反映的是消费者总体中知悉该营销情报的质量和数量决定着企业营销决策的灵活性和科学性， 进而影响企业的竞争力。为扩大信息的来源和提高信息的质量，企业 通常采取以下措施改进信息收集工作。(1)提高营销人员的信息观念并加强其信息收集、传递职能
39、。(2)鼓励与企业有业务关系的经销商、零售商和中间商收集和提 供营销信息。(3)积极购买特定的市场营销信息。(4)多渠道、多形式地了解竞争对手的营销活动情况，包括参加 有关展销会、协会、学会，阅读竞争者的宣传品和广告，购买竞争品, 雇用竞争者的前职工。(5)建立内部营销信息中心，改进信息处理、传递工作。(三)营销调研系统市场营销调研系统也可称为专题调查系统，它的任务是系统地、 客观地收集和传递有关市场营销活动的信息，提出与企业所面临的特 定的营销问题有关的调研报告，以帮助管理者制定有效的营销决策。市场营销调研系统和市场营销信息系统在目标和定义上大同小异,研究程序和方法具有共性。(四)营销分析系
40、统品牌的数量及其比例；而后者则反映消费者总体有多少或多大比例的 消费者在只提示产品领域的情况下就能够回忆起该品牌。2、品牌忠诚度品牌忠诚度作为消费者对某一品牌偏爱程度的衡量指标，它反映 了对该品牌的信任和依赖程度。一般来说，忠诚度越高的品牌，顾客 对其重复购买行为发生的次数越多。品牌忠诚的价值具体表现在这样几方面：其一是降低营销费用。 如果消费者对某品牌持有偏好，形成了品牌忠诚，有较高的信任度和 依赖性，进而经常购买该品牌产品，就会使品牌拥有者节省广告等促 销费用。其二是易于吸引消费者，扩大市场规模。品牌忠诚度高，表 明企业的生产经营活动得到了顾客的认可；顾客的连续重复性购买也 是一种富有诱导
41、性的示范；口碑甚佳又使老顾客成了义务宣传员。而 这些都是消费者群体扩大的重要而又十分有效的条件。3、品牌联想对品牌而言，不同的品牌会使消费者在脑海中产生不同的联想， 进而形成不同的品牌印象。不难想象，提及“麦当劳”，消费者可能 就会想起：汉堡、薯条、麦当劳叔叔、洁净的店铺这种品牌联想 所形成的对品牌的印象最终将成为消费者选择品牌的重要依据。因此, 品牌联想成为品牌资产的构成要素。品牌，通常会使人们联想到产品特征、消费者构成、消费者利益、 竞争对手等，其联想内容因品牌不同而各异。消费者通过对不同品牌 产生不同的联想，使品牌间的差异得以显露。广告宣传等传播品牌的 主要目的就是试图使消费者“产生联想
42、一产生差别化认知一产生好感 一产生购买欲望”。同时，由于绝大部分联想会想到消费者利益或与 此关联，而这又是消费者购买与放弃购买的依据或缘由。所以，品牌 联想能提供消费者选购的理由。此外，品牌联想的资产价值还表现在 它能揭示品牌扩展的依据、能够创造有利于品牌为消费者所接受的正 面态度与感觉。4、品牌的品质形象品牌的品质形象是指消费者对某一品牌的总体质量感受或在品质 上的整体印象。不言而喻，品牌品质形象相当程度地影响品牌的市场 声誉，进而影响品牌或产品的获利能力。(1)品牌的品质形象不同于产品的实际质量。品牌的品质形象以 品牌标定下的产品的实际质量为基础，但两者又并非完全等同。一方 面，品牌的品质
43、形象依赖于该品牌标定下的产品的功能、特点、耐用 性、产品外观和销售服务能力等影响产品质量的各有关因素；另一方 面，品牌品质形象作为消费者对品牌在质量上的整体感知，它并非必 然与产品的实际质量不可分割。(2)品牌的品质形象是企业实实在在努力的结果。品牌品质形象 形成的过程中，企业是主角。正是通过企业积极主动的营销努力，使 得企业的品牌相关信息触及到了消费者的心灵，并存留在消费者的头 脑里、记忆中。也可以说，品牌的品质形象的形成反映了企业在品质 方面所做的承诺以及企业为兑现这种承诺所做的各种努力。5、附着在品牌上的其他资产作为品牌资产的重要组成部分，这些被称之为附着在品牌之上的 其他资产是指那些与
44、品牌密切相关的、对品牌的增值能力有重大影响 的、不易准确归类的特殊资产，一般包括专利、专有技术、分销渠道 等。例如，可口可乐公司津津乐道的令其感到自豪的“7X”配方即是 一种专有技术，是一种品牌资产。正是“7X”配方及对其神秘化的宣 传，使“可口可乐”品牌具有了无可比拟的价值。最后还需说明，上述品牌资产的五个方面，具体到某一个特定的 品牌时，并非是均衡的。如，有的品牌知名度很高，但在消费者心目 中产生的联想却不一定十分理想；有的品，牌虽能激起一种独特的或 美好的联想，但其品质形象可能并不尽如人意，等等。对品牌的优势 和劣势做到心中有数是品牌有效运营的重要依据。(三)品牌资产的一般特征品牌资产作
45、为企业财产的重要组成部分，主要有以下5个基本特征。（1）品牌资产具有无形性。品牌资产与厂房、设备等有形资产不 同，它不能使人凭借眼（看）手（摸）等人们的感官直接感受到它的 存在及大小。所以，品牌资产是一种特殊，的资产，是一种无形资产。 有形资产通常是通过市场交换的方式取得其所有权，而品牌资产则一 般需经由品牌所有者申请注册转化成商标，由注册机关依照法定程序 确立其法律意，义的所有权；当然，品牌资产也可以直接通过交换获 得所有权。（2）品牌资产难以准确计量。一方面，品牌资产构成的特殊性决 定了的品牌资产难以准确计量。我们知道，品牌反映的是一种企业与 顾客的关系。这种关系的深度与广度通常需通过品牌
46、知名度、品牌联 想、品牌忠诚和品牌品质形象等多方面予以透视，而且品牌资产的这 些组成部分又是相互联系、相互影响、彼此交错而难以截然分开的。 另一方面，反映品牌资产价值的品牌获利性（品牌未来获利能力）受 许多不易计量因素的影响，如品牌在消费者中的影响力、品牌投资强 度、品牌策略、产品市场容量、产品所处行业及其结构、市场竞争的 激烈程度等。这也增添了准确计量品牌资产的难度。（3）品牌资产在利用中增值。就一般有形资产而言，其投资与利 用往往是泾渭分明，存在着明显的界限，投资即会增加资产存量，利 用就会减少资产存量，而品牌资产则不同。品牌资产作为一种无形资 产，其投资与利用常常是交织在一起、难以截然分
47、开的。品牌资产的 利用并不必然是品牌资产减少的过程，而且，如果品牌管理利用得当, 品牌资产，非但不会因利用而减少，反而会在合理利用中增值。（4）品牌资产具有波动性。从品牌资产构成上的分析可以看出， 无论是品牌知名度的提高，还是品牌忠诚度的增强，抑或品牌品质形 象的改善，都不可能一跳而就，而是营销企业长期不懈努力的结果。 尽管品牌资产是企业以往投入的沉淀与结晶，但这并不表明品牌资产 只增不减。事实上，企业品牌决策的失误、竞争者品牌运营的成功， 都有可能使企业品牌资产发生波动，甚至是大幅度下降，或者快速增 长。（5）品牌资产是营销绩效的主要衡量指标。品牌资产是企业不断 进行营销投入或营销活动的结果
48、，每一种营销投入或营销活动都或多 或少地会对品牌资产存量的增减变化产生影响。正因如此，分散的单 一的营销手段难以保证品牌资产获得增值，必须综合运用各种营销手 段，并使之有机协调与配合。像奔驰、可口可乐、SONY等品牌之所以 能够长盛不衰，与品牌运营者拥有丰富的营销经验和娴熟的营销技巧是密不可分的。如此说来，品牌资产的大小是各种营销技术营销手段 综合作用的结果，它在很大程度上反映了企业营销的总体水平。品牌 资产是营销绩效的主要衡量指标。九、营销调研的步骤营销调研的过程，通常包括五个步骤：确定问题与调研目标、拟 定调研计划、收集信息、分析信息、提交报告。（一）确定问题与调研目标为保证营销调研的成功
49、和有效，首先要明确所要调研的问题，既 不可过于宽泛，也不宜过于狭窄，要有明确的界定并充分考虑调研成 果的实效性。其次，在确定问题的基础上，提出特定调研目标。（二）拟定调研计划设计能够有效地收集所需要的信息的计划，包括概述资料来源、 调研方法和工具等。由于收集第一手资料花费较大，调研通常从收集第二手资料开始, 必要时再采用各种调研方法收集第一手资料，也可以从企业外部的商 业公司购买有关资料。调查表和仪器是收集第一手资料采用的主要工 具。抽样计划决定三方面的问题：抽样单位指确定调查的对象，抽样 范围指确定样本的多少，抽样程序则是指如何确定受访者的过程。接 触方法是指如何与调查对象接触的问题。（三）收集信息在拟定调研计划后，可由本企