2019中國大數據產業發展白皮書（下）

大數據是一種技術，更是一種智能。作為技術，它是新技術體系——Sensor-IOT-Cloud-BD-AI的關鍵一環，提供了從數據源采集、數據清洗、數據算法、行業場景模型，以及決策支撐等全流程服務，有助于提升業務效率，輔助業務決策。作為一種智能，它提供了諸多企業應用和行業應用解決方案，幫助企業和政府提升數字化轉型能力，推動數據智能的落地。

大數據產業的細分領域

網絡廣告

引領互聯網大數據應用

互聯網大數據應用占據了中國大數據市場的半壁江山，其中以網絡廣告的應用最為典型。網絡廣告行業開啟了大規模、自動化地利用數據改善產品和提高收入的先河。

在相當長一段時期內，網絡廣告都是大數據方法在實踐中唯一形成規?；癄I收的落地場景，時至今日它仍然是大數據應用中最為成熟，市場規模最大的行業。

網絡廣告經過短短十幾年的發展，已經形成了以人群為投放目標，以產品為導向的技術型投放模式，不僅為廣告主帶來了以準確接觸目標受眾為方法論的全新營銷管道，也為互聯網免費產品和媒體提供商找到了規模化變現的手段。

網絡廣告的發展演進沿著兩條主線前進：

（1）交易形式和定向技術的發展。從最初的固定位置的合約交易（CPT廣告）發展到進行受眾定向、按展示量結算的合約交易，再到競價交易方式（包括搜索廣告、上下文廣告和廣告網絡/聯盟等），并最終發展到開放的實時競價交易（程序化交易廣告）。

（2）產品展現邏輯的發展。在最初階段，廣告位作為與內容相對獨立的單元來決策運營，并完全以優化收入為目標。隨著搜索廣告、社交網絡信息流廣告的發展，將內容與廣告以某種方式統一決策或排序的“原生廣告”漸成主流。在移動廣告滲透率快速提升的大背景下，適合小屏的原生廣告前景廣闊。

當前，網絡廣告產業的發展呈現出如下4方面特色：

（1）移動化和碎片化。2018年移動廣告在網絡廣告中的占比達75.6%，短視頻、信息流成為移動廣告增長的動力引擎，用戶碎片化的使用習慣在移動端更為顯著。

（2）信息流化。信息流廣告已經成為媒體平臺變現的主要模式，其高原生性和用戶精準觸達，平衡了商業行為和用戶體驗，社交類、資訊類、視頻類、搜索類、瀏覽器類等媒體紛紛加入信息流廣告隊列。

（3）原生化。搜索廣告和信息流廣告發展迅速，基于結構化付費內容庫和媒體渲染模板的植入式原生廣告平臺建設逐漸成為熱點。

（4）融合化。揭示關聯關系的大數據與揭示因果關系的小數據融合，海量線上行為數據與線下實體店數據結合，兩大類數據融合，大幅提升了數字營銷效率。

營銷管理、數據融合、信息流、原生內容引領行業新趨勢

當前，廣告主方面的核心訴求仍舊是：借助網絡廣告的方式，提升自身的銷售額。

實際操作過程中有兩大痛點：一方面是全渠道營銷管理能力不足。廣告主無法高效整合全渠道用戶觸點，管理接觸用戶的流程和獲客路徑;難以開展以人為核心的工作流程管理，落實精細化管理，從而提升營銷效率。另一方面是技術、創新和數據等多要素整合能力不足。比如，對內容營銷、短視頻營銷和IP營銷等熱門方式的整合能力不足;市場創意流于同質化;線上線下數據整合能力不足等。

針對上述痛點和行業發展趨勢，未來的機會點主要體現在以下幾個方面：

（1）全渠道營銷管理自助化平臺建設。提供綜合“SEM+EDM+社交+內容營銷+獨立DSP+DMP+輿情監測“等的全渠道營銷解決方案，打造閉環優化網絡，推進營銷管理的自主化、自動化和平臺化發展。

（2）推進數據融合應用，提升營銷效率。強化大小數據融合，綜合大數據洞察的關聯關系和小數據發現的因果關系;推進線上線下數據融合，強化場景營銷。

（3）植入式原生廣告平臺建設。該平臺的運作中，由媒體方負責洞察用戶意圖并提供渲染模板，由廣告平臺來查詢并篩選各行業結構化的付費內容信息，最終通過渲染得到最終曝光的廣告片段。搭建這類平臺，需要媒體方增加用戶意圖洞察和模板設計工作，需要廣告平臺積累海量高質量的結構化付費內容信息。這類平臺的普及將避免現有展示廣告產品對用戶體驗的打擾和傷害，而且有可能將展示廣告變成“搜索廣告”，為媒體創造高價值變現能力。

（4）廣告形式的信息流化。作為原生廣告的最主流模式，圖文和短視頻信息流發展迅速，高效地吸引用戶瀏覽點擊，留住用戶注意力。未來短期內，社交類、資訊類、視頻類、搜索類等多種媒體的信息流化將持續加強。

（5）原創內容和IP資源投入。隨著內容營銷、原生廣告的火熱，原創圖文、短視頻、軟文、IP等方面的版權采買將快速增長，從而塑造媒體在內容資源方面的差異性，提升媒體平臺的變現能力。

政府數據資產管理與應用

成為行業關注熱點

我國政府大數據業務演進，大致可劃分為三個階段：

（一） 信息化建設期（2010年以前）。政府信息化建設經歷了辦公自動化、電子化工程（“金”字工程）、政府上網工程三個時期。1992年，國務院辦公廳提出建設全國行政機關辦公決策系統，政府信息化建設從此起步。1993年起，國務院啟動國民經濟信息化“三金工程”（金橋、金關和金卡工程），政府部門網絡建設逐步啟動，這是我國政府信息化建設的雛形。自1999年發起“政府上網工程”以來，我國迅速邁入網絡社會，電子政務的發展優化了政府網站的內容和功能，提升了互動性，落實了網上業務辦理。2001年，國家做出了“中國建設信息化要政府先行”的重要決策，2002年明確提出我國電子政務的目標以及發展戰略框架。通過這一時期的建設，政府各部門落成了一批信息系統，整個體系的信息化水平顯著提高。分部門而言，財政、稅務、海關、公安等涉及審計和監管的部門在信息化建設方面走在前列，其他部門的信息化建設相對滯后。

（二）加速政府數據匯集整合（2011—2016年）。政府從“十二五”開始，逐步開展IT規劃和數據整合工作，數據開放共享的意識持續提升。但是，各地政府數據匯集整合水平參差不齊，建設層次不高，存在跟風發展“數據倉庫”和“大數據平臺”等現象。2015年以來，隨著《促進大數據發展行動綱要》等一批文件的下發，政府數據匯集和開放共享意識進一步提升，政府大數據產業發展環境持續優化。

（三）數據資產管理和應用（2017年以來）。這一時期，隨著《政務信息資源共享管理暫行辦法》《大數據產業發展規劃（2016—2020年）》和《政務信息系統整合共享實施方案》等文件相繼發布，相關部委和地方政府也配套出臺了大量扶持政策，政府部門的“數據資產管理和應用”意識持續提高，部分政府開始自建IT隊伍和大數據平臺。從實操層面來看，政府大多通過引入大型廠商（如華為和浪潮等）來建設統一的底層技術和數據平臺，上層應用則由眾多中小企業基于底層平臺搭建，以此簡化技術棧，助力IT系統集成，數據匯集和標準化。此外，隨著數字經濟和新型智慧城市等項目的推廣，政府大數據應用逐步從單純滿足管理者需求的淺層次應用，逐步向能創造實際價值的深層次業務應用拓展，在政務服務、社會治理和民生應用三大領域不斷提升政府業務效率，降低運營成本，提升用戶體驗。

數據資源中心、數據治理、

人工智能應用等創造新機遇

從政府的角度來看，當下的痛點主要有以下幾點：

1.部門間存在壁壘，數據孤島依舊嚴峻。政府不同部門、不同業務線存在數據條塊分割，導致跨部門數據匯集和共享困難。一方面，某些政府部門將數據視為內部資產、部門權屬所在，以及業務創新的機會點，導致其共享數據的意愿不高;另一方面，以部門為中心的政務信息化發展模式，形成了諸多“數據孤島”，比如稅務、民航、通信管理等垂管部門系統相對獨立，技術棧復雜，將這些數據接入統一的地方數據共享平臺存在困難。此外，由于數據權屬不明確，共享后可能產生的數據應用責任問題，也導致政府各部門在推進數據整合共享中趨于謹慎，壁壘重重。

2.數據標準不完善，數據互通存在阻礙。一方面，政府數據標準建設尚不完善，政府數據安全責任內容不明確，權屬關系、職能責任分工模糊，數據分類分級規范尚未建立，很多政府尚未開展數據平臺建設，主數據管理意識缺失;另一方面，出于對數據隱私和安全等問題的考慮，政府推動數據開放共享的過程也日趨謹慎。

3.“重建設、輕應用”的問題依舊存在。政府在推進大數據建設過程中，偏重硬件資源的投入，忽視行政機構的調整和行政流程的再造，導致設備資源冗余、效率堪憂。在軟件應用方面，出于內部事務處理和行政管理需要，支撐政府決策和面向公眾互動服務的信息化能力亟待提高。推廣實施和后期完善應用成為初期建設完成后的薄弱環節。

4.數據創新意識淡薄。政府部門拓展數據應用的創新意識淡薄，特別是領導層對數據的認識不深刻，亟待培育數據思維和數字化管理理念。

從供應商的角度來看，難點在于：

1.大數據人才招人難和留用難。政府大數據企業有很多是從事信息化建設to B類軟件企業。這一領域通常需要長時間的技術和行業經驗積累，但由于薪資水平往往不敵互聯網行業，人才招引難和留用難問題相對突出。

4.行業專家缺乏。技術積累和行業積累的長周期性導致行業專家資源稀缺。很多政府大數據領域的項目，需要懂得行業內在規則的專家來支撐和解讀，但實際情況是應用場景數量遠遠多于行業專家。

針對上述痛點和難點，未來機會點在于：

1.集中化數據資源中心的建設。落地集中化的數據資源管理，加快打通部門間的數據壁壘，建設統一的數據資源中心，助力實現政府數據開放共享和高效管理。

2.強化政府數據治理?；诩谢臄祿Y源，保障數據的完整、準確、客觀、可靠，助力政府完善數據治理體系。該領域是政府信息化建設的重點和難點所在，未來增長潛力大。諸如久其軟件、軟通智慧等優勢企業提供了大量落地解決方案。

3.強化新技術與政府業務融合。順應人工智能、大數據和5G等技術的發展，協助政府挖掘并優化業務與新技術的結合點，創造更多應用場景，引導政府釋放一批新項目。以信訪部門為例，有部分政府信訪單位探索應用自然語言處理和人工智能等技術，實現了來訪信件掃描文檔的自動分類，歸集和摘要自動生成，大幅提升了業務效率?；诒O管科技的大數據應用。隨著人工智能、大數據、物聯網和5G等技術的發展，以及數字社會和新型智慧城市建設的持續推進，未來政府在社會治理和城市建設領域的投入將持續增加，公共安全防控、輿情監測、應急管理、社會信用數字化、環境監測、食品藥品監管、交通管理等數字化項目將持續迭代，構筑起“大監管”的整體環境，創造出更為優良的城市營商環境，助力基于監管科技的政府大數據市場快速成長。這一細分領域涌現出大量優勢企業，如網智天元、百分點、科技谷、智慧星光等。

信用風險、操作風險和市場風險的管控成為金融行業焦點

金融行業的核心是風險管控，無論是銀行業、保險業還是證券業，風險管控都是重中之重，是金融業務順利開展的有效保障。

2018年，中國“一委一行兩會”的金融監管新格局形成，嚴監管將持續，加強合規和風險控制成為金融業的發展重點。金融大數據就是圍繞“風險管控”這一核心環節，為其金融業務的效率提升和決策輔助提供支撐。

國內外的金融大數據應用存在差異，國外的應用集中在投資銀行和政府監管領域，國內由于銀行業體量大，銀行信貸則成為應用主戰場。此外，金融監管和信息安全在國內也受到了高度重視。

整體而言，金融風險主要涉及信用風險、市場風險和操作風險。金融大數據基于大數據平臺，通過整合多維數據，構建了解決這三大類風險問題的框架。

1.信用風險領域應用，主要解決信息不對稱情況下的信用評價和評級問題。在企業征信方面，當前國內有136家備案企業，主要承接銀行和投資機構的委托，應用大數據技術開展企業征信情況調查，提供多維度的企業征信信息展示，輔助信貸投放決策。在這一細分領域，針對無資產、無抵押的高科技中小微企業的信貸評估漸成重點。在個人征信方面，供應商主攻金融零售行業（如信用卡、消費金融和P2P網貸等），結合多維度合規數據，開展針對放款對象的信貸風險評估。

2.市場風險領域應用，主要解決評級完成后的資產定價問題。通過結合多維度的企業行為數據，開展中小微企業資產評估和定價，保險資產評估和定價、信貸資產評估和定價，以及資本市場上市公司估值等業務。智能投顧作為金融科技熱點，同樣也應用大數據技術開展海量資產評估，并通過智能算法生成個性化資產組合。

3.操作風險領域應用，主要解決業務實操中由于運營不合規所導致的風險問題，監管科技是這個細分領域的主要技術，涉及保險監管、資本市場監管、銀行信貸監管，地方金融監管等。金融大數據作為監管科技的核心技術，被廣泛用于輔助銀行打擊非法集資，助力交易所洞察金融欺詐和違規等，以及支撐銀保監會開展被監管主體的信用評價。

基于內生數據和場景化建模

業務決策輔助將成為新機遇

傳統的金融IT集成商和金融大數據供應商在業務重點方面存在差別。以銀行業為例，傳統金融IT集成商主要解決銀行業的信息化問題，搭建核心業務系統、信貸系統等，推動技術架構的云化和微服務化轉型。這些工作多由銀行IT人員參與。金融大數據供應商解決銀行部門怎么放貸、貸多少等問題，與銀行系統直連，服務于銀行業務決策。這些工作隸屬于咨詢業務，多由金融科技部門承擔。

當前，中國銀行業積極主動實施架構轉型，建立開放、彈性、高效、安全的新一代銀行系統，銀行業在金融科技領域的投入越來越大。六大國有大型商業銀行（包含中國郵政儲蓄銀行）和股份制商業銀行紛紛組建自己的金融科技公司，持續加大科技投入，豐富金融大數據應用。城商行和農商行近兩年也陸續加快科技布局，未來發展空間大。

研究發現，以銀行為代表的金融企業非常關注如何應用大數據技術提升業務效率，優化用戶體驗，管控風險。但是，仍有很多銀行由于實力所限，需面對技術力量跟不上、多維度風控能力滯后、基礎數據不完善、缺乏對數據的理解等現實問題，亟待引入第三方科技支撐力量。

針對上述需求痛點，供應商的未來機會點主要體現在以下幾個方面：

（1）整合多源數據，在合規的情況下，構建內生數據資源，打造自有模型，深耕行業應用場景，塑造細分領域的差異化競爭力。

（2）以城商行和農商行為突破口，加快拓展金融大數據業務。目前，六大國有銀行的大數據應用多由自身的金融科技部門承接，城商行和農商行是機會點所在，其在企業征信、個人征信、資產估值定價、打擊非法集資等領域將爆發出一批需求，用以降低自身的信貸風險和市場風險。

（3）大力布局金融監管解決方案。金融行業嚴監管是未來發展趨勢，應用科技手段夯實地方金融監管和資本市場監管應作為供應商的發展重點。

（4）金融大數據企業是金融IT市場的新生科技力量，與傳統金融IT集成商既競爭又合作，應在合適的領域采取合作模式，實現雙贏。

降本增效和數據變現成為

電信大數據應用熱點

電信行業的信息化水平走在全行業前列。2010年以后，隨著人口紅利的消失和提速降費壓力的升高，運營商持續壓縮成本，提高收入，加速創新，在“存量用戶市場”上開展競爭。在此背景下，運營商開始布局大數據平臺和相關應用，其中移動和電信的大數據業務始于2010年，聯通的相關業務始于2012年。運營商的大數據應用不同于傳統的電信經分系統。

傳統的經分系統僅僅服務于運營商的市場部門，但大數據應用服務于運營商的所有業務。當前，電信大數據領域的市場集中度較高，大型服務供應商包括思特奇、亞信科技和東方國信等。

電信行業的大數據業務演進，大致可劃分為兩個階段：

（1）2010—2015年，大數據平臺建設期。運營商大力布局各級大數據平臺，高度關注大數據供應商的技術成熟度和產品的完備度;各電信研究院也圍繞實際業務需求，開展了大量基礎研究和應用開發，組織了大量PoC測試。這一時期，運營商的大數據平臺建設和運營能力大幅提升。

（2）2016年及以后，數據融合應用建設期。運營商大力促進三域（B域、O域、M域）數據融合，對外推動數據變現，對內加速降本增效，業務創新壓力持續增大。與此同時，運營商業務的集中化日益明顯（例如中國移動原來分散在各城市的網上營業廳統一為中移動網上營業廳），由此引致的IT架構集中，催生了數據割裂和應用割裂等問題。如何統籌、融合省級大數據平臺與集團平臺的數據資源，兼顧數據應用的標準化和區域個性化，優化提升“兩級大數據架構”成為破局關鍵。

BOM數據融合、兩級架構平臺、網絡數據生態引領新機遇

電信運營商的痛點需求主要有兩點：一方面控制成本投資，提升運營效率;另一方面落地數據創新，加速數據變現。

在此背景下，如何架構新一代通信網絡（如5G、SDN、NFV等），搭建基于電信數據的產業生態和平臺，優化兩級大數據架構，推動B-O-M三域數據融合，加速數據應用創新和變現，成為運營商在存量客戶競爭中勝出的關鍵，也是運營商的大數據應用痛點所在。

調研還發現，由于電信運營商近兩年持續壓縮軟硬件和信息基礎設施投資，大數據平臺和應用建設不足，制約了大數據產品和服務的優化。

此外，運營商在實施大數據項目中思路和需求的經常性變動，也間接導致了大數據產品和服務的生命周期短，難以形成穩定收益。這些痛點在一定程度上制約了電信大數據行業的穩定發展。

針對上述需求痛點，供應商的未來機會點主要體現在以下幾個方面：

（1）順應運營商降本增效和對外變現的大趨勢，積極與運營商開展框架協議式合作，圍繞AI、5G、SDN等熱點領域，加速產品和服務的研發創新，持續提升運營商的網絡運營效率。

（2）電信運營商下一步會瞄準政企市場，加大異業合作力度，在諸如新型智慧城市、企業數字化轉型、數字政府和數字社會等領域，提供通信網絡建設、云服務和數據服務。由于自身研發能力和資源有限，其在細分領域必然需要大量專精的解決方案提供商。

工業領域數字化發展水平

差異大，應用場景逐漸成熟

國家高度重視工業領域的數字化轉型，持續落地“兩化融合”和智能制造等項目，布局推動先進制造業發展。工業大數據應用由于貼近企業痛點，日益成為推動工業轉型的重要抓手，助力工業企業實現降本、提質、增效。近年來，在電力電網、軌道交通、裝備制造和電子信息等應用領域相繼涌現出一批優質供應商，如美林數據、酷特智能、天澤智云、明匠智能等，它們在工業數據資源管理、設備預測性維護、智能車間和工廠等領域做出了大量有益探索。2017年以來，工業互聯網的蓬勃發展，工業云和工業APP等應用的日益豐富，進一步為工業大數據的應用創造了有利環境。

工業不同領域的數字化水平差異大。整體而言，離散型行業數字化水平全面領先于流程型行業。流程型企業多采用規?；a方式，生產工藝復雜，生產過程不間斷，控制生產工藝流程的自動化設備比較完善。當前，多數流程型制造業企業已實現高度自動化管控，以機械運作代替人工操作，生產車間的人員主要負責管理、監視和設備檢修?，F有體系的穩定可靠導致流程型行業推進數字化轉型動力不足。離散型企業的生產過程涉及龐大的供應鏈體系，經常會面臨供應鏈協同管理難，研發設計效率低，產品質量難以保證，以及異地多工廠協同難等問題。通過應用工業大數據和移動互聯網等技術，離散型行業可以有效解決上述問題，搭建起全新的生產、服務和協作模式，實現降本、提質和增效。

工業大數據的主要應用場景涉及智能研發設計、智能生產制造、智能服務和網絡協同服務四大類：智能研發設計，基于客戶端的反饋數據及客戶交易數據，深入挖掘客戶動態需求，讓客戶參與到產品設計中，實現產品定制化設計模式;利用大數據開展仿真，將產品全生命周期數據進行采集、建模分析，實現對原有研發設計環節的模擬、分析、評估、驗證和優化，減少工程更改量，達到前期設計風險的規避，提升產品設計迭代速度和研發效率。

智能生產制造，在生產環節，對采集數據進行清洗、挖掘等操作，利用數據關聯分析和數據反饋指導生產，實現從數據到知識的轉化;在制造環節，對生產工藝過程參數、資源狀態、產品質檢數據、產品能耗數據等實時數據進行檢測和關聯分析，為發現的問題提供及時的解決方案，合理制定計劃排程，實現庫存精準管理等。通過落地智能生產制造，一批智能產線、智能車間和智能工廠不斷涌現，推動了工業的高質量發展和轉型升級。

智能服務，在市場營銷環節，利用數據尋找用戶深層動態需求和市場動向，落地精準營銷和銷售預測等服務，以此來指導生產和營銷工作，減少產品存貨量，提升企業整體運營能力;在售后服務環節，通過整合產品運行數據，將傳統故障診斷方法與數字技術相結合，開展故障預警、遠程監控及運維、質量診斷等應用，推動企業從“被動服務、定期服務”向“主動服務、實時服務”轉變，提供智能化增值服務，形成“制造+服務”的新模式。

網絡協同服務，在企業內部，通過整合分析企業各環節數據，促進業務、決策、運營等流程的優化，提升企業管理決策的科學性和運營管理能力。在企業外部，采集挖掘供應鏈數據，實現供應鏈可視化，優化物流路徑和排程調度，提升供應協同效率。通過連通不同區域的生產資源，實現制造資源、制造能力、制造過程等信息透明，促進供需對接，提升產業鏈上下游資源整合能力，達到資源協同。

健康醫療大數據市場處于

待爆發階段，應用熱點多

健康醫療大數據細分領域的數據量大、增長速度快，數據價值量高，應用場景多，未來發展潛力大。當前，這一細分領域處于市場待爆發階段，應用熱點頻出。

區域數據中心建設：2016年以來，國家衛健委明確了江蘇、福建、安徽、山東、貴州為健康醫療大數據中心國家試點省份，指導各試點立足實際，強化規劃引導，以平臺建設為基礎，有序推動健康醫療大數據區域中心建設。

輔助診療：在該領域，基于腫瘤大數據的應用熱度最高。受醫療數據的安全、數據合規和權屬等問題影響，目前市場上較成熟的模式是建立國家級腫瘤病例庫，聯合健康醫療大數據企業、醫療機構、國家衛生部門等多方，協作開展重大疾病大數據課題研究。神州醫療在該細分領域具備較強的技術實力和資源。

電子病歷：我國醫療信息化建設正在從醫院管理信息化（HIS）向臨床信息系統（CIS）和區域醫療衛生服務（GMIS）邁進。目前，以CIS為中心的醫療信息化建設是市場發展重點。2018年9月，國家衛健委發布通知，推動電子病歷評級和廣義電子病歷建設，百億級電子病歷市場亟待爆發。

醫藥研發：真實世界研究（RWS）是對臨床常規產生的真實世界數據進行系統性收集和分析的研究。真實世界數據涵蓋電子病歷數據、醫保數據、智能終端數據，以及社交媒體數據等，收集并分析這些數據將有助于探究藥物在尚未獲批的疾病及人群中的療效，從而為上市后藥物擴大適應證提供可能。

醫療影像：醫療影像數據量大，應用場景豐富。醫療影像云和基于AI的醫療影像識別漸成熱點，這兩方面也是當前人工智能技術在醫療領域最成熟的場景。

基因大數據：隨著基因測序技術發展、測序成本不斷下降，國家支持力度不斷提高，學術界在基因領域的研究日益深入，基因數據持續累積，海量生命組學大數據儲存、整合與分析挖掘，以及相關共享平臺的搭建，具有良好的發展前景。

健康管理：越來越多個人用戶意識到健康管理的重要性，主動健康管理服務成為趨勢，個性化、定制化的健康管理服務的市場需求快速升高。

醫療云：2018年以來，云服務商通過與醫療信息化企業合作，大力開拓醫療云市場，百度與東軟、阿里與衛寧健康、騰訊與東華軟件、華為與智業軟件等合作為醫療云市場提供了較好的模式范本。

消費醫療：在to B領域，針對醫療機構提供數據服務，如精準營銷和商業智能等;在to C領域，針對消費者提供數據服務，如消費者評價和藥品信息追溯等。

醫療物聯網：一方面是以患者服務為中心的護理和后勤等應用服務，包括體征監測、移動護理等;另一方面是以醫院人、財、物為中心的保障和行政業務管理，包括人員管理、輸液管理和資產管理等。