市場調査レポート

データアズアサービス(DaaS)市場および予測

Data as a Service (DaaS) Market and Forecasts 2015 - 2020

発行 Mind Commerce 商品コード 317506
出版日 ページ情報 英文 169 Pages
納期: 即日から翌営業日
価格
本日の銀行送金レート: 1USD=102.85円で換算しております。
Back to Top
データアズアサービス(DaaS)市場および予測 Data as a Service (DaaS) Market and Forecasts 2015 - 2020
出版日: 2015年07月13日 ページ情報: 英文 169 Pages
概要

データアズアサービス(DaaS)は、ユーザーがベンダーによって提供されるデータベース、あるいはベンダーが管理するシステム上の自分のデータベースにアクセスすることができる任意のサービスと定義されています。DaaSは、クラウドベースインフラ/サービス、企業データシンジケーション、およびXaaS(Everything as a Service)に向けた消費者サービス動向などにより、近い将来において大幅に成長することが見込まれています。さらに、ベンダーが管理するシステムは、持続的なサービス遂行に必要な拡張可能性とセキュリティーを提供します。

当レポートでは、データアズアサービス(DaaS)市場を取り上げ、DaaSエコシステムにおける技術、企業およびソリューションを調査分析して、市場機会を評価し、2019年までの市場の展望および予測を提示するとともに、主要なベンダーの分析をまとめるなど、概略以下の構成でお届けいたします。

第1章 イントロダクション

  • エグゼクティブサマリー
  • 取り上げたテーマ
  • 主な調査結果

第2章 DaaS技術

  • クラウド
  • データベースアプローチおよびソリューション
    • リレーショナルデータベース管理システム(RDBS)
    • NoSQL
    • Hadoop
    • 高性能コンピューティングクラスター(HPCC)
    • OpenStack
  • DaaSおよびXaaSエコシステム
  • Open Data Center Alliance
  • 業種別市場規模

第3章 DaaS市場

  • 市場概要
    • データ構造
    • 専門化
    • ベンダー
  • ベンダー分析と展望
    • 大規模ベンダー:BDaaS
    • 中規模ベンダー
    • 小規模ベンダー:DaaSとSaaS
    • 市場規模:BDaaS VS RDBMS
  • 市場発展促進要因および阻害要因
    • 市場発展促進要因
    • 市場発展阻害要因
  • 市場シェアと地域的影響
  • ベンダー
    • 1010data
    • Amazon
    • Clickfox
    • Datameer
    • Google
    • Hewlett-Packard
    • IBM
    • Infosys
    • Microsoft
    • Oracle
    • Rackspace
    • Salesforce
    • Splunk
    • Teradata
    • Tresata

第4章 DaaS戦略

  • 一般戦略
    • 段階的データ重視
    • 価値ベース価格設定
    • オープン開発環境
  • 具体的戦略
    • サービスエコシステムおよびプラットフォーム
    • マッシュアップに向けて複数のソースを集める
    • 立証要件としての付加価値サービス(VAS)の開発
    • 競合他社を含めたすべての事業体に対するオープアクセス
    • モノのインターネット(IoT)で大きな機会に備える
  • サービスプロバイダーの戦略
    • 通信ネットワークオペレーター
    • データセンタープロバイダー
    • マネージドサービスプロバイダー
  • インフラプロバイダーの戦略
    • 新たなビジネスモデルの実現
  • アプリケーション開発業者の戦略

第5章 DaaSベースアプリケーション

  • ビジネス情報
  • 開発環境
  • 検証と承認
  • レポーティングとアナリティクス
  • 開発環境

第6章 市場の展望とDaaSの将来

  • 最近のセキュリティーに関する懸念
  • クラウドの動向
    • ハイブリッドコンピューティング
    • マルチクラウド
    • クラウド拡張
  • 一般的なデータ動向
  • 企業は自社データおよび通信を活用
    • ウェブAPI
    • SOAおよび企業API
    • クラウドAPI
    • 通信API
  • DaaSのためのデータ連携の出現

第7章 総論

付録

  • 構造化データVS非構造化データ
  • データアーキテクチャーと機能性
  • マスターデータ管理(MDM)
  • データマイニング

図表リスト

このページに掲載されている内容は最新版と異なる場合があります。詳細はお問い合わせください。

目次

Data as a Service (DaaS) is defined as any service offered wherein users can access vendor provided databases or host their own databases on vendor managed systems. DaaS is expected to grow significantly in the near future due to a few dominant themes including cloud-based infrastructure/services, enterprise data syndication, and the consumer services trend towards Everything as a Service (XaaS). In addition, vendor managed systems provide necessary scalability and security for sustainable services execution.

The DaaS market is expected to continue to expand alongside the cloud services model over the next decade. This research evaluates the DaaS ecosystem including technologies, companies, and solutions. The report assesses market opportunities and provides a market outlook and forecast from 2015 to 2020.

The report also includes a vendor analysis segmented by three categories (1) The largest companies providing DaaS at an infrastructural level and handling big data, (2) Mid-sized companies that tend to operate in other areas such as business intelligence, CRM, etc.) and (3) Smaller companies that offer DaaS as an integrated service with SaaS for focused analytical perspectives on specific markets. All purchases of Mind Commerce reports includes time with an expert analyst who will help you link key findings in the report to the business issues you're addressing. This needs to be used within three months of purchasing the report.

Target Audience:

  • Telecom companies
  • Data services companies
  • Cloud services companies
  • Data infrastructure providers
  • Network and application integrators
  • Intermediaries and mediation companies

Report Benefits:

  • Forecast for DaaS through 2020
  • Understand the DaaS ecosystem
  • Identify key players and strategies
  • Understand DaaS technologies and tools
  • Recognize the importance of data mediation
  • Understand data management best practices
  • Understand the importance of managed systems
  • Identify the relationship between DaaS and cloud

Table of Contents

1 Introduction

  • 1.1 Executive Summary
  • 1.2 Topics Covered
  • 1.3 Key Findings
  • 1.4 Target Audience

2 DaaS Technologies

  • 2.1 Cloud
  • 2.2 Database Approaches and Solutions
    • 2.2.1 Relational Database Management System (RDBS)
    • 2.2.2 NoSQL
    • 2.2.3 Hadoop
    • 2.2.4 High Performance Computing Cluster (HPCC)
    • 2.2.5 OpenStack 19
  • 2.3 DaaS and the XaaS Ecosystem
  • 2.4 Open Data Center Alliance
  • 2.5 Market Sizing by Horizontal

3 DaaS Market

  • 3.1 Market Overview
    • 3.1.1 Data-as-a-Service: A movement
    • 3.1.2 Data Structure
    • 3.1.3 Specialization
    • 3.1.4 Vendors
  • 3.2 Vendor Analysis and Prospects
    • 3.2.1 Large Vendors: BDaaS
    • 3.2.2 Mid-sized Vendors
    • 3.2.3 Small Vendors: DaaS and SaaS
    • 3.2.4 Market Size: BDaaS vs. RDBMS
  • 3.3 Market Drivers and Constraints
    • 3.3.1 Drivers
      • 3.3.1.1 Business Intelligence and DaaS Integration
      • 3.3.1.2 The Cloud Enabler DaaS
      • 3.3.1.3 XaaS Drives DaaS
    • 3.3.2 Constraints
      • 3.3.2.1 Issues Relating to Data-as-a-Service Integration
  • 3.4 Barriers and Challenges to DaaS Adoption 4
    • 3.4.1 Enterprises Reluctance to Change
    • 3.4.2 Responsibility of Data Security Externalized
    • 3.4.3 Security Concerns are Real
    • 3.4.4 Cyber Attacks
    • 3.4.5 Unclear Agreements
    • 3.4.6 Complexity is a Deterrent
    • 3.4.7 Lack of Cloud Interoperability
    • 3.4.8 Service Provider Resistance to Audits
    • 3.4.9 Viability of Third-party Providers
    • 3.4.10 No Move of Systems and Data is without Cost
    • 3.4.11 Lack of Integration Features in the Public Cloud results in Reduced Functionality
  • 3.5 Market Share and Geographic Influence
  • 3.6 Vendors
    • 3.6.1 1010data
    • 3.6.2 Amazon
    • 3.6.3 Clickfox
    • 3.6.4 Datameer
    • 3.6.5 Google 66
    • 3.6.6 Hewlett-Packard
    • 3.6.7 IBM
    • 3.6.8 Infosys
    • 3.6.9 Microsoft
    • 3.6.10 Oracle
    • 3.6.11 Rackspace
    • 3.6.12 Salesforce
    • 3.6.13 Splunk
    • 3.6.14 Teradata
    • 3.6.15 Tresata

4 DaaS Strategies

  • 4.1 General Strategies
    • 4.1.1 Tiered Data Focus
    • 4.1.2 Value-based Pricing
    • 4.1.3 Open Development Environment
  • 4.2 Specific Strategies
    • 4.2.1 Service Ecosystem and Platforms
    • 4.2.2 Bringing to Together Multiple Sources for Mash-ups
    • 4.2.3 Developing Value-added Services (VAS) as Proof Points
    • 4.2.4 Open Access to all Entities including Competitors
    • 4.2.5 Prepare for Big Opportunities with the Internet of Things (IoT)
  • 4.3 Service Provider Strategies
    • 4.3.1 Telecom Network Operators
    • 4.3.2 Data Center Providers
    • 4.3.3 Managed Service Providers
  • 4.4 Infrastructure Provider Strategies
    • 4.4.1 Enable New Business Models
  • 4.5 Application Developer Strategies

5 DaaS based Applications

  • 5.1 Business Intelligence
  • 5.2 Development Environments
  • 5.3 Verification and Authorization
  • 5.4 Reporting and Analytics
  • 5.5 DaaS in Healthcare
  • 5.6 DaaS and Wearable technology
  • 5.7 DaaS in the Government Sector
  • 5.8 DaaS for Media and Entertainment
  • 5.9 DaaS for Telecoms
  • 5.10 DaaS for Insurance
  • 5.11 DaaS for Utilities and Energy Sector
  • 5.12 DaaS for Pharmaceuticals
  • 5.13 DaaS for Financial Services

6 Market Outlook and Future of DaaS

  • 6.1 Recent Security Concerns
  • 6.2 Cloud Trends
    • 6.2.1 Hybrid Computing
    • 6.2.2 Multi-Cloud
    • 6.2.3 Cloud Bursting
  • 6.3 General Data Trends
  • 6.4 Enterprise Leverages own Data and Telecom
    • 6.4.1 Web APIs
    • 6.4.2 SOA and Enterprise APIs
    • 6.4.3 Cloud APIs
    • 6.4.4 Telecom APIs
  • 6.5 Data Federation Emerges for DaaS

7 Conclusions

8 Appendix

  • 8.1 Structured vs. Unstructured Data
    • 8.1.1 Structured Database Services in Telecom
    • 8.1.2 Unstructured Database Services in Telecom and Enterprise
    • 8.1.3 Emerging Hybrid (Structured/Unstructured) Database Services
  • 8.2 Data Architecture and Functionality
    • 8.2.1 Data Architecture
      • 8.2.1.1 Data Models and Modelling
      • 8.2.1.2 DaaS Architecture
    • 8.2.2 Data Mart vs. Data Warehouse
    • 8.2.3 Data Gateway
    • 8.2.4 Data Mediation
  • 8.3 Master Data Management (MDM)
    • 8.3.1 Understanding MDM
      • 8.3.1.1 Transactional vs. Non-transactional Data
      • 8.3.1.2 Reference vs. Analytics Data
    • 8.3.2 MDM and DaaS
      • 8.3.2.1 Data Acquisition and Provisioning
      • 8.3.2.2 Data Warehousing and Business Intelligence
      • 8.3.2.3 Analytics and Virtualization
      • 8.3.2.4 Data Governance
  • 8.4 Data Mining
    • 8.4.1 Data Capture
      • 8.4.1.1 Event Detection
      • 8.4.1.2 Capture Methods
    • 8.4.2 Data Mining Tools

Figures

  • Figure 2: Cloud Computing Service Model Stack and Principle Consumers
  • Figure 3: DaaS across Horizontal and Vertical Segments
  • Figure 8: Different Data Types and Functions in DaaS
  • Figure 9: Ecosystem and Platform Model
  • Figure 10: Ecosystem and Platform Model
  • Figure 11: DaaS and IoT Mediation for Smartgrid
  • Figure 12: Internet of Things (IoT) and DaaS
  • Figure 13: Telecom API Value Chain for DaaS
  • Figure 14: DaaS, Verification and Authorization
  • Figure 15: Web APIs
  • Figure 16: Services Oriented Architecture
  • Figure 17: Cloud Services, DaaS, and APIs
  • Figure 18: Telecom APIs
  • Figure 19: Federated Data vs. Non-Federated Models
  • Figure 20: Federated Data at Functional Level
  • Figure 21: Federated Data at City Level
  • Figure 22: Federated Data at Global Level
  • Figure 23: Federation Requires Mediation Data
  • Figure 24: Mediation Data Synchronization
  • Figure 25: Hybrid Data in Next Generation Applications
  • Figure 26: Traditional Data Architecture
  • Figure 27: Data Architecture Modeling
  • Figure 28: DaaS Data Architecture
  • Figure 29: Location Data Mediation
  • Figure 30: Data Mediation in IoT
  • Figure 31: Data Mediation for Smartgrids
  • Figure 32: Enterprise Data Types
  • Figure 33: Data Governance
  • Figure 34: Data Flow
  • Figure 35: Processing Streaming Data
Back to Top