❖本調査レポートの見積依頼/サンプル/購入/質問フォーム❖
世界のデータサイエンスプラットフォーム市場規模は2021年に953億米ドルとなり、2021年から2026年にかけて年平均成長率27.7％で成長すると予測されている。2026年の収益予測は3,229億ドルに達すると予測されている。推計の基準年は2021年で、過去データは2022年から2026年までである。
データサイエンスプラットフォーム業界は、ビッグデータの驚異的な成長、クラウドベースのソリューションの採用増加、様々な業界におけるデータサイエンスプラットフォームのアプリケーションの増加、競争上の優位性を得るために膨大なデータから深い洞察を引き出す必要性の高まりによって牽引されている。
市場ダイナミクス
ドライバービッグデータの驚異的な成長
ソーシャルメディア、IoT、マルチメディアの台頭により、組織が取得するデータ量は増加の一途をたどっている。例えば、過去2年間だけで、世界のデータの90％近くが作成されている。機械ベースのデータだけでなく、人間が生成したデータも、全体として従来のビジネス・データの10倍の速さで成長している。例えば、機械データは50倍という指数関数的な速さで成長している。データは主に消費者主導、消費者志向である。世の中のデータのほとんどは、今や「常時オン」の消費者によって生成されている。現在、ほとんどの人が1日あたり4～6時間、さまざまなデバイスや（ソーシャル）アプリケーションを通じてデータを消費し、生成している。クリック、スワイプ、メッセージのたびに、世界中のどこかのデータベースに新しいデータが作成される。今や誰もがポケットにスマートフォンを入れているため、データ作成は理解不能な量に膨れ上がっている。
ビジネスデータ量の増加、急速な技術革新、スマートデバイスの平均販売価格の低下は、最終的に大量の構造化データおよび非構造化データの生成に寄与している。組織が収集する全データの80％以上は、標準的なリレーショナル・データベースには存在しない。その代わりに、非構造化文書、ソーシャルメディアへの投稿、機械ログ、画像、その他のソースに閉じ込められている。データの膨大な増加は、組織にとって新たな洞察を得る機会を生み出し、そのために新たな技術や手法に対する需要も高まっている。このことが、データサイエンス・プラットフォーム市場を牽引する重要な役割を担っている。
制約：ビジネス上の問題が明確でない
企業は、データサイエンスプラットフォームを導入したいビジネス上の課題を研究する必要がある。解決すべきビジネス課題を明確に把握する前に、データセットを特定しデータ分析を行うという機械的なアプローチを選択することは、あまり効果的ではないことが分かる。特に、企業が効果的な意思決定のためにデータサイエンスプラットフォームを適用する場合、これはサポートにならない。明確な目的を念頭に置いていても、企業がデータサイエンス・プラットフォームの導入に期待することが最終目標と一致していなければ、その努力は無駄になってしまう。
機会：データ集約的なビジネス戦略への企業の傾斜の高まり
組織はデータ集約的なアプローチを素早く採用し、消費者が最も情報に敏感で、競合他社が顧客を引きつけるために手段を選ばないこのデジタル時代に確実に対抗できるよう、大きな対策を講じている。彼らは、複雑なビジネス上の問題に対する最適な解決策を決定し、顧客の行動や要件をよりよく洞察し、多様なビジネス要件に対応するための創造的なソリューションを考案するために、さまざまなデータサイエンス・ツール、テクノロジー、業界のベストプラクティスを活用している。データ・サイエンスによって、組織は実際のシナリオに基づいてより良い情報に基づいた意思決定を行い、将来起こりうる結果を正確に予測することができる。モバイル・アプリケーションやその他の便利なソリューションを通じて顧客から生成される大量のデータにより、企業は顧客の行動パターン、購買習慣や嗜好、ソーシャル・ネットワークをリアルタイムで追跡することができる。この重要なデータは、現在利用可能な高度なデータ・サイエンス・ツールによって分析することができ、企業はビジネス戦略を成功へと導くことができる。最近の調査によると、データ主導の意思決定を採用した企業の33％は、同業他社よりも6％利益率が高かった。ビッグデータ、ML、IoT、クラウドといった先端技術の出現により、組織は専門家の意見に頼るのではなく、過去やリアルタイムのデータ分析に基づいて意思決定を行う傾向が強まっている。
課題十分な技能を持つ労働力の不足
最近の組織は、ストリーミング・アナリティクス、ML、予測アナリティクスなどの高度なアナリティクス技術を使用しているが、これらはその性質上複雑であり、深い分析知識を必要とする。MLモデルを構築するために必要なスキルは、技術的なスキル、分析と批判的思考のスキルである。様々なエンドユーザーには、必要なスキルや知識を持った人材がいません。
組織は、さまざまなソースから生成されたデータの取得と修正にほとんどの時間を費やしている。データを扱う従業員全員がデータサイエンスのスキルを持っている必要はない。データ主導の意思決定文化を構築するためには、適切なトレーニングとともにビジネス知識も必要である。このように、熟練した人材の不足は、大多数のビジネスエンドユーザーが直面しうる最大の課題の一つである。
コンポーネント別では、サービス分野が予測期間中に高いCAGRで成長すると予想されている。
データサイエンスプラットフォーム市場のサービスセグメントは、さらにプロフェッショナルサービス（サポートと保守、展開と統合）とマネージドサービスに区分される。本セクションでは、各サービスのサブセグメントの市場規模と成長率について、タイプ別（一部のサブセグメントのみ）および地域別に考察する。
導入形態別では、オンプレミス型が予測期間中により大きな市場規模を占めると予測されている。
クラウド・コンピューティングとは、通常インターネット経由でアクセスされるリモート・サーバーのネットワークを介したデータの保存、管理、処理を指す。BFSI、ヘルスケア、ライフサイエンス、製造業など、規制の厳しい業種に属する企業の多くは、データサイエンスプラットフォームのオンプレミス展開モデルを選択している。さらに、十分なITリソースを持つ大企業は、オンプレミスの展開モデルを選ぶと予想される。オンプレミスは最も信頼性の高い導入形態であり、企業は高度なコントロールとセキュリティを確保できる。クラウドベースのソリューションを導入するには、ライセンスやコピーを購入する必要がある。
組織規模別では、予測期間中、大企業セグメントがより大きな市場規模を占める
本レポートで対象とする大企業の多くは、従業員規模1,000人以上の組織である。大企業におけるデータサイエンスプラットフォームの採用率は、クラウドの採用が増え続けていることから高く、この傾向は予測期間中も続くと予想される。大企業は膨大な量のデータを蓄積しており、それは顧客基盤の広さに起因している。大企業では、データは組織の全体的なパフォーマンスを評価する上で大きな役割を果たしている。大企業は様々なソース、例えばソーシャルメディアフィードやセンサーやカメラから来るデータサイエンスプラットフォームを活用しており、各レコードは他のデータとの関係や時間的順序を保持する方法で処理される必要がある。
業種別では、BFSIセグメントが予測期間中により大きな市場規模を占めると予想されている。
データサイエンスプラットフォームは、収益性の向上と全体的なコスト削減のため、あらゆる業種に受け入れられつつある。データサイエンスプラットフォームソフトウェアを採用している主な業種は、BFSI、小売・eコマース、通信・IT、メディア・エンターテインメント、ヘルスケア・ライフサイエンス、政府・防衛、製造、運輸・物流、エネルギー・公益事業、その他（旅行・接客、教育・研究）である。BFSIセグメントは予測期間中、より大きな市場規模を占めると予想される。
予測期間中、北米が最大の市場規模を占める
予測期間中、北米が最大の市場シェアを占めると推定されている。北米では、データディスカバリーやデータサイエンスプラットフォームは、ほとんどの組織や業種で非常に効果的であると考えられている。一方、欧州では、これらの先進的なソリューションが徐々に企業に取り入れられている。APACでは、デジタル化の進展と一元管理システムに対する需要の高まりにより、データサイエンスプラットフォームの採用が大幅に増加している。
市場関係者
データサイエンスプラットフォーム市場の主要ベンダーには、IBM（米）、Google（米）、Microsoft（米）、SAS（米）、AWS（米）、MathWorks（米）、Cloudera（米）、Teradata（米）、TIBCO（米）、Alteryx（米）、RapidMiner（米）、Databricks（米）、Snowflake（米）、H2O.ai（米）、Altair（米）、Anaconda（米）、SAP（米）、Domino Data Lab（米）、Dataiku（米）、DataRobot（米）、Apheris（独）、Comet（米）、Databand（米）、dotData（米）、Explorium（米）、Noogata（米）、Tecton（米）、Spell（米）、Arrikto（米）、Iterative（米）。これらの市場プレーヤーは、2018年から2022年にかけて、パートナーシップ、コラボレーション、新製品発表などの様々な成長戦略を採用し、拡大することが主要プレーヤーによって最も採用された戦略であり、企業が提供する製品を革新し、顧客基盤を拡大するのに役立っている。
この調査レポートは、データサイエンスプラットフォーム市場を分類し、以下の各サブマーケットの収益予測や動向分析を行っています：
コンポーネント別に見ると、同市場は以下のように区分される：
プラットフォーム
サービス
プロフェッショナル・サービス
サポートとメンテナンス
コンサルティング
展開と統合
マネージドサービス
デプロイメント・モードに基づくと、市場は以下のように区分される：
クラウド
オンプレミス
データサイエンスプラットフォーム市場は、組織規模に基づき、以下のセグメントで構成される：
中小企業
大企業
ビジネス機能に基づくと、市場は以下のように区分される：
マーケティング
売上高
物流
財務・会計
カスタマーサポート
その他のビジネス機能（人事およびオペレーション）
データサイエンスプラットフォーム市場は、業種別に以下のように分類される。
BFSI
小売とeコマース
電気通信とIT
メディアとエンターテインメント
ヘルスケアとライフサイエンス
政府と防衛
製造業
運輸・物流
エネルギーと公益事業
その他の業種（旅行・ホスピタリティ、教育・研究）。
地域別に見ると、データサイエンスプラットフォーム市場は以下のように区分される：
北米
米国
カナダ
ヨーロッパ
英国
ドイツ
フランス
その他のヨーロッパ
APAC
中国
日本
インド
その他の地域
中東
中東
アフリカ
その他の地域
ラテンアメリカ
ブラジル
メキシコ
その他のラテンアメリカ
最近の動向
2021年11月、IBMはIBM SPSS Modeler 18.2.2をアップデートした。この新しいアップデートには、洗練された汎用性の高いデータマイニング・ワークベンチが搭載されており、ユーザーはプログラミングをすることなく、簡単かつ容易に正確な予測モデルを開発することができる。
2021年5月、GoogleはGoogle Cloudの新しいマネージドMLプラットフォームであるGoogle Vertex AIをアップデートした。Google I/O での発表は異例であり、通常はモバイルとウェブ開発者に焦点を当て、Google Cloud のニュースはあまり含まれないが、Google が Vertex の発表に今日を選んだという事実は、Google がこの新しいサービスが幅広い開発者にとって不可欠であると感じていることを示している。
2021年9月、マイクロソフトはMicrosoft Machine Learning Studioをアップデートし、俊敏なディープラーニング実験のための新しいPyTorch拡張ライブラリを追加した。
2021年9月、MathWorksはMATLABおよびSimulink製品ファミリーのリリース2021bを更新しました。MATLABとSimulinkは、リリース2021b（R2021b）で数百の新機能と更新された機能を持ち、主要な改善、コードのリファクタリングとブロック編集、MATLABからPythonコマンドとスクリプトを実行する機能は、すべてMATLABの新機能です。Simulinkのアップグレードにより、ユーザーはSimulink Editorから異なるシナリオに対して複数のシミュレーションを実行したり、Simulink Toolstripに独自のタブを作成したりできるようになりました。
2021年12月、アマゾンはAWS Amazon SageMakerをアップデートした。Amazon SageMakerの技術は、ディープラーニング（DL）モデルのトレーニングを最大50％高速化できる。
目次
1 はじめに （ページ – 30）
1.1 Covid-19の紹介
1.2 コヴィッド19健康評価
図1 コビド19世界的伝播
図2 コヴィド19の伝播：一部の国
1.3 コビド19の経済評価
図3 2020年における特定G20諸国の国内総生産予測（改訂版
1.3.1 Covid-19の経済的影響-シナリオ評価
図4 世界経済に影響を与える基準
図5 世界経済の回復に関するシナリオ
1.4 調査の目的
1.5 市場の定義
1.5.1 包含と除外
1.6 市場範囲
1.6.1 市場区分
1.6.2 対象地域
1.6.3 調査対象年
1.7 考慮した通貨
表1 米ドル為替レート、2018年～2021年
1.8 利害関係者
1.9 変化のまとめ
2 研究方法 （ページ – 40）
2.1 調査データ
図 6 世界のデータサイエンスプラットフォーム市場：調査デザイン
2.1.1 二次データ
2.1.2 一次データ
2.1.2.1 一次プロファイルの内訳
2.1.2.2 主要業界インサイト
2.2 市場ブレークアップとデータ三角測量
2.3 市場規模の推定
図7 市場規模の推定方法：アプローチ1（供給側）：市場のソリューション/サービスの収益
図8 市場規模推定手法：アプローチ2ボトムアップ（供給側）：市場の全ソリューション／サービスの総売上高
図9 市場規模推計方法-アプローチ3、ボトムアップ（供給側）：市場の全ソリューション／サービスの総収入
図 10 市場規模推計手法 ?アプローチ3のトップダウン（需要側）：データサイエンスプラットフォーム全体の支出に占めるデータサイエンスプラットフォームのシェア
図 11 市場：トップダウンアプローチとボトムアップアプローチ
2.3.1 トップダウンアプローチ
2.3.2 ボトムアップアプローチ
2.4 企業評価マトリクス
図 12 企業評価マトリックス：基準の重み付け
2.5 新興／中堅企業評価マトリックス手法
図13 スタートアップ／SMEの評価マトリクス：基準の重み付け
2.6 本研究の前提
2.7 研究の限界
3 事業概要 (ページ – 52)
表2 データサイエンスプラットフォームの世界市場規模と成長率、2016-2020年（百万米ドル、前年比）
表3 世界の市場規模と成長率、2021年～2026年（百万米ドル、前年比）
図14 2021年の市場規模はデータサイエンスプラットフォームコンポーネントセグメントが拡大
図15 2021年にはプロフェッショナルサービス分野がより大きな市場シェアを占める
figure 16 2021年に最も大きな市場規模を占めるのはデプロイメントと統合セグメント
図17 2021年には大企業セグメントがより大きな市場シェアを占める
図18 2021年にはオンプレミス部門がより大きな市場規模を占める
図 19 2021 年にはマーケティング分野が最大の市場シェアを占める
図20 2021年に最も高い市場収益を上げるのはヘルスケア・ライフサイエンス産業分野
図21 2021年の市場規模では北米が新たな支配的地域となる
4 PREMIUM INSIGHTS (ページ – 58)
4.1 市場における魅力的な機会
図 22 デジタル化の進展とビッグデータ、ML、アナリティクス、IoT、AI などの新興技術が市場成長を牽引
4.2 市場：上位3業種
図23 予測期間中に最大の市場シェアを占めるのはBfsi業種
4.3 市場：地域別
図 24 2021 年には北米が最大の市場シェアを占める
4.4 北米：ビジネス機能別、業種別市場
図 25 2021 年、データサイエンスプラットフォーム市場で最大のシェアを占めるのはマーケティング業務と BFSI 業種
5 市場概要と業界動向 （ページ – 61）
5.1 はじめに
5.2 市場ダイナミクス
図 26 推進要因、阻害要因、機会、および課題データサイエンスプラットフォーム市場
5.2.1 推進要因
5.2.1.1 ビッグデータの驚異的な成長
5.2.1.2 クラウドベースのソリューション採用の増加
5.2.1.3 様々な業界におけるデータサイエンスプラットフォームの応用の高まり
5.2.1.4 競争優位性を得るために膨大なデータから深い洞察を引き出すニーズの高まり
5.2.2 阻害要因
5.2.2.1 ビジネス課題の明確性の欠如
5.2.2.2 政府の厳しい規則や規制
5.2.3 機会
5.2.3.1 企業のデータ集約型ビジネス戦略への傾斜の高まり
5.2.3.2 先端技術の採用増加
5.2.4 課題
5.2.4.1 適切なスキルを持つ人材の不足
5.2.4.2 データプライバシー、セキュリティ、信頼性への懸念
5.3 事例
5.3.1 銀行、金融サービス、保険
5.3.1.1 ユースケース1：CBAはH2O AIクラウド機能を利用して、より良い顧客とコミュニティの成果を、より速いペースと規模で生み出している。
5.3.2 通信・情報技術
5.3.2.1 ユースケース2：AT&TはH2O.AIを使用して、マーケティングや販売からネットワークの可用性や保守まで、幅広いユースケースに対応
5.3.3 小売・消費財
5.3.3.1 ユースケース3：Azure DatabricksがReckittに統合データ分析プラットフォームを提供し、コスト最適化を改善
5.3.4 政府および防衛
5.3.4.1 ユースケース4：Project Odysseyは、大規模な弾道・犯罪情報データのデータ統合とインテリジェントなデータマイニングにSASソフトウェアを使用
5.3.5 メディアとエンターテイメント
5.3.5.1 ユースケース5：ComcastがH2O AI CLOUDを使用して顧客体験を強化
5.3.6 製造業
5.3.6.1 ユースケース6：ENGIE DigitalがAmazon SageMakerを発電所の予知保全に活用
5.3.7 ヘルスケア・ライフサイエンス
5.3.7.1 ユースケース 7：看護学科が TIBCO Data Science Software を使用してトレーニングプロセスを強化
5.3.8 輸送と物流
5.3.8.1 ユースケース 8：ロンドン交通局は RapidMiner を使用して道路網のパフォーマンスを支援している。
5.3.9 エネルギーと公益事業
5.3.9.1 ユースケース9：Blue River Analytics社がTIBCO Data Scienceを使用して時間短縮、コスト削減、生産性向上を実現
5.4 特許分析
5.4.1 方法論
5.4.2 文書タイプ
表4 出願された特許、2019～2022年
5.4.3 イノベーションと特許出願
図 27 付与された特許の年間件数、2018～2021 年
5.4.3.1 上位出願者
図28 特許出願件数の多い上位10社（2019～2022年
5.5 データサイエンスプラットフォームの主要構成要素と特徴
図 29 データサイエンスプラットフォーム
5.6 データサイエンスプラットフォームのエコシステム
表5 データサイエンスプラットフォーム市場：エコシステム
5.7 サプライチェーン分析
図30 サプライチェーン分析
5.8 価格設定モデル分析
表6 価格設定モデル
5.9 市場のバイヤー／顧客に影響を与えるトレンド／混乱
図31 市場：バイヤー／顧客に影響を与えるトレンド／ディスラプション
5.10 ポーターの5つの力分析
図 32 市場：ポーターの5つの力分析
表7 市場：ポーターの5つの力分析
5.10.1 新規参入の脅威
5.10.2 代替品の脅威
5.10.3 供給者の交渉力
5.10.4 買い手の交渉力
5.10.5 競合の激しさ
5.11 技術分析
5.11.1 人工知能
5.11.2 機械学習
5.11.3 ディープラーニング
5.11.4 自然言語処理
5.11.5 モノのインターネット
5.11.6 クラウド・コンピューティング
5.12 規制への影響
5.12.1 一般データ保護規制
5.12.2 医療保険の携行性と説明責任に関する法律
5.12.3 ペイメントカード業界データセキュリティ基準
5.12.4 2002年サーベンス・オクスリー法
5.12.5 SOC 2 タイプⅡコンプライアンス
5.12.6 ISO/IE 27001
5.12.7 グラム・リーチ・ブライリー法
5.13 市場：Covid-19の影響
6 データサイエンスプラットフォーム市場, 構成要素別 (ページ – 84)
6.1 はじめに
6.1.1 コンポーネント別市場に対するコビッド19の影響
図 33：予測期間中、サービス分野はより高い成長率で成長する
表 8：コンポーネント別市場、2016～2020 年（百万米ドル）
表9：コンポーネント別市場、2021～2026年（百万米ドル）
6.1.2 コンポーネント市場牽引要因
6.2 プラットフォーム
表 10 プラットフォーム市場：地域別、2016年～2020年（百万米ドル）
表11 プラットフォーム：プラットフォーム：地域別市場、2021～2026年（百万米ドル）
6.3 サービス
図 34 マネージドサービス分野は予測期間中に高い成長率を示す
表12：サービス別市場、2016～2020年（百万米ドル）
表13：サービス別市場、2021-2026年（百万米ドル）
表14 サービス：市場：地域別、2016-2020年（百万米ドル）
表15 サービス：市場：地域別、2021-2026年（百万米ドル）
6.3.1 マネージドサービス
表16 マネージドサービス：市場：地域別、2016-2020年（百万米ドル）
表17 マネージドサービス：地域別市場、2021-2026年（百万米ドル）
6.3.2 プロフェッショナルサービス
表 18 プロフェッショナルサービスデータサイエンスプラットフォーム市場：地域別、2016年～2020年（百万米ドル）
表 19 プロフェッショナルサービス：地域別市場、2021-2026年（百万米ドル）
図 35：予測期間中、サポート・保守サービス分野が最も高い成長率を示す
表 20 プロフェッショナルサービス市場：タイプ別、2016年～2020年（百万米ドル）
表21 プロフェッショナルサービス：市場：タイプ別、2021-2026年（百万米ドル）
6.3.3 コンサルティング
表22 コンサルティングデータサイエンスプラットフォームサービス市場、地域別、2016年～2020年（百万米ドル）
表23 コンサルティングデータサイエンスプラットフォームサービス市場、地域別、2021年～2026年（百万米ドル）
6.3.4 導入と統合
表24 展開と統合：市場：地域別、2016-2020年（百万米ドル）
表25 展開と統合：市場：地域別、2021～2026年（百万米ドル）
6.3.5 サポートと保守
表26 サポートと保守：市場：地域別、2016～2020年（百万米ドル）
表27 サポートと保守：市場：地域別、2021～2026年（百万米ドル）
7 データサイエンスプラットフォーム市場（ビジネス機能別）（ページ番号 – 97
7.1 はじめに
7.1.1 Covid-19 が市場に与える影響（ビジネス機能別
図 36：予測期間中、財務・会計分野が最も高い成長率を示す
表 28：業務機能別市場（2016～2020 年）（百万米ドル
表29：業務機能別市場、2021～2026年（百万米ドル）
7.1.2 業務機能市場牽引要因
7.2 マーケティング
表 30 マーケティング：市場：地域別、2016-2020年（百万米ドル）
表31 マーケティング：市場：地域別、2021-2026年（百万米ドル）
7.3 販売
表32 販売：市場：地域別、2016-2020年（百万米ドル）
表33 販売：市場：地域別、2021-2026年（百万米ドル）
7.4 ロジスティクス
表34 ロジスティクス：市場：地域別、2016-2020年（百万米ドル）
表35 ロジスティクス：ロジスティクス：地域別市場、2021-2026年（百万米ドル）
7.5 財務・会計
表 36 財務・会計：市場：地域別、2016-2020年（百万米ドル）
表 37 財務・会計：市場：地域別、2021-2026年（百万米ドル）
7.6 顧客サポート
表38 カスタマーサポート：市場：地域別、2016-2020年（百万米ドル）
表39 カスタマーサポート：市場：地域別、2021-2026年（百万米ドル）
7.7 その他のビジネス機能
表 40 その他のビジネス機能市場：地域別、2016-2020年（百万米ドル）
表 41 その他のビジネス機能市場：地域別、2021-2026年（百万米ドル）
8 データサイエンスプラットフォーム市場（展開モード別）（ページ番号 – 107
8.1 導入
8.1.1 デプロイメントモード別市場に対するコビット 19 の影響
図 37 クラウドセグメントは予測期間中に高い成長率で成長する
表 42：展開モード別市場、2016～2020 年（百万米ドル）
表 43：展開モード別市場、2021～2026 年（百万米ドル）
8.1.2 展開モード：市場促進要因
8.2 オンプレミス
表 44 オンプレミス：市場：地域別、2016年～2020年（百万米ドル）
表 45 オンプレミス：オンプレミス：地域別市場、2021～2026年（百万米ドル）
8.3 クラウド
表46 クラウド：市場：地域別、2016-2020年（百万米ドル）
表47 クラウド：市場：地域別、2021-2026年（百万米ドル）
9 データサイエンスプラットフォーム市場：組織規模別（ページ数 – 113）
9.1 はじめに
9.1.1 Covid-19 が市場に与える影響（組織規模別
図 38 中小企業セグメントは予測期間中により高い成長率で成長する
表 48：組織規模別市場、2016～2020 年（百万米ドル）
表 49：組織規模別市場、2021～2026 年（百万米ドル）
9.1.2 組織規模：市場促進要因
9.2 中小企業
表 50 中小企業：市場, 地域別, 2016-2020 (百万米ドル)
表 51 中小企業：地域別市場、2021-2026年（百万米ドル）
9.3 大企業
表 52 大企業：地域別市場、2016-2020年（百万米ドル）
表 53 大企業：市場：地域別、2021-2026年（百万米ドル）
10 データサイエンスプラットフォーム市場、産業垂直方向別（ページ番号 – 119）
10.1 はじめに
10.1.1 コビット 19 が市場に与える影響（産業別
図 39 ヘルスケアとライフサイエンス産業は予測期間中最も高い成長率を示す
表 54 業種別市場、2016～2020 年（百万米ドル）
表55：産業別垂直市場、2021-2026年（百万米ドル）
10.1.2 産業の垂直分野市場牽引要因
10.2 銀行、金融サービス、保険
表 56 銀行、金融サービス、保険：地域別市場、2016-2020 年（百万米ドル）
表 57 銀行、金融サービス、保険：地域別市場、2021～2026 年（百万米ドル）
10.3 通信とIT
表 58 通信とIT：市場：地域別、2016-2020年（百万米ドル）
表 59 通信とIT：通信とIT：地域別市場、2021-2026年（百万米ドル）
10.4 小売・eコマース
表 60 小売業と電子商取引：市場：地域別、2016-2020年（百万米ドル）
表 61 小売業と電子商取引：市場：地域別、2021-2026年（百万米ドル）
10.5 ヘルスケア・ライフサイエンス
表 62 ヘルスケアとライフサイエンス：市場：地域別、2016-2020年（百万米ドル）
表 63 ヘルスケア・ライフサイエンス：市場：地域別、2021-2026年（百万米ドル）
10.6 政府・防衛
表64 政府・防衛：データサイエンスプラットフォーム市場、地域別、2016-2020年（百万米ドル）
表65 政府・防衛：市場、地域別、2021年～2026年（百万米ドル）
10.7 メディアとエンターテインメント
表 66 メディアとエンターテインメント市場：地域別、2016-2020年（百万米ドル）
表 67 メディアとエンターテインメント：市場：地域別、2021-2026年（百万米ドル）
10.8 製造業
表 68 製造業：市場：地域別、2016-2020年（百万米ドル）
表 69 製造業：市場：地域別、2021-2026年（百万米ドル）
10.9 輸送・物流
表 70 輸送と物流：市場：地域別、2016-2020年（百万米ドル）
表 71 輸送と物流：地域別市場、2021-2026年（百万米ドル）
10.10 エネルギーと公益事業
表 72 エネルギーと公益事業：地域別市場、2016-2020年（百万米ドル）
表 73 エネルギーと公益事業：地域別市場、2021-2026年（百万米ドル）
10.11 その他の産業
表 74 その他の産業分野地域別市場、2016-2020年（百万米ドル）
表 75 その他の産業分野市場、地域別、2021-2026年（百万米ドル）
11 データサイエンスプラットフォーム市場、地域別（ページ数 – 136）
11.1 はじめに
図 40 予測期間中に市場で最も高い成長を遂げるアジア太平洋地域
図 41：予測期間中に市場が最も成長するのはインド
表76 地域別市場、2016～2020年（百万米ドル）
表77：地域別市場、2021～2026年（百万米ドル）
11.2 北米
11.2.1 北米：市場促進要因
11.2.2 北米：コビッド19の影響
11.2.3 北米：規制
11.2.3.1 個人情報保護および電子文書法（PIPEDA）
11.2.3.2 グラム・リーチ・ブライリー（GLB）法
11.11.2.3.3 1996年医療保険の相互運用性と説明責任に関する法律（HIPAA）
11.2.3.4 連邦情報セキュリティ管理法（FISMA）
11.2.3.5 連邦情報処理標準（FIPS）
11.2.3.6 カリフォルニア州消費者プライバシー法（CSPA）
図 42 北米：市場スナップショット
表 78 北米：データサイエンスプラットフォーム、コンポーネント別、2016年～2020年（百万米ドル）
表 79 北米：データサイエンスプラットフォーム、コンポーネント別、2021-2026年（百万米ドル）
表 80 北米：データサイエンスプラットフォーム、サービス別、2016-2020年（百万米ドル）
表 81 北米：データサイエンスプラットフォーム、サービス別、2021-2026年（百万米ドル）
表 82 北米：データサイエンスプラットフォーム：プロフェッショナルサービス別、2016-2020年（百万米ドル）
表 83 北米：データサイエンスプラットフォーム：プロフェッショナルサービス別、2021-2026年（百万米ドル）
表 84 北米：データサイエンスプラットフォーム、展開モード別、2016年～2020年（百万米ドル）
表 85 北米：データサイエンスプラットフォーム：展開形態別、2021-2026年（百万米ドル）
表 86 北米：データサイエンスプラットフォーム：組織規模別、2016年～2020年（百万米ドル）
表 87 北米：データサイエンスプラットフォーム：組織規模別、2021-2026年（百万米ドル）
表 88 北米：データサイエンスプラットフォーム、ビジネス機能別、2016年～2020年（百万米ドル）
表 89 北米：データサイエンスプラットフォーム、ビジネス機能別、2021-2026年（百万米ドル）
表 90 北米：データサイエンスプラットフォーム、業種別、2016年～2020年（百万米ドル）
表 91 北米：データサイエンスプラットフォーム 業種別 2021-2026年 （百万米ドル）
表 92 北米：データサイエンスプラットフォーム、国別、2016-2020年（百万米ドル）
表 93 北米：データサイエンスプラットフォーム、国別、2021-2026年（百万米ドル）
11.2.4 米国
表 94 米国：データサイエンスプラットフォーム市場、コンポーネント別、2016年～2020年（百万米ドル）
表 95 米国：市場、コンポーネント別、2021年～2026年（百万米ドル）
表 96 米国：展開モード別市場、2016年～2020年（百万米ドル）
表 97 米国：展開モード別市場展開モード別市場、2021-2026年（百万米ドル）
11.2.5 カナダ
表 98 カナダ：市場：コンポーネント別、2016年～2020年（百万米ドル）
表 99 カナダ：カナダ：コンポーネント別市場、2021-2026年（百万米ドル）
表 100 カナダ：カナダ：展開モード別市場、2016年～2020年（百万米ドル）
表 101 カナダ：カナダ：展開モード別市場、2021-2026年（百万米ドル）
11.3 欧州
11.3.1 欧州データサイエンスプラットフォーム市場の促進要因
11.3.2 欧州：コビッド19の影響
11.3.3 欧州：関税と規制
11.3.3.1 GDPR 2016/679はEUにおける規制
11.3.3.2 一般データ保護規則
11.3.3.3 欧州標準化委員会
11.3.3.4 欧州技術標準協会
表 102 欧州：データサイエンスプラットフォーム、コンポーネント別、2016年～2020年（百万米ドル）
表 103 欧州：データサイエンスプラットフォーム、コンポーネント別、2021-2026年（百万米ドル）
表 104 欧州：データサイエンスプラットフォーム、サービス別、2016-2020年（百万米ドル）
表 105 欧州：データサイエンスプラットフォーム、サービス別、2021-2026年（百万米ドル）
表 106 欧州：データサイエンスプラットフォーム、プロフェッショナルサービス別、2016-2020年（百万米ドル）
表 107 欧州：データサイエンスプラットフォーム、専門サービス別、2021-2026年（百万米ドル）
表 108 欧州：データサイエンスプラットフォーム、展開モード別、2016-2020年（百万米ドル）
表 109 欧州：データサイエンスプラットフォーム、展開形態別、2021-2026年（百万米ドル）
表 110 欧州：データサイエンスプラットフォーム：組織規模別、2016年～2020年（百万米ドル）
表 111 欧州：データサイエンスプラットフォーム、組織規模別、2021-2026年（百万米ドル）
表 112 欧州：データサイエンスプラットフォーム、ビジネス機能別、2016年～2020年（百万米ドル）
表 113 欧州：データサイエンスプラットフォーム、ビジネス機能別、2021-2026年（百万米ドル）
表 114 欧州：データサイエンスプラットフォーム、業種別、2016-2020年（百万米ドル）
表 115 欧州：データサイエンスプラットフォーム、産業別、2021-2026年（百万米ドル）
表 116 欧州：データサイエンスプラットフォーム市場データサイエンスプラットフォーム市場、国別、2016-2020年（百万米ドル）
表 117 欧州：データサイエンスプラットフォーム市場市場、国別、2021-2026年（百万米ドル）
11.3.4 イギリス
表 118 イギリス：市場：コンポーネント別、2016-2020年（百万米ドル）
表 119 イギリス：イギリス：コンポーネント別市場、2021-2026年（百万米ドル）
11.3.5 ドイツ
表120 ドイツ：コンポーネント別市場、2016-2020年（百万米ドル）
表 121 ドイツ：データサイエンスプラットフォーム市場、コンポーネント別、2021年～2026年（百万米ドル）
11.3.6 フランス
表122 フランス：データサイエンスプラットフォーム市場：コンポーネント別、2016年～2020年（百万米ドル）
表123 フランス：コンポーネント別市場、2021年～2026年（百万米ドル）
11.3.7 その他のヨーロッパ
表 124 欧州のその他地域コンポーネント別市場、2016～2020年（百万米ドル）
表 125 欧州のその他地域コンポーネント別市場、2021-2026年（百万米ドル）
11.4 アジア太平洋地域
11.4.1 アジア太平洋地域：データサイエンスプラットフォーム市場の促進要因
11.4.2 アジア太平洋地域：Covid-19の影響
11.4.3 アジア太平洋地域：規制規制
11.4.3.1 個人情報保護委員会
11.4.3.2 個人情報の保護に関する法律
11.4.3.3 重要情報インフラストラクチャー
11.4.3.4 国際標準化機構 27001
11.4.3.5 個人情報保護法
図 43 アジア太平洋地域市場スナップショット
表 126 アジア太平洋地域データサイエンスプラットフォーム、コンポーネント別、2016-2020年（百万米ドル）
表 127 アジア太平洋地域：データサイエンスプラットフォーム、コンポーネント別、2021-2026年（百万米ドル）
表 128 アジア太平洋地域：データサイエンスプラットフォーム、サービス別、2016年～2020年（百万米ドル）
表 129 アジア太平洋地域：データサイエンスプラットフォーム、サービス別、2021-2026年（百万米ドル）
表 130 アジア太平洋地域：データサイエンスプラットフォーム、プロフェッショナルサービス別、2016年～2020年（百万米ドル）
表 131 アジア太平洋地域：データサイエンスプラットフォーム、プロフェッショナルサービス別、2021年～2026年（百万米ドル）
表 132 アジア太平洋地域：データサイエンスプラットフォーム、展開モード別、2016年～2020年（百万米ドル）
表 133 アジア太平洋地域：データサイエンスプラットフォーム、展開モード別、2021年～2026年（百万米ドル）
表 134 アジア太平洋地域：データサイエンスプラットフォーム、組織規模別、2016年～2020年（百万米ドル）
表 135 アジア太平洋地域：データサイエンスプラットフォーム、組織規模別、2021年～2026年（百万米ドル）
表 136 アジア太平洋地域データサイエンスプラットフォーム、ビジネス機能別、2016年～2020年（百万米ドル）
表 137 アジア太平洋地域：データサイエンスプラットフォーム、ビジネス機能別、2021年～2026年（百万米ドル）
表 138 アジア太平洋地域：データサイエンスプラットフォーム、業種別、2016年～2020年（百万米ドル）
表 139 アジア太平洋地域：データサイエンスプラットフォーム、産業別、2021-2026年（百万米ドル）
表 140 アジア太平洋地域：データサイエンスプラットフォーム市場、国/地域別、2016年～2020年（百万米ドル）
表 141 アジア太平洋地域：データサイエンスプラットフォーム市場市場、国/地域別、2021年～2026年（百万米ドル）
11.4.4 中国
表142 中国：コンポーネント別市場、2016-2020年（百万米ドル）
表143 中国：コンポーネント別市場、2021-2026年（百万米ドル）
11.4.5 日本
表144 日本：コンポーネント別市場、2016-2020年（百万米ドル）
表145 日本：コンポーネント別市場、2021-2026年（百万米ドル）
11.4.6 インド
表 146 インド：インド：コンポーネント別市場、2016-2020年（百万米ドル）
表 147 インド：インド：データサイエンスプラットフォーム市場、コンポーネント別、2021年～2026年（百万米ドル）
11.4.7 その他のアジア太平洋地域
表 148 その他のアジア太平洋地域：市場、コンポーネント別、2016年～2020年（百万米ドル）
表 149 その他のアジア太平洋地域：コンポーネント別市場、2016-2020 年（百万米ドル）：コンポーネント別市場、2021-2026年（百万米ドル）
11.5 中東・アフリカ
11.5.1 中東・アフリカ：市場促進要因
11.5.2 中東・アフリカ：コビッド19の影響
11.5.3 中東・アフリカ：規制
11.11.5.3.1 イスラエルのプライバシー保護規制（データセキュリティ）、5777～2017 年
11.5.3.2 KSAにおけるGDPRの適用可能性
11.5.3.3 個人情報保護法（POPIA）
表 150 中東・アフリカデータサイエンスプラットフォーム、コンポーネント別、2016年～2020年（百万米ドル）
表 151 中東・アフリカ：データサイエンスプラットフォーム：コンポーネント別、2016～2020 年（百万米ドルデータサイエンスプラットフォーム、コンポーネント別、2021-2026年（百万米ドル）
表 152 中東・アフリカ：データサイエンスプラットフォーム：サービス別データサイエンスプラットフォーム、サービス別、2016-2020年（百万米ドル）
表 153 中東・アフリカ：データサイエンスプラットフォーム、サービス別、2021-2026年（百万米ドル）
表 154 中東・アフリカ：データサイエンスプラットフォーム：サービス別、2016年～2020年（百万米ドルデータサイエンスプラットフォーム：プロフェッショナルサービス別、2016-2020年（百万米ドル）
表 155 中東・アフリカ：データサイエンスプラットフォーム：専門サービス別、2021-2026年（百万米ドル）
表 156 中東・アフリカ：データサイエンスプラットフォーム：展開形態別データサイエンスプラットフォーム：展開形態別、2016年～2020年（百万米ドル）
表 157 中東・アフリカ：データサイエンスプラットフォーム：展開形態別、2016年～2020年（百万米ドルデータサイエンスプラットフォーム：展開形態別、2021-2026年（百万米ドル）
表 158 中東・アフリカ：データサイエンスプラットフォームデータサイエンスプラットフォーム：組織規模別、2016年～2020年（百万米ドル）
表 159 中東・アフリカ：データサイエンスプラットフォーム：組織規模別、2016-2020 年（百万米ドルデータサイエンスプラットフォーム：組織規模別、2021年～2026年（百万米ドル）
表 160 中東・アフリカ：データサイエンスプラットフォームデータサイエンスプラットフォーム、ビジネス機能別、2016年～2020年（百万米ドル）
表 161 中東・アフリカ：データサイエンスプラットフォーム：ビジネス機能別、2016年～2020年（百万米ドルデータサイエンスプラットフォーム、ビジネス機能別、2021年～2026年（百万米ドル）
表 162 中東・アフリカ：データサイエンスプラットフォーム：業種別データサイエンスプラットフォーム：業種別、2016年～2020年（百万米ドル）
表 163 中東・アフリカ：データサイエンスプラットフォーム：業種別、2016年～2020年（百万米ドルデータサイエンスプラットフォーム 業種別 2021-2026 (百万米ドル)
表 164 中東・アフリカ：データサイエンスプラットフォーム市場：国・地域別データサイエンスプラットフォーム市場、国・地域別、2016年～2020年（百万米ドル）
表 165 中東・アフリカ：データサイエンスプラットフォーム市場：国・地域別、2016-2020 年（百万米ドル中東・アフリカ：データサイエンスプラットフォーム市場、国・地域別、2021-2026年（百万米ドル）
11.5.4 中東
表 166 中東：中東：コンポーネント別市場、2016-2020年（百万米ドル）
表 167 中東：中東：コンポーネント別市場、2021-2026年（百万米ドル）
11.5.5 アフリカ
表168 アフリカ：コンポーネント別市場、2016-2020年（百万米ドル）
表169 アフリカ：コンポーネント別市場、2021-2026年（百万米ドル）
11.5.6 その他の中東・アフリカ
11.6 ラテンアメリカ
11.6.1 ラテンアメリカ：データサイエンスプラットフォーム市場の促進要因
11.6.2 南米：コビッド19の影響
11.6.3 南米：規制
11.6.3.1 ブラジル データ保護法
11.6.3.2 アルゼンチン 個人データ保護法 No.25.326
表 170 ラテンアメリカ：データサイエンスプラットフォーム, コンポーネント別, 2016-2020 (百万米ドル)
表 171 ラテンアメリカ：データサイエンスプラットフォーム、コンポーネント別、2021年～2026年（百万米ドル）
表 172 ラテンアメリカ：データサイエンスプラットフォーム、サービス別、2016年～2020年（百万米ドル）
表 173 ラテンアメリカ：データサイエンスプラットフォーム、サービス別、2021年～2026年（百万米ドル）
表 174 ラテンアメリカ：データサイエンスプラットフォーム：プロフェッショナルサービス別、2016-2020年（百万米ドル）
表 175 ラテンアメリカ：データサイエンスプラットフォーム：プロフェッショナルサービス別、2021-2026年（百万米ドル）
表 176 ラテンアメリカ：データサイエンスプラットフォーム：展開形態別、2016年～2020年（百万米ドル）
表 177 ラテンアメリカ：データサイエンスプラットフォーム、展開形態別、2021年～2026年（百万米ドル）
表 178 ラテンアメリカ：データサイエンスプラットフォーム：組織規模別、2016年～2020年（百万米ドル）
表 179 ラテンアメリカ：データサイエンスプラットフォーム、組織規模別、2021年～2026年（百万米ドル）
表 180 ラテンアメリカ：データサイエンスプラットフォーム：ビジネス機能別、2016年～2020年（百万米ドル）
表 181 ラテンアメリカ：データサイエンスプラットフォーム、ビジネス機能別、2021年～2026年（百万米ドル）
表 182 ラテンアメリカ：データサイエンスプラットフォーム、業種別、2016年～2020年（百万米ドル）
表 183 ラテンアメリカ：データサイエンスプラットフォーム、産業別、2021-2026年（百万米ドル）
表 184 ラテンアメリカ：データサイエンスプラットフォーム市場、国/地域別、2016年～2020年（百万米ドル）
表 185 ラテンアメリカ：市場、国/地域別、2021年～2026年（百万米ドル）
11.6.4 ブラジル
表186 ブラジル：部品別市場：2016-2020年（百万米ドル）
表187 ブラジル：コンポーネント別市場、2021-2026年（百万米ドル）
11.6.5 メキシコ
表188 メキシコ：コンポーネント別市場、2016-2020年（百万米ドル）
表189 メキシコ：コンポーネント別市場、2021-2026年（百万米ドル）
11.6.6 その他のラテンアメリカ地域
表 190 その他のラテンアメリカ：市場：コンポーネント別、2016-2020年（百万米ドル）
表 191 ラテンアメリカのその他地域データサイエンスプラットフォーム市場、コンポーネント別、2021年～2026年（百万米ドル）
12 競争力のあるランドスケープ (ページ – 197)
12.1 概要
12.2 主要プレーヤーの戦略
12.3 収益分析
図44 主要企業の過去5年間の収益分析
12.4 市場シェア分析
図45 主要企業の市場シェア分析
表192 データサイエンスプラットフォーム市場：競争の度合い
12.5 企業評価象限
12.5.1 スター
12.5.2 新興リーダー
12.5.3 パーベイシブ
12.5.4 パーティシパント
図46 主要市場プレイヤー、企業評価象限、2021年
12.6 競争ベンチマーキング
12.6.1 各社の製品フットプリント
表193 各社の製品フットプリント
12.6.2 企業の地域別フットプリント
表194 企業の地域別フットプリント
表195 市場：主要企業の競合ベンチマーキング
表 196 データサイエンスプラットフォーム市場主要企業の詳細リスト
12.7 新興企業/中小企業の評価象限
12.7.1 進歩的企業
12.7.2 対応力のある企業
12.7.3 ダイナミックな企業
12.7.4 スタートアップ企業
図 47：新興企業／SME 市場の評価象限（2021 年
12.8 新興／中堅企業の競合ベンチマーキング
12.8.1 各社の製品フットプリント
表 197 新興／中堅企業の製品フットプリント
12.8.2 企業の地域別フットプリント
表 198 startup/sme 企業の地域別フットプリント
表 199 市場：主要新興企業／中堅企業の詳細リスト
表200 主要新興企業／SMの市場競争ベンチマーク
12.9 競争シナリオと動向
12.9.1 製品上市
表201 市場：製品の発売（2020年4月～2022年2月
12.9.2 取引
表202 データサイエンスプラットフォーム市場：ディール（2019年2月～2022年2月
13 企業プロフィール （ページ – 242）
13.1 紹介
13.2 主要プレーヤー
(事業概要, 製品・サービス, 主要インサイト, 近年の動向, COVID-19 関連開発, MnM View)*.
13.2.1 IBM
表 203 IBM：事業概要
図 48 IBM：企業スナップショット
表 204 IBM：提供製品
表 205 IBM：提供サービス
表 206 IBM：製品の発売と強化
表 207 IBM：取引
13.2.2 グーグル
表 208 グーグル：事業概要
図49 グーグル：企業スナップショット
表 209 グーグル：提供製品
210位 グーグル：サービス
表211 グーグル：製品の発売と強化
表212 グーグル：取引
13.2.3 マイクロソフト
表213 マイクロソフト：事業概要
図50 マイクロソフト：企業スナップショット
表214 マイクロソフト：提供製品
215表 マイクロソフト：サービス
表 216 マイクロソフト：製品の発売と強化
表 217 マイクロソフト：取引
13.2.4 マサチューセッツ工科大学
218表 マサチューセッツ工科大学：事業概要
表 219 マサチューセッツ工科大学提供製品
表220 数学製作所：提供サービス
表 221 マサチューセッツ工科大学製品の発売と強化
表 222 マサチューセッツ工科大学取引
13.2.5 SAS
表 223 SAS: 事業概要
図 51 SAS: 企業スナップショット
表 224 SAS: 製品
表225 SAS：提供サービス
表 226 SAS：製品の発売と強化
表 227 サス：取引
13.2.6 クラウデラ
表 228 クラウデラ：事業概要
図 52 クラウデラ：企業スナップショット
表 229 クラウデラ：提供製品
表 230 クラウデラ：提供サービス
表 231 クラウデラ：製品の発売と機能強化
表 232 クラウデラ：取引
13.2.7 テラデータ
表 233 テラデータ：事業概要
図 53 テラデータ企業スナップショット
表 234 teradata：提供製品
表 235 テラデータ: サービス
表 236 テラデータ製品の発表と強化
表 237 テラデータ：取引
13.2.8 TIBCO
表 238 TIBCO: 事業概要
表 239 ティブコ：提供製品
表 240 ティブコ：提供サービス
表241 ティブコ：製品の発売と強化
表 242 ティブコ：取引
13.2.9 AWS
表243 AWS：事業概要
図 54 AWS：企業スナップショット
表 244 AWS：提供製品
表 245 AWS：提供サービス
表246 AWS：製品の発表と強化
表247 AWS取引
13.2.10 アルタイクス
表 248：ALTERYX: 事業概要
図 55 アルタイクス：企業スナップショット
表 249： 提供製品
表 250： 提供サービス
表 251 アルタイクス：製品の発売と機能強化
表 252 アルタイクス：取引
13.2.11 rapidminer
表 253 rapidminer: 事業概要
表 254 rapidminer: 提供製品
表 255 rapidminer: 提供サービス
表256 rapidminer: 製品発表と機能強化
表 257 rapidminer: 取引
13.2.12 データベリックス
表 258 データベーリックス：事業概要
表 259 データベーリックス提供製品
表260 データベーリックス製品の発売と強化
表 261 データベーリックスセール
13.2.13 スノーフレーク
表 262 スノーフレイク：事業概要
図 56 スノーフレイク：企業スナップショット
表 263 スノーフレイク：提供ソリューション
表 264 スノーフレイク：提供サービス
表265 スノーフレーク：製品の発売と機能強化
表 266 スノーフレーク：取引
13.2.14 H2O.AI
表 267 H2O.AI: 事業概要
表268 H2O.AI：提供製品
表269 h2o.ai：製品の発売と機能強化
表270 h2o.ai：取引実績
13.2.15 アナコンダ
表271 アナコンダ：事業概要
表 272 アナコンダ：提供製品
表273 アナコンダ：製品の発売と機能強化
表274 アナコンダ：取引
13.2.16 アルテア
表 275 アルテア：事業概要
図 57 アルテア：企業スナップショット
表 276 アルテア：提供製品
表 277 アルテア：製品の発売と機能強化
表 278 アルテア：取引
*未上場企業の場合、事業概要、製品・サービス、最近の動向、COVID-19 関連動向、MnM View の詳細が把握できない可能性がある。
13.3 中小企業／新興企業
13.3.1 SAP
13.3.2 ドミノ・データ・ラボ
13.3.3 データイク
13.3.4 データロボ
13.3.5 APHERIS
13.3.6 COMET
13.3.7 データバンド
13.3.8 DOTDATA
13.3.9 エクスプロリアム
13.3.10 ヌーガタ
13.3.11 テクトン
13.3.12 スペル
13.3.13 arrikto
13.3.14 イテラティブ
14 隣接・関連市場 （ページ – 324）
14.1 データガバナンス市場-2025年までの世界予測
14.1.1 市場の定義
14.1.2 市場の概要
14.1.2.1 データガバナンス市場、用途別
表279 データガバナンス市場規模、用途別、2014年～2019年（百万米ドル）
表280 データガバナンス市場規模、用途別、2019～2025年（百万米ドル）
14.1.2.2 データガバナンス市場、コンポーネント別
表281 データガバナンス市場規模、コンポーネント別、2014～2019年（百万米ドル）
表282 データガバナンス市場規模、コンポーネント別、2019-2025年（百万米ドル）
14.1.2.3 データガバナンス市場：展開モデル別
表283 データガバナンス市場規模、展開モデル別、2014-2019年（百万米ドル）
表284 データガバナンス市場規模、展開モデル別、2019-2025年（百万米ドル）
14.1.2.4 データガバナンス市場：組織規模別
表285 データガバナンス市場規模、組織規模別、2014-2019年（百万米ドル）
表286 データガバナンス市場規模、組織規模別、2019-2025年（百万米ドル）
14.1.2.5 データガバナンス市場、業種別
表287 データガバナンス市場規模、業種別、2014-2019年（百万米ドル）
表288 データガバナンス市場規模、垂直分野別、2019-2025年（百万米ドル）
14.1.2.6 データガバナンス市場、地域別
表289 データガバナンス市場規模、地域別、2014～2019年（百万米ドル）
表290 データガバナンス市場規模、地域別、2019-2025年（百万米ドル）
14.1.3 データディスカバリー市場-2025年までの世界予測
14.1.3.1 市場の定義
14.1.3.2 市場概要
14.1.3.3 データディスカバリー市場：コンポーネント別
表 291 データディスカバリー市場規模、コンポーネント別、2014～2019 年（百万米ドル）
表292 データディスカバリー市場規模、コンポーネント別、2019～2025年（百万米ドル）
表293 データディスカバリー市場規模、サービス別、2014-2019年（百万米ドル）
表294 データディスカバリー市場規模、サービス別、2019-2025年（百万米ドル）
表 295 プロフェッショナルサービス：データディスカバリー市場規模、タイプ別、2014-2019年（百万米ドル）
表 296 プロフェッショナルサービス：データディスカバリー市場規模、タイプ別、2019年～2025年（百万米ドル）
14.1.3.4 データディスカバリー市場：組織規模別
表 297 データディスカバリー市場規模、組織規模別、2014～2019 年（百万米ドル）
表298 データディスカバリー市場規模、組織規模別、2019-2025年（百万米ドル）
14.1.3.5 データディスカバリー市場：展開形態別
表 299 データディスカバリー市場規模、展開モード別、2014～2019 年（百万米ドル）
表300 データディスカバリー市場規模、展開モード別、2019-2025年（百万米ドル）
表 301 クラウドデータディスカバリー市場規模、タイプ別、2014年～2019年（百万米ドル）
表 302 クラウドデータディスカバリー市場規模、タイプ別、2019年～2025年（百万米ドル）
14.1.3.6 データディスカバリー市場、機能別
表303 データディスカバリー市場規模、機能別、2014年～2019年（百万米ドル）
表304 データディスカバリー市場規模、機能別、2019-2025年（百万米ドル）
14.1.3.7 データディスカバリー市場、用途別
表305 データディスカバリー市場規模、用途別、2014～2019年（百万米ドル）
表306 データディスカバリー市場規模、用途別、2019-2025年（百万米ドル）
14.1.3.8 データディスカバリー市場、業種別
表307 データディスカバリー市場規模、垂直分野別、2014～2019年（百万米ドル）
表308 データディスカバリー市場規模、垂直分野別、2019-2025年（百万米ドル）
14.1.3.9 データディスカバリー市場、地域別
表309 データディスカバリー市場規模、地域別、2014～2019年（百万米ドル）
表 310 データディスカバリー市場規模、地域別、2019-2025 年（百万米ドル）
15 付録 （ページ番号 – 339）
15.1 ディスカッションガイド
15.2 ナレッジストアMarketsandmarketsの購読ポータル
15.3 利用可能なカスタマイズ
15.4 関連レポート
15.5 著者詳細
