1、5.1.4 城市文创各具特色，广州、杭州领衔二梯队 . 56 5.2 中国文创产业发展趋势前瞻 . 57 5.2.1 科技赋能文化创意，新兴技术推动市场发展 . 57 5.2.2 资本助力文创发展，金融手段激活文创需求 . 58 5.2.3 城市新 IP 势头大热，助推特色创新型城市建设 . 58 1 2018-2019H1 杭州文 创产业投资发展报告 图表目录 图表 1 中国文化创意产业分类及细分类别 . 1 图表 2 近年中国文化创意领域重点综合类政策 . 2 图表 3 近年中国文化创意细分领域重点政策 . 3 图表 4 2013-2018 年全国 居民人均可支配收入及增长情况 . 5 图
2、表 5 2013-2018 年全国居民人均教育、文化和娱乐消费支出及占比情况 . 6 图表 6 数字创意产业领域重点产品和服务 . 7 图表 7 2018 年以来文创领域部分重点新成立基金情况 . 8 图表 8 2010-2018 年中国知识产权综合发展指数变化 . 9 图表 9 2014-2019 年 5 月中国发明专利有效量及增速情况 . 10 图表 10 2014-2019 年 5 月中国实用新型专利有效量及增速情况 . 10 图表 11 2014-2019 年 5 月中国外观设计专利有效量及增速情况 . 11 图表 12 2012-2020 年中国文化及相关产业增加值及增长情况 . 1
3、1 图表 13 2014-2018 年中国教育财政支出及占比情况 . 12 图表 14 2012-2018 年中国教育培训业市场规模及增长情况 . 13 图表 15 2015-2020 年中国广告行业经营额及增长情况 . 15 图表 16 2010-2018 年中国图书零售业市场规模及增长情况 . 17 图表 17 2017 年中国图书零售市场各类别贡献比例 . 17 图表 18 2010-2018 年中国图书线上销售码洋收入及增长情况 . 18 图表 19 2010-2018 年中国图书线下销售码洋收入及增长情况 . 19 图表 20 中国游戏市场细分领域情况 . 19 图表 21 2008
4、-2020 年中国游戏市场营收及增长情况 . 20 图表 22 2008-2019 年中国移动游戏市场营收及增长情况 . 21 图表 23 2010-2020 年中国动漫产业产值及增长情况 . 22 图表 24 中国动漫产业用户年龄分布情况 . 23 图表 25 2012-2020 年中国电影票房收入及增长情况 . 24 图表 26 2012-2018 年中国银幕数量及增长情况 . 24 图表 27 2018-2019H1 中国文化创意产业投资额及投资案例数 . 26 图表 28 2018-2019H1 中国文化创意产业披露投资额及投资案例数占比情况 . 27 图表 29 2018-2019H
5、1 中国文化创意产业分行业投资额及投资案例数 . 27 2 2018-2019H1 杭州文 创产业投资发展报告 图表 30 2018-2019H1 中国文化创意产业投资机构类型分布（按机构数量，家） . 28 图表 31 2018-2019H1 中国文化创意产业机构类型分布（按投资金额，亿元人民币） . 29 图表 32 2018-2019H1 中国文化创意产业投资轮次分布（按投资案例数，起） . 29 图表 33 2018-2019H1 中国文化创意产业投资轮次分布（按投资金额，亿元人民币） . 30 图表 34 2018-2019H1 中国文化创意产业投资阶段分布（按投资案例数，起） .
6、30 图表 35 2018-2019H1 中国 文化创意产业投资阶段分布（按投资金额，亿元人民币） . 31 图表 36 2018-2019H1 中国文化创意产业退出机构类型分布（按退出案例数，笔） . 32 图表 37 2018-2019H1 中国文化创意产业退出机构类型分布（按退出金额，亿元 人民币 32 图表 38 2018-2019H1 中国文化创意产业分行业退出额及退出案例数 . 33 图表 39 2018-2019H1 中国文化创意产业退出方式分布（按退出案例数，笔） . 34 图表 40 2018-2019H1 中国文化创意产业退出方式分布（按退出金额，亿元人民币） . 34 图
7、表 41 2018-2019H1 中国文化创意企业融资额及融资企业数量 . 36 图表 42 2018-2019H1 中国文化创意产业融资企业 占比情况 . 37 图表 43 2018-2019H1 中国文化创意产业分行业融资额及融资企业数量 . 37 图表 44 2018-2019H1 中国文化创意产业分地域融资企业数量（家） . 38 图表 45 2018-2019H1 中国文化创意产业分地域融资金额（亿元人民币） . 39 图表 46 2018-2019H1 中国文化创意产业融资 TOP10 城市（按融资案例数，起） . 40 图表 47 2018-2019H1 中国文化创意产业融资 T
8、OP10 城市（按融资金额，亿元人民币） 40 图表 48 2019 年中国城市文创发展综合指数 15 大观察城市 . 42 图表 49 2019 年中国城市文创发展综合评价指标体系 . 43 图表 50 中国城市文创发展综合指数情况 . 47 图表 51 中国城市文创产业指数分布情况 . 48 图表 52 中国城市文创人才指数分布情况 . 49 图表 53 中国城市文创消费指数分布情况 . 50 图表 54 中国城市文创投资指数分布情况 . 50 图表 55 2018-2019H1 北京文化创意产业分行业投资额及投资案例数 . 51 图表 56 2018-2019H1 上海文化创意产业分行业
9、投资额及投资案例数 . 52 图表 57 2018-2019H1 杭州文化创意产业分行业投资额及投资案例数 . 53 图表 58 2018-2019H1 深圳文化创意产业分行业投资额及投资案例数 . 54 1 2018-2019H1 杭州文 创产业投资发展报告 报告 摘要 本研究报告主体内容主要包括 五 2018 年 大学生人群 受骗情况分析 2019 年 9 月 19 日 2018年 大学生人群受骗情况分析 1 目录 第一章 大学生受骗概况 . 2 一、 大学生高发诈骗类型 . 2 二、 大学生受害者性别与年龄 . 3 三、 大学生 受害者地域分布 . 5 第二章 大学生遭受网络诈骗的现状
10、. 6 一、 大学生网赚频入“坑” . 6 二、 大学生网络贷款“套路深” . 10 三、 网游交易中的“钓鱼关卡 ” . 13 四、 “买买买”的雷区 . 14 第三章 大学生高发诈骗的传播形式 . 15 一、 利用钓鱼网站 . 15 二、 利用短信平台 . 17 三、 社交平台成为诈骗的重要平台 . 18 第四章 大学生高发诈骗深度剖析 . 19 一、 虚假兼职 . 19 二、 金融借贷 . 20 三、 恶意程序 . 21 第五章 大学生高发诈骗案例举例 . 24 一、 兼职会员费诈骗 . 24 二、 贷款服务费诈骗 . 26 三、 下载恶意程序被扣费 . 28 第六章 聚焦大学生防骗 .
11、 31 2018年 大学生人群受骗情况分析 2 第一章 大学生受骗概况 一、 大学生高发 诈骗类型 2018 年全年 ， 360 手机先赔与 360 猎网平台 共接到大学生诈骗举报 1152 起。涉案总金额达 509.6 万元，人均损失 4423 元。 在所有诈骗举报中，虚假兼职占比最高，为 19.9%；其次是恶意程序（ 18.4%）、金融理财（ 14.7%）、赌博博彩（ 8.2%）与身份冒充（ 7.7%）。 从涉案金额来看，金融理财类诈骗总金额最高，达 166.0 万元，占比 32.6%；其次是虚假兼职诈骗，涉案总金额 101.0 万元，占比 19.8%；赌博博彩诈骗排第三，涉案总金额为 8
12、6.7万元，占比 17.0%。 下图给出了大学生诈骗类型的举报量和涉案总金额分布情况： 下图给出了 各种 诈 骗类型 在 人均损失和举报数量的象限图。从图中可见，金融理财、赌博博彩、虚假兼职属于高危诈骗类型，受害人数较多且人均损失高。 退款盗号与虚假中奖虽受害人数少，但人均损失较高。退款盗号主要利用个人信息泄露发起定向退款诈骗，声称商品快递问题需赔付或订单问题需退款等，属于中危诈骗类型。虚假中奖多利用钓鱼 网站 获取用户信息，要求用户缴纳中奖保证金等，属于中危诈骗类型。 2018年 大学生人群受骗情况分析 3 二、 大学生受害者性别 与年龄 从大学生受骗人群性别差异来看，男性受害者占 69.0
13、%，女性占 31.0%，男性受害者占比高于女性。从人均损失来看，男性为 4400 元，女性为 4477 元，女性人均损失略高于男性。 根据大学生高发诈骗中受骗人群性别对比可见，不同诈骗类型的受害人群数受性别因素影响，代表类型举例： 1） 在虚假兼职诈骗中， 女性受骗人群占比高于男性， 说明女大学生在网络兼职过程中的防骗意识低于男大学生。 2018年 大学生人群受骗情况分析 4 2） 在赌博博彩诈骗中，受害人几乎都为男性，说明 拥有博弈娱乐心理、喜欢寻求刺激，希望通过赌博盈利的大学生以男性为主。 3） 在退款盗号诈骗中，女性受骗人群占比高于男性 。 由于女生比较喜爱网络购物，如果遭到信息泄露，对
14、比男性更容易遭遇退款诈骗。 4） 在网游交易诈骗中，受害人同样是男性居多，说明 大学生人群 中，男游戏玩家数量远多于女游戏玩家 。 在看到优惠充值广告时，若不能对其真实性做出判别，极易遭遇网游交易诈骗。 现在大学生年龄区间主要集中在 18 岁 -25 岁，下图给出了大学生诈骗受害者年龄与人均损失的对比 。 从图中可以看出，大学生步入大学校园时大多都刚刚成年，对于外界事物真实性的判断能力不高，容易轻信他人，防范能力薄弱，诈骗举报量也较高。但在独立 2-3 年后，拥有了客观判断能力，相对不易遭到诈骗。 2018年 大学生人群受骗情况分析 5 三、 大学生 受害者地域分布 2018 年全年，从大学生
15、诈骗举报 情况来看，广东（ 12.8%）、山东（ 5.6%）、河北（ 5.6%）、四川（ 5.4%）、河南（ 5.1%）这 5 个省级地区的被骗大学生最多。下图给出了 2018 年大学生诈骗举报数量最多的 10 个省份： 从各城市 大学生诈骗 举报情况来看， 重庆 （ 2.4%）、广州 （ 2.2%）、深圳 （ 1.8%）、北京（ 1.5%）、成都 （ 1.4%）这 5 个城市的被骗 大学生最多。 下图给出了 2018 年 大学生 诈骗举报数量最多的 10 个城市： 2018年 大学生人群受骗情况分析 6 第二章 大学生 遭受 网络诈骗 的现状 互联网为 人 们 的日常 生活 来 了便利， 对
16、人们生活 的影响也日渐深入 。 随着 互联网 的普及，青少年 接触网络的 机会日益 增多， 但互联网 的开放性对青少年的影响也 愈 见明显 。由于青少年 人群 尚未 踏足社会，对于 网络 中 的 不良信息尚未有良好的 鉴别 能力， 容易 遭到不法分子的侵害。 根据 手机先赔诈骗 举报 ， 当代 年轻人 已成为 不法分子 的主要 目标 人群。 而 这 其中， 即将 步入社会的 大学生人群成为 遭受网络诈骗 受害 重灾区 。 一、 大学生网赚 频入 “坑” 大学生人群作为 即将注入社会的 “新能量” ， 为 了丰富 课余 生活 ，加强 社会 实践能力 与沟通能力， 参与 兼职成为多数大学生的 首选
17、。互联网 的 高速 发展，也为大学生提供了 高效 寻找兼职工作的渠道 。 但 面对 网络上 各种各样 的网 络 赚 钱 的 宣传， 很多 大学生不能对其真实性进行 正确判别 ， 致使 很多大学生 的“网络 赚钱之路 ”变成 了 “网络 丢钱之路 ” 。 结合当下 网络 赚 钱 诈骗的流行趋势，大学生受骗 情况 分为以下 典型 ： 1） “生命力 顽强 ”的 兼职 诈骗 兼职诈骗是指利用虚假兼职招聘为幌子，骗取用户钱财的诈骗方式。 根据历年手机 先赔接到的诈骗举报量 看 ，兼职诈骗 持续 处于网络诈骗 举报类型 首位。 当下 大学生遭遇 兼职 诈骗主要类型分为： 一 是 刷单 诈骗 。 网络刷单
18、 主要 模式是 商家 请 人 假扮买家 ，用 “以假乱真”的 购物方式提高 店铺 的排名和销量 ， 并以 “虚假好评”吸引 更多的 真实顾客的 一种作弊形式 。一般 情况下，由买家 提供 购买费用， 交易 完成后，由 商家返还买家 本金与佣金 ， 实现双赢 。 如今， 网络刷单 已 涉嫌违法，在各相关部门的严厉打击下，得到 了 遏制。 但诈骗 分子早已 盯上 这一灰色产业， 假借 网络 刷单 名号， 实施诈骗。 在 典型的 刷单 诈骗中，不法分子伪装成 中介 平台或 商家 ， 打着 刷信誉、 刷销量 的旗号 通过 社交 软件 等渠道发布 刷单 广告 招聘 “ 刷客 ” 。 同时 承诺， 按照任
19、务要求拍下 指定 商品 ， 待交易完成后，将 返还 本金与佣金 。 但 这只是 不法分子的幌子， 骗钱 才是最终目的。 首先 ，不法分子 会 下发一到两个 小额任务 ， 结束后为 兼职 者 返还本金和佣金， 借此 获取 兼职 者 的 信任 。后续 ， 不法分子逐渐 提高 任务数量和任务金额， 利用 “ 任务 超时 ” 、 “ 系统 卡单 ” 等 理由 ，引导 兼职 者 继续投入本金 ， 利用 这种手法， 反复 套取 兼职 者 的 资金 。 2018年 大学生人群受骗情况分析 7 二是 会员费诈骗 。 “招聘 ：文字录入员 1000 字 30-50 多劳多得” 这类 兼职 广告，在网络 中 随处
20、可见 ， 简单 的兼职流程 就可赚取 佣金 ， 吸引 了不少 兼职 者参与 。 但 在 真正 参与兼职前，需要向平台缴纳会员费或入职费 ，一般 金额不超过 100 元。 在不法分子的诱导下，不少兼职者 轻信 广告内容进行了 费用 缴纳 ， 但 后续 遭遇 的却是 培训费、 手机 PC 双平台 兼职通道费、高级会员费 、 马甲费等一系列 待 缴纳 费用 。 还没有 赚到钱 ，反而 有 一笔甚至多笔支出。在 兼职者生 疑后 ， 客服往往 不予理睬， 不予 退款。 2018年 大学生人群受骗情况分析 8 以上 两种 手法属于 兼职诈骗 中典型 手法 。 在实施 诈骗过程中， 不法分子 为 获取兼职
21、者的信任 ， 通常会 为兼职 者展示营业执照、企业注册文件、后台系统页面 等， 营造自己为 正规 平台的假象 。 实际上 ，不法分子所 展示 的各种 证件都 是 虚假 的， 有 可能通过非法 途径 获取。 并通过简单 PS， 就可实现。 2） “ 起床 新 动力 ” 刷爆 朋友圈 打卡 赚钱 每日 打卡签到初期运用于各大 知名公司 旗下 APP， 其 目的 在于推广产品以及 提高 用户 活跃度， 利用 这一方式 维系 用户粘度 ，并取得了 优异效果。 但不知 何时起， 不少 公众号 创业 者利用此形式 实现 非法敛财 。 缘起 自 朋友圈早起打卡 的潮流 ，大学生 圈子 内的 流行程度更为突出
22、 ， 玩法简单，只要动动手指，就可以赚到零花钱。 只要 关注微信公众 号，每日完成早起打卡任务，即可获得金额从几毛到几十块不等的红包 。“早起的鸟儿有虫吃，早起的人儿有钱赚”， 在这里 进行 了验证。参与打卡活动的 平台用户 ，需要预付挑战金，可以 自行选择挑战等级进行充值，所有挑 战金全部在奖池里。每天在规定的时间内打卡，即可瓜分奖池里的奖金， 金额取决于当天忘记打卡的人有多少。另一种 形式则是， 前期 无需支付任何费用，只要每天参与打卡，即可获得红包。连续打卡，领取的红包金额可能越大。 但 众多参与活动的大学生却表示， 刚开始 确实可以拿到一些 低 额奖金，但在追加挑战金后，平台跑路 ，
23、投入资金无法追回。 2018年 大学生人群受骗情况分析 9 这种利用公众号 、小程序搭建 的 平台 并不可信 。 运营 系统 与规则完全 由 公众号运营者控制 ，利用 用户的投资心理，在获取到一定 资金 后， 容 易产生卷款跑路行为 。对于 用户 来说 ，投入 资金难溯源， 追回 几率极低 。 3） “ 低级 智商税 ” 返利 返利 在 人们的 日常 购物中较为 常见 ， 促使商家 提升整体销量 是 返利的最主要目的 。 方式类似于 价格补贴，能够刺激 人们 的购买欲望 ， 是 商家提升销售 业绩的 常用 方式。 正是 由于返利 二字 能够吸引 众人 眼球，导致遭到不法分子 非法 利用 ，网络
24、 上也频频 爆出返利 受骗的 案件 。 红包 返利是大学生返利诈骗中 的 典型手法 。 不法分子 一般 在社交 平台 中 散布红包 返利游戏规则，如： 你 发 给 我 10 元红包 ，我 返 你 100 元 ；你发给 我 发 100 元红包 ，我 返 你 1000 元 。这种 看似 低级 、 简单粗暴的诈骗手法，依然 能够 吸引众多玩家前来参与。 在 游戏前期，不法分子确实会根据游戏规则为玩家进行返利，但在 后期要求 加大玩家的 投入 金额 。由于 前期尝到了甜头， 在 玩家 听信 不法分子的说辞 投入更高金额 后，不法分子则卷钱跑路， 不予 退还玩年 5.11泓域咨询MACRO/ 精密微调、
25、预调电位器项目实施方案16 设备数量 台（套） 14617 年用电量 千瓦时 1351733.3618 年用水量 立方米 16744.6219 总能耗 吨标准煤 167.5620 节能率 25.12%21 节能量 吨标准煤 44.5422 员工数量 人 403琴琴本 万元 15787.955 利润总额 万元 4174.056 净利润 万元 3130.547 所得税 万元 1.548 增值税 万元 575.739 税金及附加 万元 230.1510 纳税总额 万元 1849.3911 利税总额 万元 4979.9312 投资利润率 31.15%13 投资利税率 37.17%14 投资回报率 23
26、.37%15 回收期 年 5.7816 设备数量 台（套） 9217 年用电量 千瓦时 1190221.8518 年用水量 立方米 15227.6319 总能耗 吨标准煤 147.5820 节能率 23.81%21 节能量 吨标准煤 63.2522 员工数量 人 369062.8218 年用水量 立方米 16005.1619 总能耗 吨标准煤 67.1320 节能率 23.09%21 节能量 吨标准煤 20.0522 员工数量 人 3601 猎聘 2019 年中国 AI&大数据人才 就业 趋势报告 本报告核心洞察： AI&大数据人才在全球爆发式发展，而另一面在全球范围内呈现严重人才荒。 中国人
27、工智能人才缺口超过 500 万，大数据人才缺口高达 150 万。 国内 AI 与大数据人才呈年轻化趋势，以 25-30 岁之间最多，占比超 4 成，工作 5-8 年的人才占比最多，为 22.95%。 AI&大数据人才 专业背景 以计算机和信息科学 居 多，位居第一的是计算机科学与技术，占比为 10.32%。 AI&大数据领域对人才素质的要求较为综合，不但要求相关的硬核技能，如人工智能、算法、互联网方面的知识和技能，还要求懂得产品相关的知识储备、数据分析、逻辑分析和市场营销等技能。 国内该领域的人才需求 呈快速增长态势，今年 企业 人才需求 约为 4 年前 的 12 倍。 AI&大数据人才的需求
28、分布和供给分布 以 互联网行业 最为 集中 ， 人才供需 均已过半。 在 核心职能的 需求 和供给 方面，机器学习与数据产品经理占据大头，占比均超过 50%。 北上深稳居人才供需的第一梯队，三市 人才需求占比总计 63.00%；人才供给占比合计 57.58%。 国内 AI&大数据海外人才占比不足一成，过半集中在互联网行业。超 50%的海外人才聚集在上海、北京、深圳，其中上海占比最高，为 26.02%。 AI&大数据人才平均月薪 22322 元，比金融和互联网行业分别高出 2150 元、 3275 元。 在 重点职能中，平均月薪排名最高的是数据架构和数据科学家，分别为 37451 元、 3657
29、0 元。 在平均月薪排名最高的 20 个城市中，北京、上海、深圳、杭州、广州的 AI&大数据从业者月薪超 2 万，其他 15 个城市的平均月薪区间在 1347519007 元。 在国内 AI 大数据领域，海外人才的平均月薪为 29515 元，本土人才为 21625 元，两者相差 7890 元。 从 2017 年一季度到 2019 年二季度，互联网、制药医疗行业的 AI&大数据人才处于净流入状态，最能留住人，而电子信息行业则人才流失最为严重。同期，杭州相关人才净流入率最高，合肥、西安位居第二、第三。深圳、上海、北京、广州位居第 4、 10、 12、 16。 近年来 ， AI、 大数据无论是在科技
30、圈，还是在商界或日常生活中， 都成为 备受关注的热词。随 着信息化 、互联网技术的发展， AI、 大数据进 了 飞驰的快车道， 深刻地参与着、影响着全球的社会经济，乃至政治文化的发展进程。 AI 被世界不少 国家都纳入了 国家 层面的战略发展规划 ； 而 大 数据 则被公认为国家基础性战略资源，是 21 世纪的“钻石矿”。 2 在 2019 世界 人工智能大会 于 今年 8 月末 在上海 隆重 召开 之际 ，猎聘 积极 呼应 此次 大会 “智联世界、无限可能”的主题， 特此发布 猎聘 2019 年中国 AI&大数据人才就业趋势报告 （以下 简称 报告 ）。报告重点研究 时段为 2019 年 1
31、-7 月， 分析了在此期间 国内 AI&大数据 人才的画像特征、 供求的 行业 与 地域 分布情况 ，以及 薪资 行情 ， 展示 了 近年来 该领域人才的 需求 趋势、 流动特征 ，并 专门研究 了 该领域国内 的海外人才现状，为 人才 的供需双方提供招聘及求职 方面 的 决策 参考，也为 相关 行业研究机构及个人提供 一手 参考 资料 。 一、 AI&大数据人才 概况 1、 爆发式 发展与严重人才荒并存 在众多 的 当今 新兴领域 中 ， AI、 大数据 无疑 是最热的领域之一 ， 也备受政府重视 。在 2019年全国 两会 政府 工作 报告 ， 李克强 总 理 首次 提出 “智能 +”，
32、并强调 “深化 大数据、人 工 智能等研发应用”。在 国家层面， 对 AI、 大数据都有明确的规划。 2017 年，国务院印发了新一代人工智能发展规划， 提出 到 2020 年 ,初步建成人工智能技术标准、服务体系和产业生态链 ， 人工智能核心产业规模超过 1500 亿元，带动相关产业规模超过 1 万亿元。 而在 2016 年 ，工业和信息化部 （工信部） 印 发大数据产业十三五发展规划（ 2016-2020） ，提出 到 2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成 ， 大数据相关产品和服务业务收入突破 1 万亿元 ，年均复合增长率保持 30%左右，加快建设数据强国，为实
33、现制造强国和网络强国提供强大的产业支撑。 随着信息化 和 互联网技术 的发展， 近些 年，我国的 AI 与 大 数据 呈现爆发式 增长态势。 目前 ，中国 是全球第二大 AI 力量，人工智能企业超过 1000 家。 根据雪球 财经的数据， 2018 年中国 AI 市场规模约 330 亿元人民币，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。中国人工智能市场有望在 2030 年达到万亿量级。 2018 年上半年，中国 AI 投资总规模 1527 亿，显著超越 2017 全年（ 754 亿）。中国信息通信研究院发布的大数据白皮书 (2018)显示， 2017 年，我国大
34、数据产业规模达 4700 亿元， 同比增长 30.6%，大数据与实体经济融合提速。 在 AI 与大数据 领域 迅猛 发展的 另一面 ，是 全球性的 人才荒。根据 腾讯 研究院发布的 2017全球人工智能人才白皮书 ， 目前，全球 AI 领域人才约 30 万，其中高校领域约 10 万人，产业界约 20 万人。 AI 产业人才主要分布在美国、中国及其他国家的企业中 。 据 工信部教育考试中心副主任周明 2016 年向媒体透露 ,中国人工智能人才缺口超过 500 万。 在 大 数据 领域， 人才 荒问题也同样突出。 根据 麦肯锡报告， 美国 2018 年大数据人才和高级3 分析专家的人才缺口将高达
35、19 万。此外，美国企业还需要 150 万位能够提出正确问题、运用大数据分析结果的大数据相关管理人才。数联寻英 2016 年 发布的 大数据人才报告称 ，目前，全国的大数据人才只有 46 万，未来 3-5 年内大数据人才 缺口将高达 150 万 。 2、 AI&大数据中高端人才画像 1） 人才 呈 年轻化 趋势 ， 并具有丰富 工作 经验 猎聘 大数据显示，从 2019 年 1-7 月 ，全国 AI&大数据人才的年龄分布以 25-30 岁 之间最多，占比为 40.63%；其次 是 30-35 岁 ，占比为 29.65%。而 在 AI 与 大数据人才的工作年 限 分布 方面， 5-8 年 的人才占比最多，为 22.95%； 其次是 10-15 年 工作经验的人，占比为 19.26%。
