云计算商业模式研究课程

毕业论文：正文 学生姓名： 定稿时间：毕业论文（设计）正文 题目：云计算商业模式研究The research of cloud computing business models学 院：专 业：班 级：学 号：学生姓名：指导教师：二一二 年 五 月云计算商业模式研究 摘 要：近几年，云计算的概念已经成为互联网领域的发展热点。在各大IT龙头企业以及政府的推动下，云计算已经完成了从概念到产业的转变，成为IT发展的新领域。对云计算商业模式的研究不仅可以全面了解云计算产业现状，还可以对云计算产业长期发展产生合理导向的作用。本文针对我国云计算商业模式分类标准不明的问题，参考国外对云计算商业模式分类模型研究的权威结论（主要参考云立方模型），根据钻石模型提出了有针对性的评价体系，并通过主成份分析法和聚类分析法对我国八个省市的发展现状进行了量化分析，最终提出了符合我国国情的云计算商业模式。本文认为云计算产业在我国的发展将采取政府推动、大型企业带头的区域化产业链集聚模式。该模式的使用将会集合区域地理优势和基础设施优势、发挥受众的作用，大力推动云计算产业在我国的发展。关键词：云计算，商业模式，云立方模型，钻石模型，主成份分析法，聚类分析- -毕业论文：正文 学生姓名：定稿时间：2012526The research of cloud computing business models Abstract: In the recent a few years, while the rapid development of the Internet, Cloud Computing has become a hotspot therein. Being greatly concerned and promoted by most IT enterprises, Cloud Computing is turning from a concept into an industry, and is becoming a developing area of IT industry. In this paper, I will discuss the Cloud Computing Business Models in China. The recent researches on Cloud Computing Business Models Classification result in The Cloud Cube Model. The researches in abroad are following the steps of global team. I give out an evaluation system in chapter 3 based on the Michael Porter diamond Model. In chapter 4, I do quantitative analysis on a Sample set include 8 cities. Besides, I will show different cloud business models in China in chapter 5. In this paper, I think the Industry of Cloud Computing in China will develop quickly follow the explosion of Industrial Parks and Industry Leading Enterprises. This new business model will gather the advantages of Geographic Information and Infrastructures. The Cloud Computing Industry will get into a new history using this model.Keywords: Cloud Computing; Business Model; The Cloud Cube Model; Michael Porter diamond Model; Principal Component Analysis; Cluster Analysis 正文目录第1章 绪论1.1 课题背景1.2 研究的目的和意义1.3 云计算产业发展现状评述1.3.1 国际发展现状1.3.2 国内发展现状1.3.3 存在的问题1.4 本章小结第2章 现有的云计算商业模式2.1 商业模式分类模型概述2.1.1 商业模式的概念2.1.2 商业模式分类模型分类标准2.2 云立方模型2.2.1 云立方模型分类准则2.2.2 云立方模型分类实例2.3 本章小结第3章 影响云计算成功的因素3.1 钻石模型理论3.2 云计算产业的影响因素3.3 云计算产业评价指标选取3.4 本章小结第4章 我国云计算产业分析4.1 分析方式概述4.1.1 主成份分析法4.1.2 聚类分析法4.1.3 两种方法结合分析的原因4.2 分析样本选取4.3 云计算产业发展现状的分析4.3.1 建立变量矩阵4.3.2 主成份分析4.3.3 聚类分析4.4 定量分析启示4.5 本章小结第5章 我国云计算商业模式5.1 云计算商业模式驱动因素5.2 云计算产业商业模式5.2.1 技术支持部分5.2.2 市场需求部分5.2.3 政府支持部分5.3 云计算商业模式发展策略建议5.4 本章小结第6章 总结参考文献致谢第1章 绪论1.1 课题背景云计算是在2007年逐渐兴起的一种基于网格计算的新型计算模型，是下一代网络计算平台的核心技术，它提供可靠安全的数据存储、方便快捷的互联网服务和强大的计算能力。目前对云计算的定义各有千秋，我认为云计算是一种以网格计算为基础的“仿巨型机”结构的计算模型。它通过虚拟化技术跨越物理界限构建虚拟计算资源池，兼具分布式计算和集中管理的特征。该计算模型以“一对一”的硬件结构为基础，通过互联网提供“一对多”的服务和应用。云计算产业经过五年的发展，技术成熟度不断提升，新兴应用和需求都得到了初步挖掘。全世界范围内，云计算产业在国际商用机器公司、微软、谷歌、亚马逊等知名电子信息公司的推动下，产生了技术和服务的大爆炸大飞跃，也吸收了一大批云计算技术用户。此时，为了更好满足用户需求，因特尔公司和思科公司等传统硬件厂商也纷纷开始转型。我国，信息技术行业迎来了IT应用市场的新发展，用户各类需求大量涌现，亟需新兴技术的跟进。在公共服务领域，公有云的建设成为政府在社会管理领域行政活动的重要支撑；在卫生医药行业，电子健康档案及病历为医药行业信息化建设提供了新的发展方向；在企业应用领域，金融、能源、电信、互联网等重点行业IT应用正在发生变革，信息技术的出现降低了企业成本，也催生了一大批与移动终端、物联网等新兴技术相结合的边缘产业的出现。这些都体现了未来云计算将在我们社会生产和民生各方面产生重要作用的趋势。1.2 研究的目的和意义本毕业论文旨在通过研究和分析国外云计算商业模式，根据钻石模型提取符合我国国情的云计算产业影响因素，通过主成份分析和聚类分析的方式对我国云计算产业发展数据进行定量分析，最后结合定量分析的结果有针对性地提出我国的云计算商业模式。本文参考了国外常见的云立方模型，介绍了权威的云计算商业模式。本文还根据钻石模型的六个要素选取了十七个与云计算产业相关的指标。根据我国云计算产业的发展现状，我选择北京、天津、山东、江苏、上海、浙江、广东、四川共八个省市作为样本进行了定量分析。本文还根据定量分析的数据对我国云计算产业的驱动因素和商业模式进行探讨，并且有针对性的提出了云计算商业模式发展的策略建议。总之，本文针对我国国情提出的商业模式，将对我国目前云计算产业发展存在的规划不合理的方面提出意见和建议。文章内提出的分类模型能为中国云计算服务网的进一步改版提供参考资料。1.3 云计算产业发展现状评述1.3.1 国际发展现状云计算近几年的发展带领IT产业恢复生机。据IDC预测，本年度云计算相关的IT支出将会达到423亿美元，并且其年复合增长率为27.3%，在整个IT产业中占据了超过1/4的份额。云计算作为IT产业技术龙头，其整个发展速度超出云计算之外的IT技术发展速度的5倍之上，并且会保持良好的发展趋势达2-5年之久。1在国际上，各大云计算现行企业经过5年的发展也取得了一定的规模。根据云平台的三层架构，简单介绍如下：在“基础设施即服务（IaaS）”方面，Amazon提供了简单存储服务（S3）和弹性计算云（EC2）等服务。在“平台即服务（PaaS）”方面，Google推出的App Egine服务和Microsoft的Windows Azure服务为客户提供了在线开发服务。在“软件即服务（SaaS）”方面，全球最大的客户关系管理软件提供商S拔得头筹。此外，甲骨文、IBM、思科、惠普、苹果等行业内知名的企业，也分别将云计算纳入发展战略当中。计算机市场内不断更新的云产品标志着云计算迎来了其第一个发展的高潮。1.3.2 国内发展现状中国云计算产业的发展分为市场准备期、起飞期和成熟期三个阶段。2当前中国云计算处于市场导入和准备期，正在向起飞期过渡，具体如图1-1所示。图1-1 我国云计算发展的三个阶段准备阶段（2007-2010）：主要是技术储备和概念推广阶段，解决方法和商业模式尚在尝试中。用户对云计算认知度仍然较低，成功案例较少，初期以政府公共云建设为主。起飞阶段（2010-2015）：产业高速发展，生态环境建设和商业模式构建成为这一时期的关键词，进入云计算产业的“黄金机遇期”。成功案例逐渐丰富，用户了解和认可程度不断提高，越来越多的厂商开始介入，出现大量的应用解决方案，用户主动考虑将自身业务融入云。公有云、私有云、混合云建设齐头并进。成熟阶段（2015）：云计算产业链、行业生态环境基本稳定。各厂商解决方案更加成熟稳定，提供丰富的XaaS产品。用户云计算应用发展取得良好的成绩。1.3.3 存在的问题全球范围内云计算产业已经整体进入了一个分层相对稳定的快速增长时期。然而,国内云计算产业的发展仍然处于起飞阶段。该阶段存在着受众不明确，商业模式发展不完善，以及产业链不完备等各大问题。这些问题的存在也彰显出我国云计算产业未来的巨大发展潜力。具体存在的问题有：云计算缺乏典型应用，地方多停留在规划层面。地方盲目建设云数据中心或致新一轮无效投资。引起政府新一轮的信息化建设，重复建设现象严重。云计算产业区域发展重点不明确。云计算的发展还不能满足行业需求、企业需求和社会需求。1.4 本章小结本章介绍了课题的背景、研究的目的和意义。本章针对云计算产业发展的现状，指出了我国云计算产业在发展过程中存在的问题，这些分析将为接下来进行云计算商业模式的介绍和定量分析打下基础。第2章 现有的云计算商业模式2.1 商业模式分类模型概述2.1.1 商业模式的概念“商业模式”是在20世纪50年代被提出的概念。著名管理学大师皮得德鲁克认为“当今企业间的竞争，不是产品之间的竞争，而是商业模式之间的竞争。”随着20世纪90年代互联网产业的兴起，商业模式的创新已经涉及到企业在传统管理、营销、物流等运营环节所进行的全面改造。进入21世纪之后，国内外对于商业模式的认知也有了进一步的提升。迈克尔拉帕（北卡罗来纳州立大学教授）认为“商业模式最基本的意义是指做生意的方法，是一个公司的生存模式，也是一种能为企业带来收益的模式。商业模式规定了企业在价值链中的位置，并指导其如何赚钱”。罗抿教授（西南财经大学）认为“企业商业模式是一个企业建立以及运作的那些基础假设条件和经营手段措施的集合，是一个企业在明确外部假设条件、内部资源和能力的前提下，用于整合组织自身、顾客、价值量伙伴、员工、股东或者利益相关者来获取超额利润的一种战略创新意图和可实现的结构体系及制度安排的集合”。32.1.2 商业模式分类模型分类标准目前常见的商业模式的研究方式分为现象、经济、运营、战略、整合共五个层次。现象层次：该层次对商业模式的描述集中于具体的解决方式和途径。经济层次：该层次对商业模式的描述集中在获取利润的逻辑和方式。运营层次：该层次对商业模式的描述集中在内部流程和基本构造的分析。战略层次：该层次对商业模式的描述集中在战略方向安排的总体考察上。整合层次：该层次对商业模式的描述是汇集了经济逻辑、运营结构和战略方向三个方面的。该层次重在对商业模式的协同能力和整合能力的综合探讨。2.2 云立方模型云立方模型（Cloud Cube Model）是由Jericho Forum的同事在2009年提出的，旨在帮助不同的企业选择一种最为适合云层结构4，实现云计算的商业应用，具体如图2-1所示：图2-1 云立方模型该模型是以Jericho Forum定义的四个用于区分不同云层结构的准则为基础开发出来的，四大准则分别是：准则一：外部（External）和内部（Internal），指明云的物理位置；准则二：专利保护（Proprietary）和开源（Open），指明云相关技术和服务的所有关系状态；准则三：有边界（Perimeterised）和无边界（De-Perimetersed），指明应用资源和服务时的边界状态；准则四：自主实施（In-sourced）和外包（Outsourced），指明云服务的运行和管理者。2.2.1 云立方模型分类准则准则一：外部（External）和内部（Internal）。该测量指标描述了商业模式所适用的云平台的类型：内部表示私有云；外部表示公有云。准则二：专利保护（Proprietary）和开源（Open）。专利保护是指客户需要向服务提供商或者承包者付款。开源代表了开源服务或开源解决方案。在云计算环境中，开源有时是指一个提供免费的或者可共享的应用编程接口（API）的系统或者平台。根据上述描述，Google App Engine可被看做开源云计算平台的典型。准则三：有边界（Perimeterised）和无边界（De-Perimetersed）有边界（Per）和无边界（d-p）的原始定义是从建筑业中引申而来的也就是说，不管是类似网络还是防火墙等的传统的IT边缘都是在组织内部（Per）或者组织外部（D-p）运作的。有边界是指基础设施即服务（IaaS）和平台即服务（PaaS）两层，以及与前者类似的承包商提供的支持客户使用基础设施和云计算平台的任何类似服务。无边界代表了软件即服务层次（SaaS），以及与前者类似的由承包商提供的或者支持的软件/应用程序。无边界服务的水平是由硬件设施的范围所限制的。准则四：自主实施（In-sourced）和外包（Outsourced）自主实施是指企业内部自主开发云平台。外包代表了让建筑商或者服务提供商处理所有的客户需求，同时绝大部分的云计算商业模型是由上述需求经过处理而来的。2.2.2 云立方模型分类实例根据四大准则及CCM模型，Victor Chang及其同事将云计算商业模式分为以下8类：51 服务为导向的服务供应商模式；2 第三方提供支持和服务承包模式；3 组织内部私有云模式；4 一体化企业云模式；5 一站式计算资源与服务供应商模式；6 政府资助模式；7 风险投资模式；8 娱乐与社交网络云模式。具体的云立方模型分类实例参考表2-1：表2-1 云立方模型商业模式概述商业模式种类商业模式定义以服务为导向的服务供货商模式提供包含IaaS、PaaS和SaaS三层的公共云平台，为客户提供外包服务。第三方提供支持和服务承包模式为了私人客户提出专业的解决方案，这类方案通常涵盖IaaS、PaaS和SaaS服务。组织内部私有云模式为某个企业提供SaaS层的服务。一体化企业云模式将以服务为导向的服务供应商模式和理想的组织内部私有云模式的特征结合起来。一站式计算资源与服务供货商模式类似服务供应商模式和以服务为导向的服务供应商模式，但不排除不排除在企业内部搭建云平台。政府资助模式政府向私人部门或科研机构提供财政资助。风险投资模式与政府资助模式类似，但提供针对企业内部私有云的资助。娱乐与社交网络云模式集中在SaaS领域，代表着外包模式。2.3 本章小结本章介绍了商业模式的概念和分类的层次。云立方模型是建立在现象层次的云计算商业模式分类模型。该模型通过四大准则将云计算的商业模式分为八类。第3章 影响云计算成功的因素3.1 钻石模型理论“钻石模型”是由波特提出的分析产业竞争力的商业模型。“钻石模型”将影响产业发展的因素分为生产要素、需求条件、相关支柱型产业和企业战略、企业结构和同业竞争四个。6当然，在提升产业竞争力方面机会和政府两个辅助因素也起到了重要的作用。生产因素是指一个国家在特定产业竞争当中有关生产方面的表现；需求条件是指本国市场对该产业所提供的产品或服务的需求；相关产业和支持产业是指这些产业的相关产业和上游产业是否具有国际竞争力；企业战略、结构和竞争对手是指企业在一个国家的基础、组织和管理形态以及国内市场竞争对手的表现。“钻石模型”中各大因素之间的关系如图3-1所示：图3-1 完整的钻石模型虽然钻石模型的关注点是国家竞争力，但是“一个国家的成功并非来自某一项产业的成功，而是来自纵横交织的产业集群。”因此，钻石模型也可以用来探究某一行业的竞争优势和长远发展能力。3.2 云计算产业的影响因素生产要素本文将中国云计算产业的生产要素分为基本生产要素和发展生产要素。基本生产要素是指目前该产业各类生产活动所需要使用的有形或者无形的各类资源，如：劳动力的数量、产业占地的面积和在建工程。发展生产要素是指可以促进该产业在未来获得更多资源，进行产业创新的各类有形或者无形的资源，如：科研力量（指从业者或者该地区工作者的教育水平）和发展经费（发展经费包扩用于拓宽占地面积的新增固定资产和用于进行创新研究的R&D经费）。需求条件中国发展云计算产业的需求条件体现了云计算目前在我国各个地区的一个需求现状和出口对外的潜在市场条件。其中网民数量用来衡量云计算在我国未来多年的发展过程中，可能赢得的潜在用户的最大数量。城镇居民家庭人均年通信业消费支出用来描述云计算产业及其相关产业当前的市场份额。高技术产品的出口总额则用来描述目前在我国云计算产业的发展过程中，对外出口额度对市场整体发展所起到的作用。 相关支柱型产业中国云计算产业的发展通常体现出了政府主导式的产业集群现象。云计算产业的发展与高新技术开发区的建设是分不开的。因此，在相关支柱型产业要素的衡量方面，我们通过开发区高新技术企业总产值来体现。企业战略中国云计算产业的企业竞争战略是指企业在云计算整体产业和企业战略的指导之下，调整自己的行为，选择更易于获取利益的企业行为的一种方式。企业竞争战略不仅仅能通过竞争来体现，企业的发展战略和发展的行为也是企业竞争战略制定和实施的一部分。本文通过电子及通信设备制造业新产品开发项目数来衡量云计算产业未来新兴产品的产生量和产业竞争力。其他因素此外，在衡量云计算产业是否成功的过程中，本文还通过目前该区域内基础设施的完善程度以及政府支持来进行分析。基础设施方面，根据云计算产业是基于虚拟化技术在互联网上发展起来的特征，本文将网站数量作为云计算基础设施的衡量标准。在政府支持方面，本文将通过电子及通信设备制造业研究与试验发展活动经费中的政府资金额度来衡量政府对该地区云计算产业的支持程度。3.3 云计算产业评价指标选取本文以钻石模型为基础，从生产要素、需求条件、相关支柱型产业、企业竞争战略、政府指标六个方面构建云计算产业评价指标体系。此外，基础设施建设也被加入到评价体系中来。具体的评价体系请参考表3-1：表3-1 云计算产业评价体系因 素类 别影 响 参 数单 位基 础 设 施X1：网站数量个生产要素基本生产要素劳动力X2：信息传输、计算机服务和软件业就业人数万人土 地X3：高新技术开发区高新技术企业数个X4：电子及通信设备制造业企业数个工 程X5：电子及通信设备制造业施工项目数量项发展生产要素科 研力 量X6：本科毕业人数个X7：高等学校学校数个X8：电子及通信设备制造业具有研发机构的企业数个X9：电子及通信设备制造业拥有发明专利数个发 展经 费X10：信息传输、计算机服务和软件业的新增固定资产亿元X11：高新技术产业研究与试验发展活动经费亿元需 求 条 件X12：网民数量万人X13：城镇居民家庭人均全年通信业消费性支出元X14：高技术产品出口总额百万元相关支柱型产业X15：开发区高新技术企业总产值亿元企业竞争战略X16：电子及通信设备制造业新产品开发项目数项政 府 指 标X17：电子及通信设备制造业研究与试验发展活动经费中的政府资金万元3.4 本章小结本章以钻石模型为依据，提取了生产要素、需求条件、相关支出型企业等六个方面的十七个指标来组成云计算产业的评价标准体系。第4章中我国云计算产业的定量分析是围绕本章建立的评价体系来展开的。第4章 我国云计算产业分析4.1 分析方式概述4.1.1 主成份分析法主成份分析法（Principal Component Analysis，简称为PCA）是在系统工程领域常用的分析方法。该方法是对原来众多具有相关性的指标进行分析，贯彻“降维”思想，通过研究评价体系指标间的关系，将较多指标转化为一组新的线性无关的综合指标的多元统计方法。 适用条件主成份分析法通常是针对含有多个样本（个样本）和多个指标（个指标）的情况，针对收集的一个阶矩阵的原始数据（原始数据矩阵表示为）进行分析的方法。该方法主要用于一些综合性学科的分析过程，实现在研究过程中对收集的所有相关变量进行分析删选的需要。在分析一些复杂的问题时，我们通常会竟可能多的寻找指标来反映信息，这导致这类指标之间普遍存在着相互依赖的关系。在操作过程中，该方法通过用数据矩阵的个指标向量作线性组合（即综合指标向量）来提取主成份：该方程组要求符合以下条件：决定系数的原则如下：与不线性相关；是的一切的线性组合（系数满足上述方程组）中方差最大者，是与不相关的中的所有线性组合的方差最大者， 是与都不相关的组合中的方差最大者。通过主成份分析，我们可以通过对现有指标的考察，排除部分相关性较大的指标，将相关性较小的指标按各个主成份进行分类，拟出相应的独立的新指标。4.1.2 聚类分析法 聚类分析法概念聚类分析法是研究对象如何按照多个特征进行综合分类的一种统计方法。目前最常见的聚类分析方法是系统聚类法和K均值聚类法。K均值聚类法可以按需要将样本分为指定的几类，因此当样本量较大时该方法的可行性较好。系统聚类法（Hierarchical Clustering Methods，也称为层次聚类法）存在多个计算类与类之间距离的方式，可以适应不同的要求，所以在实践当中使用较为广泛。 系统聚类法选择系统聚类法有最短距离法、最长距离法、平均连接法、组平均连接法和离差平方和法等多个测距方式。8不论通过哪种方式来测量类与类之间的距离，系统聚类法都是先将所有的样本自成一类，然后根据距离定义将距离较小的两个样本缩成一类，并且以此类推。由于最短距离法和最长距离法存在极端距离选择带来的弊端，目前这两种聚类方式的使用不是非常普遍。离差平方和法趋向于发现形状和规模大致相同的类，将样本量少的类聚集在一起，因此最能反映一个类与类之间距离的平均水平，是目前最为流行的系统聚类方法。离差平方和法通过以下公式来计算类与类之间的距离： 假设已经将n个样本分成了k类，用来表示中的第i个样本变量指值向量，表示类中样本的个数，表示的中心，中样本的离差平方公式用表示。 但是离差平方和法的使用存在约束：该方法在聚类的过程中所使用的样本间的距离必须是欧氏距离。当样本量过多的时候，该方法需要计算全部样本的所有可能的分类, 并从中选择出使整体离差平方和达到极小值的分类, 这一般是不可能的。因此，有时候会由于计算过于复杂而放弃最优分类，选择次优分类。本文最终用于分类的样本将存在多个主成份指标，用于聚类的数据将会以矩阵的方式呈现出来。此外本文中数据的样本容量为8，不存在样本容量过大的问题。同时，本文最终用于聚类的数据差距较小，需要使用最能规避最长最短距离误差的聚类方式。综上所述，本文中选择使用离差平方和法进行聚类分析。4.1.3 两种方法结合分析的原因 根据主成份分析法和聚类分析法的特点，本文决定将这两种方法结合起来对我国云计算产业发展现状进行分析。通过使用主成份分析法对选取的指标进行分析，可以建立综合指标体系，从相互独立的几个方面对云计算发展现状进行衡量。主成份分析法获得的不同样本在综合指标上的得分情况可以用来衡量这些样本的具体的发展水平和未来的竞争力，反应了该地区整体的云计算发展水平。根据样本在综合指标上的得分情况进行系统聚类，可以客观计算样本发展水平之间的差距，将发展水平类似的区域归成一类。本文中，将根据每一类的商业发展模式进行进一步探讨，寻求该地区在云计算产业发展过程当中的可借鉴之处，并对未来云计算产业的发展提出意见和建议。4.2 分析样本选取目前我国云计算产业战略格局逐渐明朗。2010年，政府及企业对云计算的认识逐渐加深，带动整个云计算行业在国内的发展，我国的政府云计算试点工程在北京、上海、杭州、深圳和无锡这5个城市落地。2011年，发改委设立了云计算专项基金，首批资金已陆续下拨到5个试点城市的15个示范项目，包括百度、联想、华东电脑、华胜天成等15家牵头企业已陆续获得资金扶持。目前，我国云计算产业链的构建工作正在如火如荼地进行中。9我国以地方政府为代表已经形成四个大型云计算地理发展区域。分别是“环渤海云计算产业圈”、“智慧东营长三角云计算产业圈”、“珠江三角洲云计算产业圈”和“中西部云计算产业圈”。表4-1 中国云计算产业详情地理发展区云 计 算 中 心功 能 重 点代 表 厂 商环渤海云计算产业圈北京“祥云工程”建立智慧城市服务中小企业华胜天成天津“国家数字出版基地”建立智慧城市腾讯“云计算中心”惠普云计算解决方案中心青岛“中国联通青岛云计算中心”云计算数据中心新浪济南云计算中心整体解决方案浪潮、中创中间件智慧东营长三角云计算产业圈上海“云海计划”云计算产业联盟华东电脑、盛大国际杭州“西湖云计算公共服务平台”建立智慧城市服务中小企业阿里巴巴无锡云计算中心商用云计算中心曙光“城市”云计算中心珠江三角洲云计算产业圈广州“天云计划”建立智慧城市中金数据中西部云计算产业圈重庆“云端计划”离岸在岸数据处理/成都市云计算中心建立智慧城市曙光公司四大产业圈的地理布局涵盖了中国各大高新技术产业区，有良好的地理可持续发展前景。但在众多园区中仅有浪潮公司和中创中间件提供自主知识产权的云计算解决方案，曙光公司提供云技术设备。阿里巴巴等企业提供基于云计算的专业应用。因此，如何发挥园区资源优势开发自主品牌，推广云应用受众将是未来园区云计算的发展重点之一。根据上述对我国云计算产业现状的分析，本文选取在该产业发展过程中的带头省份“北京、天津、山东、江苏、上海、浙江、广东、四川”这八大省，通过上述17个衡量标准进行定量分析。4.3 云计算产业发展现状的分析4.3.1 建立变量矩阵假设有个被分类的对象，每个对象有个指标因子，由此得到观测数值为初始样本矩阵为：本文根据第3章对影响云计算成功的因素的分析，我们在中国统计年鉴2011、中国高技术产业统计年鉴2011中，针对需要的17个衡量指标抽取若干数据（如表4-2所示）：表4-2 原始数据北 京天 津山 东江 苏上 海浙 江广 东四 川X1 26362 71724 X242 2 7 9 7 11 18 6 X315720 3463 1659 3414 1108 2024 3910 1530 X4344 469 683 2679 657 1666 4233 285 X530 59 263 692 87 270 516 136 X6 55698 78331 X787 55 132 150 67 101 131 92 X836 20 25 229 57 137 305 18 X91917 497 1478 3925 2848 1452 19537 1020 X1013 66 92 498 58 52 60 56 X11 X121379 719 3625 3685 1525 3052 6300 2229 X133421 2454 2140 1935 4076 3437 3420 1674 X141217 1115 1565 9726 4987 1290 13479 453 X15 X16399 870 745 2547 1281 859 7049 1638 X1711027 1146 11821 19254 56059 10327 21118 4.3.2 主成份分析 分析方法原始数据的标准化处理因为原始数据存在单位不统一的问题，本文将对原始数据进行标准化处理来消除量纲和数量级的影响。具体的处理方式如下： 其中，和分别为第个指标的样本均值和样本标准差。计算数据变量的相关系数矩阵R在标准化数据矩阵的基础之上，计算数据变量的相关系数矩阵,则 计算相关系数矩阵的特征根和特征向量计算相关系数矩阵的特征方程为，求出所有的特征根 计算相关系数矩阵对应的单位特征向量： 确定主成份的个数一般选取特征根的值大于1的为主成份个数，或者选取累计方差贡献率大于0.85时的k个主成份。在本题中，我们选取90%。前k个因子的累计方差贡献率的计算公式为： 计算p个被分类对象在前k个主成份上得得分 本文中为了保证抽象出来的主成份的两两之间的不相关性，我们还对数据进行了旋转正交法的处理。 分析结果本文使用SPSS 19.0软件作为统计分析软件，采用主成份聚类分析方法对我国云计算产业发展现状进行综合性的评价和研究。首先通过公式对原始数据进行标准化，获得相关结果如表4-3所示。表4-3 标准化的数据北 京天 津山 东江 苏上 海浙 江广 东四 川X11.40 -1.24 -0.63 -0.50 0.32 0.16 1.39 -0.90 X22.31 -0.83 -0.48 -0.31 -0.47 -0.11 0.40 -0.50 X32.42 -0.13 -0.51 -0.14 -0.62 -0.43 -0.04 -0.54 X4-0.73 -0.64 -0.49 0.92 -0.51 0.20 2.02 -0.77 X5-0.96 -0.84 0.03 1.84 -0.72 0.06 1.10 -0.51 X6-0.34 -1.44 1.14 1.46 -0.98 -0.36 0.53 -0.01 X7-0.45 -1.40 0.90 1.44 -1.04 -0.03 0.87 -0.30 X8-0.61 -0.76 -0.71 1.14 -0.42 0.31 1.83 -0.78 X9-0.34 -0.57 -0.41 -0.03 -0.20 -0.42 2.44 -0.48 X10-0.62 -0.29 -0.12 2.45 -0.34 -0.38 -0.33 -0.35 X11-0.56 -0.45 -0.40 0.29 -0.18 -0.51 2.37 -0.57 X12-0.81 -1.18 0.46 0.49 -0.73 0.13 1.96 -0.33 X130.69 -0.42 -0.78 -1.01 1.43 0.70 0.68 -1.31 X14-0.62 -0.64 -0.55 1.13 0.16 -0.61 1.90 -0.78 X15-0.04 -0.98 -0.09 1.25 -0.40 -0.99 1.76 -0.50 X16-0.70 -0.48 -0.54 0.29 -0.30 -0.49 2.36 -0.13 X17-0.53 -0.81 -0.51 -0.30 0.76 -0.55 2.18 -0.24 其次，根据标准化的结果，通过SPSS 19.0软件进行主成份分析，获得解释的总方差矩阵（如表4-4）。表4-4 解释的总方差矩阵成份初 始 特 征 值提 取 平 方 和 载 入特征根贡献率%累积贡献率%特征根贡献率%累积贡献率%19.59356.43256.4329.59356.43256.43223.68421.66878.1003.68421.66878.10032.06812.16490.2652.06812.16490.26540.7574.45294.71750.5553.26797.983旋 转 平 方 和 载 入60.2931.72499.708特征根贡献率%累积贡献率%70.0500.292100.0008.31348.90248.90284.841E-162.848E-15100.0004.24224.95673.85893.036E-161.786E-15100.0002.78916.40790.265102.556E-161.504E-15100.000114.287E-172.522E-16100.00012-5.645E-18-3.321E-17100.00013-1.105E-16-6.503E-16100.00014-1.419E-16-8.350E-16100.00015-1.503E-16-8.838E-16100.00016-3.221E-16-1.895E-15100.00017-4.540E-16-2.670E-15100.000解释的总方差矩阵前三个特征根分别为9.593、3.684、2.068，它们的值均大于1。三个特征根的累积贡献率分别为56.432%、78.100%、90.265%,这表示三个主成份共解释了原有十七个因子总方差的90.265%。并且根据因子碎石图（图4-1）来看，用这三个主成份来代替原有的十七个主成份是比较合理的。此外第一个主成份的贡献率为56.432%,这说明第一个主成份在解释云计算发展现状的过程当中是最重要的。第二个主成份的贡献率为21.668%,这说明第二个主成份的作用次之。第三个主成份的贡献率为12.164%。图4-1 因子碎石图本文通过旋转正交法对原有的数据进行了处理，旨在通过对指标的旋转，使得原有指标载荷矩阵中各个指标的平方值向0和1两级分化，使得大的指标载荷更大，小的指标载荷更小。这样可以更加直观地确定各个主成份的主要影响指标。在构建主成份的时候，我们会根据指标荷载的具体情况进行取舍。如表4-5中的正交旋转后因子载荷矩阵所示：第一主成份（表示为）受到因子X4、X8、X9、X11、X12、X14、X15、X16、X17的影响较大。第二主成份（表示为）受到因子X5、X6、X7、X10、X13的影响较大。第三主成份（表示为）受到因子X1、X2、X3的影响较大。表4-5 因子载荷矩阵和得分系数矩阵正交旋转后因子载荷矩阵得分系数矩阵成 份成 份123123X10.548 0.780X10.057-0.0540.253X2 0.993X2-0.0560.0680.385X3 0.944X3-0.0870.0890.380X40.8970.359 X40.1040.019-0.022X50.5850.770 X50.0220.165-0.026X6 0.897 X6-0.0550.2540.078X70.4100.857 X7-0.0270.2260.069X80.8560.394 X80.0910.0380.001续表1表4-6 因子载荷矩阵和得分系数矩阵正交旋转后因子载荷矩阵得分系数矩阵成 份成 份123123X90.970 X90.142-0.079-0.007X10 0.837 X10-0.0660.237-0.003X110.973 X110.138-0.059-0.034X120.8160.438 X120.0850.049-0.023X130.370-0.6460.406X130.099-0.2030.081X140.8960.328 X140.1070.010-0.021X150.7540.545 X150.0480.1100.090X160.957 X160.139-0.060-0.06