本文目录一览：
技术研发成本有哪些？
直接成本能源费指在课题研究开发过程中相关大型仪器设备、专用科学装置等运行发生的可以单独计量的水、电、气、燃料消耗费用等。材料费指在课题研究开发过程中消耗的各种原材料、辅助材料等低值易耗品的采购及运输、装卸、整理等费用。专用设备费指在课题研究开发过程中购置或试制专用仪器设备，对现有仪器设备进行升级改造，以及租赁外单位仪器设备而发生的费用。外协费指在课题研究开发过程中通过外包、合作研发等方式，委托其他单位、个人或者与之合作进行研发而支付的费用。咨询鉴定费指在课题研究开发过程中支付给临时聘请的咨询专家的费用；以及支付给外单位的关于研发成果的检验、测试、化验及鉴定费。培训费指研发人员在国内外接受专项培训、培养的费用支出。差旅费指在课题研究开发过程中开展科学实验（试验）、科学考察、业务调研、学术交流等所发生的外埠差旅费、市内交通费用等。研究人员工资指研发人员的工资、奖金、津贴、补贴、社会保险费、住房公积金等人工费用。其他费用与研发活动直接相关的其他费用，如技术图书资料费、办公费、通讯费、专利申请维护费等。间接成本管理费指在课题研究开发过程中对使用本单位现有仪器设备及房屋，日常水、电、气、暖消耗，以及其他有关管理费用的补助支出。折旧费用于研发活动的仪器、设备、房屋等固定资产的折旧费或租赁费以及相关固定资产的运行维护、维修等费用。摊销费指因研发活动需购入专有技术（包括专利、非专利发明、许可证、专有技术、设计和计算方法等）所发生的费用摊销。
电影技术发展对电影的影响
观影人次扩张，电影票房规模逐年增加
2012年，中国电影观影人次为4.6亿人次，放映场次为2020.6万次，2015年，电影观影人次首次突破10亿人次，放映场次超过5400万次，2018年，电影观影人次为17.2人次，2019年观影人次为17.3亿次，基本保持稳定发展。
2012-2019年，中国电影市场票房逐年攀升，2015年增速达到近50%，首次突破400亿，2017年开始，电影市场票房收入增速放缓，2019年中国电影市场总票房为642.7亿元，同比增长5.4%。
5G技术带来全行业的颠覆
在技术维度，电影的发展和继续存在实际上都依赖技术发展和进步。从照相到摄像，从无声到有声，从黑白到彩色，从胶片到数字，从2D到3D，这些电影划时代的进步都依赖技术革新和进步。5G技术的核心是“高速度”和“广互联”，这必将深刻影响电影的制作、发行和传播。
在艺术维度，在5G技术的影响下，电影画面的清晰度、电影影像的奇观感、电影欣赏的互动感将加强，电影将变得更加“好看”和“好玩”。导演予安元表示，未来，观众不再是被动的欣赏者，而可以通过VR等设备去体验电影。
在传播维度，在5G技术的影响下，网络速度再次提升，更快的速度必然带来更优质的用户体验，卡顿和延迟减少，电影宣传中大量的影音资料也将得到更快更广泛的传播。“电影的全球化传播将增加更多路径和可能性，电影产业的跨国、跨城市、跨公司合作将变得更加常态化。
在发行维度，电影宣发及广告渠道将变得更加多元且高效，且可以根据片子受众特点及不同地域等因素采用分众发行或分线发行的方式。既可以丰富片源供给，也利于充分释放每一部影片的潜力。日渐成熟的大数据、云计算技术，让所有的行业都向用户需求倾斜，也即看到每个用户的差异性，更有效率地推荐信息。目前，各大购票APP推送的内容是一样的，这对于挖掘潜在观影群体显然是不利的，5G时代，有了更强大的数据支持，电影的私人订制也将提上日程，过去叫好不叫座的低成本文艺电影，将有可能会被推送给更多精准定位的消费人群。
在制作维度，制作成本降低。以动画电影为例，传统的动画制作模式更多是采用集中的方式去制作和渲染，而5G之后，可以做到高度计算、高度存储，不仅制作成本大幅度下降，而且使得分布式跨领域协同制作成为可能。
比如5G+4k/8k拍摄，将实现实时拍摄、实时传输、云上渲染、云上制作，达到远程处理、多点共制，有效提高电影拍摄效率及效果;5G+VR/AR将充分满足影视娱乐行业的服务新要求;如5G+无人机航拍这样一项业务，都可能开创影视制作/娱乐体验空域经济。
在产业维度，5G技术对于中国电影产业参与全球竞争是一次重大机遇。如果中国相关部门和电影从业人员能充分利用中国在5G技术领域的全球领先优势，大力发展电影产业，重视新技术在电影产业各环节的应用，必将促进中国电影全球竞争力的提升。
——更多数据及分析请参考于前瞻产业研究院《中国电影产业市场前瞻与投资战略规划分析报告》。
大数据背后的技术、商业和社会维度
大数据背后的技术、商业和社会维度
要想考察大数据最好同时考察大数据背后的技术、商业和社会维度。从发展成熟度来看，技术维度走的最远、商业维度有所发展但不算全面成熟，社会维度发展最差。所以虽然已经谈了很久大数据，但除了孕育出大数据自身的几个领域比如搜索等，其它领域却并没有从大数据中获得可见的收益。大多时候人们还是处在觉得这里肯定有金子，但需要更多的耐心的状态。这篇文章则尝试对大数据本身的特征做点挖掘，对未来的发展趋势做点预测。
大数据上的深度和广度
如果把大数据对应到海量的数据，那它就是非常含糊的概念，相当于变成信息的同义词，显然也就很难回答信息到底能干什么这样的问题。
这时候为了推进思考通常需要先分类。如果把时间空间作为最基本的视角，那首先要区分的就是大数据的深度和广度。从时间的角度看大数据是完整的历史，从空间的角度看大数据是全球活动的痕迹。前者可以看成一种深度，后者可以看成一种广度，不同的场景对深度和广度的侧重有所不同。
对于有些垂直的行业，比如医疗，大数据的深度更重要，所有的历史都可以在数据上得到找到之后，人们就可以更好的认知并优化相应的行业。
对社会而言，很多时候广度则更重要，具体到某个场景我们只有一鳞半爪的消息，但当这种信息足够多，范围足够广，就有可能描述出相对及时的全貌。经常举的Google预测传染病的例子依赖的就是这种广度。
这点决定了大数据的应用发展趋势，在深度重要的地方，公司这类组织需要成为主体，困难是如何跨越数据所有权的边界。对于医院而言，显然把所有治疗案例数据化并共享是有好处的，但如果只有一个医院这么做，那对这一家医院而言更多的可能是隐私上反弹所带来的坏处。
在广度重要的地方，虽然在搜索这样的领域里公司也可以受益，但真正可以从大数据全面受益的机构其实是政府。数据越广，其所描述的主体就越大，而如果描述的是整个社会，那显然应该是社会的主要责任人会从中受益。这是个常识问题，就和看病的时候不会吃了医生给别人开的药自己反倒好了差不多。有的时候央视会播放百度做的春节期间人员流动图，这件事情也正好可以从侧面说明这问题。这种人员流动地图对能做出地图的人公司帮助远没有对政府的帮助大。
深度和广度两个方向对数据的要求不同，前者需要更为详尽、有质量的数据源后者则对此要求不高，但两者在应用的时候都会面临付出回报不对等问题。大数据倾向于描述整体，而有能力收集或处理大数据的往往是个体，个体的回报在整体的提升中并不容易获得清晰体现。
现在大数据发展的瓶颈不是技术，而是背后所需要的分配关系的建立。这种关系理不顺，数据就会停留在孤岛层面，每个组织都有自己的东西，并把它命名为“大数据”。而为了理顺这种关系则要回到一个非常经典的问题，“公地”到底可不可以建立。
数据公地的设想
大数据其实有点像公地，在经济学里非常出名的一个论点是公地悲剧。《美国经济史》举了一个非常易懂的例子来说什么是公地悲剧：
这些经济推理命题有利于解释集体所有制和产出的共享(平分或固定份额)如何导致“免费搭车者”问题。为了说明这一点，考虑共享土地所有权，且共同生产了100蒲式耳玉米的10个工人，平均每人消费10蒲式耳玉米。假设一个工人开始偷懒并将其劳动努力减半，从而导致产出减少5蒲式耳。由于产出共享制度的安排，偷懒者的消费量和其它工人一样，现在都是9.5蒲式耳。尽管他的努力已经下降了50%，但他的消费量只下降了5%。偷懒者是在搭他人劳动的便车。…
这背后有非常深刻的人性问题，即使我们可以通过努力协作创造更多的财富，个人也可以从中分享更多，但在群体里明显的个人倾向则是自己工作更少但分享更多。这与囚徒困境其实是相通的。
基于实物的世界里眼下看不到彻底解决这问题的方法，只能依赖于某种被大家基本认可的分配秩序，比如：以前的血统现在的物竞天择，但基于比特的数字财富眼下看却有解决这问题的可能。
基于比特的数据与实物最大的区别是数据并非是你拿走我就没有的东西，并且硬件的价格在飞速下降，开源又使数据的访问工具基本免费。这几者叠加在一起，使数据公地成为可能。
如果大家更在意我拿到的东西是不是绝对值变大了那数据公地的形成可能性就大些，因为如果存在数据公地，那每个人(企业)一定收获更多，但如果大家更在意我是不是比你多，那数据公地的建设就会多很多障碍，因为公地其实是让相关人员站到同样的竞争起点上。
大数据整合营销专家罗百辉认为，大数据的问题，在数据的使用上是技术问题，但在数据源上其实是社会经济问题，后者更难，所以大数据应用的发展不取决于技术的发展而取决于社会经济方式的变革速度。在有限的领域里，比如搜索、电商、云计算，技术已经得到比较充分的发展，眼下来看谁付出谁受益的问题是把小数据变成大数据过程中最主要的问题。
大数据的路往那里走?
数据的内在发展动力是数据越全价值越大，其实这也是一种网络效应，这种内在动力导致宏观来看数据所有权的发展只有两种趋势：
一种是像现在移动端一样，每个人都有自己的私有数据源，接下来开始你死我活的竞争，最终有一家活下来，这也可以达成数据统一的终极目标。
另一种则是在竞争中开始联合，建设上面所说的数据公地。
如前所述行业数据和全社会的数据性质上差别很大所以要分开来探讨。
对于行业数据而言，竞争对手间彼此的坦诚合作除非有极为特别的人物出现，否则是不太可能的。这种情况下最简单的办法是引入第三方。
比如说每家运营商都握有几乎所有网民的行动数据，但要想让运营商彼此间开诚布公的合作把这些数据整合在一起创造某种价值，这就很难。这时候如果有第三方介入，制定好利益分配方案那就是可能的。
如果这点可以达成，那唯一的关键点就是相应的商业模式是不是可以超越数据处理的成本。这点必须强调下的是，大数据的价值密度是很稀疏的，很多东西有价值但并不一定值得做，视频网站之所以赚不到钱一个关键原因就是带宽和存储的成本比较高，而对大数据而言商业模式找不好，情形可能比视频网站还差。挖矿的成本怎么也要小于挖矿所得挖矿才有价值。
上述问题在行业数据里可能问题还不是太大，一般来讲行业数据的价值密度终究会大一些，并且因为相对比较垂直，总量终究有限制。所以大数据的行业应用比较容易发展。
但对社会性的数据，这在很多时候就是个问题。我们都知道样本的全面性比数据的多少更有价值，但是如果多是确保样本全面性的唯一手段的话，那就意味必须有全的数据做一件事情才有意义。
社会化的数据有两种应用方向，一种就是企业可以搞定的比如Google，一种则是属于社会层面，很难单独属于某个企业的比如智慧城市相关的人的活动数据。后者则需要上面所说的数据公地来做支撑。
从数据的视角来看，现在有两种数据存放形式：一种是Google这样的企业拥有整个社会某个横截面上的全部数据，这应该是种特例，并且数据会局限在公开信息;一种则是被割裂的各种与人行为相关的数据，比如购物相关的在电商，与人相关的在社交网络和IM，线下服务相关的则在O2O企业，铁路相关的在12306等。Google这种拥有全的数据，但并不拥有人的行为，所以说Google这种企业相当于拥有整个社会的一个横截面的数据。而所有其它企业则只拥有某个垂直领域的数据。
如果依赖于企业做这种数据统一的尝试，在前者就会有投资200亿做O2O类的举动，因为这会补全数据，在后者就会有做电商的想做社交，做社交的想做电商这类事发生。类似的故事还可以在终端上发生，所有这些行为的终极目标都是一家企业搞定所有这些事情，但这是不可能的，这种不可能还不单是经济原因。而数据不能打通，那就只能在割裂的数据上做自以为是大数据的大数据。
所以说这骨子里是数据公地究竟能不能建立的问题，而要想建立数据公地，那至少要解决谁来做的问题，对此开源给出的启示有两点非常关键：第一这不能是个盈利组织;第二这要能获得众多企业的支持。因为数据会牵涉隐私，所以同开源相比那就一定还要有比较清晰的界定数据使用的规则。
在有一种切实的办法解决数据所有和使用权之前，大数据的应用应该还都是局部的。因为它的深度应用牵涉社会很多部分的彼此协调，所以这个过程可能是非常漫长的。这里面有意思的事情是，大数据的出现直接推动了机器智能的发展，而机器智能产生影响的速度可能会远快于大数据本身。
以上是小编为大家分享的关于大数据背后的技术、商业和社会维度的相关内容，更多信息可以关注环球青藤分享更多干货
什么叫技术成本？
技术成本分为技术开发成本和技术服务成本。技术开发成本即指企业为开发新技术、新产品、新工艺发生的研究开发费用。技术服务成本则是指企业按业主要求，派遣具有一定技术专长和知识的专业技术人员、专家、教授或管理人员，为承担项目的技术指导、咨询，提供设计文件、技术资料，进行可行性研究，传授技术，培训人员，参与管理等发生的费用。
技术费用取决于你用什么建站模式，目前市场上有两种主流方式，一种是自助式建站，使用建站平台提供的模板制作网站，由建站平台提供服务器维护、网站编辑维护、页面设计等技术支持，你只需要搭建页面、填充网站内容就可以了，整个建站过程就像做PPT一样，还可以省去单独购买服务器的费用。
另外一种就是定制开发网站，网站建设公司会提供专业的技术团队，包括设计、开发、运营、维护、推广等等内容，网站的风格、页面、功能都走定制化流程，这样的网站费用就高些。
（二）空间成本
网站建设还需要租用服务器或云主机，对于一般的企业网站，云服务器就可以了，价格便宜，稳定。
（三）域名成本
网站建设一定要有一个域名，这个域名就是大家常说的网址，你要有域名才能有网站内容，别人才能找到你。所以需要先注册一个域名，目前通用的顶级域名的后缀有.com、.cn、.net等，属于国际上广泛认可的后缀，方便记忆，普通的域名也很便宜，一年几十块钱就搞定了。
（四）推广成本
网站建设不做推广，那就只能是展示展示样子，可以考虑自然SEO优化，因为技术本身是免费的，成本也就是人工费用，找一个专门的网站优化人员，SEO需要长期坚持做，是一项持续性支出。如果想要更好更快地推广效果，则可以考虑竞价推广，不过烧钱也会烧得很快。