按照发车顺序，澳大利亚站之后就是中国站，但是考虑到我们自己就在这座山中，先按下不表，看看未来发展。我们继续下一站，日本站。
产业分析
日本是一个地窄人稠的国家，国土面积大部分都是山区，除了近畿平原、浓尾平原、关东平原，大部分城市都是沿着海岸建立。和澳大利亚老天喂饭不同，日本在煤炭钢铁石油的储量上都极度缺少，这就意味着日本从工业起步开始，就非常依赖外部资源的进口和产品外销。
日本在很多大规模产业上，都曾经是世界首屈前列，例如造船、家电、汽车，半导体等等，但是伴随着广场协议以及泡沫经济，以及最重要的中国崛起，这些产业正在慢慢被中国和韩国拿下，例如日本曾经引以为傲的造船产业，如今在中韩面前已经难以匹敌。而作为日本家电最大的单一市场，中国除了高端型号，大部分加点都已经实现了国产化替代。另一方面，日本在一些高端产业的优势却还保持，但是这些高端产业却不足以养活曾经引以为傲的1亿中产。
然而日本的计算机产业，不能用落后来形容，更多的是魔幻。win10用软盘安装，严重依赖传真机，以及日系游戏厂商从十多年前开始技术力倒退，都只是这个国家信息产业的冰山一角。我在日本短暂工作的经历里，见过很多日本人用着在其他地方不曾听过的手机型号，用的开发语言也和中美主流语言有较大差异，封闭的生态，这是当时日本上司给的评价。
根据日本内阁府和总务省统计局发布的最新数据，日本 GDP 占比前五的行业如下：
批发与零售：占比 15.5%
房地产：占比 12.1%
金融与保险：占比 10.8%
制造业：占比8.7%
信息与通信：占比 8.5%
但从产业结构来看，与我们固有印象中的日本产业已经有了一些差异，如果回归到2000年，前五的分别是制造业、批发与零售、建筑、金融与保险、房地产，是不是和大家印象里的日本，有点相似了？而最近几年日本旅游业尽管趋势不错，实际GDP占比不到3%。
主要软件供应商
日本人口密度很高的国家，计算机软件从业者人数预计在140-160万之间，占比较高。我们熟悉的日本游戏产业，实际从业人数是15万，占了接近10%的比例。如果再度细分的话，软件开发与集成占了接近6成，剩下3成被网络和数据、IT软件咨询占据。而产业主要集中在了东京都市圈，每天上下班的火车上，总能看到程序员样貌的人，从琦玉或者神奈川来到东京，晚上又坐着铁轨离开这座承载了将近日本四分之一人口的大都市。
日本的软件供应商，本土比例同样不低，但是头部企业的技术水平参差不齐，这是日本同行给的评论。我们根据五个GDP占比靠前的行业，进一步看看都有哪些主要的软件供应商。
批发与零售行业：
富士通，日本老牌软件公司。他们的供应链管理系统广泛应用于日本批发业， 7-Eleven Japan 提供自动订货和库存优化方案。最近几年其零售 AI 解决方案通过还有他们的WebGIS 平台将地图数据与销售信息结合，支持企业进行商圈分析和新店选址。
创迹软件，这是一家在中国注册的公司，日本 Trial 株式会社的全资子公司，其智慧零售解决方案覆盖智能购物车、WebGIS新店开设管理、掌店管理可视化等领域。值得一提的是，我当年校招还笔试过这家公司。可曾想到竟然做到了今天的市场占有率。
Cybernet Systems，其供应链智能优化平台在批发与零售业中具有显著优势。主要客户永旺（AEON）实现库存周转率提升 18%，缺货率降低 25%。跨境电商集成系统支持多语言、多货币结算，已服务于日本乐天市场的海外卖家，此外，Cybernet Systems的智能物流调度系统为日本邮政（Japan Post）优化最后一公里配送路线，配送效率提升 30%。
房地产行业：
Aldagram，KANNA 云端项目管理平台专为房地产和建筑业设计，提供施工现场照片共享、文件可视化和进度跟踪功能。在日本，这个平台服务于三井不动产等企业，帮助其管理建筑项目全生命周期。除此之外，也在向海外进军。
Sumutasu，日本 iBuyer（即时买家）模式的代表性企业，从官方宣传来看，其AI 房产估值与交易平台通过计算机视觉和大数据分析，实现二手房价值评估误差率低于 3%。2024 年，Sumutasu 通过瑞穗银行等机构融资 22 亿日元，加速全国业务扩张。
NocoBase，开源无代码平台，NocoBase 被日本房地产中介龙头HouseWel 采用，用于整合客户管理、人力资源和行政流程。该平台还支持与 Salesforce 数据同步，帮助企业构建统一的客户数据库，并计划逐步替代原有 CRM 系统。
金融与保险行业：
凌志软件，为日本主要金融机构开发核心系统。野村证券的投资银行业务系统就是由他们开发，支持股权融资、并购交易等复杂操作；他们还为索尼生命保险提供核心业务系统，实现保单管理和理赔自动化。除此之外，三菱、摩根士丹利证券都是他们的客户。
NTT Data，银行核心系统被三菱日联银行采用，支持实时交易处理和多渠道服务整合。在保险业、外汇对冲管理系统，都有较多的大客户，比如能够查到的是，丰田汽车通过该系统优化跨境资金结算效率。
制造业：
SAP，又是老朋友了，SAP系统在日本制造业占据主导地位，丰田、三菱集团等企业通过SAP S/4HANA实现生产计划、供应链和财务的一体化管理。除此之外，在汽车电子领域，SAP为电装开发了嵌入式系统管理平台，支持车载软件的远程更新和故障诊断。
富士通，返场的富士通在制造业的ERP解决方案，主要是专注于离散制造场景，能够查到的是其AI质量检测系统通过计算机视觉识别产品缺陷，此外，富士通的数字孪生平台支持三菱重工对船舶发动机进行虚拟调试。
日立，日立在国内用得较多的可能是促成农户，在日本他们的制造业解决方案在汽车制造业中广泛应用，例如构建虚拟生产线，为日产汽车和丰田汽车的良品率服务等等。
信息与通信行业：
NEC，能查到NEC的物联网平台Connexive为通信运营商提供网络管理解决方案。也提供了公有云NEC Cloud部署，还有支持混合部署，帮助乐天集团构建私有云平台，承载电商和移动业务。在网络安全领域，NEC的入侵检测系统被日本总务省采用，防御针对政府通信网络攻击。
NTT Data，又一个返场的。NTT的通信网络管理系统服务于自家的NTT集团，支持光通信网络的故障定位和流量调度。其SD-WAN解决方案帮助软银（SoftBank）实现跨国企业分支的高效互联。此外，NTT Data的边缘计算平台为便利店提供实时数据分析，通过该平台优化便利门店Wi-Fi 热点分布，提升顾客停留时间。
Cybernet Systems，最后一位返场嘉宾。自有的的5G 网络优化平台据说为5G能耗降低28%，同时提升边缘计算响应速度至10ms以内。通信系统为软银提供了混合云架构。此外，Cybernet Systems的网络安全态势感知平台采用威胁情报共享机制，也帮助日本总务省检测攻击。
使用的数据库
和澳大利亚相比，日本的软件企业最大的特点是，跨行业巨头较多，NTT、CyberNet、富士通，都是如此，甚至还有开发团队在中国，产品主要服务于日本的模式。如果继续探究，可能还有更多的跨行业企业浮出水面。所以，我这次打破一下按行业统计，而是改用公司的口径统计。
- Cybernet Systems
Oracle，用于处理永旺等客户的千万级 SKU 库存数据，支持分布式事务处理和实时库存同步。是普通的Oracle还是Exadata，没有具体查到。
MongoDB：存储非结构化的市场动态数据（如社交媒体舆情、消费者行为日志），到了AI时代，还肩负起了支撑机器学习模型训练。
Redis：作为缓存层加速高频查询，如永旺超市促销活动期间的价格检索响应时间缩短至5ms以内。
InfluxDB：时序数据库，存储基站能耗数据，这也是很多物联网系统的首选。
PostgreSQL：管理用户套餐、流量配额等关系型数据，支撑KDDI的5G套餐实时计费，并发处理能力每秒5万笔。
- 富士通
MySQL：作为OLTP支撑7-11的自动订货与库存优化方案，日均处理200万笔交易，支持分布式事务处理与实时库存同步。
PostgreSQL：主要使用了GIS功能，其WebGIS平台存储地图数据与销售信息，结合空间索引技术实现商圈分析与新店选址，查询响应时间缩短至50ms以内。
Redis：作为高频访问缓存层，实现各类加速促销活动期间的价格检索，响应时间低于2ms。
InfluxDB：依旧是时序数据库场景，数字孪生平台存储设备振动、温度等时序数据。
Neo4j：构建设备关联图谱，主要用于制造业分析故障根因（如轴承磨损与润滑不足的关系）。
- NTT Data
PostgreSQL：依旧是使用了GIS系统，NTT集团光通信网络管理系统存储拓扑数据，支持地理空间查询优化故障定位。
Redis：解决方案的会话缓存层，实现跨国企业分支互联的低延迟切换，响应时间低于10ms。
AWS Aurora：案例提及了三菱日联银行实时交易处理系统采用云原生架构，并发处理能力达每秒2万笔，故障率低于 0.005%。
Cassandra：相对小众的分布式数据库，历史交易明细存储支持跨区域数据复制，满足监管审计要求的7×24小时可用性。
- 创迹
PostgreSQL：智能购物车与掌店管理可视化系统采用开源数据库，支持多语言、多货币结算，日均处理 10 万用户行为数据。
Elasticsearch：构建客户行为分析引擎，通过日志数据挖掘消费趋势，转化率提升 15%。
AWS DynamoDB：跨境电商集成系统采用无服务器架构，支持多语言、多货币结算，峰值并发处理能力达每秒 5 万笔。
- Aldagram
AWS Aurora：存储三井不动产等企业的建筑项目全生命周期数据（如施工现场照片、进度报告），支持跨区域高可用部署，故障率低于 0.01%。
MongoDB：非结构化文件（如设计图纸、合同文档）通过 GridFS 存储，检索效率提升 40%。
Elasticsearch：构建全文检索引擎，实现项目文件的智能搜索，准确率达 98%。
- Sumutasu
PostgreSQL存储全国2000 万+房产的地理信息（如周边学校、车站数据），空间索引加速估值模型计算，误差率低于 3%。
MongoDB：管理计算机视觉生成的房产图像数据，支持多维度标签分类，日均处理 10 万张图片。
Neo4j：构建房产关联图谱，分析区域房价与政策、基建的关系，预测准确率达 85%。
- NocoBase
PostgreSQL：HouseWel 房地产中介的客户管理与行政流程整合系统，支持与Salesforce数据同步，替代原有 CRM 系统。
MySQL：人力资源模块采用轻量级数据库，支撑员工考勤、绩效数据的实时查询，响应时间低于 100ms。
Redis：缓存高频访问的客户数据，提升移动端APP响应速度至 50ms 以内。
- 凌志软件
IBM DB2：没错，DB2。支撑野村证券投资银行业务系统，日均处理 50 万笔股权融资、并购交易，符合ISO 20022 标准。
Oracle：索尼生命保险核心业务系统存储 1.2 亿保单数据，支持复杂理赔规则引擎。
kdb+：高频交易场景下的实时风险预警系统，毫秒级响应外汇对冲策略调整。猜测是摩根士丹利的系统。
- SAP
SAP HANA：SAP原厂肯定要用HANA，丰田、三菱集团通过内存数据库实现生产计划、供应链与财务一体化管理，库存周转率提升22%。
PostgreSQL：电装车载软件远程更新系统采用开源数据库，支撑 TB 级日志数据存储与分析。
Redis：BOM（物料清单）数据缓存层，设计变更时实时协同响应时间低于5ms。
- 日立
TimescaleDB：也是知名的时序数据库，存储设备工况数据，支撑油耗优化模型，燃油效率提升12%。
Cassandra：跨太平洋数据中心的高可用存储，设备数据丢失率低于0.001%。
-NEC
MySQL：通信运营商网络管理系统存储基站配置数据，支撑光通信网络故障定位与流量调度，响应时间低于200ms。
Elasticsearch：构建网络安全态势感知平台，实时分析入侵检测日志，防御针对政府通信网络的攻击。
AWS DynamoDB：用于乐天集团私有云平台Serverless数据库，支撑电商与移动业务峰值流量，每秒处理 10 万次查询无延迟。
以及，国产数据库在日本的客户案例，我找到了阿里云PolarDB和腾讯云TDSQL在自家公有云上的案例，很多都是游戏运营，这一点上，比起澳大利亚，中国国产数据库还是走得更远。
最后的小结
和澳大利亚相比，日本的数据库生态明显更加丰富，从传统的DB2和Oracle，到开源的PostgreSQL、MongoDB，以及各类分布式、公有云都有着广泛的应用，国产数据库伴随着各自发展也有了一席之地。一方面，普罗大众在智能手机和C端软件以及开发语言中显示出独有的封闭生态，而另一方面，数据库软件则显得更加开放。
从架构上来说，混合架构主导是日本企业常用的模式，关系型+NoSQL+时序数据库组合非常多，例如富士通在供应链管理中同时使用关系型数据库和Redis等等。
但是作为Oracle全球最大的单一海外市场，日本的金融行业70%的核心系统仍依赖Oracle，还有20%依赖DB2，但逐步引入kdb+这种内存数据库处理高频交易。而政府项目类系统因数据主权要求，仍以本地部署为主，这一点中国日本是更加相似的。
作为数据库电子地图册第二期，日本也就告一段落了，按照2025年F1赛历，我们下一站，去看看沙特阿拉伯。
