5.3　大数据时代经济决策新高度

在大数据时代，数据把世界更紧密地联系在一起。无处不在的智能机器和各类终端，在获得“地球村”海量数据后，为人类自动地提供着各种服务。就像汽油、钢铁改变了人类的生活方式一样，大数据对人类的价值体系、经济决策及发展方式也产生了巨大的影响。

与之前的海量数据有所区别，“大数据”是指那些无法在一定时间内用常规软件工具对其内容进行获取、管理和处理的数据集合，其规模大约在10TB（1TB=1 024GB）以上，具备体量大（Volume）、多样性（Variety）、价值（Value）密度低、速度快（Velocity）四个基本特征。

其中，体量大指的是数据体量大，从TB级别骤升到PB（1PB=1 024TB）、EB（1EB=1 024PB）乃至ZB（1ZB=1 024EB）级别；多样性是指数据的类型多，除了传统意义上的数据类型，还包含了网络日志、视频、图片、地理位置的数据等；价值密度低则表明在大量的数据中，真正有价值的数据可能只占很小的比例；跟传统数据挖掘技术有着本质不同的特点是，大数据的处理速度快，因为移动互联网、云计算、物联网、车联网、智能终端以及包围整个地球的各种形式的传感器，都是数据来源或者承载的方式。

大数据不仅是对海量数据的分析方法，还是一种思维方式的转变。维克托·迈尔-舍恩伯格认为，在大数据时代，处理数据的理念有三大转变：“不是随机样本，而是全体数据”“不是精确性，而是混杂性”“不是因果关系，而是相关关系”[24]。

从大数据的角度来看，统计应该主要关注趋势分析、时效性和前瞻性等战略分析。大数据改变了数据操作方式，让我们把数据分析当成统计的亮点，而不是局限于数据管理。同时，不能再将精确性作为唯一重心，应承认混乱和错误的存在，并重视对其相关关系的分析，而不再是滞后的因果分析。

在大数据时代来临之前，我们只能以小样本或者适度抽样后的小数据进行群体规律的发现和挖掘，而真正的大数据能够把来自不同时间、不同空间、不同类型的数据连接起来构成对事物的一个相对更加完整的描述，从而能够从更细的颗粒度层面认识事物、认知世界。因此，借力于大数据的宏观经济分析也是大势所趋。大数据的四个基本特性为宏观经济分析提供了广泛多样的数据基础，极大提高了宏观经济分析能力及其预测结果的准确性。

5.3.1　大数据提高经济决策精准性

大数据和传统抽样调查相比，优势在于：大数据获取尽可能多的可采集的数据，用全面数据代替抽样、片面、局部的数据，也就是全数据模式。因此大数据能够改善数据利用率，提高从数据到信息的转化率。

在大数据技术的支持下，企业对市场的理解和洞察需求日益走向实时化和精准化。具体而言，在大数据条件下，企业能够记录或搜集客户在各个渠道、生命周期各个阶段（客户产品感知、品牌参与、产品购买、购买后的口碑和社会互动）的行为数据，设计出高度精准、绩效可高度量化的营销策略[25]。另外，大数据为个性化商业应用提供了机遇。如今，消费者异质性不断增强，消费者在购物、交友、阅读等方面的偏好越来越具有差异性。根据交叉融合后的可流转性数据和全息可见的消费者个体行为与偏好数据，可以精准地考虑每一位消费者独特的兴趣与偏好，为他们提供个性化的产品和服务[26]。

2011年，IBM Cognos商业智能解决方案在济南钢铁集团有限公司成功得到了应用，推动其提高了内部数据的管理效率。该商业智能解决方案的实施，整合了来自研发、工程和制造部门的数据以便实行并行工程，大大提高了企业的精细化管理水平，使得决策更加科学，成本更低。近年来，企业从客户和消费者的大数据中挖掘潜在的合作伙伴，从售后反馈的大数据中发现额外的增值服务，以改善现有产品和服务，创新业务模式[27]。

5.3.2　大数据提高经济决策前瞻性

在大数据时代，人们放弃对因果关系的追逐，而关注相关关系。大数据分析可以发现经济运行中出现的各种问题之间的相关关系。决策者几乎不用分析问题形成的原因，便能更加敏锐地把握经济走势，制定科学的经济决策。改变了过去简单的“头疼医头、脚疼医脚”式的一元应对模式，实现及早预防，并进行有针对性的治理，从而显著增强经济决策的前瞻性，改善政策的滞后性，提高经济决策效率。

商业银行的经济决策，要求具备前瞻性、有效性和针对性。传统统计工作多以满足监管要求为主，相关数据技术欠缺，无法对经营决策起到充分的支撑作用。相比之下，大数据分析可以使银行更快速、更准确地得到结论，为银行决策提供新的视角，对银行的经营决策起到重要作用。

在经营战略调整上，风险机制多通过基层行由下至上传导，部分国有商业银行滞后性明显。特别是在经济下行时，经营压力和化解风险的压力快速集聚到基层行，各级行经营陷入困境，会不自觉地主动收缩信用，并对实体经济造成负面影响。而大数据分析可以在经济环境变动时及时准确地挖出这些现象背后的因素，预测风险走势，并对经营战略做出相应的调整，将会比已有的经营管理策略更加有效、快速。在提高企业竞争力上，大数据帮助商业银行实时了解客户和业务发展情况，预测未来发展趋势，帮助管理者做出相应的经营决策，以满足不断变化的企业发展需求。

早在2008年国际金融危机爆发之前，阿里巴巴就通过大数据技术，在其拥有的大量交易数据中发现了国际金融危机的前兆，其根据每天提供的实时交易数据进行的分析，为制定并实施经济政策提供了重要参考。

2014年百度推出“百度经济指数”预测，其中包括中小企业景气指数和宏观经济指数预测，为相关决策者进行趋势判断、政策制定提供了具有参考价值的全新工具。

5.3.3　大数据提高经济决策实战性

大数据技术可以帮助决策者构建虚拟模型，降低决策管理风险。在做出决策前，决策者便可以利用大数据针对问题进行建模、分析，对指定的问题进行数据分析，预测政策效果，以此测试所制定的经济决策是否有效，提高经济决策的科学性。

比如，在经济政策方面，在政策发布之前，可以先建立虚拟模型，收集实时数据，利用虚拟模型对这些数据进行可视化的展现，评估不同干预和经济环境的变化对决策的多方影响，提高决策的实战性，以保证决策的实施效率和效果。

5.3.4　大数据提高经济决策实效性

大数据的核心是实时的数据流处理，通过对实时数据的处理可以提高决策者对危机的反应能力。

全球的大型银行利用大数据来提高经济决策实效性。政府收集到的数据往往具有滞后性，比如，在美联储官员召开的政策会议上，一组重要的通胀数据可能仅仅发布到前两个月。而社会、经济形势在不断变化，这会导致使用这些数据进行预测的经济模型得出的假定的可靠性下降，进而导致决策的准确性大大下降。利用大数据，美联储希望缩短实际的经济形势和所理解的经济形势之间的时间差。比如，美联储利用社交媒体上的信息实时统计相关经济数据。如果有人在推特或Facebook上发表“我失业了”，这条信息就可能被收入美联储的数据库，使得美联储能够迅速地统计失业数据。2015年，美国密歇根大学的研究人员与推特公司完成了一个项目，即通过追踪“我丢了工作”等词句分析失业状况，并据此编制了一项旨在统计首次申领失业救济人数的指标。

[1]王德青，李东，李喜凤. 有色金属矿山投资开发决策研究[J]. 国土与自然资源研究，2011（2）：71-72.

[2]系统分为简单系统和巨系统两大类。如果组成系统的子系统数量比较少，它们之间的关系比较单纯，则称为简单系统；如果子系统数量非常多，如成千上万，则称作巨系统。如果巨系统中子系统种类不太多（几种、几十种），且它们之间的关联关系又比较简单，那么这种巨系统就称作简单巨系统；如果子系统种类很多并有层次结构，它们之间的关联关系又很复杂，那么这种巨系统就是复杂巨系统，如果这个系统是开放的，那么就称作开放的复杂巨系统（Open Complex Giant Systems）。例如社会系统，组成社会系统的元素是人。由于人的意识作用，系统元素之间的关系不仅复杂而且带有很大的不确定性，这是迄今为止最复杂的系统。

[3]一般把事物分解成若干部分，抽象出最简单的因素，然后再以部分的性质去说明复杂事物。

[4]汤玲. 中小企业内部会计控制建设问题研究[J]. 现代商贸工业，2010（24）：249-250.

[5]苏云成. 控制论与出资人的财富监督[J]. 经济研究参考，2012（18）：31-33.

[6]卢婧，曹莉莉. 混沌理论视角下原生家庭影响力探析[J]. 齐齐哈尔大学学报：哲学社会科学版，2011（1）：71-74.

[7]信息论是运用概率论与数理统计的方法研究信息、信息熵、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。

[8]信息论假设在宇宙爆炸前只有信息存在，一个决定因素导致了信息子的偶然规则排布，一部分信息子转化为能量（信息子转化为能量是有一定条件的，只有在宇宙爆炸前或初期才能实现），能量再在一定条件下转化为物质，并继续转化，最终形成了我们现在的宇宙。因此，信息子的有序排布是事件发生的根本原因，物质摩擦碰撞是事件发生的直接原因，而能量的传递是事件发生的必要条件。

[9]辜夕娟. 汉语中“信”的多个义项及文化内涵[J]. 云南广播电视大学学报，2011（1）：54-56.

[10]词条解释来自中国通信学会。

[11]丹尼尔·艾斯蒂，耶鲁大学法学院和森林环境学院教授，曾是国际经济研究所的资深研究员。因在环保领域中的卓越成就曾获得过美国律师协会、耶鲁大学和美国环保局的褒奖。多年来，他一直致力于研究一套科学的数据和分析方法，将各国政府在环境方面的表现用数字的形式表现出来。

[12]许倬云. 资讯时代需要“大数据”[J]. 中国企业家，2012（15）：116.

[13]黄仁宇（英文名：Ray Huang，1918—2000），湖南长沙人，曾赴美求学，密歇根大学历史系博士，历史学家。

[14]孔莉莎，刘闻. 浅谈数据挖掘技术与军事决策支持[J]. 装备制造技术，2009（10）：117-118.

[15]林洪文，杨绍清. 基于知识发现技术的海战场态势分析[J]. 舰船电子工程，2012（4）：16-17.

[16]唐钧. 社会管理：疏浚还是堙堵[J]. 开放导报，2012（3）：7-12.

[17]方亮. 滴水见阳光——中国公共危机管理的发展[J]. 公关世界，2009（16）.

[18]林春艳，孟雨薇，王晓靖. 基于泡沫理论的中国股市风险研究[J]. 技术经济，2011（8）：106-112.

[19]刁伟. 基于模糊随机利率的小额贷款风险模型研究[J]. 北方经贸，2014（5）：178-179.

[20]张岩. 经济普查摸家底[J]. 中国报道，2013（7）：46.

[21]苏全有. 我国图书馆史研究能带来什么？[J]. 新世纪图书馆，2010（2）：3-5.

[22]周冬梅. 浅谈高中历史课堂教学的时效性与实效性[J]. 新课程：中学版，2012（12）：92-93.

[23]张凤涛. “大数据”对出版业的启示[J]. 赤子：上中旬，2014（7）：53.

[24]维克托·迈尔-舍恩伯格，《大数据时代》一书作者，牛津大学网络学院互联网研究所治理与监管专业教授，英国新闻周刊《经济学人》曾经将维克托·迈尔-舍恩伯格定义为大数据领域最受人尊敬的权威发言人之一。2010年，维克托·迈尔-舍恩伯格就已经开始对该领域进行了系统而深入的研究，并在《经济学人》上和数据编辑肯尼思·库克耶一起，发表了长达14页的大数据专题文章，为最早洞见大数据时代发展趋势的数据科学家之一。

[25]刘婧雅，文田. 大数据时代的电影营销[J]. 电影艺术，2014（1）：93-97.

[26]冯芷艳，郭迅华，曾大军等. 大数据背景下商务管理研究若干前沿课题[J]. 管理科学学报，2013（16）：1-9.

[27]刘琼. “数”中自有黄金屋论大数据之“妙”[J]. 军民两用技术与产品，2013（8）：8-10.