大数据经济的数据驱动范式及其应用研究
袁昊
(安徽省合肥一六八中学,安徽合肥 230601)
摘 要: 大数据经济发展一日千里,应用更为广泛、社会关注和参与度与日俱增。本文结合大数据经济发展的历史和驱动发展范式的构成要素,并阐述其在数据处理、研究普适性、数据因果、经济学建模、研究思路和预测学习方面的功能以及数据驱动范式对经济应用前景的积极影响,凸显其现实价值。本文的论述有利于深化对大数据驱动经济发展的作用认知,对大众更好地参与经济生活、市场经济活动运行有促进作用。
关键词: 大数据经济;数据驱动范式;应用研究
0 引言
“大数据”这一概念在1998年首次被提出。时至今日,大数据的概念已经由抽象具体化为社会联系的必要介质。根据麦肯锡全球研究所给出大数据的阐述:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。而亚马逊大数据科学家John Rauser认为的大数据是“任何超过一台计算机处理能力的庞大数据量”,我们可以基本推断大数据时代下体系上完整、时间轴上充实的规模化、流动性数字形态结构深刻记载时代景深、勾连社会生产生活的重要意义。而与大数据相关产业的兴起,客观刺激了传统经济学研究技术的更新迭代,推动市场链条的良性撬动、规范重组。大数据以其自身体量大(v o l u m e)、速度快(velocity)、模态多(variety)、价值大密度低(value)和精确性(veracity)的优势实现了经济学研究对象的有机量变、研究方法的效率提升与研究手段的智慧变革,诱导大数据经济学的产生与发展。
1 大数据背景下经济学数据驱动研究范式
1.1 大数据经济的发展
关于大数据在经济学领域的研究,最早由斯坦福大学教授Anand Rajaraman在理论层面进行探索,并且提出Econinformatics的概念,他指出数据经济学是将计算机科学和信息技术应用于经济学领域,特别指应用于大数据技术进行经济分析,强调技术层面。随后,国内外学界进行对大数据经济的研究。
李文莲等学者结合大数据海量数据和数据实时性的特点,分析论证了大数据对传统行业的冲突,为大数据在商业模式上的创新提供了基础[1]。俞立平等人直接通过经济数据的分析指出大数据对传统经济学内在变化的影响[2]。维克多·迈尔·舍恩伯格、肯尼斯·库克耶提出,大数据的核心在于预测,大数据可以基于对实时数据的分析可以很快得到当前的变化趋势等等[3]。之后诸多的国内外学者的研究指出相比以往传统数据在计算能力、数据收集与分析处理方法上的落后性、粗略性,大数据经济发展借助互联网、物联网、人工智能等信息技术,可以获取更全面广泛的信息资源、从而将物质社会的方方面面标记为数字度量,缩小误差范围,剥离表象直达本质地挖掘规模数据中的黄金信息甚至较为准确地预测未来。
1.2 大数据经济学的数据驱动范式的构成要素
(1)大数据及分析技术。互联网时代下商业模式的核心资源根源在于数据。从数据来源分析,互联网与信息技术的融合开拓了原有市场信息的死角,更完善、更精准地定位市场配置资源过程中的漏洞并加以填补,甚至改变了原有的商业生态;从开发利用解释,大数据及分析技术的出现使得企业的供给更具时效性、有效性,减少因资源盲点致使的竞争劣势,从而促进更多企业积极地参与市场竞争。(2)客户。高度的市场细化本质上是一种对接客户需求的经济行为,精准发掘用户个性化需求契合了价值链条滚动的现代市场效应,有助于从供给端满足价值实现的预先准备;客户也从被动的终端客体转变为间接参与到生产流程中的设计者、研发者,而这种需求信息正是企业生产部分迫切希望得到的。新型客户关系在大数据的技术支持下得以建立。(3)价值主张。企业的价值主张在大数据社会得以提炼,通过私人订制、成本削减和风险抑制等差异化服务,从产品提供层发挥了附加值的能动作用。(4)价值网络。信息透明化使得价值传递的及时性、交互性显著提升,数据对生产过程的驱动被放置于联系紧密的价值网络之中面,优化了价值创造的结构。(5)创收逻辑。企业的创收方式因大数据而更为广泛和新颖。数据资源的高度价值以及衍生分化的分析服务需求刺激了新型创收来源,无论从数据本身价值或是服务价值含量来看这些都是高水平、高质量的创收渠道;此外,互联网平台也推动企业价值实现手段的创新多元化。
研究认为，分析从不同维度展开，具体的分析了“副”从中心成员向外扩展的具体途径，而且无论是从哪个维度的扩展，这种扩展途径其实都是符合人的一般认知的，即从具体到抽象，但是宗守云(2011)在《量词范畴化的途径和动因》一文中揭示了量词在向外扩展的过程中还会有更多可考量的维度，分类也更加的具体，他把范畴的扩展分为绝对途径(见图2)和相对途径，绝对途径是单向的，几乎没有相反的扩展过程，而相对途径是可以有相反的扩展过程，只是倾向性的规律，并不是绝对的必然的规律。绝对途径的扩展过程如下图2.
2 数据驱动对经济学的影响
2.1 促使经济学研究方式的转变
(1)研究对象:传统数据处理方式基于对有限样本的抽样考察,而大数据时代下数据处理则以整体为对象。(2)研究方法:传统模型驱动范式基于经典的数理统计理论,但基于样本推断总体的方式使得研究结果的准确与否极大程度上取决于样本好坏,同时样本的随机性带来的误差难以避免。再者,数据的可信度也受制于“人为修正”的程度,即便是国家统计部门的数据发布也可能存在客观真实性的不足。而大数据提供的数据驱动范式以全盘数据全面分析,天然地得出研究结论,更精准地导向经济发展。(3)数据统计的研究手段:传统的统计手段是主要运用的方法是指数计算,抽样后选取若干指标进行统计。这样不仅效率低,而且成本大,存在很多弊端。但是大数据经济数据统计的多样化手段,尤其是检索方式,可以通过使用搜索引擎敲上浏览网站的关键词,就能基本获取信息。相比之下,大数据统计集省财、提高效率等优势于一体,符合资源节约而价值升级的绿色理念。
2.2 增加研究应用普适性
传统模型驱动模式的研究侧重于事物之间的因果关系,具体的研究目标主要是探究经济现象之间的内在联系以及因果关系,从而按照经济学科的研究流程探究事物发展的潜在特征。数据驱动模式的研究则建立在掌握海量的数据信息并直接进行分析综合的基础之上,即迅速快捷,又强化了多种事物之间的相关性而削弱了因果作用,使研究的经济学价值朝着深度、广度挖掘拓展。
2.3 突破了因果关系的限制
传统模型和思辨驱动研究范式建立在对研究结论的假设基础之上,经过预先判断后再进行检验,实则是受制于在传统研究技术的局限。而大数据时代,高精度的海量数据资源整合了以往研究流程中的缺口,更多变量得以被捕捉,我们的研究也因而转化为先发现再总结的模式、由特殊规律总结一般结论的方法,一定程度上摆脱了假设法造成的个案现象,增加了研究应用的普适性。
2.4 对经济学建模的挑战
根据《施工图审查制度的思考》，在住建部系统中，2013年之前，已经开始使用施工图审查信息网站、短信平台、内部OA系统等方式，加强信息管理。
传统经济学研究的设备设施有限、资源信息的密度低且沟通性弱,专业人才的视野不足、才干发挥受限;大数据时代下的研究不仅有技术完备、功能齐全的设施保障,而且大量有价值的信息广泛流动、便于采集分析,还可以调动社会合力、智慧众筹,改进传统统计研究模式不足,让加工后数据的原始信息展露,协助攻破瓶颈问题。
2.5 促使经济学研究思路的转变
20世纪60年代，美国空军飞行力学实验室开发了气动数据库DATCOM，其包罗了从1903年第一架飞机开始直到1978年中止数据库更新的几乎全部美国飞机的飞行试验数据[1,2]。虽然DATCOM在面对一些特殊布局如飞翼式布局时，分析起来比较困难，在面对超级复杂的超常规布局时更是无法使用，但这是人类第一次将数据库技术应用到飞机数据管理中。
2.6 具有预测学习功能
传统数据研究模式在操作上具有极大的滞后性,缺乏前瞻思维和预测功能,一方面是数据少、结论模糊、趋势难以定位,另一方面则碍于人为因素干扰、准确性较差;大数据时代数据驱动研究在此方面则有长足进步,实时性的数据集大大减小了已知信息与被预测信息之间的时间差,而技术的进步、专家的分析论证更进一步减弱人为因素对原始数据价值的泯灭,使研究结果从内外因方面都具有较精准的预测学习功能。
传统经济学领域的研究大多把已知有效信息作为指标构建数学模型,但数学模型本身不一定普遍适用,加之信息量有限,选择最佳模型的可能性比较小。而数据驱动模式下云计算以及分布式处理技术使海量数据模型得以建立,达到最接近于真实的数据研究结果,有利于降低无关因素干扰,获得误差较小的结论。
3 数据驱动范式对经济学应用的前景
3.1 提升模型和现实的契合度
经济学服务于人、立足于生活实践,在某种程度上体现了人文主义思想。因而,我国经济学者以“经世济民”为其要旨,也解释了它对现实生活特别是经济领域运行的指导意义和重要地位。基于此,我们不能满足于只提出某个经济问题的内涵,而要将其纳入时政民生等实证轨道进行规范分析,那么借助大数据的研究驱动技术便是必不可少的。例如有关后备土地资源、粮食安全等事关民生福祉的国计,大数据便有效地收集实证分析原材料,极大促进有关“怎么做”这个维度的意见建议,增强了对农业局势的前景分析。
3.2 增强了经济学对经济问题的解释力前景
传统的数量经济学分析方法的传入迅速被投入金融领域的应用,但是,不足的信息数据材料在庞大的市场经济联系面前显得空洞而乏力,引发许多主体对现象的不同认知、趋势各异的推测,难有定论,严重影响了决策者的决策效力和效率,也干扰了部分群体对经济政策的正确理解。而大数据的导入则厚实了数量模型检验的数据地基,通过科学测算来建构相对准确地经济学模型,为决策者提供公正评价机制,使模型与现实的契合度大大提升。例如,从宏观层面来考察供给侧结构性改革,大量的数据整合结论指导促成调整产品结构与市场需求结构相适应的理性趋势,对我国经济发展具有战略意义。
女子的死而复生，在整个云浮族中，犹如投下了一枚重磅炸弹，人们奔走相告，沉浸在巨大的兴奋和虔敬中。他们议论着，这名女子，躺在安魂殿的那段时间里，一定是有天神曾经光顾过的。天神以大愿力复活了她，能够受到天神如此眷顾的人，注定不会是一个凡人！
3.3 去除了经济学中存在的形式化弊端
古诺模型又被称为双寡头模型,忽略厂商之间差异,以同质化厂商结构来解决市场占有份额,其理想化程度可想而知。在当今市场竞争如此激烈,同类商品生产者众多的背景下,把这种形式大于实际的模型直接应用于商品生产、加工、销售和流通是不够理性的,其结论并无法与市场现状相契合,还往往会使生产商在定价、服务甚至制定生产计划的过程中面临僵局。相对的,大数据的作用可以弥补理性模型的现实不足,巨大的数据资源库内容的快速流动极大地包容了形式化弊端引起的滞后性、不准确性,对厂商市场份额的计划有不可或缺的指导价值。
3.4 提高经济学在微宏观决策价值的前景
大数据下实证分析至关重要,但也不能陷入其泥潭而使经济学在为决策提供指导的功能上受桎梏。既然“经世济民”,那落足点就应该放在决策方向上,重视价值选择与判断、数据分析与证明的和谐统一,从方法论层面扮演好决策者智库的重要组分。此外,经济研究在理论层面上要摆脱“似是而非”的模糊概念,用科学的信息对焦清晰的价值链条,洞悉已有数量模型的不足并修正,转化为便利化的软件分析系统,为决策者提供高度前瞻性、准确预测度、实际执行力、持续发展化的参考标准信息。
4 结语
大数据背景下经济学数据驱动研究立足于经世济民,依托于前景广阔的大数据技术,应该在自身高度上有所突破。研究主力上,要在市场经济背景下建立一批高素质的专家队伍并调用社会智慧众筹,为其发展提供智力资源的有效保障;在研究落足点上,培养本土化的问题意识,手握丈量市场的经济学工具去促国家发展、增添人民福祉;研究方法上,实践与解析应该发挥各自应有的作用,对模型的可用性和内涵分析都不可忽视,即既要应用当下,又要修正理论、指导未来;研究机制和硬件上,更为完善的人员激励和不断丰富的技术元素亟待填补当前体制机制上的不足。当然,我们的大数据经济研究已经融入了经济、科技、文化教育、政治干预和国际关系等方方面面,给我们呈现了崭新的社会面貌,但如何进一步发挥其足量优势、激活其内生潜力,加快理论进步和应用投入是大数据经济发展的研究重点。
参考文献
[1] 李文莲,夏健明.基于“大数据”的商业模式创新[J].中国工业经济,2013(5):83-95.
[2] 俞立平.大数据与大数据经济学[J].中国软科学,2013(7):177-183.
[3] 维克多·迈尔·舍恩伯格,肯尼斯·库克耶.盛杨燕,周涛译.大数据时代[M].杭州:浙江人民出版社,2013.
[4] 孙振朝.大数据时代的数量经济学应用[J].经营与管理,2016(2):31-33.
[5] 许辰迪.浅谈数据驱动研究范式在经济研究中的变革与创新[J].财经界(学术版),2018(8):18-19.
[6] 毛定祥.经济数据挖掘[J].上海大学学报:社会科学版,2006,13(02):122-125.
[7] 崔俊富,邹一南,陈金伟.大数据时代的经济学研究:数据驱动范式[J].广东财经大学学报,2016,31(1):4-12.
[8] 钱瑶.大数据时代背景下数量经济学应用前景分析[J].黑河学院学报,2017(12):70-71.
中图分类号: F091.3
文献标识码: A
文章编号: 1671-2064(2019)01-0181-02
收稿日期: 2018-11-01
作者简介: 袁昊,男,汉族,安徽蒙城人。
标签：大数据经济论文; 数据驱动范式论文; 应用研究论文; 安徽省合肥一六八中学论文;